- •1. Основные задачи эконометрики. Эконометрические модели. Примеры.
- •2. Классификация переменных. Типы данных.
- •3. Типы данных, измерения в эконометрике.
- •2) Динамические данн – данн экономического показателя для какого либо объекта, собранного в последовательные моменты времени с одинаковым интервалом.
- •4. Основные этапы эконометрического моделирования на примере.
- •5. Классификация эконометрических моделей
- •6. Задачи регрессионного анализа. Виды зависимостей м-ду перем.
- •7. Способы оценивания. Свойства оценок.
- •8. Проверка статистических гипотез.
- •9. Парная регрессия. Описание метода наименьших квадратов.
- •10. Вывод формул для оценок параметров парной линейной регрессии.
- •11. Дисперсионный анализ. Оценка значимости уравнения регрессии.
- •12. Коэффициенты корреляции, детерминации Интерпретация.
- •13. Проверка гипотез относительно параметров линейного уравнения.
- •14. Интервальная оценка параметров моделей парной регрессии
- •15. Вычисление предсказ. Значений зависимой переменной. Доверительные интервалы для предсказаний. Коэф. Эластичности.
- •16. Выбор функции. Сравнение различных моделей
- •17. Предпосылки применения мнк
- •18. Нелинейная регрессия. Нелинейная модель и их линеаризация.
- •19. Преобразование случайного отклонения в моделях нелин регрессии
- •20. Модель множественной регрессии. Условия Гаусса-Маркова.
- •21. Вывод формул для оценок коэффициентов модели мр. Матричная запись. Теорема Гаусса-Маркова.
- •22. Дисперсии и стандартные ошибки коэффициентов (ковариационная матрица и ее выборочная оценка).
- •23. Интервальные оценки коэффициентов уравнения мр. Проверка статистической значимости коэффициентов.
- •24. Проверка общего качества уравнения множественной регрессии.
- •25.Коэффициент детерминации для уравнения множественной регрессии.
- •28. Использование статстики Фишера для вкл. В модель х.
- •29. Необходимость проверки предпосылок регрессионного анализа.
- •30. Спецификация ур-я мр. Тест Рамсея.
- •31. Логарифмические (лог-линейные модели). Производственная функция Кобба-Дугласа. Зависимости в банковском анализе.
- •32. Обратная модель. Ф-ция Торнквиста. Кривая Филипса.
- •33. Суть гетероскедастичности.
- •34. Выявление гетероскедастичности (Тест г-к, Тест Спирмена)
- •35. Устранение гк. Метод взвешенных нк.
- •36. Автокорреляция случайных ошибок.
- •37. Выявление автокорреляции
- •38. Методы устранения автокорреляции
- •39. Мультиколлинеарность как проблема данных. Следствия.
- •40. Обнаружение мультиколлинеарности
- •41. Борьба с мультиколлинеарностью. Гребневая регрессия.
- •42. Фиктивные переменные
- •43 Тест Чоу.
- •44. Системы эконометрических уравнений
- •48. Временные ряды. Мультипликативная и аддитивная модели.
- •49. Автокорреляционная функция
- •50. Моделирование тенденции временного ряда, сезонных и циклич. Колебаний.
32. Обратная модель. Ф-ция Торнквиста. Кривая Филипса.
Обратная модель
Модель вида Y=Bo+(B1*1/x)+e называется обратной моделью. Эта модель сводится к линейной X*=1/x Данная модель обычно применяется в тех случаях, когда неограниченное увеличение объясняющей переменной Х асимптотически приближает зависимую переменную У к некоторому пределу (в данном слкчае к Bo). В зависимости от знаков Bo u B1 характерны след ситуации:
А)Bo>0, B1>0 тут идёт график, (оси Х,У, дуга сверху вниз от У к Х) включить соображение и построить )) (b0 – асимптота)
Х – объем производства, У – себестоимость
Б) Bo>0, B1<0 тут идёт график (оси Х,У, дуга cнизу вверх от Х к У)
(b0 – асимптота сверху)
Х – доход, У – потребление предметов крайней необходимости
Это функция Торнквиста (-В1/В0 = минимум уровня доходов)
В) Bo<0, B1>0 тут идёт график (оси Х,У, дуга cнизу вверх от Х к У пересекает ось Х и идёт ещё ниже)
График А может отражать зависимость между объектом выпуска (Х) и средними фиксированными издержками (У). График Б может отражать зависимость между доходом Х и спросом блага У. Важным приложением графика В является кривая Филипса (идёт снизу пунктиром где конец дуги графика), отражающая зависимость между уровнем безработицы (Х) в процентах и процентным изменением зар.платы (Y). При этом точка пересечения кривой с осью ОХ определяет естественный уровень безработицы.
33. Суть гетероскедастичности.
Г- нарушение предпосылки регрессионного анализа о постоянстве дисперсии случайного отклонении во всех наблюдениях.
Г. может быть истинной и ложной. Ложная возникает при неправильной спецификации модели. Это м.б ошибка в выборе функц-й зависимости и неучтённый кач-ый показатель. Истинная внутренне присуща модели. Она м.б. вызвана след причинами:
1) эффект масштаба – характерна для простейших выборок
Пример - х-доход, у-расход, х1(ymin,ymax) x2>x1 (…)
2) зависимая переменная имеет большой интервал качественно–неоднородных значений – характерно для пространств-х выборок и временных рядов.
Пример – yt-прибыль
3) данные качественно неоднородны внутри выборки, собраны при разных условиях.
Последствия гетероскедостичности:
Оценки пар-ов перестают быть эффективными:
K(b)!=G*G* (X в степени T )* X)в степени-1 )
K(E)!=G*G*E
В этом случае все оценки, связанные с анализом тесноты модели, значимости уравнения в целом, построением довер-х интервалов, будут расчитываться некорректно и ссылаться на них нельзя => обычный МНК для модели с Г. неприменим.
Графики гетероскедостичности (оси е,х и две прямые одна идет вверх, другая вниз под углом и точки).
34. Выявление гетероскедастичности (Тест г-к, Тест Спирмена)
Тест Г-К позволяет обнаружить гетероскедостичность, связанной объясняющей переменной.
1) Данные упорядочиваются по то объясняющей переменной, которая предположительно вызывает гетероскедостичность модели.
2) Исходная выборка делится на 3 части, из середины исключ-ся приерно n/4 часть наблюдений, чтобы оставшаяся часть выборокбыли одникового объёма n1=n2.
3) тестируются следующие гипотезы:
Ho: гомоскед-но (остатки гомоскедостичны) Dост(1)=Dост(2)
H1: гетероскед-но Dост(1)!=Dост(2)
Для тестирования строится Fфишера:
Ур-ие регрессии по выборке Vn1
– Vn2 Sквадрат ост-й
F= Sквадрат ост-й(б)/ Sквадрат ост-й (м) > 1
k-число оцениваемых параметров, для линейной=2, для двухфактор=3
F>Fкрит=>H1
F<Fкрит=>H0
Тест ранговой корреляции Спирмена -регистр-т Г., вызванную влиянием объясняющей переменной.
ранжируем выборку остатков Ei и выборку объясн-х переменных, предположительно вызвавшую гетероскедостичность.
Далее находим di=rang(ei)-rang(xi)
Rxe=1-6* ((сумма от n до 1 di*di)/(n*(n-1)) - тестирование на значимость.
Ho: p(ро)x1e = 0 – незнач-ая гомоскед-ть
H1: p(ро)x1e != 0 – знач-ая гомоскед-ть