![](/user_photo/2706_HbeT2.jpg)
- •1. Понятие эконометрики, ее основные задачи. Классы эконометрических моделей.
- •2.Типы данных и виды переменных в эконометрических моделях. Этапы эконометрического моделирования.
- •3. Этапы проведения корреляционно-регрессионного анализа.
- •4. Парная корреляция. Нахождение линейного коэффициента корреляции и парного коэффициента детерминации. Проверка значимости коэффициента корреляции.
- •5. Парная линейная регрессия. Оценка коэф регрессии. Коэф эластичности.
- •6.Предпосылки мнк (условия Гаусса-Маркова)
- •7. Проверка адекватности модели. Критерий Фишера.
- •8.Определение меры точности модели. Доверительные интервалы прогноза.
- •9.Нелинейные модели и их линеаризация. Логарифмические и полулогарифмические модели.
- •10. Нелинейные модели и их линеаризация. Обратная зависимость. Степенная и показательная модели.
- •11.Множественная корреляция. Матрица парных линейных коэф корреляции, нахождение коэф множественной корреляции и коэф детерминации.
- •12. Виды ошибок спецификации.
- •13. Эконометрический анализ при нарушении классических предположений. Гетероскедастичность и ее последствия.
- •14. Обнаружение гетероскедастичности, методы ее устранения.
- •15. Автокорреляция, ее основные причины и последствия.
- •16. Обнаружение и устранение автокорреляции
- •17. Мультиколлинеарность, ее последствия и причины возникновения.
- •18. Определение мультиколлинеарности и методы ее устранения.
- •19. Виды систем эконометрических уравнений. Применение систем одновременных уравнений.
- •20. Структурная форма модели, содержание ее параметров. Классы стуктурных уравнений модели
- •21 Приведенная форма модели, причины ее построения.
- •22. Идентификация модели. Классы структурных моделей. Необходимое и достаточное условие идентифицируемости системы
- •23.Необохдимое и достаточное условия идентифицируемости уравнения системы
- •24. Методы решения систем одновременных ур-ний.
- •25.Косвенный метод мнк.
- •26. Временные ряды и их классификация
- •27. Стационарный временной ряд, коэф автокорреляции, автокорреляционная ф-ция. Понятие об авторегрессионных моделях.
- •28.Понятие об авторегрессионных моделях.
- •29. Математические модели социально-экономических систем.(сэс)
- •30. Сущность процесса моделирования.
- •32. Экономико-математические оптимизационные модели. Критерии оптимальности предприятия, их математич форма.
- •33. Понятие о методе межотраслевого баланса.
- •34. Состав и характеристика четырех квадрантов межотраслевого баланса
- •35. Стоимостный моб.
- •36. Основные характеристики моб
- •37. Система уравнений моб. Виды расчетов, выполняемые по модели Леонтьева.
- •38. Матрица прямых и полных материальных затрат, связь между ними. Понятие о продуктивной модели.
- •39. Системы массового обслуживания (основные понятия, классификация.)
- •40. Элементы смо. Понятие потока событий. Простейший поток.
- •42.Финансовые вероятности состояния смо.
- •43. Смо с отказами, расчет основных характеристик
- •44. Смо с неограниченным ожиданием, расчет основных характеристик.
- •45. Моделирование конфликтных ситуаций с помощью теории игр, основные понятия и классификация.
- •46. Матричные игры с нулевой суммой. Решение матричных игр в чистых стратегиях.
- •47.Решение матричных игр в чистых стратегиях.
- •48. Решение матричных игр в смешанных стратегиях.
- •49. Решение матричной игры сведением к задаче лп.
- •50.Игры с природой. Решение статистических игр при известных вероятностях состояний природы (критерии Байеса, Лапласа )
- •51. Решение статистических игр при неизвестных вероятностях состояний природы (критерии Вальда, Гурвица)
- •52. Матрица рисков. Критерий Сэвиджа.
- •53. Постановка задачи управления запасами, основная модель управления запасами.
- •54,55 Оптимальный размер партии. Расчет характеристик работы склада в оптимальном режиме.
- •56. Модель производственных запасов.
- •57. Основные понятия сетевой модели.
- •58. Правила построения сетевых графиков.
- •59. Расчет параметров сетевого графика.
- •60. Построение календарного графика, учет интенсивности использования р-сов.
17. Мультиколлинеарность, ее последствия и причины возникновения.
Мультиколлинеарность- это корреляционная зависимость между объясняющимися переменными
Последствия мультиколлинеарности:
-
Большие дисперсии оценок (затруднение нахождение истинных значений, расширяет интервальные оценки, ухудшение точности)
-
Уменьшается t- статистики коэф (неоправданный вывод о сущности влияния объясняющей переменной на независимую)
-
Оценки коэф по МНК и их стандартные ошибки становятс неустойчивыми
-
Затрудняется определение вклада каждой из переменных в дисперсию зависимой переменной
-
Возможно получение неверного знака у коэф регрессии
Причины возникновения мультиколлинеарности между прзнаками:
-
изученные факторные признаки хар-т одну и ту же сторону явления или процесса (напр., показатель объема произведенной продукции и среднегодовой стоимости основных фондов – оба хар-ют размер предприятия)
-
использование в качестве факторных признаков суммарное значение кот представляет собой постоянную величину (напр., коэф годности и коэф износа основных фондов)
-
Факторные признаки, явл эл-тами др.(затраты на пр-во пр-ции и себестоимость ед. пр-ции)
-
Факторные признаки. По экономическому смыслу дублируют др. друга (прибыль и рентабельность продукции)
18. Определение мультиколлинеарности и методы ее устранения.
Определение мультиколлинеарности
- коэф-т детерминации высок, но некоторые из коэф-тов регрессии статистич. незначимы, т.е. они имеют низкие t-статистики;
- парная корреляция между малозначимыми объясняющими перемен-ми достаточно высока.
Описание методов устранения или уменьшения мультиколлинеарности
- сравнение значений линейных коэф-тов корреляции
При отборе факторов предпочтение отдается тому фактору, который более тесно свуязан с результ-ным признаком.
- метод исключения факторов
Из модели исключ фактор, коэф-т при котором незначим и имеет наименьшее значение t-критерия. Получают новое уравнение регрессии и снова проводят оценку значимости оставшихся коэф-ов регрессии. Процесс продолжается, пока модель не станет удовлетворять определенным условиям и все коэф-ты регрессии не будут значимыми.
- получение дополнит данных или новой выборки
Увеличение кол-ва данных сокращ дисперсии коэф-ов регрессии, увелич их значимость.
Однако получение новой выборки или расширение старой не всегда возможно.
Кроме того это может усилить автокорреляцию.
- изменение спецификации модели
Измен-ся форма модели, добавл-ся переменные не учтенные в модели, но существенно влияющие на зависимую переменную.
- использование предварительной информации о некоторых параметрах
Воспользуемся известными значениями некоторых коэф-ов регрессии, рассчит для каких-либо предварит моделей либо для аналогич модели по ранее полученной выборке.
19. Виды систем эконометрических уравнений. Применение систем одновременных уравнений.
Виды систем эконометрических уравнений.
-
Сис-ма независимых перменных. Каждый результативный признак (объясняемая пернеменная) явл ф-цией одной и той же совокупностью.
-
Сис-ма рекурсивных уравнений. Результативный признак одного уравнения сис-мы в каждом последующем ур-нии явл фактором.
-
Сис-ма одновременных ур-ний. Результативный признак одного ур-ния сис-мы входит во все др ур-ния сис-мы в качестве фактора.
Система одновременных ур-ний может быть представлена 1) в виде структурной формы модели 2) в виде приведенной формы модели.
Применение системы одновременных уравнений
-
исследование спроса и предложения
-
Макроэкономическое моделирование механизмов функционирования экономики на примере конкретной страны
-
анализ ф-ций издержек и пр-ных ф-ций.
Модель 1. Предложение и спрос на рынке.
где y1t –спрос на товар в момент времени t , y2t- предложение кол-ва товара в момент времени t, y3t-цена по кот заключ сделки в момент t
Модель 2. Предложение и спрос кейнсианского типа.
где y1t
–спрос на
товар в момент времени t
, y2t-
предложение кол-ва товара в момент
времени t,
y3t-цена
по кот заключ сделки в момент t,
-цена
по кот заключ сделки в момент
t-1,
-доход
в момент t,
t-текущий
период, t-1
– предыдущий период.