- •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
9. Предпосылки построения классической нормальной линейной модели
В этой модели предполагается, что связь между показателями является корреляционной. Результат y представляет собой совокупность случайных величин. Для каждого значения фактора х своя случ. величина.
Ряд требований:
случ. величина yi распределена по нормальному закону (мода, медиана, мат. ожидание. Дисперсии случ. величин yi и yj одинаковы. Случ. величны независимы для любых ij)
фактор х предполагается неслуч. величиной. Если их несколько в модели, то они независимы друг от друга).
Объем наблюдений, необходимый для оценки параметров регрессии, должен быть в 6-10 раз больше кол-ва параметров ур-ия без учета своб. члена а.
Выровненные значения результата y^ лежат на прямой линии.
11. Уравнение регрессии в стандартизированном масштабе.
Относительный показатель силы связи – только для множественной линейной регрессии – стандартизированный коэффициэнт регрессии. Предположим, что была проведена операция стандартизации исходных переменных (x,y).
y-y¯/σy=ty Операция стандартизации по Y
y¯=112,6 txр=xр-xр¯/σxр
σy=57,2
tx1=x1-x1¯/σx1 tx2=x2-x2¯/σx2
Для этих новых стандртизированных переменныхможно построить уравнение регрессии
ty=α+β1tx1+β2tx2...βрtxp+δ
α=0, всегда (свойство стандартизированных переменных)
ty=β1tx1+β2tx2...βрtxp+δ – уравнение в стандартизированной форме или стандартизированном масштабе, а исходное – в натуральной форме.
Параметры β1, β2, βр называются стандартизированными коэффициэнтами регрессии. Их можно найти методом наименьших квадратов – это трудоемко. 2 способ – βi=bi*σxi/σy
12. Понятие «статистическая значимость» параметров уравнения регрессии.
В эконометрике все исходные данные рассматриваются как выборочные => можно предположить, что если бы была возможность повторять одно и то же статистическое наблюдение, то полученные данные различались бы друг от друга и отличались бы все показатели по ним рассчитанные.
Опыт 1. Усреднение b=(приближенно)0
Y^=a1+b1x
R²1, b1>0
Опыт 2.
Y^=a2+b2x
R²2, b2>0
Опыт 3.
Y^=a3+b3x
b3<0
Если много экспериментов, то могут быть противоречивые результаты почти по всем коэффициентам регрессии приблизительно равным 0 в среднем. Если такой исход возможен, то говорят, что коэффициент регрессии незначителен.
Параметр называется незначительным, если с большой долей вероятности его величина в генеральной совокупности = 0.
Значимость уравнения регрессии –само уравнение регрессии – тождество чисел.
Незначимость ур-я регрессии означает, что все параметры при факторах одновременно с высокой долей вероятности м.б. равны «0» в ген.сов-ти. Незначимость ур-я регрессии означает также незначимость коэф.детерминации, т.е его равенство «0» с высокой степенью вероятности в гень сов-ти.
Значимость параметров - означает их отличие от 0 с высокой степенью вероятности, а параметра – все параметры при факторе одновременно не = 0. Для того, чтобы оценить значимость параметров и парного линейного коэффициента корреляции, используют критерий Стьюдента (t-критерий).
Для оценки значимости ур-я регрессии в целом используется критерий Фишера.