- •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.
40. Предпосылки метода наименьших квадратов, понятие гомо- и гетероскедастичности, графическое изображение гомо- и гетероскедастичности.
1.случайный хар-р остатков – д/соблюдения этой предпосылки объясняющая переменная х д.б. неслучайной и д/иллюстрации этого положения строится график зависимости остатков от теоретических значений результативного признака. Если на графике получена горизонтальная полоса, то остатки (عj), представляют собой случайные величины и использование МНК оправдан, и теоретические значения У приближены, апроксимированы с фактич. значениями. если остатки зависят от теоретич.У, то возможны след.ситуации: остатки не случайны и носят систематич.хар-р, остатки не имеют пост.дисперсии. Чтобы остатки были случайными надо изменить спецификацию модели (форму связи или ввести доп.связи), также можно увеличить объем сов-ти. Если условие о неслучайности объясняющей переменной х не выполняется, то оценки коэф.регрессии считаются смещенными и несостоятельными.
2. мат.ожидание случ.составляющей д.б.=0 в любом наблюдении (уi-ŷ)=0
Это означает, что случ.величина недолжна иметь систематич.смещения. если в уравнении имеется свободный член,то условие несмещенности выполняется автоматически. В рамках этой предпосылки исследуется зав-ть остатков не только от теоретич.значения У, но и изучается зав-ть остатков отзначения ф-ра,включенного в регрессию. Если график принимает горизонт. Линию, это означает, что остатки не зав-ят от значения х. Если такая зав-ть очевидна м/у остатками и х, то значит модель неадекватна, возможно нарушена спецификация модели.
3. гомоскедастичность –дисперсия каждого отклонения д.б. одинакова д/всех значений хi. Графически диаграмма гомоскедантичности имеет вид:
Если это условие не соблюдается и дисперсия каждого наблюдения зав-ит от №наблюдения, то такая ситуация назыв. гетероскедастичность. На графике ‘f диаграмма имеет вид рассеивания:
Наличие гетероскедастичности приводит к смещению оценок коэф.регрессии и снижает эффективность этих оценок.
4. Отсутствие автокорреляции остатков – эта проблема решается при анализе динамич.рядов. Автокореляция предполагает тесную связь м/у остатком периода t (εt) и остатком предыдущего периода (εt-1). Эти остатки д.б. некоррелированны д/разных наблюдений, и если это условие не выполняется,то говорят об автокорреляции в остатках по динамич., временным рядам. Отсутствие автокорреляции обеспечивает эффективность и состоятельность коэф.регрессии. Авкорреляция остатков измеряется с помощью коэф.корреляции м/у остатками.
5. подчинение остатков закону норм.распределения – предположение о норм.распределении случ.членов необходимо д/проверки коэф.регрессии на значимость д/определения интервальных значений коэф.регрессии и д/проверки значимости используются традиц.приемы (коэф.Стьюдента и Фишера).