- •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.
2) Динамические данн – данн экономического показателя для какого либо объекта, собранного в последовательные моменты времени с одинаковым интервалом.
3) Панельные данн – данн экономич показателя для группы, относит объектов собранные
4. Основные этапы эконометрического моделирования на примере.
Например вродаём б/у машину лада
1) Априорный этап – постановка экономич проблемы, вид показателей, её описывающих, установление экономических связей между ними.
Экономич пробема: определить стоимость авто, сдаваемого на комиссию. Эндоген переем – у(тыс руб), х1-срок эксплуатации(года), х2 – пробег(км), х3 – стоимость ремонта после ТО
2) информационный этап – сбор стастич данных. Выбор переем: х1, х2, х3, у, по уже проданным авто
3) Выбор подходящей спецификации модели.
A = альфа б = бета. Линейная модель: Y=A+б1х1+б2х2+б3х3+эпселант(неучтённый фактор)
4) Оценка и тестирование модели: - методом наименьших квадратов, - методом максимального правдоподобия. Мы оцениваем неизвестн параметры модели. И тестируем гипотезы связанные со статистич хар-ми кач-ва управнения
5) Верификация – сравнение реальн данн с рассчитанными по модели. Оцениваем прогностическую силу модели y^=a+b1x1+b2x2+b3x3
а – оценив альфу, b – бету. а – нов авто через 2ые руки, b1 – стоимость каждого года эксплуатации b2 – наскока дешевеет с каждым км пробега b3 – во скока оценивается каждый км, потраченный за ремонт.
5. Классификация эконометрических моделей
1)Регрессионая модель с 1 уравнением. Y=f(x1,…xm, E), если m=1 – регрессия парная, если m>1 –множеств регрессия
Бывают: парная, множественная, лин, не лин)
2)Модели временных рядов. T(t) –тренд длительно сохраняющий тенденцию
S(t) – сезонная компонента, повторяемость экономич процессов в течении небольшого промежутка времени C(t) – циклич компонента, описан повторяемость в течении большого промежутка времени.
3)Системы эконометрич уравнений – независимые, когда у зависит тока от х
В системе(Y1= f(x1…xm, E1) Y2= f(x1…xm, E2) … Yn= f(x1…xm, En))
- взаимозависимые(одновременные) В системе(Y1= f(y2…yn, x1…xm, E1) Y2= f(y1…yn ,x1…xm, E2) … Yn= f(y1…yn-1, x1…xm, En))
Кроме эконометрич сюда могут попасть балансовые уравнения, они не содержат E и в них все параметры известны.
6. Задачи регрессионного анализа. Виды зависимостей м-ду перем.
Регрессионный анализ (линейный) — статистический метод исследования зависимости между зависимой переменной Y и одной или несколькими независимыми переменнымиX1,X2,...,Xp. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Терминология зависимых и независимых переменных отражает лишь математическую зависимость переменных, а не причинно-следственные отношения.
Цели анализа: 1) Определение степени детерминированности вариации зависимой переменной пред независимыми переменными 2) Предсказание значения зависимой переменной с помощью независимых)3) Определение вклада отдельных независимых переменных в вариацию зависимой
Виды зависимостей:
1) функциональная – каждому у соответствует одно значение х.
2) статистическая – каждому значению одной с.в. соответствует условное распределение другой с.в.
* корреляционная – частный случай статистической. Представляет собой функциональную зависимость между одной с.в. и условным мат. ожиданием другой с.в.