
- •Глава I. Основные аспекты эконометрического моделирования
- •Глава II. Корреляционный анализ
- •Глава III. Множественный регрессионный анализ
- •Глава IV. Временные ряды
- •Глава V. Некоторые вопросы практического построения регрессионных моделей
- •Введение Определение эконометрики
- •Значение эконометрики в экономике
- •Задачи эконометрики
- •Глава I. Основные аспекты эконометрического
- •1.1. Понятие о модели, системе
- •1.2. Адекватность модели
- •1.3. Модель типа черного ящика
- •1.4. Основная предпосылка эконометрического анализа
- •1.5. Построение параметрической регрессионной модели
- •1.6. Классификация эконометрических моделн.
- •1.6.1. По структуре уравнений регрессии
- •1.6.2. По способу учета динамики:
- •1.6.3. По виду связи между
- •1.6.4. По алгоритму оценки параметров модели
- •1.7. Типы данных
- •1.7.1. Данные пространственного типа
- •1.7.2. Временной (динамический) ряд
- •1.8. Этапы построения эконометрической модели
- •Глава II. Корреляционный анализ
- •2.1. Цель корреляционного анализа
- •2.2. Числовые меры корреляционной связи
- •2.2.1. Ковариация
- •2.2.2. Выборочная оценка коэффициента линейной парной корреляции
- •2.2.3. Математический смысл коэффициента линейной парной корреляции
- •2.2.4. Статистический смысл коэффициента линейной парной корреляции
- •2.2.5. Геометрическая интерпретация коэффициента корреляции
- •2.3. Проверка статистической значимости коэффициента корреляции
- •2.4. Множественный корреляционный анализ
- •2.4.1. Корреляционная матрица
- •2.4.2. Выборочный линейный коэффициент множественной корреляции
- •2.4.3. Частный коэффициент корреляции
- •2.4.4. Коэффициент детерминации
- •2.4.5. Оценка значимости множественного коэффициента детерминации
- •2.4.6. Индекс корреляции при нелинейной связи двух случайных величин
- •2.4.7. Индекс множественной корреляции
- •2.5. Коэффициент ранговой корреляции
- •Глава III. Множественный регрессионный анализ
- •3.1. Постановка задачи
- •3.2. Метод наименьших квадратов (мнк) в скалярной форме
- •3.3. Матричная форма метода наименьших квадратов.
- •3.3.1.Уравнение наблюдений в матричной форме
- •3.3.2.Нормальные уравнения регрессии и формула для параметров уравнения
- •3.4. Предпосылки метода наименьших квадратов
- •3.5. Свойства оценок, получаемых по методу наименьших квадратов
- •3.6. Оценка адекватности уравнения регрессии (проверка гипотез о предпосылках метода наименьших квадратов)
- •3.6.1.Гипотеза о близости к нулю математического ожидания остатков
- •3.6.2. Гипотеза о статистической значимости коэффициентов регрессии bj
- •3.6.3. Гипотеза о статистической значимости всего уравнения регрессии в целом
- •3.6.4. Оценка качества уравнения регрессии
- •3.6.5. Скорректированный коэффициент детерминации
- •3.6.6. Проверка гипотезы о чисто случайном характере остатков
- •3.6.7. Проверка гипотезы о нормальном законе распределения остатков
- •3.7. Точечный прогноз и оценка доверительных интервалов прогноза
- •3.8. Оценка погрешностей расчета по уравнению регрессии
- •3.9. Коэффициент эластичности, бета-коэффициент и дельта-коэффициент для линейного уравнения регрессии
- •Глава IV. Временные ряды
- •4.1. Понятие о временных рядах, их классификация
- •4.2. Компонентный анализ временных рядов
- •4.3. Понятие случайного процесса
- •4.4. Понятие о коэффициенте корреляции во временном ряде. Автокорреляционная функция (акф)
- •4.5. Выборочная оценка коэффициента автокорреляции для числа степеней свободы
- •4.6. Частный коэффициент автокорреляции
- •4.7. Предварительный анализ временных рядов
- •4.8. Авторегрессионные модели.
- •Ar(p) – порядка p
- •4.9. Авторегрессионная модель скользящей средней
- •4.10. Разностные уравнения с лаговыми пременными
- •4.11. Оценка коэффициентов авторегрессионных моделей.
- •4.12. Прогнозирование по разностной авторегрессионной модели
- •Глава V. Некоторые вопросы практического построения регрессионных моделей
- •5.1.Проблема спецификации переменных. Мультиколлинеарность
- •5.2.Способы устранения мультиколлинеарности
- •5.3. Метод пошаговой регрессии (конструктивный метод)
- •5.4. Деструктивный подход (“расщепления”) мультиколлинеарных пар
- •5.5.Случай нелинейных координатных функций
- •5.5.1.Формальная замена переменных
- •5.5.2. Специальное преобразование
- •5.6. Линейные уравнения регрессии с переменной структурой. Фиктивные переменные
- •5.7. Способ устранения коррелированности регрессоров с остатками с помощью инструментальных переменных
- •5.8. Двухшаговый метод наименьших квадратов
- •Литература
Глава V. Некоторые вопросы практического построения регрессионных моделей
5.1.Проблема спецификации переменных. Мультиколлинеарность 45
5.2.Способы устранения мультиколлинеарности 45
5.3.Метод пошаговой регрессии (конструктивный метод). 45
5.4. Деструктивный подход (“расщепления”) мультиколлинеарных пар 46
5.5.Случай нелинейных координатных функций 47
5.5.1.Формальная замена переменных 47
5.5.2. Специальное преобразование 47
5.6. Линейные уравнения регрессии с переменной структурой.
Фиктивные переменные 47
5.7. Способ устранения коррелированности регрессоров с остатками с помощью инструментальных переменных 49
5.8. Двух шаговый метод наименьших квадратов 50
5.9. Обобщенный метод наименьших квадратов 52
5.10. Трех шаговый метод наименьших квадратов 52
Литература 53
Введение Определение эконометрики
Следует отметить, что единого общепринятого определения эконометрики в настоящее время нет. Сам термин «эконометрика» сложился для определения нового направления в экономической науке в 1930 г. [11].
Термин эконометрика состоит из двух слов: «экономика» и «метрика» – (от греческого metron – мера).
Эконометрика – это совокупность математико – статистических методов для моделирования количественных взаимосвязей между различными показателями в экономике, которые раскрыты и обоснованы экономической теорией.
Значение эконометрики в экономике
Последние 40 лет эконометрика как научная дисциплина стремительно развивается. Свидетельством всемирного признания и значимости эконометрики является присуждение ряда нобелевских премий в области экономики за выдающиеся исследования в области эконометрики:
1969 г. – Рагнар Фриш и Ян Тинберген – «За создание и применение динамических моделей к анализу экономических процессов»;
1980 г. – Лоуренс Клейн – «За создание экономических моделей и их применение к анализу колебаний экономики и экономической политики»;
1989 г. – Трюгве Хаавельмо – «За его разъяснения в основах теории вероятностей и анализ одновременных экономических структур»;
2000 г. – Джеймс Хекман и Дэниел Макфадден – «За развитие теории и методов анализа»;
2003 г. – Роберт Ингл и Клайв Грэнджер – «За разработку метода анализа временных рядов в экономике на основе математической модели с авторегрессионной условной гетероскедастичностью (ARCH)»; «За разработку метода коинтеграции для анализа временных рядов в экономике».
Растет число публикаций и исследований с применением эконометрических методов. В эконометрику все глубже проникают новейшие методы математики и информационные технологии:
нейроматематика;
теория нечетких множеств;
фрактальный анализ;
методы нелинейной динамики
Можно привести примеры эффективного применения теоретических и эконометрических разработок в научных исследованиях, в которых принимал участие [2,3,12,13]:
В [2,3,12] представленных в виде примера книгах, обобщающих научные исследования, выполненные в ВЗФЭИ, излагаются модели налогового контроля с использованием новейших методов нейроматематики в очень сложных условиях моделирования – сильного зашумления данных, отягченного дефицитом наблюдений. В [9] рассмотрены новейшие методы фрактальной теории, нечетных множеств, нелинейной динамики для исследования процессов обвала и последующего возрождения фондовых рынков.
Учитывая роль эконометрики в системе экономического образования академик В.Л.Макаров сказал, что «Современная экономическая наука держится на «трех китах» : макроэкономике, микроэкономике и эконометрике».