- •1.Определение и задачи эконометрики. Место эконометрики в общественных науках.
- •2.История эконометрических исследований.
- •XVII век- зарождение политических арифметиков.
- •3. Методология эконометрического моделирования.
- •4.Выбор типа математической функции при построении уравнения регрессии.
- •5 .Оценка параметров уравнения парной регрессии.
- •6.Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
- •9.Таблица дисперсионного анализа (назначение, построение).
- •10.Оценка значимости параметров уравнения парной регрессии.
- •11.Интервальная оценка параметров уравнения парной регрессии.
- •12.Нелинейная регрессия (линеаризация, оценка параметров).
- •13.Оценка качества модели регрессии на основе ошибки аппроксимации.
- •14. Использование модели парной регрессии для прогнозирования.
- •15.Визуальный анализ остатков.
- •16.Смысл и значение множественной регрессии в эконометрических исследованиях. Выбор формы уравнения множественной регрессии.
- •17.Отбор факторов в уравнение множественной регрессии.
- •18. Оценка параметров уравнения множественной регрессии.
- •19. Построение уравнения регрессии в стандартизованном масштабе.
- •20.Абсолютные и относительные показатели силы связи в модели множественной регрессии.
- •21. Множественный коэффициент корреляции и коэффициент детерминации. Скорректированный коэффициент детерминации.
- •22.Показатели частной корреляции.
- •23.Оценка значимости уравнения множественной регрессии и его параметров.
- •24.Частные критерии Фишера в оценке результатов множественной регрессии.
- •25. Использование фиктивных переменных в моделях множественной регрессии.
23.Оценка значимости уравнения множественной регрессии и его параметров.
Значимость уравнения множественной регрессии в целом, так же как и в парной регрессии, оценивается с помощью F- критерия Фишера:
F= Dфакт/Dост= (R2/1-R2)*n-m-1/m
Dфакт- факторная сумма квадратов на одну степень свободы.
R2- коэффициент (индекс) множественной детерминации.
n-число наблюдений.
m- число параметров при переменных х ( в линейной регрессии совпадает с числом включенных в модель факторов).
Dост- остаточная сумма квадратов на одну степень свободы.
+ Можно построить таблицу дисперсионного анализа.
Оценка значимости коэффициентов чистой регрессии по t-критерию Стъюдента может быть проведена и без расчета частных F-критериев. В этом случае, как и в парной регрессии, для каждого фактора используется формула
tbj=bi/mbj
bi- коэффициент чистой регрессии при факторе xi, mbj-средняя квадратическая ошибка коэффициента регрессии bi. !
24.Частные критерии Фишера в оценке результатов множественной регрессии.
По уравнения множ регрессии можно оценить не только знач-ть уравнения в целом, но и доп включения в него соответствующего фактора, т.е.можно оценить значимость включения х2 после х1.необходимость этого состоит в том, что не каждый включаемый фактор способен улучшить модель. Значение одного и того же фактора может зависить от последовательности его введения в модель. В связи с этим исп-ся частные F- критерии Фишера. Они строятся по след формуле (сравнение прироста факторной дисперсии обусловленного влияние доп включенного в модель фактора и остатосной дисперсии по регрессионной модели)
А также можно исп-ть след формулы
25. Использование фиктивных переменных в моделях множественной регрессии.
Фиктивная (структурная) переменная – это переменная, принимающая значение 1 или 0.
Используется при решении следующих задач:
при моделировании качественных признаков
для учета структурной неоднородности, к которой приводят качественные признаки
для оценки сезонных колебаний
Качественные признаки могут приводить к неоднородности исследуемой совокупности, что может быть учтено при моделировании двумя путями:
Регрессия строится для каждой качественно отличной группы единиц совокупности, то есть для каждой группы в отдельности, чтобы преодолеть неоднородность единиц общей совокупности.
Общая регрессионная модель строится для совокупности в целом, учитывающей неоднородность данных. В этом случае в регрессионную модель вводятся фиктивные переменные, то есть строиться регрессионная модель с переменной структурой, отражающей неоднородность данных.