- •1. Понятие эконометрики, ее основные задачи. Классы эконометрических моделей.
- •2.Типы данных и виды переменных в эконометрических моделях. Этапы эконометрического моделирования.
- •3. Этапы проведения корреляционно-регрессионного анализа.
- •4. Парная корреляция. Нахождение линейного коэффициента корреляции и парного коэффициента детерминации. Проверка значимости коэффициента корреляции.
- •5. Парная линейная регрессия. Оценка коэф регрессии. Коэф эластичности.
- •6.Предпосылки мнк (условия Гаусса-Маркова)
- •7. Проверка адекватности модели. Критерий Фишера.
- •8.Определение меры точности модели. Доверительные интервалы прогноза.
- •9.Нелинейные модели и их линеаризация. Логарифмические и полулогарифмические модели.
- •10. Нелинейные модели и их линеаризация. Обратная зависимость. Степенная и показательная модели.
- •11.Множественная корреляция. Матрица парных линейных коэф корреляции, нахождение коэф множественной корреляции и коэф детерминации.
- •12. Виды ошибок спецификации.
- •13. Эконометрический анализ при нарушении классических предположений. Гетероскедастичность и ее последствия.
- •14. Обнаружение гетероскедастичности, методы ее устранения.
- •15. Автокорреляция, ее основные причины и последствия.
- •16. Обнаружение и устранение автокорреляции
- •17. Мультиколлинеарность, ее последствия и причины возникновения.
- •18. Определение мультиколлинеарности и методы ее устранения.
- •19. Виды систем эконометрических уравнений. Применение систем одновременных уравнений.
- •20. Структурная форма модели, содержание ее параметров. Классы стуктурных уравнений модели
- •21 Приведенная форма модели, причины ее построения.
- •22. Идентификация модели. Классы структурных моделей. Необходимое и достаточное условие идентифицируемости системы
- •23.Необохдимое и достаточное условия идентифицируемости уравнения системы
- •24. Методы решения систем одновременных ур-ний.
- •25.Косвенный метод мнк.
- •26. Временные ряды и их классификация
- •27. Стационарный временной ряд, коэф автокорреляции, автокорреляционная ф-ция. Понятие об авторегрессионных моделях.
- •28.Понятие об авторегрессионных моделях.
- •29. Математические модели социально-экономических систем.(сэс)
- •30. Сущность процесса моделирования.
- •32. Экономико-математические оптимизационные модели. Критерии оптимальности предприятия, их математич форма.
- •33. Понятие о методе межотраслевого баланса.
- •34. Состав и характеристика четырех квадрантов межотраслевого баланса
- •35. Стоимостный моб.
- •36. Основные характеристики моб
- •37. Система уравнений моб. Виды расчетов, выполняемые по модели Леонтьева.
- •38. Матрица прямых и полных материальных затрат, связь между ними. Понятие о продуктивной модели.
- •39. Системы массового обслуживания (основные понятия, классификация.)
- •40. Элементы смо. Понятие потока событий. Простейший поток.
- •42.Финансовые вероятности состояния смо.
- •43. Смо с отказами, расчет основных характеристик
- •44. Смо с неограниченным ожиданием, расчет основных характеристик.
- •45. Моделирование конфликтных ситуаций с помощью теории игр, основные понятия и классификация.
- •46. Матричные игры с нулевой суммой. Решение матричных игр в чистых стратегиях.
- •47.Решение матричных игр в чистых стратегиях.
- •48. Решение матричных игр в смешанных стратегиях.
- •49. Решение матричной игры сведением к задаче лп.
- •50.Игры с природой. Решение статистических игр при известных вероятностях состояний природы (критерии Байеса, Лапласа )
- •51. Решение статистических игр при неизвестных вероятностях состояний природы (критерии Вальда, Гурвица)
- •52. Матрица рисков. Критерий Сэвиджа.
- •53. Постановка задачи управления запасами, основная модель управления запасами.
- •54,55 Оптимальный размер партии. Расчет характеристик работы склада в оптимальном режиме.
- •56. Модель производственных запасов.
- •57. Основные понятия сетевой модели.
- •58. Правила построения сетевых графиков.
- •59. Расчет параметров сетевого графика.
- •60. Построение календарного графика, учет интенсивности использования р-сов.
4. Парная корреляция. Нахождение линейного коэффициента корреляции и парного коэффициента детерминации. Проверка значимости коэффициента корреляции.
Корреляционная зависимость – связь, при котор каждому значению независимой переменной соотв-т определенное математич. ожидание.
Линейный коэффициент корреляции:
- сред квадратич отклонения случайных велечин x и y
Коэф-т корреляции приним значения от -1 до +1
Парный коэф-т детерминации показывает какая доля вариации перемен y учтена в модели и обусловлена влиянием на нее переменной x
t-критерий Стъюдента
где К – число факторных признаков, включ в модель.
Значения критерия сравнивается с табличным , где - заданный уровень значимости (обычно принимается равным 0,05 или 0,01); =n-k-1 – число степеней свободы.
Если t >, то коэф-т корреляции признается значимым, т.е. нулевая гипотеза утверждающая равнство нулю коэф-та корреляции, отвергается и делается вывод о том, что между исследуемыми переменными есть тесная статистич. взаимосвязь.
5. Парная линейная регрессия. Оценка коэф регрессии. Коэф эластичности.
Ур-ние регрессии или модель связи соц-эконом явлений, выражается ф-цией.
где к– число факторных признаков
Парная регрессия- Множественная регрессия (хар-ет
(хар-ет связь м/у результ связь м/у результ и 2-мя и более
и Факторн признаками) факторными признаками)
Ур-ние линенейной парной регрессии – это ух=а0+а1хi+Еi, где а0, а1-параметры модели; Еi-случ величина; а0-свободный член регрессион ур-ния. а1-показывает на кокую величину в среднем измен-ся результ признак у, если переменная х увелич на ед. измерения.
Знак при коэф регрессии показыв направление связи при а1>0-связь прямая; а1<0-связь обратная.
Еi-отражает факт,что изменение у будет неточно описывать изменение х, т.к. присутствуют др. факты, не учтенные в данной модели.
Оценка параметров модели осущ методом наименьших квадратов.
;
Необходимо, чтобы выполнялся ряд предпосылок относит случ отклонения
Коэф эластичности показ на сколько % изменился результ признак у, при изменен факторного признака х на 1 %
6.Предпосылки мнк (условия Гаусса-Маркова)
1. Математич. ожидания случайных отклонений = 0 для всех наблюдений.
2. Дисперсия случайных отклонений постоянная. Выполнимость данной предпосылки наз-ся гомоскедастичностью.
3. Случайные отклонения явл-ся независимыми друг от друга. Если данное условие выполняется, то говорят об отсутствии автокорреляции.
4. Случайное отклонение должно быть независимо от объясняющих переменных.
5. Модель является линейной относительно параметров.
7. Проверка адекватности модели. Критерий Фишера.
После того как ур-ние регрессии построено выполняется проверка его адекватности и точности. Эти св-ва модели исслед-ся на основе анализа ряда остатков Еi (отклонений расчетных значений от фактич)
Уровень ряда остатков где i=1,2…n
Требования при кот модель считается адекватной: 1)уровни ряда остатков имеют случайный хар-р 2)математич ожидание уровней ряда остатков равно 0 3) дисперсия каждого отклонения одинакова для всех значений хi 4) значение уровней ряда остатков независимы др. от друга (отсутствие автокорреляции) 5) уровни ряда остатков распределения по нормальному закону.
t- критерий Стъюдента для оценки коэф регрессии
;
где ,- стандартные отклонения свободного члена и коэф регрессии. Определ по формулам:
;
Где SE –стандартное отклонение остатков модели. Определ по формуле:
Расчетные знач критерия сравнен с табличн , кот определяется при (n-k-1) степенях свободы и соответствующем уровне значимости.
Если расчетное значение больше табличного, то параметрпризнается значимым.
F- критерий Фишера
Если при заданном уровне значимости расчетное значение критерия больше табличного, то модель считается значимой и надежной.