
- •1. Основные понятия математического моделирования социально-экономических систем
- •2. Предмет, цель и задачи эконометрики. Эконометрическая модель, основные этапы построения эконометрической модели.
- •Этапы эконометрического моделирования:
- •3. Простая (парная) линейная регрессия (плр). Классические предположения моделей.
- •Классические модельные предположения
- •4. Статистическое оценивание параметров плр по методу наименьших квадратов. Свойства мнк – оценок
- •Свойства мнк-оценок:
- •5. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
- •6. Множественная линейная регрессия (млр). Классические предположения. Мнк-оценка параметров модели.
- •7. Свойства мнк-оценок множественной линейной регрессии. Теорема Гаусса- Маркова.
- •8. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
- •5. Коэф. Детерминации
- •Прогнозирование по модели множественной линейной регрессии
- •9. Спецификация эконометрической модели: способы и диагностика отбора экзогенных переменных. Тесты Рамсея и Амемья.
- •Критерий Рамсея (Ramsey):
- •10. Спецификация эконометрической модели: выбор формы зависимости нелинейной модели
- •Принципы спецификаций
- •11. Проблема наличия мультиколлинеарности. Последствия наличия и диагностики мультиколлинеарности.
- •Методы диагноза мультиколлинеарности:
- •12. Методы устранения мультиколлинеарности. Метод главных компонент. Гребневая регрессия.
- •13. Проблемы гетероскедастичности модели. Критерии ее диагностики.
- •1. Критерий Парка (Park).
- •2. Критерий Голдфелда-Кандта (Goldfeld-Quandt).
- •3. Критерий Бриша-Пагана (Breusch-Pagan).
- •4. Критерий Вайта (White).
- •14. Обобщенный мнк (омнк). Свойства оценок млр по омнк. Взвешенный мнк в задаче оценивания параметров модели. Свойства оценок по взвешенному мнк.
- •Вопрос 15. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
- •Причины автокорреляции остатков
- •Последствия автокорреляции:
- •16. Критерий диагностики автокорреляции Дарбина-Уотсона
- •17.Методы устранения автокорреляции. Процедуры оценивания Кохрейна-Оркатта и Хильдрета-Лу
- •18. Модели с распределенными лагами: структура лагов по Койку: Частные случаи (модель с неполной корректировкой и адаптивных ожиданий)
- •19 Модели с распределенными лагами: линейно-арифметическая структура лагов и полиномиальная структура лагов по Алмон
- •20. Тест h-Дарбина и множественный тест Лагранжа проверки автокорреляции в лаговых моделях
- •21. Понятие временного ряда (вр). Модель вр, основные задачи анализа вр. Методы сглаживания вр (скользящего среднего, экспоненциального сглаживания, последовательных разностей)
- •22 Стационарность временного ряда (вр). Характеристики корреляции уровней вр.
- •23 Стационарные модели временных рядов: авторегрессии, скользящего среднего, арсс
- •24. Нестационарная модель арисс. Оценка параметров модели.
- •28. Прогнозирование временных рядов. Показатели точности прогнозов.
- •30. Тест Чоу диагностики включения фиктивных переменных в эконометрическую модель.
- •32. Системы одновременных эконометрических уравнений (соу). Структурная и приведенная форма соу (графическое и матричное представление).
- •33. Проблемы идентификации систем одновременных уравнений (соу). Идентифицируемость уравнений соу (порядковый и ранговый критерии)
- •34. Методы оценивания систем одновременных уравнений: косвенный мнк, двухшаговый мнк. Применимость и свойства оценок
- •35. Современное состояние эконометрики. Примеры больших эконометрических моделей
28. Прогнозирование временных рядов. Показатели точности прогнозов.
29
30
30. Тест Чоу диагностики включения фиктивных переменных в эконометрическую модель.
Тест Чоу — применяемая в эконометрике процедура проверки стабильности параметров регрессионной модели, наличия структурных сдвигов в выборке. Фактически тест проверяет неоднородность выборки в контексте регрессионной модели.
Примером использования данного критерия может служить задача, которую решал Чоу. Он тестировал свой метод на рядах месячных данных о сделках на различные виды продукции: перчатки, смазочные материалы, сальники, подшипники и т.д. Данные представляли собой разнообразные образцы поведения экономических временных рядов, включая циклическое движение. В 59 случаев из 60 предлагаемый метод показал преимущества перед стандартной процедурой и в одном случае результаты были почти одинаковы.
Чтобы проверить следует ли разбивать выборку наблюдений на части и строить для каждой из них свою модель (т.е. привлекать фиктивные переменные), либо ограничиться построением общей модели по всем полученным наблюдениям используют критерий Чоу (об однородности выборки).
Приведем алгоритм его описания для двух специальных случаев:
Случай
1. Пусть объемы подвыборок
и
сравнимы по величине
.
Шаг
1.
По общей выборке объема
оценивают модель по МНК и находят сумму
квадратов остатков
.
Шаг
2.
По подвыборке
оценивают модель по МНК и находят
соответствующую ей
.
Шаг
3.
По подвыборке
оценивают модель по МНК и находят
.
Шаг 4. Рассчитывают решающую функцию критерия:
.
Шаг
5.
Если статистика
превысит пороговое значение
,
равное квантилю распределения Фишера
на уровне значимости
со степенями свободы
и
,
то необходимо привлекать фиктивные
переменные для построения двух моделей.
Случай
2. Если объем
,
причем
сравним по величине с числом параметров
модели
,
тогда алгоритм теста Чоу имеет вид:
Шаг
1.
По выборке объема
оценивают параметры модели по МНК и
вычисляют
.
Шаг
2.
По общей выборке находят
.
Шаг
3.
Вычисляют статистику
.
Шаг
4.
Если
>
,
где
– квантиль распределения Фишера на
уровне значимости
со степенями свободы
и
,
то следует привлекать фиктивные
переменные для описания модели.
31
32. Системы одновременных эконометрических уравнений (соу). Структурная и приведенная форма соу (графическое и матричное представление).
Систему взаимосвязанных тождеств и регрессионных уравнений, в которой переменные могут одновременно выступать как эндогенные (результирующие) в одних уравнениях и как экзогенные (объясняющие) в других, принято называть системой одновременных эконометрических уравнений (СОУ). При этом в уравнения могут входить переменные, относящиеся к предшествующим моментам времени, которые называются лаговыми (запаздывающими). Классический МНК не применим к оцениванию параметров СОУ, поскольку нарушается предположение о независимости экзогенных и шоковых переменных.
Приведем простой пример структурной СОУ, содержащей тождества. А на рис приведено удобное графическое изображение СОУ – причинная диаграмма, в которой экзогенные переменные помещаются в квадратах, а эндогенные – в кругах; взаимосвязи отмечаются стрелками с указанием коэффициентов при объясняющих переменных.
Заметим, что число уравнений и тождеств СОУ должно совпадать с числом эндогенных переменных.
Структурная форма СОУ непосредственно неприменима для решения задач оценивания и прогнозирования, так как уравнения системы не разрешены относительно эндогенных переменных. Поэтому осуществляют преобразование структурной формы СОУ в так называемую приведённую форму, в которой правые части уравнений не содержат эндогенных переменных (т.е. выражаем Y). В общепринятом в литературе виде приведенная форма СОУ записывается:
,
где
…
Здесь
уже справедлива гипотеза о независимости
шоковой
и экзогенных
переменных, и для оценивания мультипликаторов
можно применить МНК, который носит
название косвенного МНК, т.к. строит
оценки для π, по которым надо еще
пересчитать оценки a и b. Например:
.
Однако,
оценки, полученные по косвенному МНК,
не являются несмещенными, поэтому
разработан специальный двухшаговый
МНК: 1 шаг) Преобразуем структурную форму
СОУ к приведенной, к которой применим
классический МНК. 2 шаг) Подставим в
исходную структурную форму СОУ оценки
эндогенных переменных
и
, полученные на предыдущем шаге алгоритма.
К полученной СЭУ снова применим
классический МНК, которые будут обладать
свойствами несмещенности и асимптотической
состоятельности.
Коэффициенты приведенной формы называют мультипликаторами, которые измеряют эффект воздействия стоящего при них сомножителя-экзогенной переменной на эндогенную, причем различают:
импульсные – измеряющие эффект воздействия экзогенной переменной на эндогенную в тот же период времени (t);
автономные - соответствуют свободному члену;
динамические - соответствуют коэффициенту при лаговой переменной.
Матричное
выражение системы одновременных моделей,
состоящих из n уравнений с n + m переменными:
BY+CX=E; где
- вектор предопределенных (экзогенных
и лаговых эндогенных) переменных;
- вектор эндогенных переменных;
- матрица коэффициентов;
- матрица коэффициентов; O – нулевой
вектор.