
- •Два принципа спецификации эконометрических моделей и их формы
- •Типы уравнений в эмм: поведенческие уравнения и тождества (на примере макромодели).
- •Типы переменных в экономических моделях. Структурная и приведённая форма модели (на примере макромодели). Компактная запись. Типы переменных в экономических моделях.
- •Структурная и приведённая форма модели (на примере макромодели). Компактная запись.
- •Лаговые и предопределённые переменные динамической модели.
- •Модель Линтнера корректировки размера дивидендов.
- •Компактная запись.
- •Эконометрическая модель Самуэльсона–Хикса делового цикла экономики.
- •Порядок оценивания линейной эконометрической модели из изолированного уравнения в Excel. Смысл выходной статистической информации функции линейн.
- •Случайная переменная и закон её распределения. Нормальный закон распределения и его параметры.
- •Ожидаемое значение случайной переменной (сп), её дисперсия и среднеквадратическое отклонение.
- •Случайная переменная и закон её распределения. Распределение хи-квадрат.
- •Случайная переменная и закон её распределения. Распределение Стьюдента Квантиль, t крит уровня и её расчёт в Excel.
- •Ковариация Cov(X, y), и коэффициент корреляции, Cor(X, y) пары случайных переменных (X, y). Частная ковариация и частный коэффициент корреляции.
- •Свойства
- •Случайная переменная и закон её распределения. Закон распределения Фишера. Квантиль, f крит уровня и её расчёт в Excel.
- •Случайный вектор и его основные количественные характеристики (на примере вектора левых частей схемы Гаусса – Маркова при гомоскедастичном неавтокоррелированном остатке).
- •Временной ряд и его структура (На примере ввп России).
- •Модели тренда временного ряда.
- •Моделирование сезонной составляющей при помощи фиктивных переменных.
- •Регрессионная зависимость случайных переменных. Функция регрессии, стандартные модели функции регрессии.
- •Понятие статистической процедуры оценивания параметров эконометрической модели. Линейные стат. Процедуры. Требования к наилучшей стат. Процедуре.
- •Теорема Гаусса-Маркова – Эйткена. Вывод выражения .
- •Теорема Гаусса-Маркова – Эйткена. Вывод выражения Cov .
- •Теорема Гаусса-Маркова – Эйткена. Вывод свойства обобщенного метода наименьших квадратов (омнк),
- •Теорема Гаусса-Маркова – Эйткена. Вывод оценки дисперсии единицы веса, .
- •Следствие из теоремы Гаусса-Маркова – Эйткена: взвешенный метод наименьших квадратов (вмнк). Практическая реализация вмнк.
- •Следствие из теоремы Гаусса-Маркова – Эйткена: метод наименьших квадратов (мнк) или теорема Гаусса-Маркова
- •Система нормальных уравнений и явный вид её решения при оценивании методом наименьших квадратов (мнк) линейной модели парной регрессии (на примере модели Оукена).
- •Ковариационная матрица оценок коэффициентов линейной модели парной регрессии: явные выражения .
- •Свойства оценок Эйткена параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: независимость случайных векторов .
- •Свойства оценок Эйткена параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: распределение оценки .
- •Свойства оценок Эйткена параметров лммр при нормальном векторе случайных остатков: закон распределения дроби .
- •Оценивание параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков методом максимального правдоподобия (ммп).
- •Оценивание нелинейных по коэффициентам моделей множественной регрессии методом Гаусса-Ньютона (на примере модели динамического ряда с экспоненциальной функцией тренда).
- •Спецификация и оценивание нелинейных по коэффициентам моделей множественной регрессии со специальными функциями регрессии (на примере производственной модели с функцией Кобба-Дугласа).
- •Оптимальное точечное прогнозирование значений эндогенной переменной по линейной модели (случай гомоскедастичного и неавтокоррелированного случайного остатка) на примере модели Оукена.
- •Тест Голдфелда-Квандта гомоскедастичности случайного остатка в лммр
- •Тест Дарбина–Уотсона отсутствия автокорреляции случайного остатка в лммр.
- •Коэффициент детерминации как мерило качества спецификации эконометрической модели (на примере модели Оукена). Скорректированный коэффициент детерминации.
- •Связь коэффициента детерминации с коэффициентом корреляции эндогенной переменной и её оценки.
- •Процедура интервального прогнозирования по оценённой линейной эконометрической модели значений эндогенной переменной (на примере модели Оукена).
- •Процедура проверки адекватности оценённой линейной эконометрической модели (на примере модели Оукена).
- •Последствия, симптомы и методика устранения ошибки спецификации эконометрической модели, состоящей в неверном выборе функции регрессии.
- •Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей во включении незначимой объясняющей переменной.
- •Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей в пропуске значимой объясняющей переменной.
- •Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей в непостоянстве значений её параметров в области изменения объясняющих переменных; тест Чоу.
- •Основные характеристики временного ряда.
- •Стационарный временной ряд. Белый шум.
- •Оценка характеристик стационарного временного ряда.
- •Частная автокорреляционная функция стационарного временного ряда и алгоритм её оценивания.
- •Модель ar(p) и её идентификация.
- •Модель ma(q) и её идентификация.
- •Оптимальные алгоритмы прогнозирования уровней стационарного временного ряда.
- •Модели нестационарных временных рядов. Идентификация модели тренда.
- •Оценивание линейной модели с автокоррелированным остатком ar(1) алгоритмом Хильдретта – Лу.
- •Проблема, симптомы мультиколлинеарности. Методика отбора регрессоров в линейной модели в ситуации мультиколлинеарности.
- •Эконометрические модели в виде систем линейных одновременных уравнений (слоу): примеры и проблема идентификации (на примере модели спроса-предложения блага).
- •Эконометрические модели в виде систем линейных одновременных уравнений (слоу): примеры и проблема оценивания параметров структурной формы (на примере макромодели Кейнса).
- •Необходимое условие идентифицируемости поведенческого уравнения модели слоу (правило порядка). Сверхидентифицируемость параметров поведенческого уравнения.
- •Правило ранга.
- •Косвенный метод наименьших квадратов.
- •Двухшаговый метод наименьших квадратов.
Порядок оценивания линейной эконометрической модели из изолированного уравнения в Excel. Смысл выходной статистической информации функции линейн.
У нас построена линейная эконометрическая модель с изолированными переменными:
Порядок оценивания модели состоит в следующем:
Ввести исходные данные или открыть из существующего файла, содержащего анализируемые данные;
Выделить область пустых ячеек 5*2 (5 строк, 2 столбца) для вывода результатов регрессионной статистики или область 1*2 – для получения только оценок коэффициентов регрессии;
Активизировать Мастер функций любым из способов:
В главном меню выбрать Вставка/Функция
На панели инструментов Стандартная щелкнуть на кнопке Вставка функции;
В окне Категория выбрать Статистические, в окне Функция – ЛИНЕЙН, щелкнуть ОК;
Заполнить аргументы функции:
Известные значения y – диапазон, содержащий данные результативного признака;
Известные значения x – диапазон, содержащий данные факторов независимого признака;
Константа – логическое значение, которое указывает на наличие или на отсутствие свободного члена в уравнении. Если Константа =1, то свободный член рассчитывается обычным образом, если Константа=0, то свободный член равен 0;
Статистика – логическое значение, которое указывает, выводить дополнительную информацию или нет. Если статистика =1, то дополнительная информация выводится, если Статистика =0, то выводятся только оценки параметров уравнения. Щелкнуть ОК.
В левой верхней ячейке выделенной области появится первый элемент итоговой таблицы. Чтобы раскрыть всю таблицу, нажмите на клавишу <F2>, а затем на комбинацию клавиш <CTRL>+<SHIFT>+<ENTER>.
Дополнительная регрессионная статистика будет выводиться в порядке, указанном в следующей схеме:
Значение коэффициента a2 |
Значение коэффициента a1 |
Значение коэффициента a0 |
Среднеквадратич отклонение a2 |
Среднеквадратич отклонение a1 |
Среднеквадратич Отклонение a0 |
Коэффициент Детерминации R2 |
Среднеквадратич отклонение u |
Н/Д |
F-статистика |
Число степеней свободы |
Н/Д |
Регрессионная сумма квадратов |
Остаточная сумма квадратов |
Н/Д |
Случайная переменная и закон её распределения. Нормальный закон распределения и его параметры.
Переменная величина называется случайной, если свои возможные значения она принимает в рез-те некоторого опыта, и до его завершения не возможно предсказать какое точно значение она примет.
З-н
распределения дискретной случайной
переменной- функция
скалярного аргумента q
с областью определения
,
характеризующая возможность появления
в опыте значений q
случайной переменной x.
З-н
распределения дискретной случайной
переменной называется вероятностной
функцией, значение которой равны
вероятностям появления в опыте возможного
значения сл. переменной:
Нормальный закон распределения случайной величины имеет вид(НормРаспр, НормОбр):
параметры: математеческое ожидание m и среднее квадратическое отклонение - сигма.