
- •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.
47. Основные характеристики временного ряда.
Временным рядом
(динамическим рядом) называют экономическую
переменную
,
датированную
дискретным моментом времени,
(Альтернативное
определение) Временной ряд - упорядоченные
во времени значения некоторого
количественного показателя экономического
объекта (например, ВВП):
Основные модели временного ряда:
1 - аддитивная модель временного ряда, 2 - мультипликативная модель.
тренд,
сезонная составляющая.
Сечения
(уровни) ряда как случайные переменные
- это значения, датированной переменной
в фиксированные моменты времени
(Например, при
значения
называются сечениями временного ряда
.
Расстояния во времени между сечениями
ряда
- это модуль разности временных моментов
этих сечений
.
Наличие случайного остатка означает,
что сечения (уровни) ряда
являются случайными переменными
Математические характеристики.
Математическое
ожидание
ряда
- детерминированная функция времени,
вокруг графика которой "вьются"
графики реализаций временного ряда.
Замечание:
значения
при каждом фиксированном
являются случайной переменной. Это
обстоятельство отметим
,
где
- символ элементарного исхода. На практике
экономисту доступна обычно только
некоторая реализация временного ряда
.
Дисперсия
временного ряда
Автоковариационная
функция
ряда
- функция двух аргументов
,
значения которой имеют смысл ковариаций
уровня ряда.
Автокорреляционная
функция ряда
48. Стационарный временной ряд. Белый шум.
Исходный временной ряд называется стационарным, если его основные характеристики удовлетворяют 3 требованиям:
математическое ожидание ряда является постоянным, т.е. не зависит от времени
Дисперсия ряда - некоторая константа
Автоковариационная функция зависит не от двух аргументов , а от одного аргумента
- расстояние между сечениями.
.
Автоковариационная функция стационарного
ряда - четная функция аргумента
.
Белый шум. Стационарный ряд называется белым шумом, если его математическое ожидание равно 0, а сечения не коррелированы.
-
символ Кронекера,
49.Оценка характеристик стационарного временного ряда.
Ряд
именуется стационарным, если его
ожидаемое значение и дисперсия постоянны
(не зависят от переменной времени t),
а автоковариационная и автокорреляционная
функции являются четными функциями
одного аргумента
:
Ряд именуется нестационарным, если хотя бы одно условие 1-4 не выполняется.
основные характеристики временного ряда:
Математической ожидание ряда
Дисперсия временного ряда
Автоковариационная функция ряда
– функция двух
аргументов
при перестановке которых значения
функций не меняются.
Автокорреляционная функция ряда
Оценки этих характеристик могут быть найдены по одной реализации этого ряда
Оценка математического ожидания:
Оценка дисперсии:
Оценка автоковариационной функции:
Оценка автокорреляционной функции: