- •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)
18. Оценка параметров уравнения множественной регрессии
Для оценки параметров уравнения множественной регрессии применяют метод наименьших квадратов (МНК). При этом нелинейные функции приводятся к линейному виду по параметрам.
1 9. Построение уравнения регрессии в стандартизованном масштабе
20. Абсолютные и относительные показатели силы связи в модели множественной регрессии
Абсолютные - показывают, на сколько единиц в среднем изменяется результативный признак при изменении рассматриваемого факторного признака на одну единицу при условии, что остальные факторы зафиксированы на среднем уровне и не меняются
Относительные
частные коэф эластичности;
показывают, на сколько процентов в среднем меняется результативный признак при изменении рассматриваемого факторного признака на один процент при условии, что остальные факторы зафиксированы на среднем уровне и не меняются.
Параметры в степенной модели являются частными коэффициентами эластичности.
стандартизованные коэффициенты регрессии ,
21. Множественный коэффициент корреляции и коэффициент детерминации
Коэффициент множественной детерминации (R2) показывает долю вариации результативного признака, за счет вариации включенных в модель факторов:
К оэффициент (индекс) множественной корреляции (R) – корень квадратный из коэффициента множественной детерминации :
22. Показатели частной корреляции
ПЧК - основаны на соотношении сокращения остаточной вариации за счет дополнительно включенного в модель фактора к остаточной вариации до включения в модель соответствующего фактора
23. Оценка значимости уравнения множественной регрессии и его параметров
Оценка достоверности параметров ,
где - случайная ошибка коэффициента условно чистой регрессии
24. Частные критерии Фишера в оценке результатов множественной регрессии
По ур-ию МР можно оценить значимость не только ур-ия в целом, но и доп.вкл. в модель соотв.ф-ра.
Можно оценить значимость вкл. в модель х2 после вкл х1, или наоборот.
Необходимость оценки связана с тем, что не кажд. ф-р, входящ. В модель существ. увеличивает факторн вариацию.
Ввиду кор-ии между факторами згачимость одного и того же фактора м.б. раздичны в зависимости от последовательности вкл. его в модель.
Частн.коэф кор-ии основан на сравнении прироста факторн.вариации за счет вкл. доп.модели ф-ра с ост.вариации по регр.модели.
SS1 - остаточная сумма квадратов для модели без фактора xj
SS2 - остаточная сумма квадратов для модели с фактором xj
25. Использование фиктивных переменных в моделях множественной регрессии
Фиктивная (структурная) переменная – это переменная, принимающая значение 1 или 0.
Используется при решении следующих задач:
при моделировании качественных признаков
для учета структурной неоднородности, к которой приводят качественные признаки
для оценки сезонных колебаний