- •Автокорреляция случайного возмущения. Причины. Последствия.
- •Алгоритм проверки адекватности парной регрессионной модели.
- •Алгоритм проверки значимости регрессора в парной регрессионной модели.
- •4. Алгоритм теста Голдфелда-Квандта на наличие (отсутствие) гетероскедастичности случайных возмущений.
- •5. Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений.
- •6.Гетероскедастичность случайного возмущения. Причины.
- •7.Динамическая модель из одновременных линейных уравнений (привести пример).
- •8.Идентификация отдельных уравнений системы одновременных уравнений: порядковое условие.
- •9. Индивидуальная оценка значения зависимой переменной
- •10. Интервальная оценка индивидуального значения зависимой переменной
- •11.Классическая парная регрессионная модель. Спецификация модели.
- •12.Коэффициент детерминации в регрессионной модели.
- •13.Ковариация, коэффициент корреляции и индекс детерминации.
- •14.Количественные характеристики взаимосвязи пары случайных переменных.
- •15.Коэффициент корреляции и индекс детерминации.
- •16.Линейная модель множественной регрессии.
- •17.Метод наименьших квадратов: алгоритм метода; условия применения.
- •18.Метод показателей информационной ёмкости
- •19.Методы подбора переменных в модели множественной регрессии.
- •20.Методы сглаживания временного ряда.
- •21.Модели временных рядов.
- •22.Модели с бинарными фиктивными переменными.
- •23.Модели с частичной корректировкой
- •24.Настройка модели с системой одновременных уравнений.
- •25. Нелинейная модель множественной регрессии Кобба-Дугласа. Оценка её коэффициентов.
- •26.Нелинейная модель множественной регрессии Кобба-Дугласа. Оценка её коэффициентов. Смотри вопрос 25
- •27.Нормальный закон распределения как характеристика случайной переменной.
- •28.Обобщённый метод наименьших квадратов
- •29. Ожидаемое значение случайной переменной, её дисперсия и среднее квадратическое отклонение.
- •30. Ожидаемое значение случайной переменной, её дисперсия и среднее квадратическое отклонение.
- •31. Определение соответствия распределения случайных возмущений нормальному закону распределения.
- •32. Основные числовые характеристики вектора остатков в классической множественной регрессионной модели.
- •33.Отражение в модели влияния неучтённых факторов.
- •34.Отражение в эконометрических моделях фактора времени.
- •35.Оценивание линейной модели множественной регрессии в Excel.
- •36. Оценивание линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel с использованием сервиса линейн
- •37.Оценивание регрессионной модели с фиктивной переменной наклона; значение параметра при фиктивной переменной.
- •38.Оценка коэффициентов модели Самуэльсона-Хикса
- •39. Оценка параметров множественной регрессионной модели методом наименьших квадратов.
- •40. Оценка параметров парной регрессионной модели методом наименьших квадратов.
- •41. Оценка статистической значимости коэффициентов модели множественной регрессии.
- •42. Подбор переменных в модели множественной регрессии на основе метода оценки информационной ёмкости.
- •43. Подбор переменных в модели множественной регрессии методом «снизу вверх».
- •44. Подбор переменных в модели множественной регрессии методом исключения переменных («сверху вниз»).
- •45. Порядок оценивания линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel.
- •46. Последствия гетероскедастичности. Тест gq.
- •47. Применение теста Стьюдента в процедуре подбора переменных в модели множественной регрессии.
- •48. Применение фиктивных переменных при исследовании сезонных колебаний: спецификация модели, экономический смысл параметров при фиктивных переменных.
- •49. Принципы спецификации эконометрических моделей и их формы.
- •50. Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности
- •51. Прогнозирование экономических переменных. Проверка адекватности модели
- •52.Простейшие модели временных рядов.
- •53.Регрессионные модели с фиктивными переменными.
- •54.Свойства временных рядов
- •55.Составление спецификации модели временного ряда.
- •56.Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам.
- •57.Спецификация и оценивание мнк эконометрических моделей нелинейных по параметрам.
- •58.Спецификация моделей со случайными возмущениями и преобразование их к системе нормальных уравнений.
- •59.Способы корректировки гетероскедастичности. Метод взвешенных наименьших квадратов.
- •60.Статистические свойства оценок параметров парной регрессионной модели
- •61.Статистические характеристики выборки и генеральной совокупности статистических данных. Их соотношения.
- •62.Схема Гаусса – Маркова.
- •63.Теорема Гаусса-Маркова
- •64. Тест ошибочной спецификации Рамсея.
- •Тест Стьюдента
- •66. Типы переменных в эконометрических моделях. Структурная и приведённая формы спецификации эконометрических моделей.
- •67. Типы переменных в эконометрических моделях. Структурная и приведённая формы спецификации эконометрических моделей.
- •68. Устранение автокорреляции в парной регрессии
- •70. Фиктивная переменная наклона: назначение; спецификация
- •71.Функция регрессии как оптимальный прогноз.
- •72.Характеристики сервиса «Описательная статистика».
- •73. Метод наибольшего прадоподобия
- •74. Что такое стационарный процесс.
- •75. Эконометрика, её задача и метод.
- •76.Экспоненциальное сглаживание временного ряда
- •77. Этапы построения эконометрических моделей.
- •78. Этапы решения экономико-математических задач.
36. Оценивание линейной модели множественной регрессии методом наименьших квадратов (мнк) в Excel с использованием сервиса линейн
СМОТРИ ВОПРОС 35.
37.Оценивание регрессионной модели с фиктивной переменной наклона; значение параметра при фиктивной переменной.
Определение. Фиктивной переменной модели называют переменную, которая вводится для учета качественных факторов и принимающая дискретные числовые значения
Фиктивные переменные участвуют в моделях одновременно с другими типами переменных. Они так же могут быть отнесены к определенному моменту времени. В регрессионных моделях применяются фиктивные переменные двух типов: переменные сдвига и переменные наклона.
Фиктивная переменная наклона изменяет наклон линии регрессии. При помощи фиктивных переменных наклона можно построить кусочно-линейные модели, которые позволяют учесть структурные изменения в экономических процессах (например, введение новых правовых или налоговых ограничений, изменение политической ситуации и т. д.). Для учета возможного изменения наклона графика модели при изменении градации качественного фактора предлагается ввести в спецификацию модели еще одно слагаемое вида «d умноженное на x».
Спецификация регрессионной модели в этом случае (например, для парной регрессионной модели, для простоты) имеет вид:
dt = 0 – до структурных изменений
1 – после структурных изменений,
dt - бинарная переменная
Фиктивная переменная входит в уравнение в мультипликативной форме. Оценки параметров рассчитываются с помощью метода наименьших квадратов. Параметр при фиктивной переменной характеризует степень изменения наклона графика функции регрессии под воздействием качественного фактора.
38.Оценка коэффициентов модели Самуэльсона-Хикса
Спецификация эконометрической модели Самуэльсона-Хикса:
(4.1)
Она предназначена для объяснения текущего уровня инвестиций It величиной ΔYt-1= Yt-1 -Yt-2 цепного прироста ВВП за предыдущий период времени. Заметим, что в модели (4.1) величина ΔYt-1 играет роль экзогенной переменной, a It — эндогенной переменной.
Спецификация (4.1) содержит два неизвестных параметра: b, σu (4.2)
Параметр b, называемый акселератором, численно равен увеличению ΔIt уровня It текущих инвестиций вследствие увеличения на единицу цепного прироста, ΔYt-1 ВВП за предыдущий период. Параметр σu имеет смысл среднего квадратического разброса вокруг нуля возможных значений случайного возмущения vt, отражающего влияние на уровень текущих инвестиций It не определенных в модели (4.1) факторов. Можно сказать, что σu — это мера влияния на уровень текущих инвестиций It не идентифицированных в модели (4.1) факторов.
Оценим параметры (4.2) модели (4.1). Наилучшая оценка акселератора инвестиций b вычисляется в процессе решения линейного уравнения: R = S,
(4.4)
где:
Значение b, вычисленное по правилу (4.4), соответствует интуитивно ясному знаменитому принципу настройки моделей
называемому методом наименьших квадратов.
В свою очередь, оценка среднего квадратического отклонения (СКО) определяется по правилу
(4.7)
В нем
(4.8)
- это оценка случайного возмущения vt в период t. Величина п в знаменателе формулы (4.7) — это количество пар (It , AYt-i) значений переменных модели (4.1), по которым вычисляются оценки , ее неизвестных параметров (4.2). Наконец, вычитаемое (единица) в знаменателе формулы (4.7) — это количество оцениваемых коэффициентов в функции регрессии модели (4.1).