
- •Назначение экономико-математических моделей (эмм). Два принципа их спецификации. Типы уравнений в эмм: поведенческие уравнения и тождества (на примере макромодели).
- •Типы переменных в экономических моделях. Структурная и приведённая форма модели (на примере макромодели). Компактная запись.
- •Спецификация и преобразование к приведённой форме эконометрических моделей. Эконометрическая модель Самуэльсона–Хикса делового цикла экономики. Компактная запись.
- •5. Схема построения эконометрических моделей (на примере эконометрической модели Оукена).
- •6. Порядок оценивания линейной эконометрической модели из изолированного уравнения в Excel. Смысл выходной статистической информации функции линейн.
- •7. Случайная переменная и закон её распределения. Нормальный закон распределения и его параметры.
- •8. Случайная переменная и закон её распределения. Распределение хи-квадрат.
- •9. Случайная переменная и закон её распределения. Распределение Стьюдента Квантиль t крит уровня и её расчёт в Excel.
- •10. Ковариация Cov(X, y), и коэффициент корреляции, Cor(X, y) пары случайных переменных (X, y). Частная ковариация и частный коэффициент корреляции.
- •Свойства
- •11. Случайная переменная и закон её распределения. Закон распределения Фишера. Квантиль f крит уровня и её расчёт в Excel.
- •12. Случайный вектор и его основные количественные характеристики. Случайный вектор левых частей схемы Гаусса – Маркова при гомоскедастичном неавтокоррелированном остатке.
- •Случайный вектор и факторизация его ковариационной матрицы. Случайный вектор случайных остатков в схеме Гаусса – Маркова при гетероскедастичном неавтокоррелированном остатке.
- •Временной ряд и его структура (На примере ввп России).
- •Модели тренда временного ряда.
- •Моделирование сезонной составляющей при помощи фиктивных переменных.
- •Регрессионная зависимость случайных переменных. Функция регрессии, стандартные модели функции регрессии.
- •Понятие статистической процедуры оценивания параметров эконометрической модели. Линейные статистические процедуры. Требования к наилучшей статистической процедуре.
- •Свойства мнк-оценок параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: закон распределение оценки .
- •Свойства мнк-оценок параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: закон распределения дроби .
- •Оценивание параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков методом максимального правдоподобия (ммп).
- •Порядок проверки статистических гипотез (на примере гипотезы об адекватности лммр).
- •Спецификация и оценивание нелинейных по коэффициентам моделей множественной регрессии со специальными функциями регрессии (на примере производственной модели с функцией Кобба-Дугласа).
- •Оптимальное точечное прогнозирование значений эндогенной переменной по линейной модели (случай гомоскедастичного и неавтокоррелированного случайного остатка) на примере модели Оукена.
- •Тест Дарбина–Уотсона отсутствия автокорреляции случайного остатка в лммр.
- •Коэффициент детерминации как мерило качества спецификации эконометрической модели (на примере модели Оукена). Скорректированный коэффициент детерминации.
- •Связь коэффициента детерминации с коэффициентом корреляции эндогенной переменной и её оценки (на примере модели Оукена).
- •Процедура интервального прогнозирования по оценённой линейной эконометрической модели значений эндогенной переменной (на примере модели Оукена).
- •Процедура проверки адекватности оценённой линейной эконометрической модели (на примере модели Оукена).
- •Последствия, симптомы и методика устранения ошибки спецификации эконометрической модели, состоящей в неверном выборе функции регрессии.
- •Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей во включении незначимой объясняющей переменной.
- •Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей в пропуске значимой объясняющей переменной.
- •Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей в непостоянстве значений её параметров в области изменения объясняющих переменных; тест Чоу.
- •Основные характеристики временного ряда.
- •Стационарный временной ряд. Белый шум.
- •Оценка характеристик стационарного временного ряда.
- •Частная автокорреляционная функция стационарного временного ряда и алгоритм её оценивания.
- •Модель ar(p) и её идентификация.
- •Модель ma(q) и её идентификация.
- •Оптимальный линейный алгоритм прогнозирования уровней стационарного временного ряда.
- •Модели нестационарных временных рядов. Идентификация модели тренда.
- •Оценивание линейной модели с автокоррелированным остатком ar(1) алгоритмом Хильдретта – Лу.
- •Проблема мультиколлинеарности, типы и симптомы мультиколлинеарности. Методика отбора регрессоров в линейной модели в ситуации мультиколлинеарности.
- •Модели с лаговыми переменными: авторегрессионная модель и модель распределённых лагов; проблемы оценивания этих моделей.
- •Эконометрические модели в виде систем линейных одновременных уравнений (слоу): примеры и проблема идентификации (на примере модели спроса – предложения блага).
- •Эконометрические модели в виде систем линейных одновременных уравнений (слоу): примеры и проблема оценивания параметров структурной формы (на примере макромодели Кейнса).
- •Необходимое условие идентифицируемости поведенческого уравнения модели слоу (правило порядка).
- •Критерий идентифицируемости поведенческого уравнения модели слоу (правило ранга).
- •Понятие инструментальных переменных. Оценивание параметров структурной формы двухшаговым методом наименьших квадратов (2мнк) – на примере простейшей макромодели Кейнса.
- •Теорема Слуцкого и оценивание параметров структурной формы косвенным методом наименьших квадратов (кмнк) – на примере простейшей макромодели Кейнса.
Связь коэффициента детерминации с коэффициентом корреляции эндогенной переменной и её оценки (на примере модели Оукена).
Коэффициент
детерминации равен квадрату модуля
коэффициента корреляции прогноза
и
.
Он показывает, какая доля дисперсии
результативного признака объясняется
влиянием независимых переменных.
Док-во:
При условии, что
(для парной регрессии)
Так
;
;
и с использованием ковариационных
правил, можно доказать, что
(для множественной регрессии аналогично)
F-тест качества спецификации эконометрической модели (на примере модели Оукена).
Рассмотрим модель:
(1)
Статистикой
критерия гипотезы
(2) против альтернативы
служит случайная переменная
(3)
Здесь
– коэффициент детерминации (объясненная
регрессорами в рамках обучающей выборки
доля эмпирической дисперсии эндогенной
переменной
);
k
– количество регрессоров в модели (1);
n
– объем обучающей выборки
,
по которой оценена МНК-модель (1).
Если
гипотеза (2) справедлива, а случайный
остаток u
в модели (1) обладает нормальным законом
распределения, случайная переменная
(3) имеет распределение Фишера (см.
в конце)
с количествами степеней свободы
и
,
где
(4)
Этапы:
Вычислить величину (3);
Задаться уровнем значимости
и при помощи функции FРАСПОБР Exel при количествах степеней свободы (4) отыскать
-квантиль распределения Фишера
;
Проверить справедливость неравенства
(5)
Если оно справедливо, то гипотеза (2)принимается и можно сделать вывод о неудовлетворительном качестве регрессии, т.е. об отсутствии какой-либо объясняющей способности регрессоров в рамках модели (1).
Если
неравенство (5) несправедливо гипотеза
(2) отклоняется в пользу альтернативы
.
Это значит, что качество регрессии
удовлетворительное, т.е. регрессоры в
рамках линейной модели (1) обладают
способностью объяснять значения
эндогенной переменной y.
Закон распределения Фишера (F-распределение):
где
- стандартное обозначение для гамма-функции
Эйлера.
Процедура интервального прогнозирования по оценённой линейной эконометрической модели значений эндогенной переменной (на примере модели Оукена).
Основанием
для построения такого прогноза служит
след теорема:
Если выполняются все
предпосылки теор Г-М и случайный остаток
нормально распределен. Тогда следующая
дробь
(1), имеющая смысл
нормированной ошибки прогноза,
распределенная по закону стьюдента с
числом степеней свободы m=(n-(k+1)),
где
— количество оцениваемых коэффициентов
модели.
Это теорема позволяет по заданной доверительной вероятности (1-α) рассчитать величину tкр (двухсторонний квантиль распределения стьюдента) при котором справедливо равенство:
P(|
|
кр)=1-α
Освобождаясь
от модуля это равенство можно переписать
в следующем виде: P(
кр*
кр*
)=1-α
Получается
что интервал (замкнутый промежуток)
,
где:
,
(2) именуемый
доверительным
интервалом,
который накрывает прогнозируемое
значение
с принятой доверительной вероятностью
.
— это критическое значение модуля
дроби Стьюдента (двусторонняя
-квантиль
распределения Стьюдента), которую можно
рассчитывать по величинам
,
при
помощи функции СТЬЮДРАСПОБР.
Модель Оукена:
(1)
В обучающую выборку включим наблюдения за 2001 -2009 года; в контролирующую – наблюдения 2010 года.
Оцененная модель:
(2)
Оценки
модели вычисляются с помощью функции
ЛИНЕЙН для обучающей выборки (
;
;1;1).
;
Вычислим при помощи оцененной модели (2) по значению
прогноз величины :
.
Далее определим стандартную ошибку прогноза:
,
где
.
Так как модель Оукена – это модель
парной регрессии, тo
можно вычислить по формуле:
=0,19;
При
доверительной вероятности
и числе степеней свободы
при помощи функции СТЬЮДРАСПОБР находим
=2,37
и вычисляем границы доверительного
интервала: