2. Этапы эконометрического моделирования. Каковы основные причины наличия в регрессионной модели случайного отклонения?

Этапы эконометрического моделирования:

1. постановочный – определение целей и задач модели;

2. априорный – предварительный анализ ситуации;

3. спецификация модели – выбор типа модели, состава переменных и формы математической связи между ними;

4. информационный – сбор необходимой статистической информации, т.е. регистрации значений показателей, участвующих в описании модели;

5. идентификация модели – оценивание неизвестных значений параметров модели по имеющимся исходным статистическим данным;

6. верификация модели – проверка качества модели в целом и ее параметров;

7. интерпретация результатов – формулирование выводов и рекомендаций на основе построенной модели.

Известно, что основной причиной наличия случайного отклонения в регрессионной модели являются несовершенные знания о причинах и взаимосвязях, определяющих то или иное значение выходной переменной. Поэтому свойства случайных отклонений, в первую очередь зависит от выбора вида функции отклика и состава входных переменных (факторов).

59. Косвенный мнк. Всегда ли можно применить косвенный мнк?

Косвенный метод наименьших квадратов используется для получения оценок неизвестных коэффициентов системы одновременных уравнений, удовлетворяющих свойствам эффективности, несмещённости и состоятельности.

Косвенный МНК (КМНК) применим в случае точно идентифицируемой структурной модели. Процедура следующая:

1. Структурная модель преобразуется в приведенную форму.

2. Для каждого уравнения приведенной формы обычным МНК оцениваются коэффициенты δij

3. Коэффициенты приведенной модели трансформиру-ются в параметры структурной модели.

3.Основные понятия теории вероятностей. Нормальное распределение и связанные с ним χ2 - распределение, распределение Стьюдента и Фишера.

Вероятностью события А – Р(А) – называется отношение числа m элементарных событий (исходов), благоприятствующих появлению события А, к числу n всех элементарных событий в условиях данного вероятностного эксперимента. Из определения вытекают следующие свойства вероятности:

1.Вероятность случайного события есть положительное число, заключенное между 0 и 1:

2. Вероятность достоверного события А равна 1:

3. Если событие невозможное, то его вероятность равна 0:

4. Если события А и В несовместны, то

5. Если события А и В совместны, то вероятность их суммы равна сумме вероятностей этих событий без вероятности их совместного наступления:

6. Если и - противоположные события, то

7. Сумма вероятностей событий образующих полную группу, равна 1:

Случайная величина (СВ) - величина, которая в результате наблюдения принимает то или иное значение, заранее не известное и зависящее от случайных обстоятельств.

Дискретная величина - СВ которая принимает отдельные, изолированные (конечные или счетные) значения с определенными вероятностями.

Непрерывная величина - СВ, которая может принимать любое значение из некоторого конечного или бесконечного числового промежутка.

Закон распределения СВ - всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями.

Распределение χ2 - распределение случайной величины где случайные величины X1, X2,…, Xn независимы и имеют одно и тоже распределение N(0,1). При этом число слагаемых, т.е. n, называется «числом степеней свободы» распределения хи – квадрат.

Распределение Стьюдента - это распределение случайной величины где случайные величины U и V независимы, U имеет распределение стандартное нормальное распределение N(0,1), а V – распределение хи – квадрат с n степенями свободы. При этом n называется «числом степеней свободы» распределения Стьюдента.