- •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.
Если 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.