Добавил:
alisavak
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:эконометрика лекции / Voprosy_k_difzachetu_SEB_2_kurs_OFO_-_2025
.pdf
ВОПРОСЫ ПО ЭКОНОМЕТРИКЕ СЭБ_2 курс, ОФО, 2025
1. Предмет и специфика методов эконометрики.
2. Отличия эконометрической модели от других видов моделей (математической, экономико-
математической, вероятностной и др.).
3. Виды переменных в эконометрических моделях.
4. Пример эконометрической модели.
5. Этапы процесса эконометрического моделирования.
6. Основные типы эконометрических моделей
7. Модели временных рядов
8. Регрессионные модели с одним уравнением
9. Системы одновременных уравнений
10. Типы данных: пространственные, временные, панельные данные
11. Понятие и задачи корреляционно-регрессионного анализа.
12. Определение регрессии и ее виды (проста и множественная регрессия, линейная и
нелинейная).
13. Спецификация модели. Причины существования случайной
величины.
14. Методы выбора вида парной регрессии.
15. Спецификация вида функциональной зависимости для однофакторной регрессионной
модели.
16. Оценивание методом наименьших квадратов (МНК) неизвестных параметров
однофакторной регрессионной модели, вывод явного вида МНК оценок коэффициентов
однофакторной регрессионной модели.
17. Однофакторная нормальная классическая линейная регрессионная модель: интервальное
оценивание коэффициентов, проверка гипотез о значимости коэффициента регрессии и о
значимости модели в целом, прогнозирование.
18. Особенности оценивания линеаризуемых регрессионных однофакторных моделей.
19. Оценивание качества подгонки выбранной однофакторной регрессии под исходные
статистические данные
20. Метод наименьших квадратов.
21. Способы оценивания и оценки, и их виды (математическое ожидание и дисперсия).
22. Показатели измерения тесноты и силы связи (линейный коэффициент корреляции (
xy
r
),
коэффициент детерминации (
2
xy
r
),среднее квадратическое отклонение (),коэффициентом
эластичности (
x
y
Э
)).
23. Этапы формулировки и проверки достоверности гипотезы.
24. Оценка значимости линейной регрессии. F-статистика.
25. Оценка значимости параметров регрессии. t-статистика.
26. Оценка значимости линейного коэффициента корреляции (величины ошибки
коэффициента корреляции (
r
m
), фактическое значение t-критерия, стандартная ошибка
величины z).
27. Интервальный прогноз на основе линейного уравнения регрессии.
28. Средняя ошибка аппроксимации.
29. Прогнозирование с применением уравнения регрессии.
30. Коэффициент эластичности.
31. Показатели тесноты связи для множественной регрессии (парный коэффициент
корреляции (r), частные коэффициенты корреляции (
12
yxx
r
;
21
yxx
r
), множественный
коэффициент корреляции (
21
xyx
R
)).
32. Особенности спецификации множественной регрессии.
33. Процедура «включения - исключения» отбора факторов, включаемых в модель
множественной регрессии.
34. Мультиколлинеарность факторов, ее проявления. Исключение дублирующих факторов,
тест на мультиколлинеарность.
35. Метод наименьших квадратов для линейной множественной регрессии, условие
единственности МНК оценки и вывод ее явного вида.
36. Разложение вариации результирующего признака линейной множественной регрессии на
остаточную дисперсию и объясненную регрессией сумму квадратов.
37. Коэффициент детерминации линейной регрессии как оценка качества подбора модели
под исходные данные. Доказать, что при добавлении регрессоров в линейную
регрессионную модель ее коэффициент детерминации не уменьшается.
38. Скорректированный коэффициент детерминации и его свойства.
39. Содержательная интерпретация коэффициентов линейной регрессии. Почему нельзя
сравнивать влияние факторов линейной модели на результирующий признак по модулю
соответствующий коэффициентов регрессии? Как можно сравнить такие влияния?
40. Нормальная классическая множественная регрессия: свойства МНК оценки
коэффициентов регрессии, интервальное оценивание коэффициентов регрессии, проверка
статистических гипотез о коэффициентах модели (о значимости коэффициентов
регрессии, о значимости модели в целом, о линейных ограничениях).
41. Линейная классическая множественная регрессия, теорема Гаусса-Маркова.
42. Отбор факторов при построении множественной регрессии. Процедура пошагового
отбора переменных.
43. Гетероскедастичность в линейных регрессионных моделях, ее последствия при
оценивании коэффициентов МНК.
44. Использование статистического пакета Анализ данных (EXCEL).
45. Нелинейная регрессия 1-ого класса и МНК для оценки ее параметров.
46. Нелинейная регрессия 2-ого класса и методы оценки ее параметров.
47. Коэффициент эластичности для нелинейных функций.
48. Коэффициент корреляции для нелинейных функций.
49. Средняя ошибка аппроксимации.
50. Основные элементы временного ряда.
51. Автокорреляция уровней временного ряда и выявление его структуры. Свойства
коэффициента автокорреляции.
52. Автокорреляция остатков временного ряда.
53. Способы моделирования тренда временного ряда.
54. Моделирование тренда методом регрессии.
55. Метод экспоненциального сглаживания.
56. Метод скользящей средней.
57. Общий ход моделирования сезонных и циклических колебаний.
58. Пример аддитивной модели временного ряда.
59. Гетероскедастичность: понятия, последствия способы обнаружения
60. Белый шум. Проверка на гауссовский белый шум
Соседние файлы в папке эконометрика лекции