- •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.
32 Моделирование тенденции временных рядов
Метод аналитич выравнивания.Для выявления тенд-ии необх-мо исп-ть методы выравн-ия уровней ряда,суть кот-х:переход от фактич уровней динамич ряда к теоретич(выравнен уровни) 1.Метод ступенчатой средней.(укрупнение интервалов)Основан на расчете средн уровней динамич ряда с различн пер-ом осреднения.(у1,у2,у3. у’=(у1+у2+у3)/3) Недостаток:укорачивание динамич ряда,следоват-но отсут-ие аналитики. 2.Метод скользящей средней.Часто исп-ся для оценки сезонных колебаний.При этом пер-д осреднения должен быть=числу сезонов. У1 у2 у3 у4 у5 у6 у1’=(у1+у2+у3)/3 у2’=y2+y3+y4)/3 и тд. Если пер-д осреднения-четное число,то ср уровень(выравнен знач-ие) опред-ся по фор-ле хронологич ср-ей: Уср=(1/2Y1+Y2+…+Yn-1+1/2Yn)/(n-1) 3.Выравн-е с помощью ур-я тренда.Для аналитич представления тенден-ии исп-ся разн матем функ-ии.у=f(t)(кривую роста)На 1 этапе выбир-ся тип матем ф-ии.На2-оценивают парам-ры кривойроста.На основе ур-ия тренда получ-ют выравнен-ое знач-е уровней путем подстановки в ур-ие фак-ра времени.Для анаитич выр-ия чаще всего исп-ют многочлены разн степеней.Y=Ao+A1t; Y=Ao+A1t+A2tквадрат: Y=Ao+A1t+A2tквадрат+A3tкуб. Ао-знач-е ур-ня в момент t=0 А1-оценка скорости роста,А2-оц-ка ускорения роста,А3-оц изменения ускорения.Для простейшего лин-го ур-ия(тренда)харак-ны пост-е приросты ординат.Эта функ-ия исп-ся для опис-ия процессов равномерно развив-ся во времени.Хорошо отраж-т тенд-ию при дейст-ии множ-ва причин,кот разным образом влияют на исслед-ые показ-ли.Примен-ся если примерно пост-ны перве разности уровней рядов(т.е.абс приросты)дельтаt=Yt-Yt-1=const. Полином 2о1 степ-парабола(меняющийся хар-р тенденции на противополож-ый)Примен-ся для опис-ия процесса с равн измен-ми 2го прироста.Прирост полож-ый для одной ветви и отриц для др.
33 Оценивание параметров в уравнениях тренда
Для оценивания пар-в ур-я тренда чаще всего исп-ся МНК.Для построения ур-я тренда,процедру МНК можно упростить.Для этого вводится условн обознач-я фактора времени,таким образом чтобы сумма усл ti=0. 1)если динамич ряд включает нечетное число ур-ей: t 1 2 3 4 5 сумма tусл -2 -1 0 1 2 0 2)если число четное t 1 2 3 4 сумма tусл -1,5 -0,5 0,5 1,5 0 tусл -3 -1 1 3 0 рассм-м ур-е трендов nAo+A+Et=Ey nAo=Ey Ao=Ey/n AoEt+A1Etквадрат=Eyt A+Etквадрат=Eyt A1=Eyt/Etквадрат
34 Методы исключения тенденции при моделировании взаимосвязей временных рядов
Сущность всех методов исключения тенденции заключается в том, чтобы устранить или зафиксировать воздействие фактора времени на формирование уровней ряда. Основные методы исключения тенденции можно разделить на две группы: 1)методы, основанные на преобразовании уровней исходного ряда в новые переменные, не содержащие тенденции. Полученные переменные используются далее для анализа взаимосвязи изучаемых временных рядов. Эти методы предполагают непосредственное устранение трендовой компоненты Т из каждого уровня временного ряда. Два основных метода в данной группе — это метод последовательных разностей и метод отклонений от трендов;
2) методы, основанные на изучении взаимосвязи исходных уровней временных рядов при элиминировании воздействия фактора времени на зависимую и независимые переменные модели. В первую очередь это метод включения в модель регрессии по временным рядам фактора времени.