Эконометр_07_1обр

ЭКОНОМЕТРИКА

ФиК, БУ, ЭТ 2006/2007 учебный год

1. Типы экономических данных, используемых в эконометрических исследованиях.

2. Классификация эконометрических моделей.

3. Основные этапы построения эконометрических моделей.

4. Основные понятия и особенности эконометрического метода.

5. Функциональные и стохастические типы связей. Ковариация, корреляция.

6. Анализ линейной статистической связи экономических данных, корреляция; вычисление коэффициентов корреляции, проверка значимости.

7. Понятия регрессионного анализа: зависимая и независимая переменные.

8. Линейная модель парной регрессии. Оценка параметров модели с помощью метода наименьших квадратов (МНК).

9. Показатели качества регрессионной модели парной регрессии.

10. Оценка качества всего уравнения регрессии.

11. Анализ статистической значимости параметров модели парной регрессии

12. Оценка существенности параметров линейной регрессии.

13. Интервальная оценка параметров модели парной регрессии

14. Прогнозирование с применением модели парной линейной регрессии

15. Нелинейная регрессия. Нелинейные модели и их линеаризация.

16. Модель множественной регрессии. Построение системы показателей (факторов).

17. Мультиколлинеарность. Последствия мультиколлинеарности. Способы обнаружения мультиколлинеарности. Способы избавления от мультиколлинеарности.

18. Модель множественной регрессии. Выбор вида модели и оценка ее параметров.

19. Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных.

20. Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции.

21. Проверка качества многофакторных регрессионных моделей. Коэффициент детерминации R². Скорректированный R². Проверка гипотез с помощью t-статистик и F-статистик.

22. Свойства оценок МНК.

23. Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета- коэффициенты, дельта-коэффициенты).

24. Анализ экономических объектов и прогнозирование с помощью модели множественной регрессии.

25. Регрессионные модели с переменной структурой (фиктивные переменные).

26. Предпосылки метода наименьших квадратов.

27. Проверка выполнения предпосылок МНК.

28. Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности.

29. Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков.

30. Компьютерная технология эконометрического моделирования. Использование статистических пакетов СтатЭксперт, VSTAT, SPSS.

31. Системы линейных одновременных уравнений. Взаимозависимые и рекурсивные системы.

32. Системы линейных одновременных уравнений. Условия идентификации.

33. Косвенный метод наименьших квадратов.

34. Многомерный статистический анализ. Задачи классификации объектов: кластерный анализ. Дискриминантный анализ.

35. Многомерный статистический анализ. Задачи снижения размерности: факторный анализ, компонентный анализ.

ПРИМЕРНЫЕ ПОСТАНОВКИ ЗАДАЧ

• Выбрать лучшую модель парной линейной (нелинейной) регрессии, оценить точность моделей, дать точечный и интервальный прогноз

• Оценить влияние факторов на зависимую переменную в модели множественной регрессии, распределить факторы по степени влияния (найти коэффициенты эластичности, бета-коэффициенты, дельта-коэффициенты)

• Найти коэффициент детерминации, оценить точность модели множественной регрессии

• Дать интервальный прогноз с помощью модели множественной регрессии, если известна матрица Х^Т*Х

• Оценить качество уравнения регрессии, построить график уравнения

• Проверить выполнение свойства гомоскедастичности

• Выбрать лучший фактор для построения парной линейной модели

• Сделать точечный и интервальный прогноз, если значение фактора (факторов) превышает на заданное количество процентов среднее (максимальное) значение

• Оценить значимость уравнения (парная регрессия, множественная регрессия), его коэффициентов

• Отобрать заданное число наиболее значимых факторов

• Объяснить экономический смысл параметров уравнения

• При каком значении фактора Х результирующий признак Y будет равен нулю?

• Построить интервальные прогнозы для различных уровней значимости

• Какая доля вариаций зависимой переменной определяется вариацией независимой переменной? (парная регрессия)

• Проверить выполнение предпосылок МНК

• Ранжировать наблюдения в порядке убывания остатков (остаток соответствует дополнительной или недостающей прибыли), найти наименьший и наибольший остаток (прибыль)

• Используя косвенный метод наименьших квадратов, построить систему одновременных уравнений

• Используя приведенную форму модели, найти структурную форму модели, рассчитать смоделированные значения эндогенных переменных

• Дать прогноз Y(Х) для Х, прогнозируемого на 1 единицу времени вперед, т.е. для Х(Т+1), (в ряде случаев указано, что Х(Т+1) нужно определить с помощью среднего абсолютного прироста Х)

В большинстве задач указано, что при решении следует использовать средства Excel.