- •1.Понятие и практическое значение эконометрики
- •2.Связь эконометрики с другими областями научного знания
- •3.Структура дисциплины эконометрика
- •4.Моделирование парных связей: понятие, принципы, последовательность операций
- •5.Парная регрессия в условиях линейной связи, порядок расчетов и интерпретация параметров.
- •6.Парная корреляция в условиях линейной связи, порядок расчетов и интерпретация параметров.
- •7. Методы оценки кач-ва (сюда входит 8,9,10 вопросы)
- •10.Оценка стат.Значимости параметров эконометрич.Модели на основе кр.Стьюдента
- •11. Точечный и интервальный прогнозы на основе модели парной линейной регрессии
- •13. Коэф.Эластичности при парной линейной связи.
- •14. Последовательные этапы построения модели множественной регрессии
- •17. Натуральная и стандартизированная формы модели множественной регрессии
- •19. Показатели силы связи в модели множественной регресии в абсолютной и относительной форме
- •20. Коэффициент множественной корреляции и детерминации
- •21. Коэффициенты частной корреляции, техника их расчета в двухфакторной модели
- •22. Оценка Значимости Уравнения Множественной Регрессии
- •25. Понятие и виды систем эконометрических уравнений.
- •26. Идентификация системы одновременных эконометрических ур-ний.
- •27. Структурная и приведённая формы системы одновременных ур-ний.
- •28. Оценивание параметров системы одновременных уравнений косвенным методом наименьших квадратов.(кмнк)
- •29. Пошаговый метод наименьших квадратов
- •30.Понятие временного ряда.
- •Автокорреляция уровней временного ряда и методы ее оценки (лекц)
- •Коэффициент автокорреляции уравнений первого порядка, второго порядка (лекц)
- •Автокорреляционная функция и коррелограмма (лекц)
- •Порядок расчета и интерпретация параметров линейного уравнения тренда
- •36. Прогнозирование на основе модели тренда
- •37.Модели тренда на основе нелинейных функций
- •38. Аддитивная модель сезонной компоненты временного ряда
- •39.Методы выравнивания временного ряда с периодической (сезонной) компонентой
- •40. Мультипликативная модель сезонной компоненты временного ряда
- •41. Коэффициенты сезонности (исходные, средние, средние скорректированные)
- •42. Критерий Дарбина –Уотсона
Автокорреляционная функция и коррелограмма (лекц)
Под а/к функцией понимается комплекс последовательных коэффициентов а/к по одному и тому же временному ряду.
График зависимости ее значений от величины лага(порядка коэфф.а/к) называется коррелограммой
А/к функцию можно представить двумя способами:
Основн. – табличная форма
Дополн. – график-коррелограмма
АКФ нужна для диагностики характера временного ряда, которая позволяет ориентироваться в выборе математической функции для построения модели тренда и для решения других методических вопросов построения модели временного ряда
Коррелограмма
Rt |
|
r1 |
0,86 (0,9) |
r2 |
0,83 (0,8) |
r3 |
1 |
r4 |
0,81 (0,8) |
r5 |
0,74 (0,7) |
r6 |
1 |
-1 0 +1 0,1 - *
|
********* |
|
******** |
|
********** |
|
******** |
|
******* |
|
********** |
Вывод по тренду: высокие значения коэффициентов а/к свидетельствуют о наличии сильного тренда
Коррелограмма указывает на наличие периодической компоненты r3 и r6 – периодическое увеличение коэффициента а/к (цикличность в изменении коэф.а/к). Периодическое колебания имеет трехлетний цикл
Rt |
|
r1 |
0,87 (0,9) |
r2 |
0,53 (0,5) |
r3 |
0,19 (0,2) |
r4 |
-0,1 |
r5 |
-0,35 (-0,4) |
-1 0 +1
|
********* |
|
***** |
|
** |
* |
|
**** |
|
Выводы: Тренд сильновыраженный (интенсивный). Временной ряд содержит резкую смену тенденции, т.к. положительные коэффициенты сменились на отрицательные. Поскольку произошла резкая смена тенденции, данный временной ряд нельзя описать линейной функцией, функция тренда будет нелинейной
Моделирование тенденции временного ряда (305+лекц)
Спецификация модели (выбор функции)
Оценка параметров модели тренда
Проверка на достаточную статистическую значимость
Практическое применение, прогноз
Используется комплекс приемов (комбинация):
Простейшим приемом является визуальная оценка графика
Рассмотрение а/к функции
Теоретический анализ
Рассмотрение аналогичных параметров ф-ции статистических показателей динамики
Одним из наиболее распространенных способов моделирования тенденции ВР является построение аналитической функции, характеризующей зависимость уровней ряда от времени, или тренда.
Этот способ называют аналитическим выравниваем временного ряда
Параметры трендов можно определить обычным МНК, используя в качестве независимой переменной время t=1,2,…,n, а в качестве зависимой переменной – фактические уровни ВР yt
Тип тенденции можно определить путем сравнения коэф.а/к первого порядка, рассчитанным по исходным и преобразованным уровням ряда
Если ВР имеет линейную тенденцию, то его соседние уровни тесно коррелируют (высокий коэф а/к 1-ого порядка)
Выбор наилучшего уравнения в случае, если ряд содержит нелинейную тенденцию, можно осуществить перебором основных видов тренда, расчета по каждому уравнению коэффициента корреляции и выбора уравнения тренда с максимальным значением коэффициента.