- •Введение
- •Основные этапы эконометрического исследования:
- •Основные типы моделей:
- •Тема 1. Основные понятия теории вероятностей
- •1.1. Вероятностный эксперимент, событие, вероятность.
- •1.2. Случайные величины
- •1.3. Числовые характеристики св
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •1.4. Законы распределений св
- •1. Закон равномерного распределения вероятностей
- •2. Нормальный закон распределения
- •3. Распределение
- •4. Распределение Стьюдента(t – распределение)
- •5. Распределение Фишера (f – распределение)
- •( Число степеней свободы)
- •Тема 2. Базовые понятия статистики.
- •2.1. Выборка и генеральная совокупность
- •2.2. Способы представления и обработки экономических данных
- •2.3. Статистические оценки параметров распределения
- •2.4. Статистическая проверка гипотез
- •Тема 3. Соотношения между экономическими переменными. Линейная связь. Корреляция
- •3.1. Коэффициент линейной корреляции
- •3.2. Оценка значимости (достоверности) коэффициента корреляции
- •Тема 4. Парная линейная регрессия. Метод наименьших квадратов
- •Тема 5. Оценка качества полученного уравнения (верификация)
- •5.1. Оценка общего качества уравнения регрессии
- •5.2. Оценка существенности параметров линейной регрессии и всего уравнения в целом
- •5.2.1. Анализ статистической значимости коэффициентов линейной регрессии
- •5.2.2. Анализ статистической значимости уравнения в целом. Распределение Фишера в регрессионном анализе
- •5.3. Проверка предпосылок, лежащих в основе мнк
- •5.3.1. Проверка первой предпосылки мнк
- •5.3.2. Проверка второй предпосылки мнк
- •5.3.3. Автокорреляция ошибок. Статистика Дарбина-Уотсона
- •Методы устранения автокорреляции. Авторегрессионное преобразование
- •5.3.4. Проверка гомоскедастичности дисперсии ошибок
- •Обобщенный метод наименьших квадратов (омнк)
- •Тема 6. Множественная корреляция и линейная регрессия
- •6.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •6.2. Метод наименьших квадратов (мнк)
- •6.3. Анализ качества эмпирического уравнения множественной линейной регрессии
- •Тема 7. Прогнозирование
- •7.1. Оценка прогнозных качеств модели
- •7.2. Интервалы прогноза по линейному уравнению регрессии
- •Тема 8. Нелинейные модели регрессии. Простейшие методы линеаризации
- •Тема 9. Фиктивные переменные в регрессионных моделях
- •Тема 10. Системы эконометрических уравнений
- •10.1. Общее понятие о системах уравнений, используемых в эконометрике
- •10.2. Структурная и приведенная формы модели
- •10.3. Проблема идентификации
- •Косвенный метод наименьших квадратов (кмнк);
- •Двухшаговый метод наименьших квадратов (дмнк);
- •Тема 11. Временные ряды в эконометрических исследованиях в.1. Выявление структуры временного ряда
2.3. Статистические оценки параметров распределения
Статистической оценкой неизвестного параметра теоретического распределения (т.е. количественного признака генеральной совокупности) называют функцию от наблюдаемых случайных величин.
Для того чтобы оценки давали «хорошие» приближения оцениваемых параметров, они должны удовлетворять определённым требованиям – быть несмещёнными, состоятельными и эффективными.
Оценка генеральной средней по выборочной средней:
Генеральной средней называется среднее арифметическое значений признака генеральной совокупности:.
Если значения имеют частоты(), то
.
Выборочной средней называется среднее арифметическое значений признака выборочной совокупности:Если значенияимеют частоты(), то .
Пусть из генеральной совокупности извлечена повторная выборка объёма n со значениями . Пустьнеизвестна и требуется оценить (т.е. приближённо найти) её значение по данным выборки.
Тогда в качестве оценки генеральной средней принимают выборочную среднюю .
То же и для бесповторной выборки.
Оценка генеральной дисперсии по исправленной выборочной:
Генеральной дисперсией называется среднее арифметическое квадратов отклонений значений признака генеральной совокупности от их среднего значения:
или (Если значенияимеют частоты()).
Генеральное среднее квадратическое отклонение: .
Выборочной дисперсией называется среднее арифметическое квадратов отклонений наблюдаемых значений признака от их среднего значения:
. .
.
Пусть из генеральной совокупности в результате n независимых наблюдений над количественным признаком Х извлечена выборка объёма n. (имеют частоты()).
Требуется по данным выборки оценить неизвестную генеральную дисперсию .
В качестве оценки генеральной дисперсии принимают исправленную дисперсию
.
Для оценки среднего квадратического отклонения генеральной совокупности используют исправленное среднее квадратическое отклонение (стандартное отклонение): .
Выше рассмотренные оценки – точечные. Они определяются одним числом.
Свойства, выполнение которых желательно для того, чтобы оценка была признана удовлетворительной:
Несмещенность. Оценка В называется несмещённой оценкой параметра , если её математическое ожидание равно оцениваемому параметру: М(В)=. Многократное осуществление выборок одинакового объёма обеспечивает совпадение средненго значения оценки по всем выборкам с истинным значением параметра. Разность М(В) – называется смещением или систематической ошибкой оценивания. Для несмещённых оценок систематическая ошибка равна нулю.
Эффективность. Оценка параметра называется эффективной, если она имеет наименьшую дисперсию из любой другой альтернативной оценки при фиксированном объёме выборки. Оценка называется асимптотически эффективной, если с увеличением объёма выборки её дисперсия стремится к нулю.
Состоятельность. Оценка называется состоятельной, если она даёт истинное значение при достаточно большом объёме выборки.
При небольшом объёме выборки точечная оценка может значительно отличаться от оцениваемого параметра, т.е. приводить к грубым ошибкам. В этом случае следует пользовать интервальной оценкой.
Интервальной называют оценку, которая определяется 2 числами – концами интервала. Она позволяет установить точность и надёжность оценок.
Пусть найденная по данным выборки статистическая характеристика В– оценка неизвестного параметра (=const).
В тем точнее определяет , чем меньше модуль разности , т.е. и , следовательно, чем меньше , тем оценка точнее. Т.о. положительное числохарактеризует точность оценок.
Однако статистические методы не позволяют утверждать, что В удовлетворяет неравенству.
Надёжностью (доверительной вероятностью) оценки по В называется вероятность q, с которой осуществляется неравенство .
Обычно надёжность задаётся заранее, как правило q = 0,95; 0,99 …(близкое к 1). Чем ближе доверительная вероятность к 1, тем надежнее оценка.
Доверительным называют интервал , который покрывает неизвестный параметр с заданной надёжностью q.