- •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)
32. Мультиколлинеарность факторов – понятие, проявление и меры устранения
Симптомы мультиколлинеарности
Завышенное значение коэф детерминации
Высокие стандартные ошибки для коэффициентов регрессии
Широкие доверительные интервалы
Низкое значение t-критерия
Появление при коэффициентах регрессии знаков, противоположных ожидаемым
Меры по устранению мультиколлинеарности
Удаление из модели переменных с высоким коэффициентом парной корреляции между факторами, если это не противоречит теории, положенной в основу построения модели
Увеличение числа наблюдений
Изменение функциональной формы модели
Использование априорной информации
Построение моделей по отклонениям от средней величины
Использование специальных методов обработки временных рядов
33. Специфика временного ряда как источника данных в эконометрическом моделировании
Временной (динамический) ряд – это ряд последовательно расположенных во времени числовых значений соответствующего показателя
Элементы временного ряда:
уровни ряда (yt)- числовые значения того или иного показателя;
время (t).
Виды временных рядов:
моментные, если время задано моментами;
интервальные, если время задано интервалами.
Модели на основе рядов динамики
Модели изолированного динамического ряда.
Модели системы взаимосвязанных рядов динамики.
Модели автрегрессии.
Модели с распределенным лагом
Компоненты временного ряда
Тенденция (T)
Периодические колебания (P)
Случайные колебания (E)
yt = f (T,P,E)
34. Автокорреляция уровней временного ряда и ее последствия
К орреляционная зависимость между последовательными значениями уровней временного ряда называется автокорреляцией уровней ряда
Последствия:
Оценки параметров, оставаясь линейными не смещенными, перестают быть эффективными, они перестают обладать свойствам наилучших линейных несмещенных оценок
Дисперсии оценок являются смещенными.
Зачастую дисперсии являются заниженными, что привод к увеличению t-статистик. Это может привести к признанию статистически значимыми объясняющие переменные, которые могут ими и не являться.
Коэф. регрессии и детерминации м.б. не верными, следовательно ухудшаются прогнозные качества модели.
35. Моделирование тенденции временных рядов
Метод аналитического выравнивания сводится к замене фактических данных сглаженными, определенными по выбранной математической функции. При этом, уровни временного ряда рассматриваются как функция от времени: yt = f(t)
Этапы построения модели тенденции (уравнения тренда)
Выбор математической функции, описывающей тенденцию
Оценка параметров модели
Проверка адекватности выбранной функции и оценка точности модели
Расчет точечного и интервального прогнозов
Виды математических функций, описывающих тенденцию
Функции с монотонным характером возрастания (убывания) и отсутствием пределов роста (сниж-я)
Кривые с насыщением, т. е. устанавливается нижняя или верхняя граница изменения уровней ряда
S-образные кривые, т. е. кривые с насыщением, имеющие точку перегиба