- •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.
4.2. Проверка случайности колебаний уровня остаточной последовательности.
Методы: 1) серии, основанные на медиане выбора;
i=yi+yii= теоритические остатки;
0,5;-0,5;-1,5;2;-2,3;-0,6
Этапы: 1) упорядоч. порядки по возрастанию -1,5;-0,6;-0,5;2;2,3;
2)срединные значения этого ряда 0,5
3)медиану сравниваем с фактическим: «+» - > медианы0«-» - меньше медианы0 0;-;+;+;-;ф=3(серии)
Серии Кмф=2
При 5% значимости нулевой гипотезы проверяется как отношение Кмф<[3,3 *log(n+1)]
n-число наблюденийф>[1/2(n+1-1.96)]
Если выполн. 2. неравенство, то выборка считается случайной более 95%. И нулевая гипотеза отвергается. Выборка получается неслучайной.
4.3 Проверка соответствия распределения случайной компоненты нормальному закону распределения
Данная проверка производится обычно приближенно с помощью нахождения показателей ассиметрии γ1 и эксцесса γ2. Это производится на основании сравнения найденных показателей с теоретическими. При нормальном распределении некоторой генеральной совокупности показатели ассиметрии и эксцесса должны быть равны нулю (γ1=0, γ2 =0). При конечной выборке из генеральной совокупности показатели ассиметрии и эксцесса имеют отклонения от нуля.
Для оценки соответствия выбранной совокупности данных нормальному закону распределения используется так называемая оценка показателей эксцесса и ассиметрии.
В качестве оценки асимметрии используется формула:
![]()
Оценка эксцесса:
![]()
Здесь
и
- соответственно выборочные характеристики
ассиметрии иэксцесса,
а
и
- их допустимые среднеквадратичные
ошибки,εi
- остаточная
компонента.
Е
сли
одновременно выполняются неравенства
для 5% уровня значимости 0ой гипотезы:
![]()
![]()
то считается, что фактическая кривая распределения допустимо близка к кривой нормального распределения.
Если:
то с вероятностью более 5% можно утверждать, что фактическая кривая распределения недопустимо отклоняется от кривой нормального распределения.
![]()
![]()
Следовательно, адекватности нет.
Другие случаи требуют дополнительной проверки при помощи более сложных критериев.
4.4 Проверка равенства математического ожидания случайной компоненты нулю.
Проверка равенства математического ожидания случайной компоненты нулю осуществляется на основе t-критерия Стьюдента. Расчетное значение этого критерия находится по формуле:

![]()
ε – среднее арифметическое значение;
Sε – стандартное среднеквадратическое отклонение для этой последовательности.
Если расчетное значение t меньше табличного значения по статистике Стьюдента с заданным уровнем значимости α и числом степеней свободы к = n – 1, то гипотеза о равенстве нулю математического ожидания случайной последовательности принимается. В противном случае - отвергается, и модель считается неадекватной.
4.5. Проверка независимости значений уровней случайной компоненты.
Эта проверка проводится
для выявления автокорреляции остатков.
![]()
Если ρ – положит., то автокорреляция «+»
Если ρ – отрицат., то автокорреляция «-»
Эта проверка может производиться по ряду критериев.
Наиболее распространенным является d-критерий Дарбина - Уотсона. Расчетное значение этого критерия находится по формуле:

d-крит. изменяется от 0 до 4, если от 0 до 2 – положительная автокорреляция, если, расчетное значение d-критерия в интервале от 2 до 4 свидетельствует об отрицательной связи. В этом случае его надо преобразовать по формуле:
d' = 4 - d
и в дальнейшем использовать значение d' Расчетное значение критерия d или d' сравнивается с верхним d2 и нижним d1 критическими значениями статистики Дарбина - Уотсона. Если dp>d2 автокорреляцией можно пренебречь с вероятностью 95%.
Если расчетное значение критерия d больше верхнего табличного значения d2, то гипотеза о независимости уровней остаточной последовательности, то есть об отсутствии в ней автокорреляции принимается.
Если расчетное значение d меньше нижнего табличного d1 то эта гипотеза отвергается и модель считается неадекватной.
Если значение d находится между значениями d1 и d2, включая сами эти значения, то считается, что нет достаточных оснований делать тот или иной вывод и необходимы дальнейшие исследования, например по большему числу наблюдений.
