- •1. Эконометрика и ее место в ряду других экономических и статистических дисциплин. Типы моделей и типы данных в эконометрике.
- •Общая задача. При помощи статистических методов выразить те закономерности, которые экономическая теория определяет лишь количественно.
- •Эконометрическая модель.
- •2. Коэффициент ковариации. Коэффициент корреляции. Их свойства. Выборочные оценки основных числовых характеристик случайных величин. Проверка значимости коэффициента корреляции.
- •Свойства ковариации
- •3. Регрессионная модель. Причины включения в модель случайного отклонения. Парная линейная регрессия. Мнк. Задачи линейного регрессионного анализа.
- •Парная регрессия.
- •Метод наименьших квадратов
- •4. Основные свойства точечных оценок. Теорема Гаусса-Маркова для однородной модели.
- •6. Проверка гипотез в одномерной модели. Интервальная оценка коэффициентов.
- •7. Множественная регрессия. Мнк. Теорема Гаусса-Маркова для многомерной модели.
- •Метод наименьших квадратов
- •9. Множественная регрессия. Гипотеза «длинная-короткая» модель. Специфика модели. Исключение существенной переменной. Включение несущественной переменной. Пошаговая регрессия.
- •10. Множественная регрессия. Тест Чоу на наличие структурного сдвига. Фиктивные переменные.
- •11. Стохастические (случайные). Обобщенный мнк. Теорема Айткена.
- •13. Гетероскедастичность. Метод взвешенных наименьших квадратов. Коррекция моделей на гетероскедастичность (3 случая).
- •14. Описание тестов проверки на гетероскедастичность (тесты Голдфельда-Куандта, Бреуша-Пагана).
- •15. Мультиколлинеарность: последствия, способы обнаружения, средства устранения. Тест.
- •16. Частный коэффициент корреляции. Его свойства, процедура вычисления.
- •17. Автокорреляция: последствия, способы обнаружения, средства устранения.
- •19. Оценивание моделей с автокорреляцией.
- •Линейные формы: интерпретация регрессии
- •21. Временные ряды. Факторы, влияющие на формирование значений временного ряда. Структура временного ряда. Основные задачи анализа временных рядов.
- •Исследование временноых рядов
- •22. Стационарные временные ряды. Их характеристики. Белый шум. Проверка стационарности временного ряда.
- •Правило проверки гипотезы об отсутствии тренда в тесте серий
- •23.Выравнивание временного ряда (аналитическое – выделение тренда регрессией от времени; механическое – метод последовательных разностей.)
- •3 Основных подхода:
- •24. Автоковариационная и автокорреляционная функция. Способ вычисления. Коррелограмма.
- •25. Линейные модели стационарных временных рядов (авторегрессии и скользящего среднего)
- •26. Модель авторегрессии ar(p). Уравнения Юла Уокера.
- •27. Модель авторегрессии ar (1)
- •28. Модель авторегрессии ar(2). Расчет параметров.
- •29. Модель скользящего среднего ma(1). Расчет параметров.
- •30. Частная автокорреляционная функция. Модели arma(p,q). Свойства acf и pacf.
- •31. Модели arima(p,d,q). Методолгия Бокса-Дженкинса. Интерпретация функций акф и чакф.
16. Частный коэффициент корреляции. Его свойства, процедура вычисления.
Корреляция - степень, с которой какая-либо одна характеристика воздействует на другую, причем эти характеристики являются взаимосвязанными и образуют пару. Такие парные характеристики могут быть представлены на графике в виде ряда точек. Если все точки на полученной рассеянной диаграмме укладываются на прямую линию (не являющуюся ни горизонтальной, ни вертикальной), то коэффициент корреляции может меняться от +1 (если увеличение одной переменной сопровождается соответствующим увеличением другой) до -1 (если увеличение одной переменной сопровождается постоянным уменьшением другой); коэффициент корреляции, равный 0, свидетельствует о том, что между рассматриваемыми двумя характеристиками не существует никакой зависимости и они укладываются на одной прямой линии.
Коэффициентом корреляции отражает степень линейной связи между X и Y
Коэффициентом корреляции двух случайных величин называется отношение их ковариации к произведению средних квадратичных отклонений этих величин:
, сигма
Частная корреляция. Высокая корреляция между двумя показателями может объясняться не их непосредственной связью, а тем, что есть некоторый другой показатель, сильно связанный с каждым из первых двух.
Задача- найти чистую корреляцию между двумя переменными, исключив (линейное) влияние других факторов.(например есть три показателя доход населения, численность и время. Доход растут и население тоже, значит между ними есть высокая положительная корреляция. Но есть ли на самом деле между ними связь? Ведь каждый зависит от времени. Какова будет связь между доходом и населением если исключить время? Мерой такой чистой корреляции между двумя переменными и служит коэффициент частной корреляции.
Расчет частного коэффициент корреляции
Для того чтобы найти частную корреляцию между Y и X при исключении влияния T, нужно
Провести регрессию Y от T и получить остатки (e1,e2,…eN)
провести регрессию X от T и получить остатки (d1,d2,…dN)
Вычислить выборочный коэффициент корреляции между остатками этих двух регрессий
r(Y,X/T)=r(e,d)
Существует тесная связь между коэффициентом корреляции, частной корреляции и детерминации.
R-квадрат - это . Коэффициент является одной из наиболее эффективных оценок адекватности регрессионной модели, мерой качества уравнения регрессии (или, как говорят, мерой качества подгонки регрессионной модели к наблюденным значениям )
Коэффициент детерминации. Величина показывает, какая часть (доля) вариации объясняемой переменной обусловлена вариацией объясняющей переменной ( )
Пусть R^2-коэффициент детерминации, полученный при регрессии Y от X и T , r(Y,T)-коэффициент корреляции Y и T. Тогда
Частная корреляция в многомерном случае
Пусть нужно определить коэффициент частной корреляции между Y и одним из факторов при исключении влияния всех остальных факторов.
R^2(X)-коэффициент детерминации, полученный при регрессии Y от всех факторов X (в том числе и от ), а R^2(X\ )-коэффициент детерминации, полученный при регрессии Y от всех факторов Х, кроме (т.е. от Х\ ). Тогда
Свойства частного коэффициент корреляции
Частный коэффициент корреляции между Y и X, как и парный коэффициент корреляции между Y и X, может принимать значения от –1 до +1.
-1<r(Y,X/Xj)<+1
Частный коэффициент корреляции между Xi и Xj при фиксированных значениях остальных k-1 переменных имеет такое же t-распределение, как и парный коэффициент корреляции между Xi и Xj, вычисленный по n’=n-k+2 наблюдениям.
Поэтому значимость частного коэффициент корреляции оценивают так же, как и обычного коэффициент корреляции по критерию Стьюдента при n’=n-k+2 степенях свободы (число степеней свободы - характеристика суммы квадратов (отклонений), показывает, сколько отклонений в сумме квадратов может изменяться "свободно".)
Значимость частного коэффициент корреляции
1 вариант. Для вычисленного значения частного коэффициент корреляции определяют наблюдаемое значение t-статистики (t-статистика - Функция, имеющая t-распределение (t-распределение Распределение Стьюдента - Распределение вероятностей, часто используемое при проверке гипотез в малых выборках, в которых производится оценка дисперсии рассматриваемой переменной.)
и сравнивают его с критическим при n’=n-k+2 степенях свободы. Если , то коэффициент значим.
2 вариант. По критическому значению t-статистики при n’=n-k+2 степенях свободы вычисляют критическое значение коэффициент корреляции
и сравнивают выборочное значение частного коэффициента корреляции с критическим. Если , то коэффициент значим.