- •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.
4.6. Определение точности модели.
Точность модели характеризуется величиной отклонения выхода модели от реального значения моделированных переменных. Для показателя представленного рядом значений точность определяется как разность между значением фактического уровня ряда и его оценкой полученной расчётным путём с использованием моделей. При этом в качестве статистических показателей точности применяют следующие:
Среднеквадратичное отклонение:
где:
yi - фактическое значение ряда;
- теоретическое значение ряда;
n - количество наблюдений;
р - количество независимых параметров.
Средняя относительная ошибка аппроксимации:
Коэффициент сходимости:
где: - теоретическое значение ряда.
Коэффициент детерминации:
На основании указанных показателей можно сделать выбор из нескольких адекватных трендовых моделей экономической динамики наиболее точной, хотя может встретиться случай, когда по некоторому показателю более точна одна модель, а по другому – другая модель.
5. Исследование влияния факторов на изменение результирующего показателя в уравнении регрессии.
Процесс построения мат. модели:
1) закл. в выборе вида мат. уравнения и определения параметров этого уравнения;
выбор вида затруднен т.к., набор этих уравнений бесконечен, но в большинстве случаев для описания модели можно аппроксимировать в виде:
y=a0 +b1x1 +b2x2…+bpxp (1)
Данный подход правомерен, если действительно подход имеет устойчивую прямолин. тенденцию изменения.
Если мы изучаем процесс на ограниченном диапазоне изменения факториального признака и на этом диапазоне реальный процесс может быть аппроксимирован прямой линией.
Доказано, что 1 повышает порядок уравнения (1) можно подобрать такое уравнение, что у теоретическое в точности совпадет с у фактическим во всех точках наблюдения. Но практическая ценность такого уравнения очень мала, т.к. она выявляет не закономерность развития изучаемого процесса, появляющееся на фоне случайных колебаний, а сами это сл. Колеб. Теоретически, найден. Уранение регрессии имеет вид:
(2) , где а0,b1, bp – оценки истинных значений параметров.
Нахождением уравнения (2) решается основная задача теории корреляции, кот. Закл. в том, чтобы на основе наблюд., над большим количеством данных, выяснить как в среднем изменяется ф-я у при изменении части факториальных признаков, которые включены в модель. Полагается что осн. факториальные пр-ли явл. Неизменными.
2)задача теории корреляции закл в том, чтобы определить силу с которой найденная зависимость проявляется среди нарушающих ее воздействий т.е. необх определить:
а)как, насколько значительно включенные в модель факторы влияют на результирующий показатель в целом;
б) определить насколько значительно влияет каждый фактор на результативный показатель.
Дан задачи решаются путем вычисления коэффициентов множественной корреляции, коэф. Парной корреляции и коэф. Частной корреляции.
Определение значений этих коэф. Основано на законе сложения дисперсий, кот. Справедлив. Для ф-ий линейно зависящих от параметров:
,где
общая дисперсия;дисперсия теоретических значений;остаточная дияперсия.
Отношение дисперсии теоретических значений у к общей дисперсии называется коэф множ. Детерминац.:
гдеRквадрат показывает долю изменения у,кот. Можно объяснить изменением включенных в модель факторов.
коэф сходимости =доля изменения у кот можно объяснить действием не включенных в модель факторов.
R=- показ насколько тесна линейно-статистическая связь между Утеор и Хфактич.
Если R=0 то эта связь отсутствует
Для функции нелинейно-зависящих от параметров закон сложения дисперсий не действует.
Другим показателем, характеризующим силу влияния отдельн факториального на величину у явл коэф парной корреляции
где Cov (x,y) =
Var(x)=
Недостатком дан коэф явл то, что он правильно отражает силу влияния ф-ра Х на У при условии, если остальные ф-ры, в интервале наблюдения, неизменны.
Для выявления влияния только одного ф-ра на величину Уиспользуют коэф частной корреляции:, где
ρх,у характеризует силу влиянт яфактора на Х1.