- •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
14.Использование модели парной регрессии для прогнозирования
Точечный прогноз осуществляется путем подстановки в найденное уравнение регрессии прогнозного значения Xp:Yp^=a+bxp
Точечный прогноз дополняется интервальным прогнозом. Определяется средняя ошибка прогнозного индивидуального значения y:
Строится доверительный интервал прогноза:
15.Визуальный анализ остатков
Качество модели можно оценить с помощью графического метода, т.е. используя визуальный анализ остатков.
Свойства остатков:
-
Отсутствие связи между остатками и факторной переменной
-
Отсутствие связи между остатками и предсказанными значениями
-
Математическое ожидание остатков равно 0
-
Остатки имеют постоянную дисперсию. Она равна 1. Постоянство дисперсии называют гомоскедастичностью остатков. Гетероскедастичность – дисперсия непостоянна.
-
Остатки не коррелированны между собой
-
Остатки распределены по нормальному закону распределения
Для проверки случайности остатков можно построить график зависимости остатков от теоретических значений результативного признака.
Рис. 40.
Зависимость остатков от факторного признака:
Рис. 1
Рис.2
16.17Смысл множественной регрессии. Отбор факторов и выбор формы уравнения
Основная цель множественной регрессии построить модель со многими факторами и определить при этом влияние каждого из них на результат и совокупное их воздействие на результативный признак.
При отборе факторов в уравнение множественной регрессии необходимо соблюдать определенные условия:
-
в модель нужно включать только существенные факторы, непосредственно формирующие результат
-
факторы должны быть количественно измерены
-
факторы не должны находиться в тесной взаимосвязи друг с другом (коэффициент корреляции должен быть менее 0,7)
Отбор факторов можно осуществить на основе матрицы парных коэффициентов корреляции:
|
Y |
X1 |
X2 |
X3 |
Y |
1 |
|
|
|
X1 |
Ryx1 |
1 |
|
|
X2 |
Ryx2 |
Rx1x2 |
1 |
|
X3 |
Ryx3 |
Rx1x3 |
Rx2x3 |
1 |
Пример:
|
Y |
X1 |
X2 |
X3 |
Y |
1 |
|
|
|
X1 |
0,8 |
1 |
|
|
X2 |
0,7 |
0,8 |
1 |
|
X3 |
0,6 |
0,5 |
0,2 |
1 |
При отборе факторов необходимо провести теоретический этап и количественный анализ.
-
Теоретический анализ
-
Экспериментальный метод
-
теоретическом анализе взаимосвязи результата с кругом факторов
-
количественном анализе (на основе матрицы парных коэффициентов корреляции, матрицы частных коэффициентов корреляции, с помощью стандартизованных коэффициентов регрессии, на основе F, t-критериев
наиболее часто используются
-
линейная ;
-
степенная функция ;
-
показательная функция ;
-
экспонента ;
-
гипербола .