
- •1.Эконометрика, её задача и метод.
- •2. Экономические данные и их статистические хараетристики.
- •3.Типовые распределения выборочных характеристик
- •4. Точность и надежность выборочных характеристик. Понятие надежности и доверительного интервала.
- •5. Корреляция случайных величин, уравнение регрессии. Регрессионная зависимость между случайными факторами.
- •6. Оценка параметров уравнения регрессии методом наименьших квадратов.
- •7. Геометрическая интерпретация метода наименьших квадратов.
- •8.Показатели адекватности уравнения регрессии
- •9. Связь дисперсии результирующей переменной с дисперсией регрессии
- •10. Связь дисперсии результирующей переменной с остаточной дисперсией
- •11. Точность и значимость коэффициентов регрессии.
- •12. Связь показателей адекватности и точности уравнения регрессии.
- •13. Связь коэффициентов уравнения регрессии с выборочными значениями результирующей переменной
- •14. Дисперсия коэффициентов регрессии.
- •15. Условия оптимальности мнк-оценок. Теорема Гаусса-Маркова.
- •16. Множественная линейная регрессия.
- •17. Решение системы линейных уравнений множественной регрессии
- •18. Матричная форма записи множественной линейной регрессии
- •19. Натуральная и стандартизованная формы модели множественной регрессии.
- •20. Связь коэффициентов обычной и стандартизованной регрессии.
- •21. Показатели силы связи в модели множественной регрессии.
- •22. Оптимальность коэффициентов множественной регрессии.
- •23. Оценка значимости модели множественной регрессии и ее параметров.
- •24. Прогнозирование на основе модели множественной регрессии.
- •25. Линейные регрессионные модели с гетероскедастичностью.
- •26. Нелинейные регрессионные модели и их классификация.
- •27. Регрессионная модель, линейная относительно параметров.
- •28.Обобщенный метод наименьших квадратов
- •30. Особенности включения в модели регрессии неколичественных показателей.
- •31. Модели регрессии с фиктивными переменными сдвига, наклона.
- •32. Временной ряд и его характеристики.
- •33. Корреляция временных рядов.
- •34. Определение тренда временного ряда.
- •35. Учет автокорреляции остатков временного ряда. Критерий Дарбина-Уотсона.
- •36. Сглаживание временных рядов.
- •37. Системы эконометрических моделей. Одновременные системы уравнений.
- •38. Проблема идентификации эконометрических моделей.
1.Эконометрика, её задача и метод.
Эконометрика — это наука, в которой на базе реальных статистических данных строятся, анализируются и совершенствуются математические модели реальных экономических явлений.
Эконометрика позволяет найти количественное подтверждение либо опровержение того
или иного экономического закона либо гипотезы.
Таким образом, эконометрика – наука, которая дает количественное выражение
взаимосвязей экономических явлений и процессов
Основные задачи эконометрики:
1. Построение эконометрических моделей, т.е. представление экономических моделей в
математической форме, удобной для проведения эмпирического анализа.
2. Оценка параметров построенной модели, делающих выбранную модель наиболее
адекватной реальным данным.
3. Проверка качества найденных параметров модели и самой модели в целом.
4. Использование построенных моделей для объяснения поведения исследуемых
экономических показателей, прогнозирования и предсказания, а также для
осмысленного проведения экономической политики
Эконометрические методы (англ. econometric methods of evaluation) представляют собой не экспериментальные методы оценивания и заключаются в совместном применении математического, статистического и экономического инструментария к анализу эмпирических данных с целью оценки эффекта программы.
Основные эконометрические методы.
1. сводка и группировка информации;
Статистическая сводка - это научно организованная обработка материалов наблюдения, включающая в себя систематизацию, группировку данных, составление таблиц, подсчет итогов, расчет производных показателей (средних, относительных величин). Статистическая группировка - это процесс образования однородных групп на основе расчленения статистической совокупности на части или объединения изучаемых единиц в частные совокупности по существенным для них признакам.
2. вариационный и дисперсионный анализ;
Дисперсия признака - это средний квадрат отклонений вариантов от их средней величины. В эконометрических расчетах, как правило, используют общую, межгрупповую и внутригрупповую дисперсии. При этом общая дисперсия характеризует вариацию признака в статистической совокупности в результате влияния всех факторов. Межгрупповая дисперсия показывает размер отклонения групповых средних от общей средней, то есть характеризует влияние фактора, положенного в основание группировки. Внутригрупповая (остаточная) дисперсия характеризует вариацию признака в середине каждой группы статистической группировки. В эконометрических расчетах используется среднее квадратическое отклонение - обобщающая характеристика размеров вариации признака в совокупности. Оно равно корню квадратному из дисперсии. Для осуществления сравнений колеблемости одного и того же признака в нескольких совокупностях используется относительный показатель вариации — коэффициент вариации.
2. регрессионный и корреляционный анализ;
Применение метода наименьших, квадратов (МНК) позволяет получить достаточно точные теоретические значения модели однофакторной регрессии и соответственно ее графическое изображение (термин "регрессия" - движение назад, возвращение в прежнее состояние, - был введен Фрэнсисом Галтоном в конце XIX века при анализе зависимости между ростом родителей и ростом детей; в любом случае средний рост детей - и у низких, и у высоких родителей -стремится (возвращается) к среднему росту людей в данном регионе).
3. статистические уравнения зависимости;
4. статистические индексы и др.
Статистические индексы могут быть использованы в качестве меры изменения количества независимо от изменения качественного признака (цены, себестоимости, производительности труда и т.п.), а также для характеристики качественного признака независимо от изменения количества (объема продукции в натуральном выражении, численности работников и т.п.).