8.Классификация переменных в эконометрических моделях.

9.Понятия спецификации и идентифицируемости модели.

Идентификация – это соответствия между приведенной и структурной формами модели. Приведенная форма модели – каждое уравнение представляет собой решение системы уравнений модели, заданной в структурной форме. Структурная форма модели – модель записана в виде системы уравнений.

• Модель идентифицируема – если все ее структурные коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, то есть если число параметров структурной формы модели равно числу параметров приведенной формы модели.

• Модель неидентифицируема – если число структурных коэффициентов больше числа приведенных коэффициентов и следовательно, структурные коэффициенты не могут быть оценены через коэффициенты приведенной формы модели.

• Модель сверхидентифицируема, если число приведённых коэффициентов больше числа структурных коэффициентов. В этом случае на основе коэффициентов приведённой формы можно получить два или более значений одного структурного коэффициента. В этой модели число структурных коэффициентов меньше числа коэффициентов приведённой формы.

Сверхидентифицируемая модель в отличие от неидентифицируемой модели практически решаема, но требует для этого специальных методов исчисления параметров. Система считается идентифицированной, если все уравнения идентифицируемы. Если хоть одно уравнение сверхидентифицируемо, то вся система считается сверхидентифицируемой. Если хоть одно из уравнений системы неидентифицируемо, то считается, что вся система неиндетифицируема.

10.Корреляционная зависимость. Модельное и выборочное уравнение регрессии

Корреляция,корреляционная зависимость — взаимозависимость  двух или нескольких случайных величин. Суть ее заключается в том, что при изменении значения одной переменной происходит закономерное изменение (уменьшению или увеличению) другой(-их) переменной(-ых). При расчете корреляций пытаются определить, существует ли статистически достоверная связь между двумя или несколькими переменными в одной или нескольких выборках. Важно понимать, что корреляционная зависимость отражает только взаимосвязь между переменными и не говорит о причинно-следственных связях. 

11-12Парная линейная регрессия. Метод наименьших квадратов (мнк). Свойства оценок мнк. Парная линейная регрессия. Мнк. Предпосылки мнк.

Парная регрессия представляет собой регрессию между двумя переменными – и, т. е. модель вида:,Знак «^» означает, что между переменнымиинет строгой функциональной зависимости.

выбор вида математической функции:

1. графическим;

2. аналитическим, т.е. исходя из теории изучаемой взаимосвязи;

3. экспериментальным

При обработке информации на компьютере выбор вида уравнения регрессии обычно осуществляется экспериментальным методом, т. е. путем сравнения величины остаточной дисперсии , рассчитанной при разных моделях.

Если уравнение регрессии проходит через все точки корреляционного поля, что возможно только при функциональной связи, когда все точки лежат на линии регрессии , то фактические значения результативного признака совпадают с теоретическими, т.е. они полностью обусловлены влиянием фактора. В этом случае остаточная дисперсия.

расчета остаточной дисперсии (показывает поле рассчние)

.

Считается, что число наблюдений должно в 7-8 раз превышать число рассчитываемых параметров при переменной .(каждый параметр должен рассматриваться минимум при 7 наблюдений).