- •1. Типы структурных экономических моделей.Проблемы идентификации и оценивания параметров.
- •6.Статистические оценки и их характеристика.
- •11. Нуль-гипотеза и принцип ее проверки.
- •12.Модель экономического роста Солоу.
- •13. Задача нелинейного программирования и методы их решения. Теорема Куна-Таккера.
- •14. Классификация методов прогнозирования.
- •25. Относительные величины и их значение в статистике. Виды относительных величин и формы их выражения.
- •15. Кибернетический подход в логистике.
- •16. Игры двух лиц с нулевой суммой. Смешанные стратегии. Теорема Неймана. Аналитическое решение игры (2х2).
- •27. Таблица межотраслевого баланса. Основные балансовые соотношения.
- •17. Неоклассическая задача потребления.
- •18. Временные ряды. Их основные характеристики и процедуры сглаживания.
- •23. Производственная функция. Свойства производственных функций. Основные типы производственных функций.
- •28. Тест Дарбина-Уотсона на автокорреляцию по времени.
- •32.Показатели качества регрессии. Коэффициенты корреляции, детерминации, дисперсионное отношение Фишера, стандартные ошибки.
- •35. Задачи линейного программирования. Различные формы записи. Способ решения. Примеры задач.
- •33. Динамический межотраслевой баланс
- •34. Линейная регрессия в условиях мультиколлинеарности. Ридж-оценивание.
- •43. Модель сетевого планирования. Методы срн и pert.
- •47. Основные макроэкономические показатели.
- •49. Предмет и функции «Экономической теории»
- •80. Цель и роль информационных потоков в логистических системах. Структура инф-ной логистич системы как совокупности подсистем для функциональных областей логистики.
- •51. Рынок труда и безработица.
- •52. Совокупный спрос и совокупное предложение
- •55. Предпринимательский доход и экономическая прибыль. Источники экономической прибыли. Функции прибыли.
- •56. Заработная плата: сущность и факторы, ее определяющие. Зарплата в условиях конкурентного рынка.
- •57. Классификация рыночных структур: признаки совершенной конкуренции, монополистической конкуренции и чистой монополии.
- •58. Определение цены и объема производства в условиях чистой монополии (в двух временных периодах).
- •39.Модель частичного динамического равновесия – паутинообразная модель.
- •59. Источники и движущие силы экономического развития. Критерии экономического развития.
- •60. Сущность, функции и структура рынка.
- •61. Экономическое содержание собственности.
- •62. Закономерности возникновения и развития экономики смешанного типа.
- •63. Законы товарно-денежного обращения
- •64. Модель равновесия «Доходы-Расходы»
- •66. Денежно-кредитная политика в переходной экономике
- •68. Предпринимательство и его сущность. Организационно-правовые формы.
- •69. Акционерный капитал и фондовые биржи.
- •92. Общая характеристика и состав электронного офиса.
- •Предельный доход и спрос (случай линейной функции спроса).Предположим, что кривая спроса монополиста не только имеет отрицательный наклон, но также линейна, как это представлено на рис. 5.2.
- •72. Цена и объем производства фирмы в условиях монополистической конкуренции
- •73. Инфляция: сущность, причины и последствия.
- •73A. Сущность и цели общественного производства.
- •78. Закон спроса и предложения. Состояние рыночного равновесия и его виды.
- •74. Информационные страдства в организации автоматизированных банковских систем.
- •89. Информационные системы в бухгалтерском учете.
- •75. Внемашинное и внутримашинное информационное обеспечение для создания информационных систем в экономике.
- •76. Программно-математическое обеспечение для организации информационных систем в экономике.
- •79. Понятие, принципы формирования и роль информационной стратегии в информационной логистической системе организации.
- •77. Понятие информационных систем в экономике. Принципы создания.
- •81. Информационная логистика: понятие, объект изучения, содержание.
- •82. Классификация информации по разным признакам. Основные понятия (информационные продукт, информационные услуги и т.Д.)
- •83. Понятие информации. Информация и данные, сообщения. Особенности экономической информации. Качество информации.
- •85. Понятие и развитие информатики. Понятие информатики как науки: предмет и задачи, этапы и направления развития информатики.
- •86. Автоматизированные рабочие места: понятие, классификация. Пример использования.
- •87. Информ-ое обеспечение создания информ-ых систем в анализе хоз-ой деят-ти.
- •90. Информационные технологии, их классификация, организация (структура) и средства реализации. Варианты внедрения ит на предприятии.
- •91. Классификация информации и методы организации работы с документами в рф. Принципы организации документооборота.
- •94. Информатизация общества и технологизация социального пространства
- •95. Особенности технологии и классификация экспертных систем.
- •93. Платежная система в интернете. Необходимые условия реализации платежей через интернет. Классификация платежных систем.
- •38. Обобщенная схема мнк.
- •48. Типы и формы собственности.
- •7. Транспортная задача и методы ее решения.
- •88. Перспективы создания ис в экономике.
34. Линейная регрессия в условиях мультиколлинеарности. Ридж-оценивание.
Построение модели множественной регрессии является одним из методов характеристики аналитической формы связи между зависимой (результативной) переменной и несколькими независимыми (факторными) переменными. Модель множественной регрессии строится в том случае, если коэффициент множественной корреляции показал наличие связи между исследуемыми переменными. Общий вид линейной модели множественной регрессии: , где yi – значение i-ой результативной переменной, – значения факторных переменных; – неизвестные коэффициенты модели множественной регрессии; εi – случайные ошибки модели множественной регрессии. Общий вид нормальной линейной модели парной регрессии в матричной форме: Y=X* β+ε, Где – случайный вектор-столбец значений результативной переменной размерности (n*1); – матрица значений факторной переменной размерности (n*(m+1)). Первый столбец является единичным, потому что в модели регрессии коэффициент β0 умножается на единицу; – вектор-столбец неизвестных коэффициентов модели регрессии размерности ((m+1)*1); – случайный вектор-столбец ошибок модели регрессии размерности (n*1). Включение в линейную модель множественной регрессии случайного вектора-столбца ошибок модели обусловлено тем, что практически невозможно оценить связь между переменными со 100-процентной точностью. Наибольшие затруднения в использовании аппарата множественной регрессии возникают при наличии мультиколлинеарности факторных переменных, когда более чем два фактора связаны между собой линейной зависимостью. Мультиколлинеарностью для линейной множественной регрессии называется наличие линейной зависимости между факторными переменными, включёнными в модель. Мультиколлинеарность – нарушение одного из основных условий, лежащих в основе построения линейной модели множественной регрессии. Чем сильнее мультиколлинеарность факторных переменных, тем менее надежной является оценка распределения суммы объясненной вариации по отдельным факторам с помощью метода наименьших квадратов. Включение в модель мультиколлинеарных факторов нежелательно по нескольким причинам: 1) основная гипотеза о незначимости коэффициентов множественной регрессии может подтвердиться, но сама модель регрессии при проверке с помощью F-критерия оказывается значимой, что говорит о завышенной величине коэффициента множественной корреляции; 2) полученные оценки коэффициентов модели множественной регрессии могут быть неоправданно завышены или иметь неправильные знаки; 3) добавление или исключение из исходных данных одного-двух наблюдений оказывает сильное влияние на оценки коэффициентов модели; 4) мультиколлинеарные факторы, включённые в модель множественной регрессии, способны сделать её непригодной для дальнейшего применения. Конкретных методов обнаружения мультиколлинеарности не существует, а принято применять ряд эмпирических приёмов. В большинстве случаев множественный регрессионный анализ начинается с рассмотрения корреляционной матрицы факторных переменных R или матрицы (ХТХ). Для устранения эффекта мультиколлинеарности используется метод ридж-оценивания. При использовании этого метода оценки векторов коэффициентов регрессии выглядят следующим образом: где Результатом применения гребневой регрессии является уменьшение стандартных ошибок коэффициентов модели множественной регрессии по причине их стабилизации к определённому числу.