
- •1. Назначение экономико-математических моделей (эмм). Два принципа их спецификации. Типы уравнений в эмм: поведенческие уравнения и тождества (на примере макромодели).
- •2. Типы переменных в экономических моделях. Структурная и приведённая форма модели (на примере макромодели). Компактная запись.
- •4. Спецификация и преобразование к приведённой форме эконометрических моделей. Эконометрическая модель Самуэльсона–Хикса делового цикла экономики. Компактная запись.
- •Порядок оценивания линейной эконометрической модели из изолированного уравнения в Excel. Смысл выходной статистической информации функции линейн.
- •Случайная переменная и закон её распределения. Нормальный закон распределения и его параметры.
- •Случайная переменная и закон её распределения. Распределение хи-квадрат.
- •Случайная переменная и закон её распределения. Распределение Стьюдента, Квантиль, t крит уровня и её расчёт в Excel.
- •Ковариация Cov(X, y), и коэффициент корреляции, Cor(X, y) пары случайных переменных (X, y). Частная ковариация и частный коэффициент корреляции.
- •Свойства
- •Случайная переменная и закон её распределения. Закон распределения Фишера. Квантиль, f крит уровня и её расчёт в Excel.
- •Случайный вектор и его основные количественные характеристики (на примере вектора 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.
- •17. Моделирование сезонной составляющей при помощи фиктивных переменных.
- •18. Регрессионная зависимость случайных переменных. Функция регрессии, стандартные модели функции регрессии.
- •19.Схема Гаусса–Маркова (на примере модели Оукена).
- •20.Понятие статистической процедуры оценивания параметров эконометрической модели. Линейные статистические процедуры. Требования к наилучшей статистической процедуре.
- •21. Теорема Гаусса-Маркова: выражение вектора оценок коэффициентов и доказательство их несмещённости.
- •22. Теорема Гаусса-Маркова: выражение Cov( , ) и его обоснование.
- •24. Теорема Гаусса-Маркова: выражение .
- •25. Взвешенный метод наименьших квадратов (вмнк). Простейшая модель гетероскедастичности случайного остатка. Практическая реализация вмнк.
- •27. Система нормальных уравнений и явный вид её решения при оценивании методом наименьших квадратов (мнк) линейной модели парной регрессии (на примере модели Оукена).
- •28. Ковариационная матрица оценок коэффициентов линейной модели парной регрессии: явные выражения .
- •29.Свойства мнк-оценок параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: независимость случайных векторов
- •30.Свойства мнк-оценок параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: закон распределение оценки .
- •31. Свойства мнк-оценок параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков: закон распределения дроби .
- •32. Оценивание параметров линейной модели множественной регрессии (лммр) при нормальном векторе случайных остатков методом максимального правдоподобия (ммп).
- •34. Спецификация и оценивание нелинейных по коэффициентам моделей множественной регрессии со специальными функциями регрессии (на примере производственной модели с функцией Кобба-Дугласа).
- •35. Оптимальное точечное прогнозирование значений эндогенной переменной по линейной модели (случай гомоскедастичного и неавтокоррелированного случайного остатка) на примере модели Оукена.
- •Тест Голдфелда-Квандта гомоскедастичности случайного остатка в лммр
- •37.Тест Дарбина–Уотсона отсутствия автокорреляции случайного остатка в лммр.
- •38.Коэффициент детерминации как мерило качества спецификации эконометрической модели (на примере модели Оукена). Скорректированный коэффициент детерминации.
- •39. Связь коэффициента детерминации с коэффициентом корреляции эндогенной переменной и её оценки (на примере модели Оукена).
- •41. Процедура интервального прогнозирования по оценённой линейной эконометрической модели значений эндогенной переменной (на примере модели Оукена).
- •42.Процедура проверки адекватности оценённой линейной эконометрической модели (на примере модели Оукена).
- •43.Последствия, симптомы и методика устранения ошибки спецификации эконометрической модели, состоящей в неверном выборе функции регрессии.
- •44.Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей во включении незначимой объясняющей переменной.
- •45. Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей в пропуске значимой объясняющей переменной.
- •46. Последствия и симптомы ошибки спецификации линейной эконометрической модели, состоящей в непостоянстве значений её параметров в области изменения объясняющих переменных; тест Чоу.
- •47. Основные характеристики временного ряда.
- •48. Стационарный временной ряд. Белый шум.
- •49.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).
- •60. Необходимое условие идентифицируемости поведенческого уравнения модели слоу (правило порядка)
- •61. Критерий идентифицируемости поведенческого уравнения модели слоу (правило ранга)
- •62. Понятие инструментальных переменных. Оценивание параметров структурной формы двухшаговым м-ом наименьших квадратов на примере простейшей макромодели Кейнса
- •63. Теорема Слуцкого и оценивание параметров структурной формы косвенным методом наименьших квадратов (кмнк) – на примере простейшей макромодели Кейнса.
37.Тест Дарбина–Уотсона отсутствия автокорреляции случайного остатка в лммр.
Рассмотрим
предпосылку №3 Теоремы Гауса-Маркова.Если
эта предпосылка справедлива, то так же
будет справедлива следующая гипотеза
.
Именно она проверяется тестом
Дарбина-Уотсона.
Альтернативой
гипотезы H0
служит гипотеза H1
о наличии положительной корелляции
случайных остатков в соседних уравнениях
наблюдений:
Замечание ; не редко, гипотеза H1 справедлива в той ситуации, когда ошибочно выбрана модель функции регрессии(например, ошибочно выбрано, линейное уравнение этой функции или в линейной функции пропущены значащие объясняющие переменные)
Статистика
критерия гипотезы H0
вычисляется
по следующему правилу:
,
где
-
оценка случайного остатка уравнений
наблюдений t.
,
t=1,2,3,…n ;
Область изменения случайной переменной DW это интервал числовой прямой от 0 до 4. Можно проверить, что при справедливой гипотезе H0 значение статистики DW концентрируется в окрестности константы =2.
Критерием
гипотезы H0
служит интервал числовой прямой I1
– левой границей является число 0, а
правой границей величина
,
которая является функцией уровня знач.
,
количество объясняющих переменных –
k,
n-
число уравнений наблюдений.
Значение
выбирается из таблиц, рассчитанных
автором теста Дарбина и Уотсоном.
Областью применения гипотезы H0
служит интервал I3,
левая граница которого
так же выбирается из таблиц
Наконец, если статистика DW попадает в интервал I2, то гипотезу H0 нельзя не принять. Следует, для достижения определенности, количество уравнений наблюдений.
38.Коэффициент детерминации как мерило качества спецификации эконометрической модели (на примере модели Оукена). Скорректированный коэффициент детерминации.
Обратимся
к выражению
и перепишем его в след.виде :
(*)
Первые слагаемые в правых частях уравнения объясняются предопределенными переменными модели; вторые слагаемые, напротив, предопределенными переменными не объясняются, т.к. порождены неучтенными в модели факторами.
Можно убедиться, что из уравнений (*) следует равенство
(**)
В левой части этого равенства расположена вариация эндогенной переменной модели – TSS; первое слагаемое в правой части – это та часть вариации эндогенной переменной, которая объясняется предопределенными переменными модели – RSS; второе слагаемое эта та часть вариации эндогенных переменных, которая порождена неучтенными факторами –ESS.
Разделим
обе части уравнения (**) на величину TSS
и перепишем его в следующем виде:
Величина
носит название коэффициента детерминации
модели, является случайной переменной
и имеет смысл доли вариации эндогенной
переменной, которая объясняется
предопределенными переменными модели
( в рамках обучающей выборки), т.к.
это доля, то
и чем ближе
тем
удачнее выбрал экономист объясняющие
переменные. Экономисты всегда размещают
величину
в записи оцененной модели. Если
близко к 0, то те переменные плохо
объясняют модель.
Замечание : при добавлении объясняющих переменных в модель, последнее(2-е) слагаемое в правой части (**), как правило уменьшается. След-но, возрастает, даже в той ситуации, когда доп.объясняющие переменные экономически не обоснованы.
В
эконометрике помимо величины
скорректированный
коэффициент детерминации, который
вычисляется по правилу:
С добавлением объясняющих переменных в модель, этот коэффициент не обязательно увеличивается. Если при добавлении объясняющей переменной скорректированный коэффициент возрастает, то это служит сигналом целесообразности включения в модель соответствующей объясняющей переменной.