- •1 Понятие эконометрики, ее основные задачи
- •1Классы эконометрических моделей
- •2 Типы данных и виды переменных в эконометрических моделях
- •2 Этапы эконометрического моделирования
- •3 Корреляционно-регрессионный анализ. Этапы его проведения
- •4. Парная корреляция. Линейный коэффициент корреляции и парный коэффициент детерминации. Проверка значимости коэффициента корреляции.
- •5 Парная линейная регрессия. Оценка коэффициентов корреляции.Коэффициент эластичности.
- •6. Предпосылки мнк ( условия Гаусса-Маркова).
- •7. Проверка адекватности модели. Критерий Фишера.
- •8. Определенные меры точности модели. Доверительные интервалы прогноза.
- •9. Нелинейные модели и их линеаризация. Логарифмич. Модели и обратная зависимость.
- •10. Нелинейные модели и их линеаризация. Степенная и показательн. Модели
- •11. Множественный корреляцион. Регрессион. Анализ. Его задачи.
- •11. Множественная и частная корреляция. Матрица парных линейных коэф-в корреляции, нахождение коэф-та множествен. Корреляции и коэф-т детерминации.
- •26 Временные ряды(вр),их классификация. Составляющие вр
- •52. Решение статистических игр при неизвестных вероятностях состояний природы. Критерий Вальда и Гурвица.
- •Оптимальная периодичность поставок
7. Проверка адекватности модели. Критерий Фишера.
Выдвигаем гипотезу Н0: модель не значима, Н1: модель значима. Гипотеза проверяется покритерию Фишера. Рассчитывается величина выборки Fнабл. = (∑(^yi - y̅)2/k)/(∑(yi - ^yi)2)/(n-k-1)
yi-фактические индивидуальные значения результативного показателя, ^yiиндивидуальные значения результативного показателя,n количество наблюдений (Vвыборки),k количество независимых переменных в уравнении связи.
Если Fнабл>= Fнабл(α;γ;γ2)
Со степенями свободы γ1=k, γ2=n-k-1 при заданном уровне значимости α, тогда модель можно считать адекватной, гипотеза о природе оцениваемых характеристик отклоняется и признается их статистическая занятость и надежность (нулевая гипотеза отвергается.
8. Определенные меры точности модели. Доверительные интервалы прогноза.
Определенные меры точности модели:
-
Средняя абсолютная ошибка ε̅абс = 1/n∑|ei|, ei=yi-^yi. Она показывает, насколько в среднем отклоняются факт.значения модели.
-
Дисперсия ряда остатков S2e = (∑(ei-e̅)2)/(n-1).
-
Средняя относительная ошибка аппроксимации Eотн = 1/n∑(ei/y̅i)100
-
Допустимое значение составляет 8 - 15 %.
Интервальная оценка функции регрессии. Прогнозное значение переменной вычисляется по формуле y*прогноз=b0+b1xпрогноз. Данный прогноз называется точечным. Вероятность точечного прогноза практически равна 0, поэтому рассчитывается доверительный интервал прогноза. Он зависит от стандартной ошибки удаления xпрогноз от своего среднего значения, кол-во наблюдений nи уровня значимости прогноза α. Доверительный интервал для функции регрессии, т.е. для условного математического ожидания Mx(Y), кот.с заданной надежностью γ=1-α накрывает неизвестное значение матем. ожидания, опр. по формуле:
^y - t1-α;kS^y<=Mx(Y)<=^y + t1-α;kS^y
(S^y)2 =( (∑(yi - ^yi)2)/(n-2))(1/n+(x-x̅)2/∑(xi - x̅)2)
t1-α;kопределяется по таблице распределения Стьюдента
k=n-2 – число степеней свободы
x=x̅ величина доверительного интервала минимальна
9. Нелинейные модели и их линеаризация. Логарифмич. Модели и обратная зависимость.
Многие экономич. зав-ти не явл. линейными по своей сути, и поэтому их моделирование линейными уравнениями регрессии не дает положит-го рез-та. Если м/д эк-ми явлениями существуют нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций.
Для оценки параметров нелинейных моделей исп-ся 2 подхода:
1). Выполн-ся линеаризация модели: с помощью подходящих преобразований исходных переменных исследующую завис-ть представляется в виде линейного соотношения м/д преобразованными переменными.
2). Если подобрать соответствующие линеаризующее преобразование не удается, то исп-ся методы нелинейной оптимизации на основе исходных переменных.
Оценка параметров нелин. регрессии по переменным, включенным в анализ, но нелинейным по оцениваемым параметрам, проводится с помощью МНК путем реш-я с-мы норм-х отношений.
Типы нелинейных моделей:
Логарифмическ. модели . Она сводится к линейной модели заменой x=lnX.
//////////////////////////
Модель исп-ся обычно в тех случаях, когда необх. исследование влияния процентного измерения независимой переменной на абсолютное изменение зависимой переменной.
Обратная зависимость модель . Заменой , x=X приводится к линейной модели замена .