- •1. Эконометрика, её задача и метод 5
- •2. Характеристики и модели временных рядов 6
- •3. Парная регрессия и корреляция 17
- •Тема 4. Модель множественной регрессии 26
- •5. Системы линейных одновременных уравнений 39
- •Тема 6. Многомерный статистический анализ 41
- •1. Эконометрика, её задача и метод
- •Основные понятия и особенности эконометрического метода
- •Типы экономических данных, используемых в эконометрических исследованиях
- •Классификация эконометрических моделей
- •Основные этапы построения эконометрических моделей
- •2. Характеристики и модели временных рядов
- •Временной ряд: понятие, примеры, компонентное разложение временного ряда
- •Официальный курс доллара сша, установленный Центральным банком рф (rub/usd)
- •Предварительный анализ временных рядов: выявление и устранение аномальных наблюдений
- •Методы механического сглаживания временных рядов
- •Кривые роста: понятие, классификация, наиболее часто используемые кривые роста
- •Процедура прогнозирования с использованием кривых роста
- •Расчет параметров кривой роста методом наименьших квадратов (мнк)
- •Методы выявления тенденций во временных рядах
- •Оценка адекватности модели экономического прогнозирования
- •Оценка точности модели кривой роста, выбор наилучшей кривой роста
- •Прогнозирование на основе кривой роста
- •3. Парная регрессия и корреляция
- •Функциональные и стохастические типы связей. Ковариация, корреляция
- •Анализ линейной статистической связи экономических данных, корреляция; вычисление коэффициентов корреляции, проверка значимости
- •Понятие регрессионного анализа: зависимые и независимые переменные
- •Линейная модель парной регрессии. Оценка параметров модели с помощью метода наименьших квадратов (мнк)
- •Показатели качества модели парной регрессии
- •Анализ статистической значимости параметров модели парной регрессии
- •Интервальная оценка параметров модели парной регрессии
- •Прогнозирование с применением уравнения парной регрессии
- •Нелинейная регрессия. Нелинейные модели и их линеаризация
- •Тема 4. Модель множественной регрессии
- •Модель множественной регрессии. Выбор вида модели и оценка ее параметров
- •Модель множественной регрессии. Построение системы показателей (факторов)
- •Регрессионные модели с переменной структурой (фиктивные переменные)
- •Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных
- •Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции
- •Мультиколлинеарность. Последствия мультиколлинеарности. Способы обнаружения мультиколлинеарности. Способы избавления от мультиколлинеарности
- •Проверка качества многофакторных регрессионных моделей. Коэффициент детерминации r2. Скорректированный r2. Проверка гипотез с помощью t-статистик и f-статистик
- •Оценка существенности параметров линейной регрессии
- •Оценка качества всего уравнения регрессии
- •Предпосылки применения метода наименьших квадратов (мнк)
- •Свойства оценок метода наименьших квадратов (мнк)
- •Проверка выполнения предпосылок метода наименьших квадратов (мнк)
- •Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности
- •Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков
- •Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета–коэффициенты, дельта–коэффициенты)
- •Анализ экономических объектов и прогнозирование с помощью модели множественной регрессии.
- •Компьютерная технология эконометрического моделирования. Использование статистических пакетов «СтатЭксперт», «vsтат», «spss»
- •5. Системы линейных одновременных уравнений
- •Системы линейных одновременных уравнений. Взаимозависимые и рекурсивные системы
- •Системы линейных одновременных уравнений. Условия идентификации
- •Косвенный метод наименьших квадратов
- •Тема 6. Многомерный статистический анализ
- •Многомерный статистический анализ. Задачи снижения размерности: факторный анализ, компонентный анализ
- •Многомерный статистический анализ. Задачи классификации объектов: кластерный анализ. Дискриминантный анализ.
- •Литература
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ
«ФИНАНСОВЫЙ УНИВЕРСИТЕТ ПРИ ПРАВИТЕЛЬСТВЕ РОССИЙСКОЙ ФЕДЕРАЦИИ»
(Финансовый университет)
|
Брянский филиал Финуниверситета
Кафедра «Математика и информатика»
КОНСПЕКТ ЛЕКЦИЙ
по дисциплине
«Эконометрика»
для студентов бакалавриата, обучающихся по направлению 080100.62 «Экономика» (3 курс)
ВСЕ ТЕМЫ
Разработал:
доцент Малашенко В.М.
Брянск 2014
СОДЕРЖАНИЕ
1. Эконометрика, её задача и метод 5
1. Основные понятия и особенности эконометрического метода 5
2. Типы экономических данных, используемых в эконометрических исследованиях 5
3. Классификация эконометрических моделей 5
4. Основные этапы построения эконометрических моделей 6
2. Характеристики и модели временных рядов 6
5. Временной ряд: понятие, примеры, компонентное разложение временного ряда 6
6. Предварительный анализ временных рядов: выявление и устранение аномальных наблюдений 7
7. Методы механического сглаживания временных рядов 8
8. Кривые роста: понятие, классификация, наиболее часто используемые кривые роста 9
9. Процедура прогнозирования с использованием кривых роста 10
10. Расчет параметров кривой роста методом наименьших квадратов (МНК) 10
11. Методы выявления тенденций во временных рядах 11
12. Оценка адекватности модели экономического прогнозирования 12
13. Оценка точности модели кривой роста, выбор наилучшей кривой роста 15
14. Прогнозирование на основе кривой роста 15
3. Парная регрессия и корреляция 17
15. Функциональные и стохастические типы связей. Ковариация, корреляция 17
16. Анализ линейной статистической связи экономических данных, корреляция; вычисление коэффициентов корреляции, проверка значимости 18
17. Понятие регрессионного анализа: зависимые и независимые переменные 20
18. Линейная модель парной регрессии. Оценка параметров модели с помощью метода наименьших квадратов (МНК) 20
19. Показатели качества модели парной регрессии 21
20. Анализ статистической значимости параметров модели парной регрессии 22
21. Интервальная оценка параметров модели парной регрессии 23
22. Прогнозирование с применением уравнения парной регрессии 24
23. Нелинейная регрессия. Нелинейные модели и их линеаризация 25
Тема 4. Модель множественной регрессии 26
24. Модель множественной регрессии. Выбор вида модели и оценка ее параметров 26
25. Модель множественной регрессии. Построение системы показателей (факторов) 26
26. Регрессионные модели с переменной структурой (фиктивные переменные) 27
27. Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных 27
28. Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции 27
29. Мультиколлинеарность. Последствия мультиколлинеарности. Способы обнаружения мультиколлинеарности. Способы избавления от мультиколлинеарности 28
30. Проверка качества многофакторных регрессионных моделей. Коэффициент детерминации R2. Скорректированный R2. Проверка гипотез с помощью t-статистик и F-статистик 28
31. Оценка существенности параметров линейной регрессии 30
32. Оценка качества всего уравнения регрессии 31
33. Предпосылки применения метода наименьших квадратов (МНК) 32
34. Свойства оценок метода наименьших квадратов (МНК) 32
35. Проверка выполнения предпосылок метода наименьших квадратов (МНК) 32
36. Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности 34
37. Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков 35
38. Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета–коэффициенты, дельта–коэффициенты) 37
39. Анализ экономических объектов и прогнозирование с помощью модели множественной регрессии. 38
40. Компьютерная технология эконометрического моделирования. Использование статистических пакетов «СтатЭксперт», «VSТАТ», «SPSS» 39