- •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.
28. Модель авторегрессии ar(2). Расчет параметров.
Пусть каждое значение линейно связано только с двумя своими предшествующими
наблюдениями . - белый шум, т.е. ряд из независимых, одинаково распределенных случайных величин с нулевым матожиданием и одинаковой (постоянной) дисперсией . - некоторые константы. Часто рассматривают и ряд с нулевым средним (без свободного члена) .
Числовые хар-ки модели. Проводя выкладки, аналогичные модели AR(1) получим соотношения, связывающие дисперсию и автоковариацию . Откуда, используя снова , получим , или в общем случае, . Это – уравнения Юла-Уокера, они используются для расчета параметров модели.
Оценивание параметров процесса авторегрессии второго порядка AR(2). Есть стационарный временной ряд . Требуется найти для него параметры модели AR(2). Имеем , , . Таким образом, для определения параметров модели AR(2) нужно вычислить среднее значение ряда и коэффициенты автокорреляции первого и второго порядка.
Условие стационарности процесса AR(2). Как мы помним, условием стационарности процесса AR(1) является ограничение коэффициента авторегрессии: . Это следует из формулы для дисперсии членов временного ряда и из того, что дисперсия всегда положительна. Аналогично и для процесса AR(2) условия стационарности выражаются в виде ограничений на коэффициенты модели: .
29. Модель скользящего среднего ma(1). Расчет параметров.
Пусть каждое значение линейно связано только с непосредственно предшествующим случайным возмущением . - белый шум, т.е. ряд из независимых, одинаково распределенных случайных величин с нулевым матожиданием и одинаковой (постоянной) дисперсией . и - некоторые константы. Их и надо, в конце концов, определить. Часто рассматривают и ряд с нулевым средним (без свободного члена) .
Числовые характеристики модели MA(1) Прежде всего, найдем дисперсию и автоковариацию , а так как дисперсия константы равна нулю и ряд стационарен, т.е. и учитывая, что получаем .
Теперь найдем автоковариацию первого порядка
Ковариация с константой равна нулю и ковариация между и также равна нулю, так как они получены в разные моменты времени .
Наконец, константу выносим как множитель из ковариации .
Рассмотрим отдельно . Тогда для автоковариации первого порядка получаем , а так как рад стационарен, т.е. , то получаем .
Теперь найдем коэффициент автокорреляции первого порядка . Аналогичным образом вычисляются и остальные коэффициенты автокорреляции произвольного порядка. Кроме того, мы помним, что в любой модели .
Оценивание параметров процесса скользящего среднего первого порядка MA(1). Есть стационарный временной ряд . Требуется найти для него параметры модели MA(1). Имеем , находим из или . Таким образом, для определения параметров модели MA(1) нужно вычислить среднее значение ряда, коэффициент автокорреляции первого порядка и решить квадратное уравнение .
Модель скользящего среднего MA(q): .
Св-во автокорел фун-и для модели MA(q).Автокорреляционная функция измеряет автокорреляцию с лагом , т.е. корреляцию исходного временного ряда с ним же самим, сдвинутым на величину лага. Для модели MA(q) имеем . Это свойство часто используется для определения нужного порядка модели скользящего среднего. Строится график автокорреляционной функции и выбирается тот порядок q, начиная с которого все коэффициенты автокорреляции незначимо отличаются от нуля.