- •1.Определение эконометрики, предмет и история возникновения эконометрики.
- •2.Понятие регрессии и корреляции в эконометрических исследованиях.
- •3.Спецификация модели. Ошибка спецификации.
- •4.Основные типы кривых, используемые при кол-ой оценке связей м/у 2мя переем-и.
- •5.Понятие пар регр и корр. Вид ур-ия лин регр. Интерпрет-я параметров.
- •6.Методы оценки параметров ур-ия линейной регрессии.Метод наим-х квадратов-класс-ий подход оценки параметров ур-ия лин регр.
- •7.Примеры применения парной лин регр в эконометр иссл-ях.
- •8.Показатели тесноты связи в ур-ях лин и нелин регр.
- •9.Парный лин коэф-т коррел, методы его опред-ия,аналитическое знач-е.
- •10.Коэф-т детерминации-один из способов оценки кач-ва подбора лин функции. Методика расчета, экон смысл, аналит значение.
- •11.Понятие коэф-та эластичности, методика расчета, аналитический смысл.
- •12.Графическое изображение осн типов кривых. Оценка тесноты связи с помощью графика.
- •13.Правило сложения дисперсий. Аналитическое значение разл-ия общей диспер.
- •14.Понятие ст-ни св-ды,опр-е числа ст-ей св-ды для общ, факт. И отс дисперсии.
- •15.Крит Фишера-методы расчета,исп-ие для оц-ки существ-ти св-зи м/у факт-ом и рез-ом.
- •16.Дисперс-ый анализ рез-тов регр при оценки значимости ур-ия регр. Табл дисп-го анализа, ее аналитич знач-е.
- •17. Методы оценки статистической значимости параметров уравнения линейной регрессии. Стандартная ошибка коэффициента регрессии, определения фактического значения критерия стьюдента.
- •18. Оценка значимости параметра «а»
- •19.Методика определения прогнозных значений результата на основе линейного уравнения регрессии – точечного и интервального.
- •20.Нелинейная регрессия. Два класса нелинейных регрессий(примеры).
- •21.Особенности определения параметров параболы второго порядка.
- •22. Понятие линеаризации нелинейных уравнений регрессии. Оценка параметров уравнения гиперболы, степенной функции, приведённых к линейному виду.
- •23. Методы расчета и интерпритация коэффициентов эластичности для линейных и нелинейных математических функций.
- •24. Показатель тесноты связи для нелинейной регрессии – индекс корреляции – методика расчета, аналитическое значение.
- •25. Оценка статистической значимости индекса корреляции, индекс детерминации – понятие, аналитическое значение.
- •26. Средняя ошибка апроксимации – методы расчета, использование в анализе качества модели.
- •27. Отбор факторов при построении уравнения множественной регрессии, понятие коллинеарности и мультиколлинеарности.
- •29. Использование мнк и метода определителей для оценки параметров уравнения множественной регрессии.
- •30. Уравнение регрессии в стандартизированном масштабе,экономическое содержание стандартизированных коэффициентов регрессии, их интерпритация.
- •31.Коэффициент эластичности в уравнениях множественной регрессии: методика расчета, аналитическое значение, интерпретация.
- •32. Индекс множественной корреляции, коэффициент детерминации, методики построения, аналитическое значение
- •33. Понятие, методика расчета и область применения скорректированного индекса множественной детерминации.
- •34. Понятие частных коэффициентов (индексов) корреляции и их аналитическое значение.
- •35. Согласованность частной корреляции и стандартизированных коэффициентов регрессии на примере двухфакторного анализа.
- •36. Оценка значимости уравнения множественной регрессии с помощью критерия фишера. Методика определения фактического значения f-критерия через индекс детерминации и с помощью дисперсионного анализа.
- •37. Частный критерий фишера, его аналитический смысл.
- •38. Оценка существенности дополнительно включенного фактора в уравнение множественной регрессии с помощью таблицы дисперсионного анализа.
- •39. Понятие фиктивной переменной во множественной регрессии.
- •40. Предпосылки метода наименьших квадратов, понятие гомо- и гетероскедастичности, графическое изображение гомо- и гетероскедастичности.
- •41. Общее понятие о системах уравнений, используемых в эконометрике. Структурная и приведенная формы модели.
- •42. Понятие идентификации при переходе от приведенной формы модели к структурной.
- •43 Основные элементы временного ряда.
- •44. Понятиеавтокорреляции уровней временного ряда,методика расчета коэф.Автокорреляции, его аналитическое значение
- •45. Выявление тенденции изучаемого явления с помощью аналитического выравнивания временного ряда
- •46. Методика выявления сезонных и циклических колебаний в аддитивной модели.
- •47. Расчет сезонной компоненты в мультипликативной модели.
- •48. Специфика статистической оценки взаимосвязи двух временных рядов.
- •49. Автокорреляция в остатках. Критерий дарбина-уотсона.
37. Частный критерий фишера, его аналитический смысл.
Частный F-критерий служит мерой д/оценки включения ф-ра в модель. Частный F-критерий построен на сравнении прироста факторной дисперсии, обусловленного влиянием дополнителньо включенного ф-ра, с остаточной дисперсией на число степеней свободы по регрессионной модели в целом. Предположим, что оцениваем значимость влияния х1 как дополнительно включенного в модель ф-ра. Используем след.формулу:
, где
- коэф.множ.детерминации д/модели с полным набором ф-ов
- тот жепоказатель,но без включения в модель ф-ра х1
n – число наблюдений
m – число параметров в модели (без свободного члена)
- прирост степеней свободы (=1 при добавлении 1 фактора)
С помощью частного F-критерия можно проверить значимость всех коэф-ов регрессии в предположении, что каждый соответствующий фактор xi был введен в уравнение множ.регрессии последним.
38. Оценка существенности дополнительно включенного фактора в уравнение множественной регрессии с помощью таблицы дисперсионного анализа.
Значимость ур-ия множественной регрессии в целом оценивается с помощью F-критерия Фишера. Но оценивается не только значимость ур-ия в целом, но и фактора, дополнительно включенного в регрессионную модель. Необходимость такой оценки связана с тем, что не каждый фактор, вошедший в модель, может существенно увеличивать долю объясненной вариации результативного признака. Кроме того, при наличии в модели нескольких факторов они могут вводиться в модель в разной последовательности. Ввиду корреляции между факторами значимость одного и того же фактора м б разной в зависимости от последовательности его введения в модель. Мерой для оценки включения фактора в модель служит частный F-критерий, т е Fxі. Частный F-критерий построен на сравнении прироста факторной дисперсии, обусловленного влиянием дополнительно включенного фактора, с остаточной дисперсией на одну степень свободы по регрессионной модели в целом. В общем виде для фактора xі, частный F-критерий определится как : Fxі= Ry²x1…xі….xp-- R²yx1…xі-1xі+1… xp/ 1-- Ry²x1…xі….xp×nm1/1. Т к прирост факторной суммы квадратов отклонений обусловлен дополнительным включением в модель одного исследуемого фактора, то число степеней свободы для него равно: df1=1. Для остаточной суммы квадратов отклонений по регрессионной модели число степеней свободы равно: df2= nm1. Соотношение числа степеней свободы приведено в формуле частного F-критерия в виде дроби: nm1/1. Фактическое значение частного F-критерия сравнивается с табличным при 5%ом или 1%ом уровне значимости и числе степеней свободы: 1 и nm1. Если факт значение Fxі превышает Fтабл, то доп включение фактора xі в модель стат-ки оправдано и коэф чистой регрессии bі при факторе xі стат-ки значим. А если Fxі <Fтабл, то включение фактора xі в модель нецелесообразно.
39. Понятие фиктивной переменной во множественной регрессии.
До сих пор в качестве ф-ов рассматривались экономич.переменные,принимающие количественные значения в некотором интервале. Вместе с тем может оказаться необходимым включить в модель ф-ор, имеющий 2 или более качеств.уровней. Это могут быть разного рода атрибутивные признаки (профессия, пол, образование и т.д.). Д/того чтобы ввести такие переменные в регрессионную модель,им должны быть присвоены те или иные цифровые метки, т.е. качеств.переменные необходимо преобразовать в количественные. Такого вида сконструированные переменные в эконометрике принято называть фиктивными переменными (структурные).
Качеств.признаки могут приволить к неоднородности исследуемой сов-ти,что м.б. учтено при моделировании двумя путями:
1.регрессия строится д/каждой качественно отличной группы ед-ц сов-ти, т.е. д/каждой группы в отдельности
2.общая регрессионная модель строится д/сов-ти в целом,учитывающей неоднородность данных. В этом случае в регрессионную модель вводятся фиктивные переменные, т.е. строится регрессионная модель с переменной структурой, отражающей неоднородность данных.