
- •Эконометрика, её задача и метод
- •Линейная модель множественной регрессии.
- •Этапы построения эконометрических моделей. Этапы решения экономико-математических задач
- •Принципы спецификации эконометрических моделей.
- •Отражение в модели влияния неучтённых факторов. Б.42-44
- •Типы переменных в эконометрических моделях
- •Структурная и приведённая формы спецификации эконометрических моделей. Б. 45, Елисеева
- •Отражение в эконометрических моделях фактора времени.
- •Свойства временных рядов
- •Регрессионные модели с фиктивными переменными.
- •16) Статистические свойства оценок параметров парной регрессионной модели
- •Ожидаемое значение случайной переменной, её дисперсия и среднее квадратическое отклонение.
- •Спецификация моделей со случайными возмущениями и преобразование их к системе нормальных уравнений. (было в лекции)
- •Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности
- •Статистические свойства оценок параметров парной регрессионной модели
- •Ковариация, коэффициент корреляции и индекс детерминации
- •Интервальная оценка индивидуального значения зависимой переменной в парной регрессионной модели
- •К оличественные характеристики взаимосвязи пары случайных переменных Корреляция, ковариация, индекс детерминации и стат. Фишера.
- •Фиктивная переменная наклона: назначение; спецификация регрессионной модели с фиктивной переменной наклона; значение параметра при фиктивной переменной
- •Дифференциальный закон распределения как характеристика случайной переменной (я так поняла, что это нормальный закон распределения непрерывной св)
- •Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам. Через Поиск решения к.76
- •Эконометрическая инвестиционная модель Самуэльсона-Хикса. Оценка коэффициентов модели Самуэльсона-Хикса
- •Способы корректировки гетероскедастичности. Метод взвешенных наименьших квадратов Делить большие остатки
- •Составление спецификации модели временного ряда (Ахтунг! сдуто из книги Катаргина частично)
- •29) Применение фиктивных переменных при исследовании сезонных колебаний: спецификация модели, экономический смысл параметров при фиктивных переменных
- •Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений
- •Дополнение к вопросу 26 Алгоритм проверки значимости регрессора в парной регрессионной модели.
- •Настройка модели с системой одновременных уравнений
- •Структура экономических задач. Математическая модель объекта
- •Что такое Метод наибольшего правдоподобия
- •Что такое стационарный процесс
- •37) Спецификация моделей со случайными возмущениями и преобразование их к системе нормальных уравнений Текст в почте
- •3 8. Оценивание линейной модели множественной регрессии в Excel
- •3 9. Алгоритм проверки адекватности парной регрессионной модели.
- •41. Автокорреляция случайного возмущения. Причины. Последствия
- •43) Коэффициент детерминации в регрессионной модели
Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений
Дополнение к вопросу 26 Алгоритм проверки значимости регрессора в парной регрессионной модели.
Для оценки статистической значимости коэффициентов регрессии и коэффициента корреляции рассчитывается t-критерий Стьюдента. Выдвигается гипотеза H0 о случайной природе показателей, т.е. о незначимом их отличии от нуля. Наблюдаемые значения t-критерия рассчитываются по формулам:
|
(1.7) |
где
– случайные ошибки параметров линейной
регрессии и коэффициента корреляции.
Для
линейной парной регрессии выполняется
равенство
,
поэтому проверки гипотез о значимости
коэффициента регрессии при факторе и
коэффициента корреляции равносильны
проверке гипотезы о статистической
значимости уравнения регрессии в целом.
Вообще, случайные ошибки рассчитываются по формулам:
|
(1.8) |
где
– остаточная дисперсия на одну степень
свободы:
|
(1.9) |
Табличное
(критическое) значение t-статистики
находят по таблицам распределения
t-Стьюдента при уровне значимости
α = 0,05 и числе степеней свободы
Если tтабл < tфакт,
то H0
отклоняется, т.е. коэффициенты регрессии
не случайно отличаются от нуля и
сформировались под влиянием систематически
действующего фактора.
Нелинейная модель множественной регрессии (Кобба-Дугласа) Оценка её коэффициентов Линеаризация логарифмированием
Далее ЛИНЕЙН.
Второй варинат ниже
Настройка модели с системой одновременных уравнений
Экономические модели, значения переменных которых привязаны к моменту времени, называются динамическими.
Коэффициент уравнения называется идентифицируемым, если его можно вычислить на основе приведенных коэффициентов, причем точно идентифицируемым, если он единственный, и сверхидентифицируемым, если он имеет несколько разных оценок. В противном случае он называется неидентифицируемым.
Какое-либо структурное уравнение является идентифицируемым, если идентифицируемы все его коэффициенты. Если хотя бы один структурный коэффициент неидентифицируем, то и все уравнение является неидентифицируемым.
Модель считается идентифицируемой, если каждое ее уравнение идентифицируемо. Если хотя бы одно из уравнений системы неидентифицируемо, то и вся модель неидентифицируема.
Уравнение структурной модели может быть идентифицируемо, если выполняется порядковое условие.
Идентифицируемая модель конкурентного рынка
Имеем элементарную модель конкурентного рынка
По результатам наблюдений необходимо получить оценки параметров a0, a1, b0, b1
В
ведение
в первое уравнение системы (1) дополнительной
экзогенной переменной xt
привело к тому, что второе уравнение стало идентифицируемо.
Правило. Для устранения проблемы идентификации необходимо:
1. Дополнить уравнения системы дополнительными предопределенными переменными
2. Дополнительные переменные включаются в уравнения смежные с неидентифицируемыми
Идентифицируемая модель конкурентного рынка
Остаются вопросы:
1. Как определить, какие уравнения в модели являются неидентифицируемые
2. Как определить, какие уравнения в модели идентифицируемые
Для этих ответов пользуемся теоремой «правило порядка».
Пусть i-ое поведенческое уравнение модели идентифицируемо. Тогда справедливо неравенство Mi (пред) G – Mi (энд) – 1.
В нём:
Mi (пред) – количество предопределённых переменных модели, не включённых в i-ое уравнение; Mi (энд) – количество эндогенных переменных модели, не
включённых в i-ое уравнение.