- •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
22. Тест Парка
Тест Парка – нахождение параметров для регрессии следующего вида:
lnE^2=a+bln*xi+б, где
xi - фактор, который предположительно оказывает влияние на дисперсионный остаток
б - случайный остаток (но который остался от др. случ. остатка)
Оцен-ся значимость коэффициента b (знач, если t факт>t табл),
если значимый – остатки гетероскедастичны,
если незначим – гомоскед.
23. Тест Глейзера
|E| = а+bxi^k + б
а,b – неизвестные параметры, зависят от ур. регрессии
k – задается произвольно, обычно k может быть равно: -2;-1;-0,5;0,5;1;2.
Дается оценка значимости b, если он значим – гетероскедостичность в остатке (т.е. отсутствие зависимости x от y)
Если изменится форма регрессии, то параметры меняются. t>t табл -> параметры значимы -> гетероскедастичность по определенному фактору (xi).
Если гетероскедостичность хотя бы по одному тесту -> остатки гетероскедостичны в общем и тест Глейзера можно не продолжать
24.Тест Уайта.
используется для анализа гетероскедастичности случайных остатков (E).
Т.е. изменения дисперсии случайных остатков от наблюдения к наблюдению.
Для выбора хорошей модели уравнения регрессии необходимо, чтобы Е были гомоскедастичны, т.е. их дисперсия была постоянна, и не зависела от дисперсии фактора х.
В тесте Уайта моделируется уравнение рессии,сост. из элементов, включающих все факторы, входящие в уравнение регрессии+Эти же факторы в квадрате+необязательная часть,- попарные произведения факторов.
Для случая модели с двумя факторами (x1 и x2), ур-я будут иметь вид:
E2=a+b11x1+b21x2+b12x12+b22x22+c12x1x2+δ
В рамках теста нужно оценить знач-ть всего ур. в целом, с помощью F-критерия Фишера. Если Fфакт>Fтабл =>Ур. значимо => все ф-ры оказывают влияние на величину Е и => остатки гетероскед-ны. И наоборот.
Из этого Ур-я иногда следует назвать факторы, вызыв-е гетероскед-ть остатков. Это ф-ры, имеющие значимые параметры при них. Находятся ф-ры с помощью t-критерия Стьюдента. Tсли Tфакт>Tтабл => ф-р значим и влияет на остатки, вызывая их гетероскедостичность, если же Tфакт<Tтабл, =>ф-р незначим и не влияет на остатки. Т.е. если Tтабл=2,45,а Tфакт по (x2)= - 4, можно сделать вывод, что x2 значим и влияет на гетероскедастичность остатков.(Т.К. значение t-критерия берём по модулю!)
25.Тест Гольдфельда-Квандта.
С помощью этого теста исследуются случайные остатки (Е) на предмет гомоскедастичности.
Этапы теста:
совок-ть наблюдений упорядочивают по фактору, кот. предположительно влияет на Е.
Всю эту совок-ть делят на три группы (n1,n2,n3). При этом, n1 и n3 должны содержать равное кол-во эл-тов(n1=n3). n2 мож.быть =n1 и n3 (Желательно!), или же быть меньше n1 и n3.
По 1 и 3 совок-ти строят ур-я регрессии используя Метод Наименьш.Квадратов. Причём они должны иметь ту же структуру, что и исходн. ур-е регр. Т.е. если исходн. ур-е имеет 2 фак-ра (x1,x2), то и новые ур-я должны иметь столько же фак-ров.
Для кажд.из 2-х ур-й рассчитывают остаточные дисперсии( соответственно SS1ост и SS3ост)
Далее находят фактич.знач-е F-критерия, для этого бОлшую остат.дисперсию делят на меньшую. (нпр. SS1ост /SS3ост)
Далее находят Fтабл при df1=df2=n1-m-1. Если Fфакт>=Fтабл, то остатки Е гетероскед-ны по тому фактору, по кот.мы проводили упорядоч-ние в 1п.
Например: Отсортируем совок-ть по фактору x2(он предположит-но влияет на Е)
Y x1 x2
121 56 28
80 114 36
56 124 42
75 98 46
88 102 50
45 17 54
110 116 54
63 28 56
113 50 63
160 115 88
203 118 105
237 154 106
Разделим совок-ть на 3 гр:n1=n3=n3=4
Построим Ур-я для n1 и n3 вида: y=a +b1x1+b2x2 +E
y = 193 – 0,64x1 – 1,25x2 + E
36
y = -17,8 + 0,49x1 + 1,57x2 + E
SSост(1): = 57,1
SSост(3)= 503,3
Fфакт=503,3/57,1= 8,8
df1 = df2 = 4 -2-1 = 1, Fтабл=161,4 => Fфакт<Fтабл, значит х2 не значим, не влияет на остатки => E – гомоскед-ны