- •1.Предмет эконометрики и связь с другими науками
- •2.Эк. Возникла в середине 20 века (1926 г.).
- •3.Методология эконометрического моделирования:
- •4/Выбор типа математической функции при построении уравнений регрессии
- •5.Свойства оценок:
- •6.Показатели силы связи:
- •7.Показатели тесноты связи.
- •8.Статистическая оценка достоверности регрессионной модели.
- •13.Ошибка аппроксимации.
- •12 Нелинейная регрессия
- •11.Интервальная оценка параметров
- •14.Использование модели парной регрессии для прогнозирования
- •15.Визуальный анализ остатков
- •16.17Смысл множественной регрессии. Отбор факторов и выбор формы уравнения
- •18.Оценка параметров.
- •20.Показатели силы связи:
- •19Стандартизованные коэффициенты регрессии.
- •21.Показатели тесноты связи
- •22.Показатели частной корреляции
- •23.Оценка достоверности модели
- •24.Частные f-критерии
- •26.Предпосылки мнк
- •32.Проблемы, возникающие при построении регрессионной модели
- •27.Гетероскедастичность
- •28.Тесты, используемые для выявления гетероскедастичности:
- •29.Ранговой корреляции Спирмена
- •31.Обобщенный метод наименьших квадратов (омнк)
- •46.Фиктивные переменные
- •49.Структурные уравнения и их приведенная форма
- •50.Проблема идентификация
- •51.Достаточное условие идентификации
- •52.Оценивание параметров в структурной форме моделей
- •53.Дмнк
- •34.Автокорреляция уровней ряда и ее последствия
- •35Моделирование тенденций временного ряда
- •43Использование трендовых моделей для прогнозирования
- •40.Методы исключения тенденции при моделировании взаимосвязей по временным рядам
- •38.Метод отклонения от тренда
- •39.Метод последовательных разностей
- •41.Автокорреляция в остатках
4/Выбор типа математической функции при построении уравнений регрессии
Регрессный анализ заключается в определении аналитического выражения связи между явлениями, в котором изменение одной величины обусловлено влиянием одной или нескольких независимых величин.
Условия применения корреляционно-регрессионного метода:
-
Наличие данных по достаточно большой совокупности
-
Однородность совокупности
-
Необходимость подчинения распределения совокупности по факторному и результативному признакам нормальному закону распределения
Задачи:
-
Измерение параметров уравнения (уравнения регрессии)
-
Измерение тесноты связи (корреляция)
Виды функций, наиболее часто используемые в эк. моделировании:
-
линейная y= a+bx
-
гипербола y= a + b/x
-
логарифмическая y= a+b*lnx
-
парабола второго порядка y= a+bx+сx^2
-
степенная y=ax^b
-
показательная y=ab^x
-
экспонента y=e^(a+bx)
рис. 2
Среди нелинейных функций используются функции, которые легко приводятся к линейному виду:
-
нелинейные по переменным, но линейные по параметрам (2,3,4)
-
нелинейные по переменным и параметрам (остальные)
Методы выбора функции:
-
аналитический (теоретический анализ связи рассматриваемого фактора и результата)
-
графический
-
экспериментальный метод
Оценивание параметров моделей. В эк. оценивание параметров включает 2 этапа:
-
теоретический Считается, что определена генеральная совокупность. Зная те или иные статистические свойства этой совокупности, можно теоретически определить параметры модели.
-
эмпирический (использует выборочные данные; можно оценить, но нельзя определить точные значения параметров) – оценка производится методом наименьших квадратов и методом макс. правдоподобия.
5.Свойства оценок:
-
Согласно выборочному методу статистики характеристики генеральной совокупности принято называть параметрами, а характеристики выборочной совокупности – оценками.
-
Оценка генеральных параметров может быть получена двумя методами:
-
а) методом наименьших квадратов (МНК)
-
б) методом максимального правдоподобия
-
- несмещенность (в среднем оценка соответствует параметру)
- эффективность (несмещенная оценка называется эффективной, если она имеет минимальную дисперсию по сравнению с другими выборочными оценками)
- состоятельность (состоятельна, если при увеличении объема выборки оценка стремится к оцениваемому параметру).
Для оценки параметров функции используется метод наименьших квадратов.
МНК позволяет получить такие оценки параметров, при которых сумма квадратов отклонений фактических значений признака y от теоретических минимальна:
Для линейных и нелинейных уравнений, приводимых к линейным, решается следующая система относительно и :
Условия применения МНК:
-
модель регрессии должна быть линейной по параметрам
-
х – не стохастическая переменная (заданная величина)
-
значения ошибки – случайные. Их изменение не образует определенной модели
-
число наблюдений должно быть больше числа оцениваемых параметров (5-6 раз)
-
значения переменной x не должны быть одинаковыми
-
изучаемая совокупность должна быть достаточно однородной
-
отсутствие взаимосвязи между фактором x и остатком
-
модель регрессии должна быть корректно специфицирована
-
в модели не должно наблюдаться тесной взаимосвязи между факторами
Пример: Исследуется зависимость между сроком, на который предоставлен кредит (в днях) и ставками межбанковского кредита (в % годовых).
В начале можно построить график (поле корреляции) на основе фактических данных.