- •1. Определение и задачи эконометрики. Место эконометрики в общественных науках.
- •2. Выбор типа математической функции при построении уравнения регрессии.
- •3. Оценка параметров уравнения регрессии.
- •4. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
- •Показатели тесноты связи в моделях парной регрессии
- •6.Статистический анализ достоверности модели парной регрессии
- •7. Оценка значимости параметров уравнения парной регрессии
- •8.Интервальная оценка параметров уравнения парной регрессии
- •9. Средняя ошибка аппроксимации
- •10. Использование модели парной регрессии для прогнозирования
- •11. Смысл и значение множественной регрессии в эконометрических исследованиях. Выбор формы уравнения множественной регрессии
- •12. Отбор факторов в уравнение множественной регрессии.
- •13 Оценка параметров уравнения множественной регрессии.
- •16 Множественный коэффициент корреляции и коэффициент детерминации.
- •17 Показатели частной корреляции
- •18 Оценка значимости уравнения множественной регрессии на основе коэффициента детерминации и результатов дисперсионного анализа
- •19 Частные критерии Фишера в оценке результатов множественной регрессии
- •20 Использование фиктивных переменных в множественной регрессии
- •21 Мультиколлинеарность факторов - понятие, проявление и меры устранения
- •22 Гетероскедастичность - понятие, проявление и меры устранения
- •23 Общее понятие о системах уравнений, используемых в эконометрике
- •29 Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
- •30 Специфика временного ряда как источника данных в эконометрическом моделировании
- •31 Автокорреляция уровней временного ряда и ее последствия
- •32 Моделирование тенденции временных рядов
- •33 Оценивание параметров в уравнениях тренда
- •34 Методы исключения тенденции при моделировании взаимосвязей временных рядов
- •35 Метод отклонений от тренда
- •36 Метод последовательных разностей
- •37 Регрессионные модели с фактором времени
- •38 Автокорреляция в остатках. Критерий Дарбина-Уотсона в оценке качества уравнений, построенных по временным рядам
- •39. Прогнозирование на основе рядов динамики
- •40. Модели с лаговыми переменными (основные понятия, определения и направления использования)
- •43 Ом пк при построении модели регрессии.
4. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии.
Показатели силы связи исп-ся для колич оценки влияния фактора на рез-т. В лин.ф-ции коэф регрессии выступает абсолютн показателем силы связи. Он оценивает на сколько в среднем изменится рез-т при изменении фактора на ед-we/ В нелин.ф-ции в качетсве показателя силы связи использ относительн показатель- коэф.эластичности Э= f ‘ *(х/у). Производная хар-ет соотношение приростов результата и фактора для соотв формы связи. Коэф.эластичности-относит показатель силы связи, измер в % и показывается на сколько в среднем % изменится результат при изменении фактора на 1%. Для оценки силы влияния фактора на рез-т для всей совокупности исп-ся в средн коэф.эластичности. =f ‘ *(средн х/ средн у). В степен ф-ции параметр в имеет четкое эк-кое истолкование, т.е. явл-ся коэф.эластичности.
Показатели тесноты связи в моделях парной регрессии
Значимость влияния фактора х на результат у, т.е тесноту связи оценивают показатели корреляции. Для оценки лин.связи использ парный линейн коэф корреляции r(yx)=b*(Gx/Gy), r(yx)=(ср от y*x – ср y* ср х)/(Gx*Gy)/ Парн линейн коэф карреляции нах-ся в передлах (-1,1) меньше нуля –обратная свзяь, больше нуля-прямая, =1-полная функциональн зависимость. Меньше 0,3-слабая связь, меньше 0,7-заметная, меньше 0,9-тесная, больше 0,9-весьма тесная.
Для оценки качетсва подбора линейн ф-ции расчитыв коэф детерминаяции (квадрат коэф.корреляции) коэф.детерминац хар-ет долю дисперсии результативн признака, обьясняемую регрессией в общ дисперсии результативн признака. r2=G2объясн/G2общ.
1-r2 – характеризует долю дисперсии рез-та вызван влиянием неучтен в модели факторов.
Для оценки тесноты связи любой формы ур-я регрессии испзся теоретич карреляцион отношение n с хвостиком=корень из (G2объясн/G2общ)-доля факторн дисперсии в общей. G2объясн=SS факт/n, G2общ=SS общ/n. Корреляцион отношение = (0,1) Его можно заменить показателем, кот расчитывается на основе остаточной дисперсии и наз индексом корреляции R=корень из (1- (G2ост/G2общ)) где G2ост=SS ост/n чем меньше доля SS ост в общей, тем теснее свзять мужду результатом и фактором R=(0,1) R2- индекс детерминации. Показатели корреляции исп-ся не только для оценки значимости фактора на рез-т, но и для обоснования выбора мат.ф-ции. Если парн.линейн коэф корреляции =теоретич корреляц отношению, то исп-ют линейн ф-wb./ Показатели регрессии и корр оценивают на статистич значимость,т.е. провер-ся надежность полученных оценок. Для этого по опред критериям проверяют испытания статистич гипотез.
6.Статистический анализ достоверности модели парной регрессии
Статистич гипеотезой назыв предположение о cвойстве ген совокупности, кот можно проверить опираясь на данные выборки. Различают простые и сложн гипотезы. Простая гипотеза однозначно хар-ет пар-р распределенеия случ.вличины. H: M=a Сложная гипотеза состоит из конечного или бесконечн числа простых гипотез, при этом указ-ся некот область вероятных значений пар-ра. Гипотеза о том что две совокупн сравниваемые по одному или неск признакам не отлич, наз-ся нулевой гипотезой. При этом предполаг-ся что действительн различие сравниваемых величин=0, а выявлен по данным выборки отличия от нуля почти случайн характер.
Статистич критерием наз опред правило, устанавливающ условия при кот проверяемую нулев гипотезу следует либо отклонить либо принять. Критерий проверки статистич гипотезы определяет противоречит ли выдвинут гипотеза фактич данным или нет. Альтернативн гипотеза (Н1) формируется в завис от того какие отклонения от гипотетич величины нам наиболее интересны.