
- •Предмет и задачи эконометрики. Примеры экономических задач, решаемых с помощью аппарата эконометрики.
- •2.Стохастическая зависимость и функциональная зависимости. Диаграмма рассеяния и линия регрессии. Аналитическое описание линии регрессии.
- •Эконометрическая модель: экзогенные и эндогенные переменные модели, параметры модели. Информационная база для построения модели на пространственных данных и временных рядах.
- •Функция линейной регрессии
- •4.Парная линейная регрессия: аналитическое и графическое представление, остатки модели. Формирование поля входных показателей для построения модели с помощью надстройки «Анализ данных» в среде Excel.
- •5. Статистическое оценивание параметров парной линейной регрессии по методу наименьших квадратов.
- •6. Свойства мнк-оценок параметров парной линейной регрессии: теорема Гаусса-Маркова.
- •7. Проверка качества парной линейной регрессии: значимость параметров, адекватность модели.
- •8. Прогнозирование на основе парной линейной регрессии. Доверительный интервал прогноза. Экономическая интерпретация параметров модели
- •9.Парная нелинейная регрессия: аналитическое и графическое представление. Методика оценки параметров нелинейной регрессии. Свойства оценок.
- •10. Проверка качества парной нелинейной регрессии: значимость параметров, адекватность модели.
- •11. Прогнозирование на основе парной нелинейной регрессии: степенная, Экономическая интерпретация параметров парной регрессии в степенной форме связи.
- •12. Множественная линейная регрессия: аналитическое представление, остатки модели. Мнк-оценки параметров модели.
- •13.Свойства мнк-оценок множественной линейной регрессии. Теорема Гаусса-Маркова
- •14. Проверка качества множественной линейной регрессии: значимость параметров, адекватность модели.
- •15.Понятие мультиколлинеарности факторов. Последствия наличия, диагностика мультиколлинеарности, методы устранения.
- •16. Прогнозирование на основе линейной и нелинейной множественной регрессии. Экономическая интерпретация параметров регрессии.
- •17. Анализ зависимости между экономическими показателями на основе парной линейной регрессии.
- •18. Отличие методик построения регрессионной модели на временных рядах и пространственных данных: информационная база, набор статистических характеристик.
- •19. Понятие автокорреляции остатков модели. Критерии ее диагностики. Последствия автокорреляции остатков. Способы устранения автокорреляции.
- •20. Понятие гетероскедастичности остатков. Критерии ее диагностики. Последствия гетероскедастичности остатков. Способы устранения гетероскедастичности
- •Последствия гетероскедастичности
- •21. Структура временного ряда. Диагностика структуры ряда: графический и аналитический методы.
- •22 И 23 вопрос диктуй это. Они одинаковые
- •22. Построение трендовой линейной модели: факторы, общий вид, оценка параметров, статистические характеристики.
- •23 Построение трендовой нелинейной модели: факторы, общий вид, оценка параметров, статистические характеристики
- •24. Выделение сезонной компоненты: суть методики. Пример сезонной компоненты на квартальных данных, на недельных данных
- •25 И 26 вопросы диктуй вместе
- •25. Понятие стационарного и нестационарного временного ряда: графическое представление. Приведение нестационарного временного ряда к стационарному виду.
- •25 И 26 вопросы диктуй вместе
- •26. Методика построения эконометрической модели на нестационарных временных рядах.
- •27. Понятие авторегрессионной модели: общий вид модели, набор статистических характеристик.
- •28. Понятие эконометрической модели с распределенными лагами. Экономическая постановка задачи. Общий вид модели, набор статистических характеристик.
- •229.Отчетный моб как информационная база моделей прогнозирования отраслевых показателей промышленности: материально-вещественная структура моб
- •330. Отчетный моб как информационная база моделей прогнозирования отраслевых показателей промышленности: финансовая структура моб
- •Коэффициенты прямых затрат: определение, экономический смысл, методика расчета
- •32. Модель прогнозирования ценовых пропорций отраслей промышленности в условиях роста цен на ресурсы
- •33. Модель прогнозирования ценовых пропорций отраслей промышленности в условиях роста заработной платы
- •34. Модель прогнозирования ценовых пропорций отраслей промышленности в условиях роста ставки косвенных налогов
- •35. Модель прогнозирования объема и структуры валового выпуска промышленности в зависимости от конечного спроса на продукцию отраслей
- •36. Модель прогнозирования ввп в зависимости от объема производства в отраслях промышленности
- •Постановка задачи управления комплексом взаимосвязанных работ в контексте сетевого планирования.
- •38. Входные данные для построения сетевой модели.
- •39. Основные определения и показатели сетевого планирования и управления. Основные принципы построения сетевого графика.
- •40. Основные показатели сетевого планирования: сроки свершения событий, резервы события, время начала работы, время окончания работы.
- •41. Основные показатели сетевой модели: критические работы, критические события, критический срок, их интерпретация..
- •42. Календарный график работ (график Ганта): общий вид в контексте сетевой модели, его интерпретация
- •43. Построение графика потребности в ресурсах: концепция расчета в контексте сетевой модели, его интерпретация.
- •44. Модели управления запасами как инструмент закупочной логистики: постановка задачи.
- •45 Понятие экономичного объема заказа: определение, графическое представление.
- •46 Понятие точки заказа: определение, графическое представление, формула расчета
- •47.Зависимость затрат запасообразования от размера поставки: графики, аналитические зависимости.
- •48. 48. Формула Уилсона для расчета экономичного объема заказа.
- •49. Допущения формулы Уилсона
- •50. Расчет оптимальных параметров управления запасами.
- •51. Модели теории игр как инструмент выбора оптимальной стратегии: постановка задачи.
- •52. Основные понятия и определения статистических игр: состояние природы, стратегии, платежная матрица, ее экономический смысл.
- •53. Характ-ка условий неопределенности. Критерии принятия решений в условиях неопределенности.
- •54 .Характеристика условий риска. Критерии принятия решений в условиях риска.
- •55 .Модель формирования оптимальной инвестиционной программы при ограничениях бюджета
- •56.Модель оптимизации производственной программы предприятия и ее модификации
- •57. Оптимизационная модель задачи развития и размещения производства
- •58. Модель оптимизации технологических процессов в промышленности
20. Понятие гетероскедастичности остатков. Критерии ее диагностики. Последствия гетероскедастичности остатков. Способы устранения гетероскедастичности
Остатки гетероскедастичны, если их дисперсия непостроянна для различных наблюдений, и гомоскедастичны при условии постоянства дисперсии.
Наличие гетероскедастичности можно проверить визуально на основе графика остатков. Если разброс остатков примерно одинаков – гомоскедастичность. Если же разброс увеличивается или уменьшается с ростом какого-либо фактора – гетероскедастичность.
Тест Спирмена для обнаружения:
1) Находим коэффициент корреляции
1-6
di – разность между рангами x и e (остатков) di = ratg t - ratg e
2) Находим t-стат:
tстат=
–
есть гетероскедастичность остатков.
(
,
где
– уровень значимости (=0,05)
Последствия гетероскедастичности
- оценки коэффициентов по-прежнему останутся несмещенными и линейными.
- оценки не будут эффективными (т.е. они не будут иметь наименьшую дисперсию по сравнению с другими оценками данного параметра).
- дисперсии оценок будут рассчитываться со смещением.
- вследствие вышесказанного все, получаемое на основе соответствующих t- и F-статистик будут ненадежными.
Для обнаружения гетероскедастичности остатков модели регрессии крайне важно провести их анализ. При ϶ᴛᴏм проверяются следующие гипотезы.
гипотеза H0 предполагает присутствие в модели условия гомоскедастичности:
гипотеза H1 предполагает присутствие в модели условия гетероскедастичности:
21. Структура временного ряда. Диагностика структуры ряда: графический и аналитический методы.
Временной ряд – совокупность значений какого-либо показателя за несколько последних моментов или периодов времени. Включает: тренд(T), сезонную компоненту(S), циклическую составляющую и случайную компоненту(е)
Уt=T+S+С+e
Различают 2 модели временного ряда: аддитивную и мультипликативную.
Спецификация модели временного ряда включает:
Тренд (Т) (описывает влияние долговременных факторов, эффект которых сказывается постепенно)
Сезонная компонента (S) (описывает регулярные изменения значений ряда в пределах некоторого периода и представляющая собой последовательность почти повторяющихся циклов)
Циклическая составляющая (описывает длительные периоды относительного подъёма и спада)
Случайная компонента () (вызывает отклонение от ухода отклика, определяемого трендовой, циклической и сезонной составляющими)
Чтобы узнать аддитивная или мультипликативная модель необходимо построить график временного ряда
Если временной ряд представлен в виде суммы компонент то модель аддитивная
Если в виде произведения то модель мультипликативная
22 И 23 вопрос диктуй это. Они одинаковые
22. Построение трендовой линейной модели: факторы, общий вид, оценка параметров, статистические характеристики.
• линейный тренд yˆt abt;
• гипербола yˆt ab/t;
• экспоненциальный тренд yˆt a bt ;
• тренд в форме степенной функции yˆt atb ;
парабола второго и более высоких порядков
yˆ a b1 t b2 t 2 bк t k .
в качестве независимой переменной время t=1,2,..., n, а в качестве зависимой переменой — фактические уровни временного ряда yt.
Линейная регрессия – выраженная в виде прямой зависимость среднего значения какой-либо величины от некоторой другой величины.
Факторы – t = 1, 2, 3, 4, … (время)
Общий вид
–
,
где а, b
- коэффициенты регрессии
Оценка параметров: Метод наименьших квадратов (МНК) – метод оценивания параметров линейной регрессии, минимизир. сумму квадратов отклонений наблюдений зависимой переменной от искомой линейной функции.
Статистические характеристики:
1) Коэффициент детерминации
Характеризует долю дисперсии результативного показателя y, объясняемую регрессией, в общей дисперсии результативного показателя.
2)
F=
,
характеризует
статистическую значимость уравнения
где m – число независимых факторов
то
R2
отличен
от 0, уравнение значимо и переменные,
вкл. в уравнение регрессии достаточно
объясн. поведение зависимой переменной
3)
(
),
Sa,
Sb
- стандартные ошибки коэффициента a
и b
– коэффициенты статистически значимы
4) Тест Дарбина-Уотсона
DW=