- •1. Основные понятия и особ-ти эконометрического метода
- •2. Типы экономических данных, используемых в эконометрических исследованиях.
- •3. Специфика экономических данных.
- •4. Классификация эконометрических моделей.
- •5. Основные этапы построения эконометрических моделей.
- •6. Функциональные и стохастические типы связей. Ковариация, корреляция
- •7. Анализ линейной стат-кой связи экономических данных, корреляция, вычисление коэф-в корреляции. Проверка значимости
- •8. Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции.
- •9. Регрессионный анализ. Зависимые и независимые переменные
- •10. Предпосылки применения мнк.
- •2. В модели ( ) возмущение (или зависимая переменная ) есть величина случайная, а объясняющая переменная - величина неслучайная.
- •11. Свойства оценок мнк
- •12. Лин модель парной регрессии. Оценка параметров модели с пом мнк.
- •13. Показатели качества регрессии модели парной регрессии.
- •14. Анализ статистической значимости параметров модели парной регрессии.
- •15. Интервальная оценка параметров модели парной регрессии.
- •16. Проверка выполнения предпосылок мнк.
- •17. Интервалы прогноза по лин ур-нию парной регрессии. (Прогнозирование с применением ур-ния регрессии)..
- •18. Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности.
- •19. Нелинейная регрессия. Нелинейная модель и их линеаризация.
- •21. Мультиколлинеарность. Ее последствия. Способы обнаружения. Способы избавления.
- •20. Модель множественной регрессии. Выбор вида модели и оценка ее параметров
- •22. Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных.
- •23. .Модель множеств регрессии.Выбор вида модели и оценка ее параметров.
- •24. Оценка параметров множественной регрессии методом наименьших квадратов (мнк). Свойства оценок мнк.
- •25. Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков.
- •26. Проверка качества многофакторных регрессионных моделей. Оценка качества всего ур-ния регрессии.
- •27. Проверка качества многофакторных регрессионных моделей.Коэф-т детерминации r2. Скорректированный r2. Проверка гипотез с пом т-статистик и ф-статистик.
- •28. Оценка существенности параметров линейной регрессии.
- •29. Оценка влияния факторов на зависимую переменную (коэф-ты эл-ти,бета коэф-ты)
- •30. Анализ эк объектов и прогнозирование с помощью модели множ регрессии.
- •32. Регрессионные модели с переменной структурой (фиктивные переменные)
- •33. Многомерный статистический анализ. Задачи классификации объектов: кластерный анализ, дискриминантный анализ.
- •34. Мса. Задачи снижения размерности: факторный анализ, компонентный анализ.
- •35. Системы линейных одновременных уравнений (соу). Взаимозависимые и рекурсивные системы.
- •36. Косвенный мнк
- •37. Системы линейных одновременных уравнений.Условия идентификации
3. Специфика экономических данных.
В эконометрике решаются задачи описания данных, оценивания, проверки гипотез, восстановления зависимостей, классификации объектов и признаков, прогнозирования, принятия статистических решений и др.
При выборе методов анализа конкретных экономических данных следует учитывать, что экономические данные обладают рядом особенностей.
Многие экономические показатели неотрицательны. Значит, их надо описывать неотрицательными случайными величинами.
В экономике доля нечисловых данных существенно выше, чем в технике и, соответственно больше применений для статистики объектов нечисловой природы.
Количество изучаемых объектов в экономическом исследовании часто ограничено в принципе, поэтому обоснование вероятностных моделей в ряде случаев затруднено.
Экономические процессы развиваются во времени, поэтому большое место в эконометрике занимают вопросы анализа и прогнозирования временных рядов, в том числе многомерных. При этом следует отметить, что временные ряды качественно отличаются от простых статистических выборок. Эти особенности состоят в следующем:
1 последовательные по времени уровни временных рядов являются взаимозависимыми, особенно это относится к близко расположенным наблюдениям;
2 в зависимости от момента наблюдения уровни во временных рядах обладают разной информативностью: информационная ценность наблюдений убывает по мере их удаления от текущего момента времени;
3 с увеличением количества уровней временного ряда точность статистических характеристик не будет увеличиваться пропорционально числу наблюдений, а при появлении новых закономерностей развития она может даже уменьшаться.
4. Классификация эконометрических моделей.
Можно выделить три основных класса моделей, которые применяются для анализа и прогнозирования экономических систем
- модели временных рядов;
- регрессионные модели с одним уравнением;
- системы одновременных уравнений.
Модели временных рядов. Модели временных рядов представляют собой модели зависимости результативного признака от времени. К ним относятся:
- модели кривых роста (трендовые модели),
- адаптивные модели,
- модели авторегрессии и скользящего среднего.
С помощью таких моделей можно решать задачи прогнозирования объема продаж, спроса на продукцию, краткосрочного прогноза процентных ставок и др.
Регрессионные модели с одним уравнением. В регрессионных моделях зависимая (объясняемая) переменная Y может быть представлена в виде функции f (X1, X2, X3, … Xk), где - независимые (объясняющие) переменные, или факторы; k – количество факторов. В качестве зависимой переменной может выступать практически любой показатель, характеризующий, например, деятельность предприятия или курс ценной бумаги. В зависимости от вида функции f ( ) модели делятся на линейные и нелинейные. В зависимости от количества включенных в модель факторов Х модели делятся на однофакторные (парная модель регрессии) и многофакторные (модель множественной регрессии).
Системы эконометрических уравнений. Сложные социально-экономические явления иногда невозможно адекватно описать с помощью только одного соотношения (уравнения). Модели с одним уравнением не отражают взаимосвязей между объясняющими переменными или их связей с другими переменными. Кроме того, некоторые переменные могут оказывать взаимные воздействия и трудно однозначно определить, какая из них является зависимой, а какая независимой переменной. Поэтому при построении эконометрической модели прибегают к системам уравнений.Для оценивания систем одновременных уравнений используются специальные методы. Эконометрические методы используются в экономических и технико-экономических исследованиях, работах по управлению (менеджменту). Каждой области экономических исследований, связанной с анализом эмпирических данных, как правило, соответствуют свои эконометрические модели.