- •Эконометрика как наука: цель, задачи, предмет и метод. Понятие эконометрической модели
- •Типы данных и виды переменных в эконометрических моделях
- •Этапы эконометрического моделирования.
- •Понятие генеральной и выборочной совокупности значений случайной величины. Числовые характеристики генеральной и выборочной совокупности.
- •Зависимость (независимость) случайных величин. Функциональная и статистическая зависимости. Ковариация и корреляция св. Выборочные и теоретические коэффициенты ковариации и корреляции.
- •Основные принципы и общая схема проверки статистических гипотез. Понятие уровня значимости и числа степеней свободы. Примеры критериев статистического теста.
- •Оценивание значимости коэффициента парной корреляции с помощью t-критерия Стьюдента.
- •Корреляционно – регрессионный анализ: предпосылки и этапы проведения.
- •Модель парной линейной регрессии: спецификация, условия построения.
- •Метод наименьших квадратов. Предпосылки применения метода для оценивания регрессионной модели. Система нормальных уравнений и ее решение.
- •Вопрос 11.Методы оценивания
- •Точечные оценки параметров модели парной линейной регрессии, их свойства и экономическая интерпретация. Связь оценки коэффициента регрессии с выборочным значением коэффициента корреляции.
- •Точечные оценки параметров модели парной линейной регрессии, их свойства и экономическая интерпретация. Связь оценки коэффициента регрессии с выборочным значением коэффициента корреляции.
- •Стандартная ошибка регрессии, стандартные ошибки оценок параметров модели парной линейной регрессии, их свойства.
- •14/ Оценивание значимости коэффициентов выборочной функции парной линейно регрессии с помощью т-критерия Стьюдента.
- •15. Коэффициент детерминации и его значение. Проверка гипотез, относящихся к оценке адекватности регрессионной модели в целом.
- •16. Интервальные оценки параметров. Построение доверительных интервалов для параметров модели парной линейной регрессии.
- •Вопрос 17 Модели регрессии, нелинейные по факторным переменным
- •Модели регрессии, нелинейные по оцениваемым коэффициентам
- •18. Задача множественного корреляционно – регрессионного анализа. Спецификация эконометрической модели множественной регрессии. Условия Гаусса – Маркова для модели множественной регрессии.
- •19. Отбор факторных признаков для включения в модель множественной линейной регрессии.
- •6. Об.Переменные д.Б. Сильно коррелированны с рез. Переменной.
- •20. Явление мультиколлинеарности факторов в регрессионной модели. Способы определения наличия мультиколлинеарности и ее устранения.
- •Методы устранения мультиколлинеарности
- •2. Метод дополнительных регрессий
- •3. Метод последовательного присоединения
- •23. Проверка адекватности модели множественной регрессии
- •24. Гомоскедастичность и гетероскедастичность ряда остатков регрессионной модели.
- •Последствия гетероскедастичности
- •Обнаружение гетероскедастичности
- •Тест Голдфелда—Квандта.
- •Тест ранговой корреляции Спирмена
- •Устранение гетероскедастичности
- •25. Числовые характеристики модели множественной линейной регрессии
- •27. Задача идентифицируемости системы одновременных уравнений. Необх. И достаточ. Условие идентифицируемости уравнений системы.
- •Рассмотрим типы систем эконометрических уравнений.
- •1. Система независимых регрессионных уравнений (внешне не связанных)
- •2. Система рекурсивных уравнений
- •28. Разновидности мнк для оценивания параметров многомерных регрессионных моделей.
- •Двухшаговый метод наименьших квадратов (дмнк)
- •29. Компоненты временного ряда
- •30/ Аддитивная и мультипликативные модели временного ряда.
- •31/ Явления автокорреляции и авторегрессии временного ряда.
- •32/ Моделирование тенденции временного ряда. Основные типы трендов и их распознавание.
- •33/ Эконометрическое прогнозирование, виды прогнозов. Средняя погрешность прогнозирования.
- •34/ Прогнозирование по трендам. Качество прогноза.
27. Задача идентифицируемости системы одновременных уравнений. Необх. И достаточ. Условие идентифицируемости уравнений системы.
. Процесс идентификации осуществляется следующим образом:
1. Идентифицируется уравнение, в котором в качестве факторных не содержатся эндогенные переменные. Находится расчетное значение эндогенной переменной этого уравнения.
2. Рассматривается следующее уравнение, в котором в качестве факторной включена эндогенная переменная, найденная на предыдущем шаге. Модельные (расчетные) значения этой эндогенной переменной обеспечивают возможность идентификации этого уравнения и т.д.
В системе уравнений в приведенной форме проблема коррелированности факторных переменных с отклонениями не возникает, так как в каждом уравнении в качестве факторных переменных используются лишь предопределенные переменные. Таким образом, при выполнении других предпосылок рекурсивная система всегда идентифицируема.
Структурный параметр называется идентифицируемым, если он может быть однозначно оценен с помощью косвенного метода наименьших квадратов.
С позиции идентифицируемости структурные модели можно подразделить на три вида:
идентифицируемые;
неидентифицируемые;
сверхидентифицируемые.
Уравнение идентифицируемо, если идентифицируемы все входящие в него структурные параметры.
Структурный параметр называется неидентифицируемым, если его значение невозможно получить, даже зная точные значения параметров приведенной формы. Наконец, параметр называется сверхидентифицируемым, если косвенный метод наименьших квадратов дает несколько различных его оценок. Параметр, для которого существует несколько способов выражения через коэффициенты приведенной формы, называется сверхидентифицируемым.
Необходимое условие идентифицируемости
Чтобы уравнение было идентифицируемо, необходимо, чтобы число предопределенных переменных, отсутствующих в данном уравнении, но присутствующих в системе, было равно числу эндогенных переменных в данном уравнении без одного.
Введем следующие обозначения:
М – число предопределенных переменных в модели;
m- число предопределенных переменных в данном уравнении;
-
число эндогенных переменных в модели;
-
число эндогенных переменных в данном
уравнении;
Обозначим
число экзогенных (предопределенных)
переменных, которые содержатся в системе,
но не входят в данное уравнение через
,
.
Тогда условие идентифицируемости каждого уравнения модели может быть записано в виде следующего счетного правила:
-
уравнение идентифицируемо
уравнение неидентифицируемо
уравнение сверхидентифицируемо
Для оценки параметров структурной модели система должна быть идентифицируема или сверхидентифицируема.
Рассмотренное счетное правило отражает необходимое, но недостаточное условие идентификации.
Достаточное условие идентификации
Уравнение идентифицируемо, если по отсутствующим в нем переменным (эндогенным и экзогенным) можно из коэффициентов при них в других уравнениях системы получить матрицу, определитель которой не равен нулю, а ранг матрицы не меньше, чем число эндогенных переменных в системе без одного.
