- •1.Предмет, задачи и методы эконометрики.
- •2.1.Общие положения.
- •2.2. Метод наименьших квадратов
- •2.3. Свойства оценок полученных мнк.
- •3. Методика построения многофакторных корреляционных моделей для показателей эффективности хозяйственной деятельности
- •3.1. Выбор функционального показателя
- •3.2. Отбор факторов-аргументов
- •3.3. Выбор формы связи
- •3.4. Отбор исходных данных
- •3.5. Решение корреляционных моделей и экономико-математический анализ результатов решения
- •4.1.Оценка адекватности и точности регрессионных моделей. Общие положения.
- •4.2. Проверка случайности колебаний уровня остаточной последовательности.
- •4.3 Проверка соответствия распределения случайной компоненты нормальному закону распределения
- •4.4 Проверка равенства математического ожидания случайной компоненты нулю.
- •4.5. Проверка независимости значений уровней случайной компоненты.
- •4.6. Определение точности модели.
- •5. Исследование влияния факторов на изменение результирующего показателя в уравнении регрессии.
- •6. Оценка статистической надежности уравнения регрессии и ее последствия.
- •7.1.Гетероскедастичность остатков в уравнении регрессии и ее последствия.
- •7.2.1. Тест ранговой корреляции Спирмена.
- •7.2.2.Тест Голфенда-Квандта.
- •7.2.3 Тест Глейзера.
- •7.3 Методы устранения гетероскедастичности.
- •8.1 Автокорреляция (остатков) и связанные с ней факторы.
- •8.2. Обнаружение автокорреляции 1-го порядка. Критерий Дарбина – Уотсона
- •8.3.1. Устранение авт-ции, описываемой авторегрессионной схемой 1-ого порядка в общем случае. Поправка Прайса – Уинстена.
- •9. Мультиколлинеарность: способы ее обнаружения и устранения.
- •10. Обобщенный мнк и его исп-ие для оценки эфф-ти методов определения параметров уравнения регрессии.
- •11.1.Фиктивные переменные для пространственных выборок и временных рядов.
- •11.2.Фиктивные переменные для коэф-та наклона ур-ия регрессии.
- •11.3 Тест Чоу.
- •12.1 Линеаризация уравнения регрессии путем замены переменных.
- •12.2 Линеаризация уравнения регрессии с использованием логарфмического преобразования (степенные и показательные функции).
- •12.3 Представление случайного члена в преобразованных нелинейных ур-ях регрессии.
- •12.4 Определение параметров нелин-го ур-ия герессии, не приводимого к лин-му ур-ию.
- •12.5 Выбор вида ур-ия регрессии с использ-ем теста Бокса-Кокса.
- •13.4 Замещающие переменные и их использование при построении уравнения регрессии (общие сведения).
- •13.5. Время, как замещающая переменная при моделировании нтп в производственной функции Кобба-Дугласа
- •13.6 Непреднамеренное использование замещающих переменных.
- •13.7 Лаговые переменные и их использование пи построении уравнения регрессии(общие сведения).
- •14.1 Система линейных одновременных уравнений слоу (общие сведения)
- •14.2 Структурная и приведённая формы слоу.
- •14.3Косвенный метод наименьших квадратов (кмнк) и его использование для определения параметров слоу.
- •14.4 Метод инструментальных переменных (мип) и его применение для параметров уравнения регрессия (общий случай)
- •14.5 Метод инструментальной переменной (мип) и его применение для слоу.
- •14.6 Идентифицируемость слоу.
- •14.7 Двухшаговый метод наименьших квадратов.
- •14.8 Трехшаговый мнк.
7.2.1. Тест ранговой корреляции Спирмена.
При выполнении данного теста предполагается, что дисперсия случ составляющей будет либо увеличиваться, либо уменьшаться по мере увеличения х. Поэтому в регрессии, оцениваемой с помощью МНК абсолютные величины остатков ││ и значения х будут коррелированны.
Процедура теста:
Даннве по х и абсолютная величина упорядочивается по возрастанию и рассчит коэф ранговой корреляции
- разность ранга - :Di=Rxi-R│ei│
Если предположить, что коэф ранговой корреляции ген совокупности = 0, то этот коэф-т имеет нормальное распределение с мат ожиданием = 0 и дисперсией:
В этом случае Т статистика будет равна:
Если используют 2-х сторонний критерий, то 0 гипотеза об отсутствии гетероскедастичности будет отклонена при уровне значимости 5 % если будет больше она 0,96 tp<tт – принята.
7.2.2.Тест Голфенда-Квандта.
При проверке по данному критерию предполагается, что стандартное отклонение распределения вероятностипропорционально значению х в этом наблюдении. Предполагается также, что случ составляющая распределена нормально, и не подвержена автокорреляции.
При проведении тестов все n- наблюдений упорядочиваются по возрастанию х. выборка разделяется на 3 части:
первые наблюдения
последние наблюдения
средняя часть выкидывается для 1) и 2) находится уравнение регрессии. Если предположение о характере гетероскедастичности верно, то сума квадратов отклонений во 2 ур. регрессии будет существенно больше чем в 1.находится величина:
RSS1 – сумма квадратов во 2 отклонении
RSS2 – сумма квадратов в 1 отклонении
Для 5% уровня зеачимости 0 гипотезы и степенях свободы:
P– число параметров, т.е. х
по таблице находимFт если>Fт – 0 гипотеза отклоняется и это плохо так как лучше чтобы гетероскедастичность отсутствовала о чем гласит 0 гипотеза.
Недостаток : дан тест целесообразно использовать при большом количестве наблюдений не менее 20.
7.2.3 Тест Глейзера.
В некоторых случаях, когда закон изменения стандартного отклонения случайной составляющей заранее известен, желательно использование теста Глейзера для обнаружения гетероскедастичности.
Предположим, что стандартное отклонение случ. составл. связано с изменением факториального признака.
Предлагается:
1) из исходного уравнения , используя МНК и имеющиеся исходные данныеyиxнаходим оценку, затем определяем модуль
2) Взяв в качестве значениенаходим регрессионную зависимость
3) задаемся величиной и МНК находим оценкии
В каждом случае нулевая гипотеза об отсутствии гетероскедастичности будет отклонена, если величина будет значительно отличаться от нуля, если это будет наблюдение при различных значениях, то ориентиром для выбора закона изменения гетероскедастичности будет то уравнение регрессии, кот имеет наилучшие статистические характеристики (R2,F)
7.3 Методы устранения гетероскедастичности.
В том случае, если было бы известно значение ( огрубл.- стандартная ошибка для), то достаточно было бы разделить каждое наблюдение наи мы бы устранили гетероскедастичность, т. к. в это случае стандартное отклонение- это есть
Теоретическая дисперсия равна постоянной величине, следовательно, гетероскедастичность отсутствует.
- в этом уравнении отсутствует гетероскедастичность, т. к. дисперсияпостоянна, следовательно, можно найти несмещенные оценкии
Данное уравнение называется «взвешенным» уравнением регрессии.
В связи с тем, что не известна, находим такую переменную, которая пропорциональна.
, гетероскедастичность можно устранить.
Нужно поделить на Zi:
При выполнении теста Спирмена или Голдфенда-Квандта в качестве
В случае если закономерность изменения стандартных отклонений от факториального признака Х подчиняется более сложной зависимости, обнаруживается с помощью теста Глейзера, для устранения гетероскедастичности в качестве Ziберется теоретическое значение модуля