
- •Визначення економетрії як науки, її природа
- •Основні види економетричних моделей.
- •Узагальнена проста регресійна модель. Припущення, що лежать в основі застосування методу найменших квадратів.
- •Перевірка значимості коефіцієнта кореляції в простій регресії.
- •Теорема Гаусса-Маркова про blue-оцінки.
- •Перевірка регресійної моделі на адекватність за f-критерієм Фішера.
- •Перевірка значимості параметрів b0, b1 за тестом Стьюдента.
- •Інтервали довіри для параметрів b0, b1.
- •Прогнозування в простій регресії.
- •Множинна регресійна модель та припущення, які лежать в її основі.
- •Прогнозування в множинній регресії.
- •Поняття мультиколінеарності та її види.
- •Наслідки мультиколінеарності та її вплив на оцінки параметрів моделі.
- •Тест Фаррара-Глобера для виявлення мультиколінеарності.
- •Узагальнений метод найменших квадратів (метод Ейткена) для оцінювання економетричної моделі у випадку гетероскедастичності.
- •У яких випадках застосовують тест Спірмена при виявленні гетероскедастичності.
- •Сутність автокореляції, її природа.
- •Наслідки автокореляції залишків в економетричному моделюванні.
- •Загальна характеристика методів виявлення автокореляції залишків.
- •Тест Дарбіна-Уотсона для виявлення автокореляції залишків.
- •Метод Ейткена (умнк) для оцінки параметрів моделі з автокорельованими залишками.
- •Нелінійні регресійні моделі. Що розуміємо під специфікацією моделі?
- •Що таке фіктивна змінна і які основні причини їх використання?
- •В чому суть основного правила використання фіктивних змінних?
Метод Ейткена (умнк) для оцінки параметрів моделі з автокорельованими залишками.
37!
УМНК матиме вигляд B=(XTS-1X)-1XTS-1Y
Матриця
S-дисперсійно-коваріаційна
Нелінійні регресійні моделі. Що розуміємо під специфікацією моделі?
Види моделей:
Логарифмічні моделі. Нехай деяка логарифмічна залежність моделі задана функцією Y= AXBпрологарифмувавши обидві частини і ввівши заміну Y*=lnY, x*=lnX, β0=lnA отримаємо рівняння лінійної регресії Y*=β0+β1X*
Напівлогарифмічні. Відноситься функція Y=Y0(1-r)2прологарифмувавши обидві частини і ввівши замінуY*=lnY, β0=lnY0, β=ln(1-r) і отримаємо Y*=β0+βt+Ԑ.
Обернені моделі. Моделі вигляду Y= β0+ β1/x+Ԑ. Ввівши заміну 1/х=Х* переходимо до лінійної регресії Y=β0+ βX*+Ԑ.
Степенева модель
Показникові модель
Специфікація моделі – формулювання виду моделі, виходячи з відповідної теорії зв'язку між змінними. Зі специфікації моделі починається будь економетричне дослідження. Іншими словами, дослідження починається з теорії, яка встановлює зв'язок між явищами.
Що таке фіктивна змінна і які основні причини їх використання?
Змінні, які описують якісний бік проблеми називаються фіктивними змінними.
Використовуємо їх, коли хочемо показати якісну характеристику явища.
В чому суть основного правила використання фіктивних змінних?
Якісна відмінність можна формалізувати за допомогою будь-змінної, що приймає два значення, а не обов'язково значення 0 або 1. Однак у економетричної практиці майже завжди використовують лише фіктивні змінні типу «0-1», оскільки в цьому випадку інтерпретація виглядає найбільш просто. Якби в розглянутому вище прикладі змінна d приймала значення, скажімо, 4 для індивідуума з вищою освітою і 2 для індивідуума без вищої освіти, то коефіцієнт при цьому регрессоре дорівнював би третини середнього зміни зарплати при отриманні вищої освіти.
Якщо включається в розгляд якісна ознака має не два, а кілька значень, то в принципі можна було б ввести дискретну змінну, що приймає таку ж кількість значень. Але цього фактично ніколи не роблять, тому що тоді важко дати змістовну інтерпретацію відповідного коефіцієнта.
У цих випадках доцільніше використовувати кілька бінарних змінних. Фіктивні змінні, незважаючи на свою зовнішню простоту, є досить гнучким інструментом при дослідженні впливу якісних ознак.
Фіктивні змінні дозволяють будувати й оцінювати так звані кусочно-лінійні моделі, які можна застосовувати для дослідження структурних змін.
На закінчення відзначимо, що за допомогою фіктивних змінних можна досліджувати вплив різних якісних ознак (наприклад, рівень освіти і наявність або відсутність дітей), а також їх взаємний вплив. Слід тільки бути уважним, щоб при включенні декількох бінарних змінних не порушити лінійну незалежність регрессоров (див. вище приклад з сезонними коливаннями)