- •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.
29 Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
ДМНК применяется для сверхидентиф ур-ия. Осн идея в том, что на основе ПФ для сверхидентиф ур-ия получают теоретические знач эндогенных переменных, содержащихся в правой части ур-ия. Далее подставив их (ỷi) вместо фактич знач-ий, получают СФМ, к кот применяют обычный МНК. Двухшаговый, т.к. МНК применяется 2 раза: на 1ом шаге при определении ПФМ и нахождении на её основе теоретических знач эндогенной переменной: ỷi=δi1x1+δi2x2+…+δikxk; на 2ом шаге применительно к структурному сверидентиф ур-ию при определении структ k-тов модели по данным теорет знач-ий эндоген переменных. Сверхидентиф модель м/б 2х видов: 1) когда все ур-ия сверхидентиф; 2)когда наряду со сверхидентиф содержатся точно идентиф ур-ия. Если в системе все ур-ия сверхидентиф, то для оценки структ k-тов кажд из этих ур-ий применяется ДМНК. Если в системе есть точно идентиф ур-ия, то структ k-ты по ним находятся из системы приведен ур-ий (с пом КМНК).
30 Специфика временного ряда как источника данных в эконометрическом моделировании
Для моделир-я макроэк-ких процессов исп-ся пространствен или временные ряды (данные). В последн случае, показатели рассм-ся в виде динамич рядов (временных). Т.е. врем.ряды – ряд последовательных во времени хар-тик совокупности или отдельных ед-ц сов-ти. Врем ряд включает: 1.время(момент или период) 2.уровни (количествен хар-ки) т.е в зависимости от того какое исп-ся время дел-ся на: 1.моментные и интервальные врем ряды. В эконометрич модели включ-ся как отдельные врем ряды, так и сис-мы взаимосвязан рядов. Уровни врем рядом рассм-ся как ф-ция y=f(T,P,S,E) где Т-тенденция, Р-периодич колебания, S- сезонность, Е-случайн колебания. Динамич ряд может включать любые из этих компонентов. Для больш-ва динамич рядов по макроэк показателям хар-но наличие опред тенденции (возрастающ, убывающ или меняющ) Динамич ряды, кот не содержат тенденцию наз-ся стационарн, а содержащ тенденцию – нестационарн.
Компоненты динамич ряда могут быть связаны различно: 1)адитивн модель Y=T+P+S+E 2)мультипликативн модель Y=T*P*S*E
При рассматривании врем рядов нужно учитывать: 1) если динамич ряд хар-ется наличием тенденции, то показатели корреляции по исходн уровням динамич ряда могут быть завышены если в рядах однонаправленная тенденция, или заниж, если тенд-ция разнонаправленная. Для оценки тесноты связи необходимо устранить тенденцию. 2)если динамич ряд содержит и тенденцию и периодич колебания, то для оценки тесноты надо устранить и то и др 3)оценка тесноты связи между динамич рядами усложн-ся при наличии времен лага, т.е отставание уровней 1го ряда относительно уровней др ряда. Для выявления врем лага рассчитывается серия коэф корреляции с разн пеориодом смещения 1го ряда относительно другого. Врем лаг будет соотв-ть периоду смещения коэф корр-ции смаксимальн значением.
31 Автокорреляция уровней временного ряда и ее последствия
При наличии тенденции в ряду динамики уровни ряда хар-ся автокорреляцией,т.е кажд последующ зависит от предыдущ. Корреляцион связть между последовательн значениями уровня динамич ряда наз-ся автокорреляцией уровней ряда. Для измерения автокорр исп-ся коэф автокорр, формула расчета кот аналогична формуле парного линейн коэф. автокорр.
r по yt,Yt- ῖ = (среднее yt*Yt-ῖ – средн yt * средн Yt-ῖ)/(Gyt*Gyt-ῖ)
yt-фактич уровни динамич ряда
yt- ῖ - уровни того же динамич ряда, но сдвинутые на ῖ шагов во времени
ῖ - величина лага, т.е сдвига во времени ῖ=1,2,3,,, Определяет порядок коэф автокорр.
ῖ=1 – рассчитывается коэф автокорр 1го порядка, т.е. измеряется корр-ция текущ уровней ряда yt с предыдущими yt-1.
ῖ=2 коэф автокорр 2го порядка и таким образом, чем длиннее динамич ряд тем выше может быть коэф автокорр. Принято считать, что максимальн величина лага должна быть не более чем (n/4) где n- длина динамич ряда. Величина коэф автокорр измен-ся в пределах (-1,1), чем ближе к +-1 тем сильнее зависимость текущ уровней динамич ряда от предыдущих. Если ряд хар-ся четко выражен тенденцией, то для него коэф. автокорр 1го порядка приближ-ся к +1. Для отрицат значений нет интерпритации у коэф автокорр.
Серия коэф автокорр уровней рядм с последовательным увеличение величины лага приянто называть автокорр ф-цией. Автокорр ф-ция дает представление о внутр структуре динамич ряда. С помощью нее можно опр-ть наличие в ряду динамики периодичн колебаний и соответственно величину периода колебаний кот равна той величине лага, при кот коэф. автокорр уровней наибольший.
Для динамич ряда с монотон тенденцией к возрастанию значение коэф автокорр медленно снижается с увеличение величины лага.