- •1.Предмет эконометрики, её связь с другими науками
- •2. Этапы эконометрического исследования.
- •3. Виды эконометрических моделей.
- •1.Видам связей между показателями.
- •5. По типу данных.
- •6.По временной принадлежности данных.
- •4.Способы определения формы связей между показателями.
- •5. Общий вид модели линейной регрессии.
- •6. Понятие и показатели силы связи в линейной регрессии
- •9. Предпосылки построения классической нормальной линейной модели
- •11. Уравнение регрессии в стандартизированном масштабе.
- •12. Понятие «статистическая значимость» параметров уравнения регрессии.
- •13. Понятие «статистическая значимость» уравнения регрессии в целом.
- •14. Критерий Стьюдента.
- •15. Оценка значимости параметров уравнения парной линейной регрессии
- •16. Оценка значимости параметров уравнения множественной регрессии
- •17. Общий критерий Фишера
- •18. Таблица дисперсионного анализа
- •19.Показатели частной корреляции и детерминации
- •20. Частный f-критерий
- •22. Тест Парка
- •23. Тест Глейзера
- •24.Тест Уайта.
- •25.Тест Гольдфельда-Квандта.
- •Вопрос 30 Применение мнк к одной из парных нелинейных функций регрессии (параболе, гиперболе, степенной, показательной)
- •Вопрос 31 Коэффициент эластичности для нелинейных функций.
- •36.Модели регрессии с фиктивными переменными.
- •38. Элементы временного ряда
- •39. Методы выявления тенденции по временному ряду
- •40. Методы выбора формы ур-ния тренда.
- •41. Методики нахождения параметров линейного, параболического и показательного трендов и интерпретация их параметров
- •42. Способы выявления колеблемости во временном ряду
- •43. Показатели колеблемости.
- •44. Анализ случайных остатков в модели тренда.
- •45. Виды закономерных колебаний во временном ряду,методы их выявления.
- •48. Применение фиктивных переменных для моделирования закономерных колебаний во временном ряду.
- •49. Изучение корреляции между временными рядами по цепным абсолютным изменениям уровня ряда (первым разностям)
- •50. Изучение корреляции между временными рядами по случайным отклонениям от тренда
- •51. Модель регрессии с включением переменной времени
- •52. Виды систем эконометрических уравнений (сэу).
- •53. Структурная форма модели: состав, виды переменных.
- •54. Приведенная форма модели: структура, предназначение, связь с приведенной формой.
- •55. Идентификация системы эконометрических уравнений. Необходимое условие.
- •56. Идентификация системы эконометрических уравнений. Достаточное условие идентификации системы эконометрических уравнений
- •57. Косвенный мнк
- •58. Двухшаговый мнк
48. Применение фиктивных переменных для моделирования закономерных колебаний во временном ряду.
Иногда строится модель регрессии с включением (явно) фактора времени и фиктивных переменных. При этом количество фиктивных переменных должно быть на единицу меньше числа моментов (периодов) времени внутри одного цикла колебаний. Каждая фиктивная переменная отражает сезонную (циклическую) компоненту ряда для какого-либо одного периода, поэтому она просто численно равна единице для данного периода и нулю для всех остальных периодов. Основным недостатком модели с фиктивными переменными является большое количество фиктивных переменных во многих случаях и тем самым снижение числа степеней свободы. В свою очередь, уменьшение числа степеней свободы снижает вероятность получения статистически значимых оценок параметров уравнения регрессии.
49. Изучение корреляции между временными рядами по цепным абсолютным изменениям уровня ряда (первым разностям)
Временной ряд-совокупность значений какого-либо показателя за несколько последовательных моментов времени.
Наличие в этих рядах тенденции может привести к искажению выводов о тесноте связи между этими показателями. Неверные выводы относ связи между двумя рядами назыв ложной корреляцией. Она обусл наличием в рядах тенденции, поэтому чтобы дать точную характеристику связи между рядами необходимо каким-то образом исключить влияние тенденции на показатель тесно ты связи.
Методы исключения тенденции:
Метод корреляции первых разностей или абсолютных приростов первого порядка.
Метод корреляции случайных отклонений от тренда.
Метод построения уравнения регрессии с включением фактора времени.
Метод корреляции первых разностей или абсолютных приростов первого порядка.
Применяется, если оба ряда динамики опис линейным трендом.
О тесноте связи между рядами и судят по коэффициенту корреляции
50. Изучение корреляции между временными рядами по случайным отклонениям от тренда
Наличие в этих рядах тенденции может привести к искажению выводов о тесноте связи между этими показателями. Неверные выводы относ связи между двумя рядами назыв ложной корреляцией. Она обусл наличием в рядах тенденции, поэтому чтобы дать точную характеристику связи между рядами необходимо каким-то образом исключить влияние тенденции на показатель тесно ты связи.
Методы исключения тенденции:
Метод корреляции первых разностей или абсолютных приростов первого порядка.
Метод корреляции случайных отклонений от тренда.
Метод построения уравнения регрессии с включением фактора времени.
Метод корреляции случайных отклонений от тренда.
По судят о тесноте связи между рядами и .
51. Модель регрессии с включением переменной времени
Наличие в этих рядах тенденции может привести к искажению выводов о тесноте связи между этими показателями. Неверные выводы относ связи между двумя рядами назыв ложной корреляцией. Она обусл наличием в рядах тенденции, поэтому чтобы дать точную характеристику связи между рядами необходимо каким-то образом исключить влияние тенденции на показатель тесно ты связи.
Методы исключения тенденции:
Метод корреляции первых разностей или абсолютных приростов первого порядка.
Метод корреляции случайных отклонений от тренда.
Метод построения уравнения регрессии с включением фактора времени.
Метод построения уравнения регрессии с включением фактора времени.
Оценка значимости параметра b. Если b значим, то связь между x и y имеет место.
Метод рекоменд применять для рядов, опис линейными трендами. Очень хорошая интерпретация получ результатов. Коэффициент b показывает среднее изменение при единичном изменении при условии отсутствия тенденции. Коэффициент с показывает среднее в единицу времени изменение результата при неизм знач
ПО этому методу можно проводить прогнозирование значений . Прогнозирование как по множеств регрессии.
12,22+1,79t+0,22
197,71-11,3t+
X 8,8 =0,95
9,5 =0,07
10,7 =0,015
12,2
14,2
16,7
19,6
Связи нет между x и y.
194,9+0,21 -11,7t+ Пример из лекций