- •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
13. Понятие «статистическая значимость» уравнения регрессии в целом.
В эконометрике все исходные данные рассматриваются как выборочные, значит, можно предположить, что при повторе статистического наблюдения полученные данные отличались бы друг от друга, а, значит, отличались бы и показатели по ним рассчитанные.
Если много наблюдений, могут быть противоречивые результаты и коэффициент регрессии 0, если такой исход возможен, то говорят что коэффициент регрессии незначим.
Значимость уравнения регрессии:
Незначимость уравнения регрессии означает, что все параметры при факторах одновременно с высокой долей вероятности могут быть равны 0.
или
Незначимость уравнения регрессии, означает незначимость коэффициента детерминации, то есть его равенство 0 с высокой степенью вероятности в генеральной совокупности.
Уравнение значимо если все параметры при факторах одновременно не равны 0.
Значимость уравнения говорит о том, что все факторы в уравнении оказывают влияние на результат.
Для оценки значимости уравнения регрессии в целом используют критерий Фишера или F-критерий.
14. Критерий Стьюдента.
Используется для оценки значимости параметров уравнения регрессии.
Алгоритм оценки значимости по критерию Стьюдента:
Рассчитывается средняя ошибка оцениваемого параметра (или стандартная ошибка) -
По таблице находят табличное значение t-критерия (при ); число степеней свободы = n-m-1, где n- число наблюдений, m- число факторов. - это число степеней свободы, на пересечении альфа и df находят t- табличное
Фактическое значение t-критерия: , т.е. параметр делим на ошибку параметра
Сравнивается фактическое и табличное значение t-критерия, если tфакт> , то, говорят, что параметр значим с вероятностью 1-α, при этом tфактич. Берется по модулю!
ИЛИ:
после пункта 2: Находим границы доверительного интервала для оценки параметра:
, b- параметр
Этот доверительный интервал характеризует значения оцениваемого параметра , которые он может принимать в различных опытах с высокой долей вероятности.
Длят того чтобы параметр был значим, необходимо ,чтобы 0 не входил в доверительный интервал, если входит то говорим что параметр незначим в вероятностью 1-α, если не входит, то параметр значим с вероятностью 1-α.
Формула средней ошибки параметра зависит от того какой параметр оценивается. Общая для всех параметров уравнения регрессии формула:
Где, i=0,1,2…p;
- диагональный элемент с N ii матрицы , причем i=0,1,2…p
Стандартная ошибка регрессии:
В большинстве случаев приведенную формулу можно упростить, если есть парное линейное уравнение регрессии, то ошибка рассчитывается:
в числителе SSост.
А для свободного члена :
Для множественной регрессии формула ошибки одного из коэффициентов регрессии:
- СКО
- коэффициент детерминации по всему уравнению
- коэффициент детерминации для уравнения регрессии в котором в качестве результатирующего признака входит xi, a в качестве признака остальные факторы входящие в уравнение регрессии.
=
- ошибка парного лин.коэф.корреляции