
- •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
2) Нелин.Рег-ия по оцениваемому коэф-ту.
Данный класс делится на 2 типа:
1. Если нелин.модель с помощью соотв-их преобр-ий можно привести к линейной, то она называется нелин.модель внутр.линейная.
- Степенная ф-ция
- Показательная
- Логарифмическая
- Экспоненциальная
2. Если модель нельзя привести к линейной, то она наз-ся нелин.модель внутр.нелинейная.
12. Корреляция и детерминация для нелинейной регрессии (дисперс-й ан-з)
Для нелинейной регрессии показ-ли корреляции наз-ся индексом корреляции и может быть рассчитан по теории о разложении дисперсии.
Следует обратить внимание на то, что дисперсии берутся не в преобразованных, а в исходных значениях результативного признака, т.е при вычислении этих сумм следует использовать не преобразование зависимости,а именно исходные нелинейные урав-я регрессии.
Св-ва индекса корреляции:
Величина индекса корреляции находится на границе от 0 до 1 и чем ближе его значение к 1, тем теснее связь рассматриваемых признаков, более надежно найдено уравнение коррел-ции.
Гипотеза о значимости индекса кор-ции проверяется через t-критерий Стьюдента аналогично проверке гипотезы о значимости коэф-нта коррел-ции для парной линейной регрессии.
Индекс детерминации для нелинейной м-ли коэф-нт регрессии равен квадрату индекса корреляции.
R
1-
Чем больше значение индекса детерминации, тем больше м-ль регрессии описывает анализируемую взаимосвязь м/у переменными.
13. Коэффициенты эластичности для разных видов регрессионных моделей.
Коэффициенты эластичности для нелинейных моделей регрессии характеризуют наск-ко % изменится в среднем результат, если факторная переменная изменится на 1%.
В общем случае коэффициент эластичности рассчитывается по след формуле:
f `(x)=y`x – первая производная, характеризующая соотношение приростов рез-та и фактора для соответствующей формы связи.
Средний коэффициент эластичности характеризует % изменеия результативной переменной относительно своего среднего значения при изменении факторной переменной на 1% относительно своего среднего значения.
Частный коэффициент эластичности
Частный коэффициент эластичности позволяет ранжировать факторы и определяется по формуле:
Эi=
Частный коэффициент эластичности характеризует процентное изменение результативного признака при изменении на 1% от его среднего уровня факторного признака при постоянном значении других факторных признаков.
14. F-критерий Фишера для нелинейной регрессии (дисперсионный анализ).
1. Выдвигаем нулевую гипотезу:
Н0=b1= b2= b3=…= bn=0
2. Наблюдаемое значение f-критерия Фишера (Fнабл) определяется по формуле:
Fнабл=
Воспользуемся теоремой о разложении дисперсий:
TSS=RSS+ESS
СКО |
Формула для вычисления |
Общая df для CКОобщ = n-1
|
TSS= |
Объясненная (факторная) df для CКОфакт= k1= m
|
RSS= |
Необъясненная (остаточная) df для CКОост = k2=n-m-1 |
ESS= |
Добщ=
=
Дфакт= =RSS
Добщ=
=
Схема дисперсионного анализа
Компоненты дисперсии |
ЧСС, df |
СКО |
СКО/ЧСС |
F-критерий Фишера |
|
Fнабл |
Fтабл |
||||
Общая |
n-1 |
|
|
|
|
Факторная |
k1=m=1 |
|
|
|
|
Остаточная |
k2=n-m-1 |
|
|
|
|