- •1.2. Типы моделей
- •1.3. Типы данных
- •1.4. История
- •1.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •2. Парная регрессия и корреляция. Свойства коэффициентов регрессии и проверка гипотез
- •2.1. Задачи корреляционно-регрессивного анализа
- •Содержательный характер задач корреляционно-регрессивного метода
- •2.2. Вычисление и интерпретация параметров парной линейной корреляции
- •2.3. Статистическая оценка надёжности параметров парной корреляции
- •2.4. Применение парного линейного уравнения регрессии
- •Коэффициент корреляции рангов
- •2.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •3. Множественная регрессия
- •3.1. Формулы для коэффициентов и стандартных ошибок
- •3.2. Множественная регрессия и оценка параметров Кобба-Дугласа
- •3.3. Мультиколлинеарность
- •3.4. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •4. Выбор уравнения
- •4.1. Влияние отсутствия необходимой переменной
- •4.2. Лишняя переменная
- •4.3. Замещающие переменные
- •4.4. Лаговые переменные
- •4.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •5. Фиктивные переменные
- •5.1. Фиктивные и нефиктивные переменные в регрессии
- •5.2. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •6. Гетероскедастичность
- •6.1. Коэффициент ранговой корреляции Спирмена (кркс)
- •6.2. Тест Голдфелда-Куандта
- •6.3. Тест Глейзера
- •6.4. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •7. Автокорреляция
- •7.1. Поправка Прайса–Уинстена
- •7.2. Процедура Кохрана–Оркатта
- •7.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •8. Модели временных рядов
- •8.1. Модели рядов, содержащих сезонную компоненту
- •Ответы к тесту:
- •9. Автоковариационная и автокорреляционная функции, их свойства. Коррелограмма
- •9.1. Спектральная плотность
- •9.2. Спектральный (Фурье) анализ
- •9.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •10. Неслучайная составляющая временного ряда
- •10.1. Проверка гипотезы о неизменности среднего значения временного ряда
- •10.2. Метод экспоненциально взвешенного скользящего среднего (метод Брауна [Brown (1963)])
- •10.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •11. Стационарные временные ряды и их идентификация
- •11.1. Основные понятия
- •11.2 Модели скользящего среднего сс(1) и сс(2). Двойственность. Обратимость. Идентификация
- •11.3. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •12. Лаговые переменные. Нестационарные временные ряды и их идентификация
- •12.1. Модель авторегрессии-проинтегрированного скользящего среднего (arima(p, k, q)-модель)
- •12.2. Модели рядов, содержащих сезонную компоненту
- •12.3. Полиномиальная лаговая структура Ширли Алмон
- •12.4. Геометрическая лаговая структура Койка
- •12.5. Модель частичного приспособления
- •12.6. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •13. Предсказания
- •13.1 Основные понятия
- •13.2. Доверительные интервалы и интервалы предсказания
- •13.3. Критерий г. Чоу
- •13.4. Коэффициент Тейла
- •13.5. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •14. Модели в виде систем линейных одновременных уравнений и их идентификация
- •14.1. Основные понятия
- •14.2. Тестовые задания для самостоятельной работы
- •Ответы к тесту:
- •14.3. Использование эконометрической модели при исследовании зависимости затрат от объёма производства и структуры продукции на примере конкретного предприятия
- •Расчетное задание 1 «Построение уравнений парной регрессии и оценка их значимости»
- •Варианты лабораторных задач Задание
- •Расчетное задание 2. «Построение уравнений линейной множественной регрессии и оценка его значимости» Задача
- •Варианты лабораторных задач
- •Глоссарий
- •Библиографисеский список
- •Оглавление
- •1.1.Модели 3
- •10.1. Проверка гипотезы о неизменности среднего значения временного ряда 88
- •Эконометрика Учебное пособие
6.3. Тест Глейзера
Тест проводится в несколько этапов.
Предположим, что на основе выборочных данных была построена линейная модель множественной регрессии:
где yi – результативная переменная, i=1,2,….n;
xmi– факторные переменные ( m – 1,2,3; i=1,2,…,n);
– неизвестные коэффициенты модели регрессии;
– случайная ошибка модели регрессии.
Оценки неизвестных коэффициентов модели множественной регрессии проводятся методом наименьших квадратов:
Далее рассчитывается оценка случайной ошибки модели регрессии , т.е. вычисляются остатки случайной модели множественной регрессии:
Полученные остатки линейной модели множественной регрессии возводят в квадрат ().
Рассчитывается коэффициент Спирмена между квадратом остатков модели множественной регрессии и факторными переменными xmi (m = 1,2,3; i = 1,2,…,n).
6.4. Тестовые задания для самостоятельной работы
1. Явление гетероскедастичности свидетельствует о том, что:
1) отсутствует систематическая связь между значениями случайного члена в любых двух наблюдениях;
2) дисперсия каждого отклонения одинаковы для всех значений х;
3) математическое ожидание случайного члена в любом наблюдении должно быть равно 0.
2. На каком из графиков поля корреляции изображено явление гетероскедастичности.
а ) б) в)
3. Метод наименьших квадратов эффективен, когда имеет место:
1) гетероскедастичность;
2) автокоррелляция остатков;
3) гомоскедастичность.
4. Тесты на гетероскедастичность используют в качестве нулевой гипотезу H0:
1) гипотеза о случайной природе оцениваемых характеристик;
2) гипотеза об отсутствии гетероскедастичности;
3) гипотеза об отсутствии гомоскедастичности.
5. Чтобы установить наличие гомо– или гетероскедастичности проводят:
1) тест Чоу;
2) тест Голдфелда-Квандта;
3) тест Дарбина-Уотсона.
6. Пусть сумма квадратов разностей между рангами значений регрессоров xi и остатков ei равна 86,345 ,т.е. . Количество наблюдений , уровень значимости , число степеней свободы . С помощью теста ранговой корреляции Спирмена определить, будет ли принята гипотеза H0:
1) гипотеза принимается;
2) гипотеза отвергается.
7. По данным наблюдений выяснить, можно ли считать на уровне значимости линейную регрессионную модель Y по x1 и x2 гетероскедастичной. число степеней свободы , где p – число регрессоров:
1) гипотеза принимается;
2) гипотеза отвергается.
8. С помощью теста Уайта выявить можно ли считать на уровне значимости 0,01 линейную регрессионную модель y по x гетероскедастичной . . Проверку проводить по критерию Пирсона .
1) гипотеза принимается;
2) гипотеза отвергается.
9. Пусть сумма квадратов разностей между рангами значений регрессоров xi и остатков ei равна 35,472, т.е.
. Количество наблюдений n=11 уровень значимости число степеней свободы . С помощью теста Спирмена определить, имеет ли место гетероскедастичность:
1) , гипотеза отвергается;
2) , гипотеза отвергается;
3) , гипотеза отвергается.
10. По данным наблюдений выяснить, можно ли считать на уровне значимости линейную регрессию y по x гетероскедастичной
;
1) F = 0,4498, гипотеза принимается;
2) F = 2,6234, гипотеза отвергается;
3) F = 2,2234, гипотеза принимается.