Эконометрический анализ модельных предположений для множественной линейной регрессионной модели

1. Количество часов сурс на тему – 2.

2. Задание выдается в начале семестра, защищается работа в конце семестра.

3. В теоретической части работы студент должен изложить один из вопросов, касающихся методики диагностики и устранения гетероскедастичности, автокорреляции и мультиколлинеарности, а также проверки выполнимости других условий теоремы Гаусса-Моркова для множественной линейной регрессионной модели. В практической части работы студент должен проявить умение анализировать качество построенной линейной регрессионной модели на конкретном примере из лабораторной работы «Множественная линейная регрессия и корреляция».

4. Список литературы и теоретические вопросы приведены ниже.

5. Результаты СУРС (распечатки результатов лабораторной работы «Множественная линейная регрессия и корреляция» и отчет (форма отчета о полученных результатах прилагается)) представляются в бумажном и электронном виде (WORD) с титульным листом и списком цитируемой литературы.

6. При защите работы студент должен проявить глубокие знания по всем вопросам темы.

Теоретические вопросы (определяет преподаватель)

1. В чем суть гетероскедастичности? Назовите основные причины гетероскедастичности. Каковы последствия гетероскедастичности?

2. Опишите схему диагностики гетероскедастичности с помощью теста ранговой корреляции Спирмена. Опишите методы устранения гетероскедастичности.

3. Что такое автокорреляция? Как проявляется автокорреляция при использовании пространственных выборок и при использовании данных временных рядов? Назовите основные причины автокорреляции. Каковы последствия автокорреляции?

4. Перечислите основные методы диагностики автокорреляции. Опишите схему использования статистики Дарбина-Уотсона. Опишите основные методы устранения автокорреляции.

5. Что такое мультиколлинеарность? Назовите причины мультиколлинеарности. К каким трудностям приводит мультиколлинеарность факторов, включенных в модель?

6. Опишите приемы диагностики мультиколлинеарности. Перечислите основные методы устранения мультиколлинеарности.

7. В чем сущность несмещенности оценок параметров регрессии? Как проверяется выполнимость первого условия теоремы Гаусса-Маркова? Каким образом добиваются выполнимости допущения о равенстве нулю математического ожидания случайного члена в регрессионой модели?

8. Какими способами исследуется нормальность распределения случайного члена в регрессионой модели? Каковы последствия невыполнимости в модели условия нормальности распределения случайного члена?

Приложение:

Отчет по лабораторной и самостоятельной управляемой работе «Множественная регрессия и корреляция» студента _____________________________________ гр. ______

1. Постановочный этап.

Из экономической теории известно, что заработная плата зависит от многих факторов, например, от _______________________________________ _____________________________________________________________________________________.

Выделим два фактора: возраст и стаж по данной специальности, которые являются объясняющими факторами для результативного (объясняемого) фактора – заработная плата. Возникает задача количественного описания зависимости указанных экономических показателей уравнением множественной регрессии на основании статистических данных.

2. Спецификация модели. Предположим, что зависимость заработной платы от возраста и стажа по данной специальности описывается линейной регрессионной моделью , где – неизвестные параметры модели, – случайный член, который включает в себя суммарное влияние всех неучтенных в модели факторов.

3. Параметризация модели. Для оценки параметров уравнения множественной регрессии применяют метод наименьших квадратов (МНК). В результате проведения регрессионного анализа получены точечные и интервальные оценки неизвестных параметров.

Точечная оценка параметра равна __________. Интервальная оценка равна ( ________, ________ ), где центр интервала равен точечной оценке, концы интервалов получены прибавлением и вычитанием произведения стандартной ошибки коэффициента на критическое значение t-статистики.

Точечная оценка параметра равна __________. Интервальная оценка равна ( ________, ________ ).

Точечная оценка параметра равна __________. Интервальная оценка равна ( ________ , _______ ).

Таким образом, уравнение регрессии имеет вид _______________________________.