
- •1. Нестационарные по математическому ожиданию и стационарные процессы.
- •2. Понятие, предмет, задачи эконометрики.
- •3. Основные этапы развития эконометрики.
- •4. Особенности эконометрического метода.
- •5. Стохастика - детерминированный характер социально - экономических явлений.
- •7. Основные этапы моделирования связи методом корреляционно-регрессионного анализа.
- •8. Выбор объекта исследования при построении эконометрической модели.
- •9. . Выбор факторов, включаемых в систему, при построении эконометрической модели.
- •10. Сбор исходной информации при построении эконометрической модели.
- •11. Первичная статистическая обработка при построении эконометрической модели.
- •12. Построение двухмерной линейной модели корреляционно-регрессионного анализа.
- •13. Проверка значимости коэффициентов простой линейной регрессии и адекватности регрессионной модели.
- •14. Оценка существенности параметров линейной регрессии с помощью дисперсионного анализа.
- •15.Нелинейная регрессия
- •16. Множественная линейная регрессия: задача и основные предположения.
- •17. Выбор формы уравнения множественной регрессии.
- •18. Проверка значимости результатов множественной регрессии.
- •19. Метод наименьших квадратов для множественной линейной регрессии.
- •20. Геометрическая интерпретация метода наименьших квадратов.
- •21. Статистические свойства оценок параметров, теорема Гаусса - Маркова.
- •22. Парные, частные коэффициенты корреляции, совокупные коэффициенты множественной корреляции и детерминации. Понятие и связь между ними.
- •24. Использование коэффициента детерминации r2 и f-критерия для проверки статистических гипотез о параметрах регрессии.
- •25. Предпосылки метода наименьших квадратов. Гомоскедастичность дисперсии остатков. Гетероскедастичность.
- •2) Нулевая средняя величина остатков, т.Е.
- •4. Отсутствие автокорреляции остатков. Значения остатков распределены независимо друг от друга.
- •26. Обобщенный метод наименьших квадратов.
- •Сущность обобщённого мнк
- •27. Взвешенный метод наименьших квадратов.
- •28. Регрессионные модели с переменной структурой (фиктивные переменные).
- •29. Экономическая интерпретация многофакторной регрессионной модели.
- •30. Понятие мультиколлинеарности, ее значение при отборе факторов.
- •31. Расчет ошибки репрезентативности и доверительных интервалов при построении моделей.
- •32. Методы исключения тенденции во временных рядах.
- •33. Скользящая средняя и метод центрирования.
- •34. Автокорреляция. Тесты на автокорреляцию остатков (критерий Дарбина-Уотсона).
- •35. Оценивание при наличии автокорреляции остатков.
- •36. Прогнозирование в регрессионных моделях. Хуета какая то
- •37. Система линейных одновременных уравнений и ее идентификация.
- •38. Приведенная форма структурной модели.
- •39Идентификация параметров структурной и приведенной форм модели.
- •40. Оценивание параметров структурной формы модели.
- •42. Двушаговый метод оценки параметров систем одновременных уравнений.
- •43. Экономически значимые примеры систем одновременных уравнений.
- •45. Типы динамических эконометрических моделей. Модели с распределенным лагом и модели авторегрессии.
- •46. Интерпретация моделей: краткосрочный, промежуточный и долгосрочный мультипликаторы.
- •48. Метод Алмон. Метод Койка. Метод главных компонент. Метод Алмон
46. Интерпретация моделей: краткосрочный, промежуточный и долгосрочный мультипликаторы.
Пусть имеется следующая модель: yt=a+b0*x1+c1*yt-1+ εt. Как и в модели с распределенным лагом, b0 в этой модели характеризует краткосрочное изменение yt под воздействием изменения xt на 1 ед. Однако промежуточные и долгосрочный мультипликаторы в моделях авторегрессии несколько иные. К моменту времени (t+1) результат yt изменился под воздействием изменения изучаемого фактора в момент времени t на b0 ед., а yt+1 под воздействием своего изменения в непосредственно предшествующий момент времени – на c1 ед.. Таким образом, общее абсолютное изменение результата составит b0c1 ед.. Аналогично в момент времени (t+2) абсолютное изменение результата составит b0c12 ед. и т.д.. Следовательно, долгосрочный мультипликатор в модели авторегрессии можно рассчитать как сумму краткосрочного и промежуточных мультипликаторов: b=b0+b0c1+b0c12+b0c13+…
Учитывая, что практически во все модели авторегрессии вводится так называемое условие стабильности, состоящее в том, что коэффициент регрессии при переменной yt-1 по абсолютной величине меньше единицы (|c1|<1), соотношение можно преобразить следующим образом: b=b0*(1+c1+c12+c13+…)= b0/(1- c1), где |c1|<1.
47. Относительные коэффициенты модели с распределенным лагом. Средний и медианный лаг. Выбор вида модели с распределенным лагом.
Модели с распределённым лагом Моделью с распределённым лагом называется динамическая эконометрическая модель, в которую включены не только текущие, но и лаговые значения факторных переменных. С помощью модели с распределённым лагом можно охарактеризовать влияние изменения факторной переменной х на дальнейшее изменение результативной переменной у, т. е. изменение х в момент времени t будет оказывать влияние на значение переменной у в течение L следующих моментов времени. Пример модели с распределённым лагом: yt=β0+β1xt+β2xt–1+…+βLxt–L+εt. Краткосрочным мультипликатором называется коэффициент β1 модели с распределённым лагом Коэффициент β2 модели с распределённым лагом характеризует среднее абсолютное изменение переменной yt в результате изменения переменной х на единицу своего измерения в момент времени t–1. Промежуточным мультипликатором называется сумма коэффициентов β1 и β2 модели с распределённым лагом. Промежуточный мультипликатор характеризует совокупное влияние факторной переменной хна переменную у в момент времени (t+1.Средним лагом называется средний период времени, в течение которого будет происходить изменение результативной переменной у под влиянием изменения факторной переменной хв момент t:
Медианным лагом называется период времени, в течение которого с момента начала изменения факторной переменной х будет реализована половина её общего воздействия на результативную переменную у. |
Отметим, что такая интерпретация коэффициентов модели авторегрессии и расчет долгосрочного мультипликатора основаны на предпосылке о наличии бесконечного лага в воздействии текущего значения зависимой переменной на ее будущие значения.