
- •1. История развития. Этапы становления.
- •2.Определение (предмет) эконометрики.
- •3. Эконометрический метод и этапы эк-го исследования.
- •4. Измерения в эк-ке.
- •5. Парная регрессия и корреляция. Способы задания уравнения парной регрессии.
- •6. Линейная модель парной регрессии. Смысл и оценка параметров.
- •7. Оценка существенности пар-ов регрессии. Смысл и оценка пар-ов.
- •8. Корреляция и детерминация для линейной регрессии.
- •9. Прогноз по линейному ур-ию регрессии.
- •10. Средняя ошибка аппроксимации
- •11. Нелин.Регрессиия. Классы нелин.Регрессий. Нелин.Регрессия отн-но вкл-ых в анализ объясняющих пер-ых и по оцениваемым пар-ам.
- •2) Нелин.Рег-ия по оцениваемому коэф-ту.
- •12. Корреляция и детерминация для нелинейной регрессии (дисперс-й ан-з)
- •13. Коэффициенты эластичности для разных видов регрессионных моделей.
- •1. Выдвигаем нулевую гипотезу:
- •2. Наблюдаемое значение f-критерия Фишера (Fнабл) определяется по формуле:
- •3. Fтабл (α, k1, k2)
- •4. Сравниваем наблюдаемое и табличное значения. Делаем вывод:
- •15. Оценка адекватности модели
- •16. Множественная регрессия (спецификация модели).
- •17. Проблема мультиколленеарности.
- •18. Отбор факторов при построении множественной регрессии
- •20. Множественная корреляция
- •21. Частные уравнения регрессии
- •22. Частные коэффициенты корреляции
- •23. Оценка надежности результатов множественной регрессии и корреляции.
- •24. Частный f-критерий Фишера ( ) для уравнения множественной регрессии
- •26. Фиктивные переменные во множественной регрессии.
- •27, 28. Предпосылки мнк: гомоскедастичность, гетероскедастичность, автокорреляция остатков.
- •29. Метод наименьших квадратов. Обобщенный мнк.
- •I. Модель в натуральном и стандартизованном масштабе:
- •Множественная модель в натуральном масштабе (общий вид) запишется так:
- •Модель множественной регрессии в стандартизованном масштабе.
- •Мнк для модели в общем виде:
- •Мнк для модели в стандартизованном масштабе:
- •30. Общие понятия и необходимость использования систем эконометр-их уравнений. Формы и составляющие систем эконометрич-х уравнений.
- •31. Формы и составляющие систем эконометрич-х уравнений
- •32. Проблема идентификации. Необходимое и достаточное условие идентифицируемости
- •33. Методы оценки параметров систем уравнений: косвенный, двушаговый и трехшаговый методы.
- •34. Основные элементы временного ряда.
- •35. Автокорреляция уровней временного ряда и выявление его струк-ры.
- •36. Моделирование тенденции временного ряда
- •37. Моделирование сезонных и циклич колебаний
- •38.Автокорреляция в остатках. Критерий Дарбина-Уотсона
- •39. Методы исключения тенденции.
- •2 Основных метода:
- •1)Метод отклонения от тренда.
- •2)Метод последовательных разностей.
- •40. Динамические эконометрические модели
- •1.Харак-ка и интерпретация параметров модели с распределенным лагом.
- •Медианный шаг
- •41.Харак-ка модели с распределенным лагом.
- •Медианный шаг
- •42. Метод Койка и Лаги Алмон
38.Автокорреляция в остатках. Критерий Дарбина-Уотсона
Автокорреляция остатков- это автокор-ция остатков, рассматриваемых в виде временного ряда, содержащих тенденцию или периодические колебания.
Причины автокор-ции остатков:
ошибки измерения в значениях результ-го признака
неправильная спецификация м-ли. Т.е модель может не включать фактор, кот-й оказывает существенное воздействие на рез-т и влияние кот-го отражается в остатках, вследствие чего последние могут оказаться автокореляц-ми. Очень часто таким фактором выступает фактор времени.
Существует 2 наиболее распространенных метода определения автокор-ции остатков:
Построение графика в зависимости остатка от времени и визуальное определение наличия либо отсутствия автокорел-ции.
Критерий Дарбина-Уотсона- это отношение суммы квадрата разностей последовательных значений остатка к остаточной сумме квадрата по модели регрессии:
Формула определения коэф-та автокор-ции 1-го порядка:
При больших значениях объема выборки сущ-ют следующие соотношения м/у критерием Д.-Уотсона и коэф-том автокор-ции остатка 1-го порядка:
d=
2*(1-r
)
Т.О если в остатках сущ-ет:
|
Полная автокор-ция остатков 1го порядка |
Критрий д.-уотсона |
Полная положит-ая автокорр-ция |
r =1 |
4(0) |
Полная отриц-я автокор-ция |
r =-1 |
4 |
Автокор-ция остатков отсутствует |
r =0 |
2 |
Алгоритм выявления автокор-ции остатков:
1.Выдвигаются гипотезы о том, что:
Н
-
Автокор-ция остатков отсутствует
Н - положит-ая автокорр-ция остатков
Н
-
отрицат-я автокор-ция остатков
2.По
спец-ым таблицам определяются фактические
значения критерия d
и d
для заданного числа наблюдений n,
кол-ва независимых переменных m
и заданного уровня значимости.
3. По этим значениям числовой промежуток от 0 до 4 разбивают на пять отрезков.
4. Расчетные значения критерия Д.-Уотсона сравниваются с табличными и принятие или отклонение каждой из гипотез осущ-ся след-щим образом:
Если фактич-ое значение критерия Д.Уотсона попадает в зону неопределенности, то на практике предполагают существование автокор-ции остатков не ясного харак-ра и отклоняет нулевую гипотезу Н .
Ограничение на применение критерия Д.-Уотсона :
1. Данный критерий не применим, включающим в кач-ве независимых переменных плановые знач-я результативного признака.
2. Методика расчета и использования критерия Д.-Уотсона направлена только на выявление автокор-ции остатков 1го порялка.
3. Критерий Д.-Уотсона дает достоверные рез-ты только для больших выборов.
39. Методы исключения тенденции.
Сущность всех методов заключается в устранении воздействия фактора времени на рез-т, т.е. на формирование уровней ряда.
Такие методы делятся на 2 группы:
1.группа. Это методы, основанные на преобразование уровней исходного ряда в новые переменные, не содержащие тенденции, кот используются в дальнейшем для анализа взаимосвязи, изучаемых рядов динамики.