
- •Понятие и задачи эконометрики, как науки. Эконометрическая модель и ее составляющие.
- •Характеристики случайных величин: поле корреляции, математическое ожидание, среднее значение, выборочная дисперсия, стандартное отклонение.
- •Выборочный корреляционный момент (выборочная ковариация), коэффициент корреляции (r) и его свойства при большом объеме выборки.
- •Виды эконометрических моделей.
- •Понятие регрессионной модели.
- •Системы одновременных уравнений
- •Типы данных при эконометрическом моделировании Пространственные данные
- •Временные ряды
- •Стандартные предположения регрессионного анализа. Понятия гомоскедастичности и гетероскедастичности дисперсии ошибок
- •Модель парной линейной регрессии
- •Метод наименьших квадратов оценки параметров парной регрессионной модели
- •Статистические свойства мнк-оценок параметров уравнения регрессии
- •Использование модели парной линейной регрессии для прогноза
- •Геометрический смысл регрессионной модели, составляющие дисперсии.
- •Доверительный интервал для функции регрессии (для Мx (y)).
- •Доверительный интервал для индивидуальных значений зависимой переменной
- •Доверительный интервал для параметра β регрессионной модели.
- •Доверительный интервал для параметра σ2 регрессионной модели.
- •Основная идея дисперсионного анализа
- •Процедура проверки значимости линейной связи между переменными, использование f-критерия (критерия Фишера-Снедекора)
- •Коэффициент детерминации (r2) и его свойства.
- •Оценка статистической значимости коэффициентов парной линейной регрессии и корреляции.
- •Графический метод проверки стандартных предположений регрессионного анализа.
- •Понятие предельной склонности потребления в модели доход-потребление
- •Приведение степенной модели к линейной форме модели, оценка параметров модели и ее качества
- •Понятие предельной склонности и эластичности функции. Условия постоянства предельной склонности и эластичности функции.
- •Обратно пропорциональная зависимость, Линеаризация этой модели и ее эластичность
- •Модели с убывающей эластичностью, их линеаризация
- •Итерационные методы подбора нелинейных моделей
- •Нелинейные модели множественной регрессии
- •Проверка статистических гипотез о значениях отдельных коэффициентов
- •Отбор факторов в модель линейной множественной регрессии
- •Методы построения уравнения множественной регрессии
- •Метод наименьших квадратов оценивания параметров множественной линейной регрессии
- •Уравнение множественной регрессии в стандартизированном масштабе
- •Понятие частных и средних коэффициентов эластичности
- •Коэффициенты множественной корреляции и детерминации
- •Частные и общий коэффициенты корреляции
- •Проверка значимости уравнения линейной множественной регрессии с помощью критериев Фишера и Стьюдента
- •Метод взвешенных наименьших квадратов (обобщенный мнк)
- •Понятие и примеры фиктивных переменных
- •Модели, содержащие только качественные объясняющие переменные
- •Модели, в которых объясняющие переменные носят как количественный, так и качественный характер
- •Виды моделей временных рядов, составляющие временного ряда
- •Стационарные и нестационарные временные ряды
- •Аддитивная и мультипликативная модели временных рядов
- •Коэффициент автокорреляции, его свойства. Автокорреляционная функция, коррелограмма, их анализ
- •Моделирование тенденции временного ряда
- •Моделирование сезонных колебаний
- •. Автокорреляция в остатках. Критерий Дарбина-Уотсона
- •Алгоритм выявления автокорреляции остатков на основе критерия Дарбина-Уотсона
- •Классификация систем регрессионных уравнений
- •Оценка параметров систем одновременных уравнений
- •Проблема идентификации структурных моделей. Необходимое и достаточные условия идентифицируемости.
- •Методы оценки параметров структурной модели
Коэффициент детерминации (r2) и его свойства.
Одной из наиболее эффективных оценок значимости уравнения регрессии является коэффициент детерминации. Он характеризует степень выраженности связи между переменными. Определяется по формуле:
.
(2.35)
Величина R2
показывает, какая доля вариации
зависящей переменной обусловлена
вариацией объясняющей переменной. Так
как
,
то
.
Свойства коэффициента детерминации:
1. При
регрессия хорошо отражает эмпирические
данные, наблюдения примыкают к линии
регрессии.
2. При
точки
лежат на линии регрессии и между
переменными существует линейная
функциональная зависимость.
3. При
вариация зависимой переменной полностью
обусловлена воздействием неучтенных
в модели переменных и линия регрессии
параллельна оси ОХ.
Если известен коэффициент детерминации R2, то критерий значимости уравнения регрессии
(2.36)
В случае линейной регрессионной модели коэффициент детерминации равен квадрату коэффициента корреляции.
Оценка статистической значимости коэффициентов парной линейной регрессии и корреляции.
В парной линейной регрессии оценивается
значимость не только уравнения в целом,
но и отдельных его параметров. С этой
целью по каждому из параметров определяется
его стандартная ошибка:
и
.
Стандартная ошибка коэффициента регрессии определяется по формуле:
,
(2.38)
где – остаточная дисперсия.
Величина стандартной ошибки совместно
с
-распределением
Стьюдента при
степенях свободы применяется для
проверки существенности коэффициента
регрессии и для расчета его доверительного
интервала.
Для оценки существенности
коэффициента регрессии его величина
сравнивается с его стандартной ошибкой.
Определяется фактическое значение
-критерия
Стьюдента
,
которое затем сравнивается с табличным
значением при определенном уровне
значимости
и числе степеней свободы
.
Доверительный интервал для коэффициента
регрессии определяется как
,
этот процесс был описан в § 2.3.3.
Стандартная ошибка параметра
определяется по формуле:
.
(2.39)
Процедура оценивания существенности
данного параметра не отличается от
рассмотренной выше для коэффициента
регрессии. Вычисляется
-критерий:
,
его величина сравнивается с табличным
значением при
степенях свободы.
Значимость линейного коэффициента
корреляции проверяется на основе
величины ошибки коэффициента корреляции
:
.
(2.40)
Фактическое значение
-критерия
Стьюдента определяется как
.
Существует связь между -критерием Стьюдента и -критерием Фишера:
.