- •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.
23. Методы расчета и интерпритация коэффициентов эластичности для линейных и нелинейных математических функций.
Среди нелинейных функций, которые м.б. приведены к линейному виду, в эконометр.исследованиях очень широко используется степенная функция у=a*xb*ع Это связано с тем, что параметр b в ней имеет четкое экономич. Истолкование,т.е. является коэф-ом эластичности. Это значит, что величина коэф-та b показывает,на сколько %изменится в среднем рез-т, если ф-ор изменится на 1%. Т.к. коэф.эластичности представляет экономич.интерес, а виды моделей не ограничиваются только степенной функцией, приведем формулы расчета коэф.эластичности д/наиболее распространенных типов уравнений регрессии:
Линейная y = a + bx + , y′ = b, Э = .
Парабола 2 порядка y = a +bx + c + , y′ = b + 2cx, Э = .
Гипербола y = a+b/x + , y′=-b/ , Э = .
Показательная y=a , y′ = ln , Э = x ln b.
Степенная y = a , y′ = , Э = b.
Полулогарифмическая y = a + b ln x +ε , y′ = b/x , Э = .
Логистическая , y′ = , Э = .
Обратная y = , y′ = , Э = .
Несмотря на широкое использование в эконометрике коэф-ов эластичности, возмрожны случаи, когда их расчет лишен экономич.смысла. Это происходит тогда, когла д/рассматриваемых признаков бесмысленно определять изменения значений в %. Например, на сколько % изменится з/пл с ростом стажа работы на 1%. В такой ситуации степенная функция, даже если она оказывается наилучшей по формальным соображениям (исходя из наиментшего значения остаточной вариации), не может буть экономически интерпритирована.
24. Показатель тесноты связи для нелинейной регрессии – индекс корреляции – методика расчета, аналитическое значение.
Уравнение нелинейной регрессии, так же как и в лин. зав-ти, дополняется показателем корреляции (R)
где ð2ост –остаточная дисперсия,определяемая из уравнения регрессии ŷх=f(х)
ð2у- общаядисперсия результативного признака у.
Поскольку ð2у=(1/n)*[Σ(у-уˉ)2], а ð2ост=(1/n)*[Σ(у-ŷх)2], индекс корреляции можно выразить так:
Величина данного показателя находится в границах: 0≤R≤1; чемближе к 1, тем теснее связь рассматриваемого признака,темболее надежно найденное уравнение регрессии.
25. Оценка статистической значимости индекса корреляции, индекс детерминации – понятие, аналитическое значение.
Оценка статистической значимости индекса корреляции проводится так же, как и оценка значимости коэф-та корреляции. Индекс детерминации R2 используется д/проверки статистической значимости в целом уравнения нелинейной регрессии по F-критерию Фишера: F= [R2/1- R2 ]*[(n-m-1)/1], где n – число наблюдений, m – число параметров при переменных х.
Величина m хар-ет число степеней свободы д/факторной суммы квадратов, а (n-m-1) – число степеней свободы д/остаточной суммы квадратов.
Д/степенной функции ŷх=a*xb значение m=1 и формула F-критерия примет тот же вид, что и при линейной зав-ти: F= [R2/1- R2 ]*[(n-m-2].
Расчет F-критерия можно вести и в таблице дисперсионного анализа рез-ов регрессии.
Индекс детерминации R2 можно сравнивать с коэф-ом детерминации r2 д/обоснования возможности применения линейной функции. Чем больше кривизна линии регрессии,тем величина коэф-та детерминации r2 меньше индекса детерминации R2. Близость этих показателей означает, что нет необходимости усложнять форму уравнения регрессии и можно использовать линейную функцию. Практически если величина (R2- r2) не превышает 0,1,то предположение о линейной форме связи считается оправданным. В противном случае проводится оценка существенности различия м/у R2 и r2, вычисленных по одним и тем же исходным данным, ч/з t-критерий Стьюдента:
t=[ R2- r2] / [m/R-r/], где m/R-r/ - ошибка разности м/у R2 и r2, определяемая как:
m/R-r/ = 2*√[(R2- r2) - (R2- r2)2 * (2-(R2- r2)] / n
Если tфакт > tтабл, то различия м/у рассматриваемыми показателями корреляции существенны и замена нелинейной регрессии уравнением линейной функции невозможна. Практически, если t<2, то различия м/у R и r несущественны, и, следовательно, возможно применение линейной регрессии, даже если есть предположения о некоторой нелинейности рассматриваемых соотношений признаков ф-ра и р-та.