- •Определение и задачи эконометрики. Место эконометрики в общественных науках
- •История эконометрических исследований
- •3. Методология эконометрич. Моделирования
- •Выбор типа математической функции при построении уравнения регрессии
- •5. Оценка параметров уравнения парной регр
- •6. Абсолютные и относительные показатели силы связи в уравнениях парной регрессии
- •7. Показатели тесноты связи в моделях парной регрессии
- •8. Статистический анализ достоверности модели парной регрессии
- •9. Таблица дисперсионного анализа (назначение, построение)
- •10. Оценка значимости параметров уравнения парной регрессии.
- •1 1. Интервальная оценка параметров уравнения парной регрессии
- •12. Нелинейная регрессия (линеаризация, оценка параметров)
- •1 3. Средняя ошибка аппроксимации
- •14. Использование модели парной регрессии для прогнозирования
- •15. Визуальный анализ остатков
- •16. Смысл и значение множественной регрессии в эконометрических исследованиях. Выбор
- •17. Отбор факторов в уравнение множественной регрессии
- •18. Оценка параметров уравнения множественной регрессии
- •1 9. Построение уравнения регрессии в стандартизованном масштабе
- •20. Абсолютные и относительные показатели силы связи в модели множественной регрессии
- •25. Использование фиктивных переменных в моделях множественной регрессии
- •26. Предпосылки метода наименьших квадратов
- •27. Гетероскедастичность - понятие, проявление и меры устранения
- •28. Оценка гетероскедастичности с помощью метода Гольдфельда Квандта
- •29. Использование коэффициента корреляции рангов Спирмэна для проверки наличия гетероскедастичности в остатках
- •30. Использование тестов Уайта, Парка, Глейзера при анализе гетероскедастичности в остатках
- •31. Применение обобщенного метода наименьших квадратов (омнк) для случая гетероскедастичности остатков.
- •32. Мультиколлинеарность факторов – понятие, проявление и меры устранения
- •33. Специфика временного ряда как источника данных в эконометрическом моделировании
- •34. Автокорреляция уровней временного ряда и ее последствия
- •35. Моделирование тенденции временных рядов
- •36. Оценивание параметров в уравнениях тренда
- •37. Модели сезонности: аддитивная и мультипликативная
- •42. Обобщенный метода наименьших квадратов (омнк) при построении модели регрессии по временным рядам
- •43. Прогнозирование на основе рядов динамики
- •44. Общая характеристика моделей с распределенным лагом и моделей авторегрессии
- •45. Интерпретация параметров моделей с распределенным лагом и моделей авторегрессии
- •4 6. Применение фиктивных переменных для моделирования сезонных колебаний
- •47. Общее понятие о системах уравнений, используемых в эконометрике
- •48. Виды переменных в системах взаимозависимых уравнений
- •49. Структурная и приведенная формы модели.
- •50. Проблема идентификации Необходимое условие идентификации (порядковое или счетное правило).
- •51. . Достаточное (ранговое) условие идентификации.
- •52. Косвенный метод наименьших квадратов для оценки параметров структурной формы модели
- •53. Двухшаговый метод наименьших квадратов для оценки параметров структурной формы модели
- •54. Применение систем эконометрических уравнений (см. Учебник)
42. Обобщенный метода наименьших квадратов (омнк) при построении модели регрессии по временным рядам
Преобразование исходных переменных
П рименение обычного МНК к уравнению и определение a* и b
Р асчет параметра a
Переход к исходному уравнению
(Для снижения гетероскедарстичности)
43. Прогнозирование на основе рядов динамики
44. Общая характеристика моделей с распределенным лагом и моделей авторегрессии
Рассматриваются также и эконометрические модели, содержащие не только текущие, но и лаговые (учитывающие запаздывание) значения факторных переменных. Эти модели так и называются моделями с распределенным лагом
1) модели с лаговыми объясняющими переменными или иначе модели с распределенными лагами
(бывают с конечным и бесконечным числом лагов)
2 ) модели с лаговыми зависимыми переменными – модели авторегрессии
3) модели с лаговыми зависимыми и независимыми переменными, т. е. авторегрессионные модели с распределенными лагами
45. Интерпретация параметров моделей с распределенным лагом и моделей авторегрессии
Данная модель означает, что изменение во времени t объясняющей переменный x будет влиять на значения результативного признака y в течение 4-х следующих моментов времени
Коэффициент b0 - краткосрочный мультипликатор. Он характеризует среднее изменение результата y при изменении на 1 единицу своего измерения в фиксированный момент времени t.
В момент времени t+1 воздействие объясняющей переменной x на результат y составит (b0+b1) единиц, а в момент времени t+2 общее изменение y составит (b0+b1+b2) единиц.
b0+b1 изменение y в момент времени t+1;
b 0+b1+b2 - изменение y в момент времени t+2
Долгосрочный мультипликатор
При k=4 долгосрочный мультипликатор составит b0+b1+b2+b3+b4
Он характеризует общее среднее изменение y через 4 временных интервала при увеличении x в момент времени t на 1 единицу
Относительные коэффициенты модели
Характеризует долю общего изменения y в момент времени t+j.
Средняя величина лага
Показывает средний интервал времени, в течение которого будет происходить изменение зависимой переменной y под воздействием изменения объясняющей переменной x в момент времени t.
Чем меньше величина среднего лага, тем быстрее реагирует результат y на изменение x. И наоборот, высокое значение среднего лага показывает, что воздействие объясняющей переменной на результат будет сказываться с течением длительного промежутка времени.
Медианный лаг - тот период времени, в течение которого с момента времени t будет реализована половина общего эффекта воздействия объясняющей переменной x на результат y.
Модели авторегрессии
п араметр b0 характеризует краткосрочное изменение yt под воздействием изменения xt на 1 единицу
долгосрочный мультипликатор изменения y: