
- •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.
3.4 Отбор исходных данных.
Отбор исх.данных для корреляционного анализа необх.производить с определенной степенью осторожности, т.к.от кач-ва и кол-ва этих данных зависит ценность практических рез-татов. Отобранная для расчетов статистическая совок-ть должна быть одновременно и достаточно мощной по объему и достаточно однородной по своему составу.
С одной стор., надежность корреляционных формул непосредственно завис.от кол-ва данных, использ.при расчете, т.к. случайные ошибки статистич.оценок определ-ся не только величиной их колеблемости, но и размером совок-ти. Нпр., ср.квадратическая ошибка коэфф-та множеств.корреляции: i=(1-R2)/(n-p-1)1/2, где п – кол-во наблюдений; р - число фак-ров; R – коэфф-т множеств.корреляции; R2 – коэфф-т множеств.детерм-ции.
С др.стороны, включение в расчет дополнительных данных мож.нарушить однородность изучаемой совок-ти, что, в свою очередь, лишает получаемые статистические показ-ли реального эк-кого смысла. Поэт.исходный статистический материал должен тщательно проверяться на однородность состава.
Нпр., нецелесообразно объединять в одну совок-ть предприятия существенно различных отраслей. Из анализа следует исключить предприятия, резко отличающиеся по своим осн.показ-лям от всей массы предприятий рассматриваемой отрасли.
При отборе исх.данных для корреляц.анализа хоз.деят-ти предприятий той или иной отрасли возможно 2 принципиально разл.подхода: 1)сравнение работы предприятий в рассматриваемой отрасли за какой-то один период времени (год); 2)сравнение работы предприятий этой отрасли за неск-ко смежных лет.
В 1ом случае получаем так наз.пространственную выборку - выборку по множеству. Построенная на ее основе модель будет иметь статический хар-тер.
Во 2ом случае применяется так наз.метод «заводо-лет». Сущность его закл.в том, что данные разл.лет объединяются в единую совок-ть. Это значительно увел-ет объем наблюдения. Однако каждый завод фигурирует в получаемой таким обр.совок-ти несколько раз, и м/у его показ-лями, относящимися к разным годам, следует ожидать определенной корреляции. Таким обр., исходный статистич.материал не предст.собой совок-ти независимых испытаний, что лежит в оспине применения теории корреляции. Это неск-ко снижает дополнительный усредняющий эффект, возн-щий в рез-тате увел-я объема совок-ти, но не мож.устранить его полностью, т.к. эк-кие показ-ли колеблются не только от предприятия к предприятию, но и от года к году внутри каждого предприятия. Достоинство этого подхода - модель, построенная на основе такой выборки, будет иметь определенный динамический хар-тер, т.к. в ней фактически учитываются изм-я эк-ких показ-лей во времени. Осн.источник получения необх.исх.данных - официальная статистическая отчетность.
Для корреляц.анализа хоз.деят-ти основным видом отчетности явл.годовые бухг.отчеты предприятий, а также разрабатываемые и издаваемые на базе этих отчетов ежегодные сборники технико-эк-ких показ-лей работы предприятий соотв-щей отрасли. Однако зачастую ни сами годовые отчеты, ни издаваемые сборники не содержат многих необходимых для корреляционного анализа показ-лей, кот.приходится рассчитывать дополнительно на базе имеющейся в отчетах и сборниках инф-ции.
Кр.того, не сущ-ет методики оценки точности показ-лей в самих годовых отчетах. В отдельных случаях прибегают к спец.обследов-ям и опросам.
3.5 Реш-е корреляц.моделей и эк.-матем.анализ рез-татов реш-я.
В узком смысле реш-е корреляц.моделей заключается в нахождении численных значений их парам-ров и в вычислении разл.показ-лей, характ-щих статистич.значимость, как самого ур-я, так и его парам-ров.
В более широком понимании реш-е корреляционных моделей, кроме нахожд-я парам-ров и коэфф-тов корреляции, вкл.также дополнит. вычисления расчетных значений зависимой переменной, оценки стат.надежности и точности полученных рез-татов, упрощение исходной модели и т.п.
Корреляционные расчеты при большом числе учитываемых фак-ров исключительно трудоемки. Эк.-матем.анализ, явл-щийся заключительным этапом каждого цикла корреляционных расчетов, состоит в исследов.конечной модели, оценке и эк-кой интерпретации рез-татов реш-я.
Никакая эк.-матем.модель не мож.быть точным отражением действительности. Формализация эк-ких завис-тей всегда связана с упрощениями и априорными предположениями, поэт.в процессе анализа должно быть выявлено соответствие полученного реш-я реальной действит-ти, должны быть найдены пути улучшения модели и определены возм-ти практической реализации достигнутых рез-татов.
Этот анализ начинается, по существу, на стадии выбора вида модели и ее реш-я. Однако количественные методы анализа не дают еще достаточно оснований для окончательного суждения об адекватности модели и возм-тях практического применения полученных рез-татов. Единственный критерий истинности тех или иных формально-логических умозаключений - это практика.
Только качественный теоретико-эк-кий анализ мож.дать окончат.реш-е поставленных проблем. Этот анализ состоит в проверке соответствия полученных в рез-тате реш-я направления и силы влияния фак-ров нашим общеэк-ким представлениям. Если такое соответствие имеется, модель мож.быть признана адекватной. Если его нет, необх.дополнительный анализ фак-ров, выявление причин несоответствия, проверка исходных данных, введение в модель дополнит.фак-ров или исключение лишних, переход к др.форме связи и т.д.
Далеко не каждое видимое противоречие м/у действием отдельного фак-ра на изучаемый: результативный показ-ль, вытекающий из полученного ур-я, и общепринятыми априорными представлениями о характере такого действия свидет-ет о неадекватности модели.
В эк-ке почти не бывает так называемых простых связей, большинство их носит сложный и противоречивый хар-тер, проявляются они не как абсолютный з-н, а лишь в тенденции, в среднем. Поэт.наши кач-ные априорные представления о характере эк-ких взаимосвязей нередко довольно условны. Только при помощи тщательного кол-ного анализа методами теории корреляции можно в каждом конкретном случае дать четкую картину этих связей.