- •1. Построение точечного прогноза и доверительного интервала для линейной многофакторной модели регрессии.
- •2. Корреляция для нелинейной регрессии. Средняя ошибка аппроксимации.
- •3. Нелинейные модели регрессии, нелинейные по оцениваемым параметрам. Особенности использования этих моделей в экономических задачах.
- •4. Нелинейные модели регрессии, линейные по оцениваемым параметрам. Особенности их использования..
- •5. Линейная модель множественной регрессии, основные предположения. Метод наименьших квадратов как основной метод оценивания параметров регрессии.
- •6. Парная регрессия. Оценка значимости отдельных параметров уравнения регрессии.
- •7. Парная регрессии. Оценка значимости уравнения регрессии.
- •8. Фиктивные переменные, учет взаимодействия сопутствующих качественных переменных.
- •9. Регрессионные модели с переменной структурой. Основные понятия, примеры использования.
- •15. Обоснование введения в модель ведущих факторов. Понятие мультиколлинеарности.
- •16. Оценивание параметров линейной множественной модели регрессии.
- •20. Оценка влияния отдельных факторов на результативный показатель по коэффициентам детерминации и эластичности.
- •21. Понятие об эконометрических моделях. Отличие эконометрических моделей от математических моделей. Спецификация и идентификация моделей.
- •22. Однофакторная линейная модель регрессии. Определение параметров модели по мнк.
- •23. Однофакторная линейная модель регрессии. Построение точечного прогноза и доверительного интервала.
- •24. Линейная многофакторная модель регрессии. Основные этапы построения модели.
- •25. Корреляции для нелинейной регрессии. Средняя ошибка аппроксимации.
- •30. Основные предпосылки мнк. Тесты на гетероскедастичность.
30. Основные предпосылки мнк. Тесты на гетероскедастичность.
Предпосылки:
Отклонение от регрессионной прямой является случайной величиной с нулевым мат. ожиданием (Случайный характер остатков).
Отсутствие автокорреляции в остатках (остатки должны быть независимы между собой).
Нормальный закон распределения остатков.
Регрессионные остатки имеют постоянную дисперсию (гомоскедастичность).
Взаимосвязь результативного признака и факторов Хj является линейной.
Тесты на гетероскедастичность.
Тест Голдфелда-Квандта.
Данный тест предназначен для того, чтобы проверить гипотезу об отсутствии гетероскедастичности случайных возмущений в схеме Гаусса-Маркова.
Алгоритм применения теста:
1. Имеющаяся выборка из n наблюдений сортируется по возрастанию значений регрессора х.
2. Полученная в результате сортировки выборка делится на две примерно равные части и определить по каждой из групп уравнение регрессии.
3.Определить остаточные суммы квадратов для 1-ой и 2-ой регрессии:
![]()
![]()
4. ВычислитьFрасч:
![]()
Рассчитать Fтабл:
![]()
где k1=n1-m;k2=n-n1-m;α= 5%
Если Fтабл <Fрасч , условиеГаусса-Маркова не подтверждается,значит модель неадекватная.
