- •1.Предмет эконометрики и связь с другими науками
- •2.Эк. Возникла в середине 20 века (1926 г.).
- •3.Методология эконометрического моделирования:
- •4/Выбор типа математической функции при построении уравнений регрессии
- •5.Свойства оценок:
- •6.Показатели силы связи:
- •7.Показатели тесноты связи.
- •8.Статистическая оценка достоверности регрессионной модели.
- •13.Ошибка аппроксимации.
- •12 Нелинейная регрессия
- •11.Интервальная оценка параметров
- •14.Использование модели парной регрессии для прогнозирования
- •15.Визуальный анализ остатков
- •16.17Смысл множественной регрессии. Отбор факторов и выбор формы уравнения
- •18.Оценка параметров.
- •20.Показатели силы связи:
- •19Стандартизованные коэффициенты регрессии.
- •21.Показатели тесноты связи
- •22.Показатели частной корреляции
- •23.Оценка достоверности модели
- •24.Частные f-критерии
- •26.Предпосылки мнк
- •32.Проблемы, возникающие при построении регрессионной модели
- •27.Гетероскедастичность
- •28.Тесты, используемые для выявления гетероскедастичности:
- •29.Ранговой корреляции Спирмена
- •31.Обобщенный метод наименьших квадратов (омнк)
- •46.Фиктивные переменные
- •49.Структурные уравнения и их приведенная форма
- •50.Проблема идентификация
- •51.Достаточное условие идентификации
- •52.Оценивание параметров в структурной форме моделей
- •53.Дмнк
- •34.Автокорреляция уровней ряда и ее последствия
- •35Моделирование тенденций временного ряда
- •43Использование трендовых моделей для прогнозирования
- •40.Методы исключения тенденции при моделировании взаимосвязей по временным рядам
- •38.Метод отклонения от тренда
- •39.Метод последовательных разностей
- •41.Автокорреляция в остатках
13.Ошибка аппроксимации.
Характеризует качество модели как и коэффициент детерминации.
E=y-y^
Можно рассчитать среднюю ошибку аппроксимации
Но обычно рассчитывается относительная ошибка. По каждому наблюдению можно рассчитать.
A=Модуль(y-y^/y)*100 5-7 процентов норма
Средняя ошибка аппроксимации
Модуль(y-y^/y)*100/n
12 Нелинейная регрессия
Нелинейная регрессия. Подбор линеаризующего преобразования Если между экономическими явлениями существуют нелинейные соотношений, то они выражаются с помощью соответствующих нелинейных функций:
например, равносторонней гиперболы ,параболы второй степени
Различают два класса нелинейных регрессий:1). регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам;Примеры: полиномы разных степеней: равносторонней гиперболы .2). регрессии, нелинейные по оцениваемым параметрам.
Примеры: степенная
показательная экспоненциальная
Для первой группы функций
-
В параболе второй степени
заменив
получим двухфакторное уравнение линейной регрессии:
для оценки параметров которого используется МНК.
2. Нелинейность переменной устраняется путем замены переменной.
Вторую группу функций
можно разбить на нелинейные модели:
- внутренне линейные
- внутренне нелинейные.
Нелинейность по параметру для внутренне линейных функций часто устраняется путем логарифмирования уравнения
А). степенная функция:
Б). показательная функция:
В эконометрике степенная функция (4.2.) применяется при моделировании кривых спроса,показательная функция (4.3.) - при моделировании временных трендов.
Если в модели (4.2.) заменить действие, то модель становится внутренне нелинейной, так её невозможно преобразовать в линейный вид. В этом случае используются итеративные методы, успешность которых зависит от вида функции и особенности самих методов.
Эластичность показывает на сколько процентов изменяется функция у=f(х) при изменении независимой переменной х на 1%.
Для линейной: у = а + bх эластичность вычисляется по формуле (4.4.) будет иметь вид:
Т.к. эластичность линейной функции не является постоянной величиной, а зависит от х, то обычно рассчитывают средний показатель эластичности:
Для показательной: у=а*b^х
11.Интервальная оценка параметров
Оценка достоверности параметров уравнения (b)
Оценка достоверности параметров производится с использованием той же процедуры оценки гипотез:
-
Выдвигается Н0: коэффициент регрессии в генеральной совокупности равен 0 – связи нет
-
Выдвигается Н1: коэффициент регрессии в генеральной совокупности не равен 0
-
Определяется уровень значимости альфа (5%)
-
Определяется критическое значение критерия Стюдента
-
Рассчитывается критерий Стьюдента
Tb=b/mB=Seb(tb-во сколько коэф регрессии превышает свою ошибку)
Расчет случайной ошибки коэффициента регрессии:Seb
Расчет ошибки для параметра a
-
Фактическое значение критерия сравнивается с табличной: если критерий больше табличного, то Н0 отклоняется, в противном случае Н0 принимается
-
Если t>tтабл., то отклоняется, то есть параметр не случайно отличается от нуля, и сформировался под влиянием систематически действующего фактора .
-
Если t<tтабл., то не отклоняется, и признается случайная природа формирования
Построение доверительных интервалов для коэффициента регрессии
В парной регрессии производится проверка модели либо по F критериям, либо проверка параметра по t критерию. Если модель достоверна, то параметр значим. Но во множественной регрессии могут быть исключения.
Проверка достоверности коэффициента корреляции: