Эконометр_07_1обр
.docЭКОНОМЕТРИКА
ФиК, БУ, ЭТ 2006/2007 учебный год
-
Типы экономических данных, используемых в эконометрических исследованиях.
-
Классификация эконометрических моделей.
-
Основные этапы построения эконометрических моделей.
-
Основные понятия и особенности эконометрического метода.
-
Функциональные и стохастические типы связей. Ковариация, корреляция.
-
Анализ линейной статистической связи экономических данных, корреляция; вычисление коэффициентов корреляции, проверка значимости.
-
Понятия регрессионного анализа: зависимая и независимая переменные.
-
Линейная модель парной регрессии. Оценка параметров модели с помощью метода наименьших квадратов (МНК).
-
Показатели качества регрессионной модели парной регрессии.
-
Оценка качества всего уравнения регрессии.
-
Анализ статистической значимости параметров модели парной регрессии
-
Оценка существенности параметров линейной регрессии.
-
Интервальная оценка параметров модели парной регрессии
-
Прогнозирование с применением модели парной линейной регрессии
-
Нелинейная регрессия. Нелинейные модели и их линеаризация.
-
Модель множественной регрессии. Построение системы показателей (факторов).
-
Мультиколлинеарность. Последствия мультиколлинеарности. Способы обнаружения мультиколлинеарности. Способы избавления от мультиколлинеарности.
-
Модель множественной регрессии. Выбор вида модели и оценка ее параметров.
-
Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных.
-
Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции.
-
Проверка качества многофакторных регрессионных моделей. Коэффициент детерминации R2. Скорректированный R2. Проверка гипотез с помощью t-статистик и F-статистик.
-
Свойства оценок МНК.
-
Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета- коэффициенты, дельта-коэффициенты).
-
Анализ экономических объектов и прогнозирование с помощью модели множественной регрессии.
-
Регрессионные модели с переменной структурой (фиктивные переменные).
-
Предпосылки метода наименьших квадратов.
-
Проверка выполнения предпосылок МНК.
-
Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности.
-
Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков.
-
Компьютерная технология эконометрического моделирования. Использование статистических пакетов СтатЭксперт, VSTAT, SPSS.
-
Системы линейных одновременных уравнений. Взаимозависимые и рекурсивные системы.
-
Системы линейных одновременных уравнений. Условия идентификации.
-
Косвенный метод наименьших квадратов.
-
Многомерный статистический анализ. Задачи классификации объектов: кластерный анализ. Дискриминантный анализ.
-
Многомерный статистический анализ. Задачи снижения размерности: факторный анализ, компонентный анализ.
ПРИМЕРНЫЕ ПОСТАНОВКИ ЗАДАЧ
-
Выбрать лучшую модель парной линейной (нелинейной) регрессии, оценить точность моделей, дать точечный и интервальный прогноз
-
Оценить влияние факторов на зависимую переменную в модели множественной регрессии, распределить факторы по степени влияния (найти коэффициенты эластичности, бета-коэффициенты, дельта-коэффициенты)
-
Найти коэффициент детерминации, оценить точность модели множественной регрессии
-
Дать интервальный прогноз с помощью модели множественной регрессии, если известна матрица ХТ*Х
-
Оценить качество уравнения регрессии, построить график уравнения
-
Проверить выполнение свойства гомоскедастичности
-
Выбрать лучший фактор для построения парной линейной модели
-
Сделать точечный и интервальный прогноз, если значение фактора (факторов) превышает на заданное количество процентов среднее (максимальное) значение
-
Оценить значимость уравнения (парная регрессия, множественная регрессия), его коэффициентов
-
Отобрать заданное число наиболее значимых факторов
-
Объяснить экономический смысл параметров уравнения
-
При каком значении фактора Х результирующий признак Y будет равен нулю?
-
Построить интервальные прогнозы для различных уровней значимости
-
Какая доля вариаций зависимой переменной определяется вариацией независимой переменной? (парная регрессия)
-
Проверить выполнение предпосылок МНК
-
Ранжировать наблюдения в порядке убывания остатков (остаток соответствует дополнительной или недостающей прибыли), найти наименьший и наибольший остаток (прибыль)
-
Используя косвенный метод наименьших квадратов, построить систему одновременных уравнений
-
Используя приведенную форму модели, найти структурную форму модели, рассчитать смоделированные значения эндогенных переменных
-
Дать прогноз Y(Х) для Х, прогнозируемого на 1 единицу времени вперед, т.е. для Х(Т+1), (в ряде случаев указано, что Х(Т+1) нужно определить с помощью среднего абсолютного прироста Х)
В большинстве задач указано, что при решении следует использовать средства Excel.