- •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.
4. Алгоритм теста Голдфелда-Квандта на наличие (отсутствие) гетероскедастичности случайных возмущений.
Гипотеза(1):
Шаг 1. Уравнения наблюдений объекта следует упорядочить по возрастанию суммы модулей значений предопределенных переменных модели (2),
т.е. по возрастанию значений
Шаг 2. По первым упорядоченным уравнениям наблюдений объекта вычислить МНК-оценки параметров модели и величину где - МНК-оценка случайного возмущения
Шаг 3. По последним упорядоченным уравнениям наблюдений вычислить МНК-оценки параметров модели и величину ESS, которую обозначим
Шаг 4. Вычислить статистику .
Шаг 5. Задаться уровнем значимости и с помощью функции FРАСПОБР Excel при количествах степеней свободы , где определить (1--квантиль, распределения Фишера.
Шаг 6. Принять гипотезу (1), если справедливы неравенства
Т.е. при справедливых неравенствах случайный остаток в модели (2) полагать гомоскедастичными. В противном случае гипотезу (1) отклонить как противоречащую реальным данным и сделать вывод о гетероскедастичности случайного остатка в модели (2).
5. Алгоритм теста Дарбина-Уотсона на наличие (отсутствие) автокорреляции случайных возмущений.
Гипотеза (1):
Шаг 1. По уравнениям наблюдений объекта следует вычислить МНК-оценки и оценки случайных остатков.
Шаг 2. Вычислить величину
Шаг 3. Из таблицы, составленной Дарбиным и Уотсоном, по количеству n уравнений наблюдений и количеству k объясняющих переменных следует выбрать две величины
Шаг 4. Проверить, в какое из пяти подмножеств интервала (0,4) попала величина DW. Сделать вывод о присутствии/отсутствии автокорреляции.
Если попало в -, то автокорреляция присутствует
Если попало в +, то автокорреляция отсутствует
Если попало в ///, то зона неопределенности.
6.Гетероскедастичность случайного возмущения. Причины.
Гетеро-ть (неоднородность) - понятие математической статистики и эконометрии; означает ситуацию, когда дисперсия ошибки в уравнении регрессии изменяется от наблюдения к наблюдению. В этом случае приходится подвергать определенной модификации МНК (иначе возможны ошибочные выводы). Для обнаружения гетеро-ти обычно используют 3 теста, в которых делаются различные предположения о зависимости между дисперсией случайного члена и объясняющей переменной: тест ранговой корреляции Спирмена, тест Голдфельда - Квандта и тест Глейзера Доугерти.
Гетероскедастичность случайных возмущений – возмущения обладают различными дисперсиями r2i=r2wi, но не коррелированы друг с другом.
Причины -При гетероскедастичности распределение u для каждого наблюдения имеет нормальное распределение и нулевое ожидание, но дисперсия распределений различна.
Последствия нарушения условия гомоскедастичности случайных возмущений:
1. Потеря эффективности оценок коэффициентов регрессии, т.е. можно найти другие, отличные от Метода Наименьших Квадратов и более эффективные оценки
2. Смещенность стандартных ошибок коэффициентов в связи с некорректностью процедур их оценки
7.Динамическая модель из одновременных линейных уравнений (привести пример).
Экономические модели, значения переменных которых привязаны к моменту времени, называются динамическими.
Примером системы одновременных уравнений может служить модель спроса и предложения, включающая три уравнения: И еще один пример рядом.