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