- •1. Основные понятия и особ-ти эконометрического метода
- •2. Типы экономических данных, используемых в эконометрических исследованиях.
- •3. Специфика экономических данных.
- •4. Классификация эконометрических моделей.
- •5. Основные этапы построения эконометрических моделей.
- •6. Функциональные и стохастические типы связей. Ковариация, корреляция
- •7. Анализ линейной стат-кой связи экономических данных, корреляция, вычисление коэф-в корреляции. Проверка значимости
- •8. Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции.
- •9. Регрессионный анализ. Зависимые и независимые переменные
- •10. Предпосылки применения мнк.
- •2. В модели ( ) возмущение (или зависимая переменная ) есть величина случайная, а объясняющая переменная - величина неслучайная.
- •11. Свойства оценок мнк
- •12. Лин модель парной регрессии. Оценка параметров модели с пом мнк.
- •13. Показатели качества регрессии модели парной регрессии.
- •14. Анализ статистической значимости параметров модели парной регрессии.
- •15. Интервальная оценка параметров модели парной регрессии.
- •16. Проверка выполнения предпосылок мнк.
- •17. Интервалы прогноза по лин ур-нию парной регрессии. (Прогнозирование с применением ур-ния регрессии)..
- •18. Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности.
- •19. Нелинейная регрессия. Нелинейная модель и их линеаризация.
- •21. Мультиколлинеарность. Ее последствия. Способы обнаружения. Способы избавления.
- •20. Модель множественной регрессии. Выбор вида модели и оценка ее параметров
- •22. Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных.
- •23. .Модель множеств регрессии.Выбор вида модели и оценка ее параметров.
- •24. Оценка параметров множественной регрессии методом наименьших квадратов (мнк). Свойства оценок мнк.
- •25. Понятие и причины автокорреляции остатков. Последствия автокорреляции остатков. Обнаружение автокорреляции остатков.
- •26. Проверка качества многофакторных регрессионных моделей. Оценка качества всего ур-ния регрессии.
- •27. Проверка качества многофакторных регрессионных моделей.Коэф-т детерминации r2. Скорректированный r2. Проверка гипотез с пом т-статистик и ф-статистик.
- •28. Оценка существенности параметров линейной регрессии.
- •29. Оценка влияния факторов на зависимую переменную (коэф-ты эл-ти,бета коэф-ты)
- •30. Анализ эк объектов и прогнозирование с помощью модели множ регрессии.
- •32. Регрессионные модели с переменной структурой (фиктивные переменные)
- •33. Многомерный статистический анализ. Задачи классификации объектов: кластерный анализ, дискриминантный анализ.
- •34. Мса. Задачи снижения размерности: факторный анализ, компонентный анализ.
- •35. Системы линейных одновременных уравнений (соу). Взаимозависимые и рекурсивные системы.
- •36. Косвенный мнк
- •37. Системы линейных одновременных уравнений.Условия идентификации
28. Оценка существенности параметров линейной регрессии.
Проведем оценку качества построенной моедли:А) оценим значимость уравнения регрессии, иначе ответим на вопрос, соответствует построенная математическая модель фактическим данным и достаточна ли выкюч в уравнение х-фактроров для объяснения изменения результативного показателя.
Для проверки значимости модели уравнения регрессии используется F-критерий Фишера по γ вычисляется F расчетное.
,
Fрасч сравнивается с F крит с 2-я степенями свободы: υ1 = n-1, υ2 = n-k-1, где k - кол-во оцениваемых параметров. /k=1/
Если Fрасч > с F крит, то уравнение считается значимым, в противном случае ур-ие не значимо.
Надежность получаемых оценок а и b зависит от ошибки ε.
Нужно найти среднюю квадратическую ошибку
, где
Для значимого ур-я регрессии строят интервальные оценки параметров a и b.
Интервальная оценка параметра a, есть:
Замечание: если интервальные границы в разные по знаку, то такие уравнения в прогнозировании использовать нельзя, т.е. непонятно какое направление.
Оценка существенности параметров линейной регрессии.
Проверка значимости параметров проводится на основе t-критерия Стьюдента. Вначале рассчитывают стандартную ошибку модели Se. . Затем определяют стандартные ошибки каждого параметра уравнения: .
Если tтабл< , то соотв. параметр уравнения считают статистически значимым tтабл=t( ;n-k-1). Замечание: используя t-критерий можно опр-ть интервальные оценки для параметров регрессионного уравнения:
29. Оценка влияния факторов на зависимую переменную (коэф-ты эл-ти,бета коэф-ты)
Влияние факторов на зависимую переменную оцениваются с помощью коэффициентов эластичности и β-коэффициентов.
Он показывает на сколько % увеличится результативный показатель У при увеличении соответствующего j-ого фактора на 1%.
, где
и
он показывает на какую величину своего среднего квадратического отклонения изменится результативный показатель У при увеличении соответствующего j-ого фактора на 1-о свое среднеквадратическое отклонение.
3. rj – коэф-т парной корреляции. коэф-т показывает среднюю долю влияния j фактора в совокупном влиянии всех факторов.
К-т эластичности: . Он показывает, на сколько % изменяется зависимая переменная при изменении фактора j на 1%.
Бета-к-т:
, где ; – среднеквадратические отклонения.
Бета-к-т показывает, на какую часть величины среднего квадратического отклонения Sy тзменится зависимая переменная Y с изменением соответствующий независимой переменной Xj на величину среднеквадратического отклонения при фиксированном на постоянном уровне значении остальных переменных.