Вопросы для самопроверки

1. Назовите, в чем состоит спецификация модели множественной регрессии.

2. Сформулируйте требования, предъявляемые к факторам для включения их в модель множественной регрессии.

3. В чем проявляется мультиколлинеарность факторов, включенных в модель регрессии, каковы пути устранения мультиколлинеарности?

4. Запишите соотношения МНК, применяемые для оценивания параметров линейной множественной регрессии.

5. Запишите основное соотношение дисперсионного анализа для линейной модели множественной регрессии.

6. Что такое стандартизованное уравнение линейной множественной регрессии, как оцениваются его параметры?

7. Какие коэффициенты и критерии используются для оценки сравнительной силы воздействия факторов на результат?

8. Запишите формулы для расчета коэффициента множественной корреляции.

9. Что характеризует и как рассчитывается коэффициент детерминации?

10. Как оценивается значимость коэффициентов множественной регрессии?

11. По каким показателям оценивается качество уравнения множественной регрессии, его адекватность данным наблюдений?

12. При каких условиях строится уравнение множественной регрессии с фиктивными переменными?

13. Сформулируйте основные предпосылки применения метода наименьших квадратов для построения регрессионной модели.

14. В чем сущность анализа регрессионных остатков?

15. Как можно проверить наличие гетероскедастичности остатков?

16. Как оценивается отсутствие автокорреляции остатков при построении статистической регрессионной модели?

17. Каково назначение обобщенного метода наименьших квадратов?

Тема 4. Анализ временных рядов

При изучении данной темы необходимо освоить методику выявления структуры временного ряда на основе автокорреляционных функций, описывающих взаимосвязь между последовательными уровнями временного ряда. Дальнейшими задачами является моделирование циклической (сезонной) составляющей и тенденции временного ряда. Также как и в регрессионном анализе важное значение имеет исследование остатков, которое позволяет оценить качество полученной модели временного ряда и возможности ее практического применения в задачах прогнозирования экономических показателей. С целью выбора оптимальной модели сглаживания временного ряда необходимо освоить компьютерные программы, позволяющие проводить расчеты параметров временного ряда для различных моделей и оценивать их качество.

В рамках данной темы следует познакомиться с анализом взаимосвязей временных рядов и общей характеристикой динамических моделей временных рядов с распределенным лагом и моделей авторегрессии.

В результате изучения темы студент должен приобрести навыки и умение, используя современные программные средства, проводить анализ структуры временного ряда, выбирать оптимальную модель для его сглаживания и построения точечного и интервального прогноза исследуемого экономического показателя.

Литература

1. Эконометрика: Учебник / И.И. Елисеева, С.В. Курышева, Т.В. Костеева и др.; Под ред. И.И. Елисеевой. – 2-е изд., перераб. и доп. – М.: Финансы и статистика, 2005, с. 296..349, 368..404, 427..494.

2. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. Проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2006. с. 133..223.

3. Бобешко Л.О. Основы эконометрического моделирования: Учебное пособие. – М.: КомКнига, 2006. с. 311..418.

4. Доугерти К. Введение в эконометрику: Учебник. 2-е изд. / Пер. с англ. – М.: ИНФРА-М, 2004. с. 319..396.

5. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева, С.В. Курышева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2005, с. 137..186.

6. Вуколов В.А. Основы статистического анализа. Практикум по статистическим методам и исследованию операций с использованием пакетов STATISTICA и EXCEL: Учебное пособие. – М.: ФОРУМ: ИНФРА-М, 2004. с. 240..282.