
- •1.Предмет, задачи и методы эконометрики.
- •2.1 Общие положения.
- •2.2 Метод наименьших квадратов.
- •2.3 Свойства оценок полученных мнк.
- •3.1 Выбор функционального показателя.
- •4.1 Общие положения.
- •3.2 Отбор факторов-аргументов.
- •3.3. Выбор формы связи
- •3.4 Отбор исходных данных.
- •4.2 Проверка случ-ти колебаний уровня остаточной последоват-ти.
- •4.4 Проверка рав-ва матем.Ожидания случайной компоненты нулю.
- •4.3 Проверка соответствия распределения случ.Компоненты нормальному з-ну распредел-я.
- •4.5 Проверка независ-ти значений уровней случайной компоненты.
- •4.6 Определение точности модели.
- •5.1 Линейные ур-я регрессии. Закон сложения дисперсий.
- •5.2 Коэф.Парной и частной коррел., коэф.Эластичности.
- •5.3 Коэф.Множественной коррел.И детерминации.
- •6.1 Критерий Фишера.
- •6.2 Критерий Стьюдента.
- •7.1.Гетероскедастичность остатков в ур.Регрессии и ее последствия.
- •7.2.1. Тест ранговой корреляции Спирмена.
- •7.2.2.Тест Голфенда-Квандта.
- •7.2.3 Тест Глейзера.
- •7.3 Методы устранения гетероскедастичности.
- •8.1 Автокорреляция (остатков) и связанные с ней факторы.
- •8.2. Обнаруж-е автокоррел.1-го порядка. Критерий Дарбина–Уотсона
- •8.3.1. Устранение автокоррел, описыв.Авторегрессионной схемой 1го порядка в общем случае. Поправка Прайса – Уинстена.
- •9.2, 9.3 Мультиколлин-ть: способы ее обнаружения и устранения.
- •10. Обобщенный мнк и его исп-ие для оценки эфф-ти методов определения параметров уравнения регрессии.
- •11.1.Фиктивные переменные для пространственных выборок и временных рядов.
- •11.2.Фиктивные переменные для коэф-та наклона ур-ия регрессии.
- •11.3 Тест Чоу.
- •12.1 Линеаризация уравнения регрессии путем замены переменных.
- •12.2 Линеаризация уравнения регрессии с использованием логарфмического преобразования (степенные и показательные функции).
- •12.3 Представление случайного члена в преобразованных нелинейных ур-ях регрессии.
- •12.4 Определение параметров нелин-го ур-ия герессии, не приводимого к лин-му ур-ию.
- •12.5 Выбор вида ур-ия регрессии с использ-ем теста Бокса-Кокса.
- •13.1 Общая характеристика временных рядов. Трендовые модели.
- •13.2 Предварительный анализ временных рядовю. Метод Ирвина.
- •13.3 Сглаживание временных рядов экономич. Показ-ей.
- •13.5 Замещающие переменные и их использование при построении уравнения регрессии (общие сведения).
- •13.6 Непреднамеренное использование замещающих переменных.
- •13.7 Лаговые переменные и их использование пи построении уравнения регрессии(общие сведения).
- •14.1 Система линейных одновременных уравнений слоу (общие сведения)
- •14.2 Структурная и приведённая формы слоу.
- •14.3 Косвенный метод наименьших квадратов (кмнк) и его использование для определения параметров слоу.
- •14.4 Метод инструментальных переменных (мип) и его применение для параметров уравнения регрессия (общий случай)
- •14.5 Метод инструментальной переменной (мип) и его применение для слоу.
- •14.6 Идентифицируемость слоу.
- •14.7 Двухшаговый метод наименьших квадратов.
- •14.8 Трехшаговый мнк.
13.3 Сглаживание временных рядов экономич. Показ-ей.
Часто уровни эк. рядов динамики колеб-ся. При этом тенденция развития эк. явления во времени скрыта случ. отклонениями ур-ня в ту или иную стороны с целью более четкого появления тенденции развития исслед-го процесса. В том числе для дальнейшего примен-я мет-ов прогнозир-ия на основе тренд. моделей производит сглаживание вр. рядов. Методы сглаж-я дел-ся на 2 большие группы:
1) аналитическое выравнивание с исп-ем кривой, отображ-ей осн. тенденцию вр. ряда (измен. вр. ряда).
2) механич-ое выравнивание отдельн. уровней вр. ряда с использованием фактич. знач-й соседних уровней.
Методы аналитич-го выр-ия базируются на применении разл-го вида полиномов и нах-ии коэф-ов этих полиномов МНК. В кач-ве поиномов исп. либо степен. Чебышева поиномы, рад Фурье.
Суть механич-го
сглаж-ия зак-ся
в след.:берется неск-ко 1-ых Ур-ей вр.
ряда,образующих интервал сглаж-ия. Для
них подбир. полином, степень кот-го
должна быть< числа уровней, входящих
в интервал сглаживания. С пом. полинома
опр-ся нов. выровненные знач-я уровней
в середине интервала сглаж-ия. Затем
интервал сглаж-я сдвиг-ся на 1 уровень
ряда вправо и вычисл-сяслед-ее сглаженное
знач-е и т. д. Самым простым методом
мех-го сглаж-я явл. метод
простой скользящей средней.
В данном методе для уровней ряда у1,
у2,
у3…уn
опред-ся
интервал сглаж-я m<n.
Если необх-мо сгладить как можно больше
колебаний, то инт-ал сглаж-ия берут по
возможности большим. Если необх-мо
сохранить колеб-ия опред-ой частоты,
то инт-ал сглаж-ия уменьшают. Желат-но
инт-ал сглаж-ия брать нечетным. Для
первых m-уровней
вычисл-ся ср. арифм. Это будет сглаженное
знач-е для середины инт-ла сглаж-ия.
Затем интервал сдвиг-ся вправо на 1
уровень. Для высисл-я сглаж-ых знач-й
исп-ся формула:
.
В рез-те получается (n-m+1)
– сглаженных знач-й. При этом первые и
послед-ие р-уровни ряда не сглаж-ся.
Данный метод обычно исп-ют дл рядов,
имеющих лин. тенденцию.
Метод взвешенной
скользящей средней:
отлич от предыдущего тем, что уровни
ряда, вход-ие в интервалсглаж-ия
суммируются с разн. весами и аппроксимация
ряда в пределах инт-ла сглаж-ия осущ-ся
с исп-ем полиномов степени от 2 и више.
Опред-ие сглаж-го знач-я в этом случае
опред-ся по фор-ле:
,
где ρ – веса разл. уровней ряда в сглаж-ом
знач-ии. Эти веса (ρ) опр-ют с пом. МНК,они
приводятся в соотв-ии справочн табл.
Метод экспоненциального сглаж-ия:Особ-тью данного метода явл. то, что при нахождении степенного ур-ня исп-ются знач-ия только предшеств-их уровней ряда, взятых с опред-ым весом, причем вес наблюдения уменьш-ся по мере удаления его от момента времени, для кот-го опред-ся сглаж-ие знач-ия уровня ряда.
В данном методе,
если обозначить через St
сглаж-ие зная-ия
,
где α-парам-рсглаж-ия 0< α <1, (α-1) –
коэф-т дисконтир-ия. Экспоненциальная
средняя явл. взвеш-ой средней всех
предыдущих уровней ряда. Эмпирически
рекомендуется выбирать α ≈ (0,1÷0,3). В
некот-х рекомендациях берут
.
Начальное значение (Sо)
обычно вычисл-ся как ср. арифм-ое первых
членов ряда.
.