
- •2.Какие модели называются эконометрическими?
- •5.Уравнение регрессии и его составляющие.
- •11.Этапы построения регрессионной модели
- •Постановка задачи.
- •Исследование регрессионной модели.
- •Оценка параметров множественной регрессии
- •. Суть метода наименьших квадратов (мнк).
- •13 Расчет вектора оценок коэффициентов регрессии
- •16Какой тест при проверке значимости
- •17 Стандартная ошибка коэффициента регрессии
- •20 Характеристики для проверки адекватности
- •22Какой тест при проверке адекватности
- •25Свойства коэффициентов регрессии
3,4,6,7,8,9,10,14,18,19,21,22,23,34
1.Дайте понятие экономико-математической модели? Экономико-математическая модель (ЭММ) — это математическое описание экономического объекта или процесса с целью их исследования и управления ими. Это математическая запись решаемой экономической задачи.
Основные типы моделей
Экстраполяционные модели
Факторные эконометрические модели
Оптимизационные модели
Балансовые модели
Экспертные оценки
Теория игр
Сетевые модели
Модели систем массового обслуживания
Экономико-математические модели и методы, применяемые в экономическом анализе
2.Какие модели называются эконометрическими?
ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ [econometric model] — основное понятие эконометрии, экономико-математическая модель,параметры которой оцениваются с помощью методов математической статистики. Она выступает в качестве средства анализа ипрогнозирования конкретных экономических процессов как на макро-, так и на микроэкономическом уровне на основе реальной статистической информации. Наиболее распространены Э. м., представляющие собой системы регрессионных уравнений, в которых отражается зависимость эндогенных величин (искомых) от внешних воздействий (текущих экзогенных величин) в условиях, описываемых параметрами модели, а также лаговыми переменными (см. Лаг). Кроме регрессионных (как линейных, так и нелинейных) уравнений, применяются и другие математико-статистические модели.
5.Уравнение регрессии и его составляющие.
^одо_ооо
Y = Xβ + E
^одо
где Y - случайный вектор - столбец размерности (n x 1) наблюдаемых значений результативного признака (y1, y2,..., yn); X- матрица размерности [n x (k+1)] наблюдаемых значений аргументов; β - вектор - столбец размерности [(k+1) x 1] неизвестных, подлежащих оценке параметров (коэффициентов регрессии) модели(истенное значение); e - случайный вектор - столбец размерности (n x 1) ошибок наблюдений (остатков).
На практике рекомендуется, чтобы n превышало k не менее, чем в три раза.
10 Как определяется число степеней свободы?
Число степеней свободы это минимально необходимое число значений зависимой переменной, которых достаточно для получения искомой характеристики выборки и которые могут свободно варьироваться с учетом того, что для этой выборки известны все другие величины, используемые для расчета искомой характеристики.
Для
получения остаточной дисперсии необходимы
коэффициенты уравнения регрессии. В
случае парной линейной регрессии
коэффициентов два, по этому в соответствии
с формулой (принимая
)
число степеней свободы равно
.
Имеется в виду, что для определения
остаточной дисперсии достаточно знать
коэффициенты уравнения регрессии и
только
значений
зависимой переменной из выборки.
Оставшиеся два значения могут быть
вычислены на основании этих данных, а
значит, не являются свободно варьируемыми.