- •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.
24. Автоковариационная и автокорреляционная функция. Способ вычисления. Коррелограмма.
Коэффициент автокорреляции
Если врем.ряд стационарен, то его дисперсия постоянна Var (Yt) =Var(Yt+τ)
Т.о.
Очевидно, при этом коэффициент автокорреляции
ρ (0)=ρ0=1
-1 ≤ ρ(τ) ≤ 1
Выборочный коэффициент автокорреляции ρ=ρ(τ) вычисляется как обычный коэффициент корреляции, только не между двумя переменными Х и У, а между рядом У и им же самим, сдвинутым на величину лага τ.
Расчет выборочного коэффициента корреляции
у1 х1
у2 х2
… …
уn хn
rxy= r(X,Y) = КОРРЕЛ (X,Y)
rxy= r(X,Y) = КОРРЕЛ (х1: хn; у1: уn)
Расчет выборочного коэффициента автокорреляции I-го порядка
Y 1 Y1
Y 2 Y2 Y1
… … Y2
Yn-1 Yn-1 …
Yn Yn Yn-1
Yn
rτ= (τ) = r( Yt,Yt+τ)= КОРРЕЛ (Yt, Yt+τ)
r1= (1) = r( Yt,Yt+1)= КОРРЕЛ (y1: yn; у1: уn-1)
Расчет выборочного коэффициента автокорреляции порядка τ
Y 1 Y1 τ
Y2 …
… Y1+τ Y1
Yn-1 … Y2
Yn …
Yn Yn-τ
…
Yn
rτ= (τ) = r( Yt,Yt+τ)= КОРРЕЛ (y1+τ: yn; у1: уn-τ)
Автокорреляционная функция
Коэффициент автокорреляции, рассматривающийся как функция ρ=ρ(τ) лага τ, называется автокорреляционной функцией и обозначается АКФ (или ACF)
Ее статистической оценкой явл. выборочная автокорреляционная функция.
График АКФ называется коррелограммой.
Автоковариационная функция: отражает связь между рядом и сдвинутым на "тау" рядом; "гамма"("тау")=cov(X(t), X(t+"тау")) - связь между рядом и сдвинутым на "тау" рядом; ^"гамма"("тау") (оценка)=1 / (N-"тау") * E(N-"тау"|t=1) (X(t)-^a)*(X(t+"тау")-^a); ^a - матожидание=1/N * E(N|t=1) X(t); "гамма"(0)=Ђ^2 - ряд без сдвига, ковариация ряда с самим собой; r("тау")=ковариация / дисперсия=(cov(X(t), X(t+"тау"))) / (ЂX(t)*ЂX(t+"тау")) (ряд стационарный - от момента времени t ничего не зависит)="гамма"("тау") / "гамма"(0).
Последовательность коэффициентов автокорреляционной ф-ии и уравнений 1,2 и т.д. порядков называют автокорреляционной функцией временного ряда. График зависимости ее значений от величины лага (порядка коэффициента автокорреляции) называется коррелограммой. Анализ автокорреляционной функции и коррелораммы определяет лаг (число периодов, по которым рассчитывается коэффициент автокорреляции), при котором автокорреляционная функция наиболее высокая, следовательно и лаг, при котором связь между текущим и предыдущим уровнями ряда наиболее тесная, т.е. при полном анализе автокорреляционной функции и коррелограммы можно выявить структуру ряда.
Выявление структуры ВР
1. Если max значение принимает коэф автокорреляции к порядка, то наблюдаются циклические колебания с порядком равным к.
2. Если max значение принимает коэф автокорреляции первого порядка, то ряд содержит тренд.
3. Если нет значимых коэф автокорреляции, то возможны:
- ряд не содержит детерминированных свойств.
- возможен нелинейный тренд