
- •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.
29. Компоненты временного ряда
Временным рядом называется ряд наблюдаемых значений изучаемого показателя, расположенных в хронологическом порядке или в порядке возрастания времени.
Отдельно взятый временной ряд можно представить как выборочную совокупность из бесконечного ряда значений показателей во времени.
Уровнями временного ряда называются наблюдения
из которых состоит данный ряд.
Временной ряд называется моментным рядом, если уровень временного ряда фиксирует значение изучаемого показателя на определённый момент времени.
Временной ряд называется интервальным рядом, если уровень временного ряда характеризует значение показателя за определённый период времени.
Временной ряд называется производным рядом, если уровни ряда представлены в виде производных величин (средних или относительных показателей).
Исследование данных, представленных в виде временных рядов, преследует две основные цели:
1) характеристика структуры временного ряда;
2) прогнозирование будущих уровней временного ряда на основании прошлых и настоящих уровней.
Достижение поставленных целей возможно с помощью идентификации модели временного ряда.
Идентификацией модели временного ряда называется процесс выявления основных компонент, которые содержит изучаемый временной ряд.
Временные ряды могут содержать два вида компонент – систематическую и случайную составляющие.
Систематическая составляющая временного ряда является результатом воздействия постоянно действующих факторов.
Выделяют три основных систематических компоненты временного ряда:
1) тренд;
2) сезонность;
3) цикличность.
Трендом называется систематическая линейная или нелинейная компонента, изменяющаяся во времени.
Сезонностью называются периодические колебания уровней временного ряда внутри года.
Цикличностью называются периодические колебания, выходящие за рамки одного года. Промежуток времени между двумя соседними вершинами или впадинами в масштабах года определяют как длину цикла.
Систематические составляющие характеризуются тем, что они могут одновременно присутствовать во временном ряду.
Случайной составляющей называется случайный шум или ошибка, которая воздействует на временной ряд нерегулярно.
К основным причинам, по которым возникает случайный шум, относят факторы резкого и внезапного действия, а также действия текущих факторов.
Катастрофическими колебаниями называется случайный шум, в основе возникновения которого лежат факторы резкого и внезапного действия.
Шум, в основе возникновения которого лежит действие текущих факторов, может быть связан также с ошибками наблюдений.
Отдельный уровень временного ряда обозначается как yt. Его можно представить в виде функции от основных компонент временного ряда следующим образом:
yt=f(T,S,C,ε),
где T – это трендовая компонента,
S – это сезонная компонента,
C – это циклическая компонента,
ε – случайный шум.
Существует несколько основных моделей временных рядов, к которым относятся:
1) аддитивная модель временного ряда, в которой компоненты представляют собой слагаемые:
yt=Tt+St+Ct+εt;
2) мультипликативная модель временного ряда, в которой компоненты представляют собой сомножители:
yt=Tt*St*Ct*εt;
3) комбинированная модель временного ряда:
yt=Tt*St*Ct+εt.