- •1.Основные понятия и особенности эконометрического метода.
- •4. Классификация эконометрических моделей
- •3. Специфика экономических данных
- •11. Свойства оценок метода наименьших квадратов (мнк).
- •5. Основные этапы построения эконометрических моделей.
- •33. Регрессионные модели с переменной структурой (фиктивные переменные).
- •6. Функциональные и стохастические типы связей. Ковариация, корреляция.
- •19.Нелинейная регрессия. Нелинейные модели и их линеаризация.
- •2. Типы экономических данных, используемых в эконометрических исследованиях: пространственные данные и временные ряды.
- •18.Понятие и причины гетероскедастичности. Последствия гетероскедастичности. Обнаружение гетероскедастичности.
- •7. Анализ линейной статистической связи экономических данных, корреляция; вычисление коэффициентов корреляции, проверка значимости.
- •9. Понятия регрессионного анализа: зависимые и независимые переменные.
- •8. Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции.
- •10.Предпосылки применения метода наименьших квадратов (мнк).
- •12. Линейная модель парной регрессии. Оценка параметров модели с помощью метода наименьших квадратов (мнк).
- •14. Анализ статистической значимости параметров модели парной регрессии.
- •20. Модель множественной регрессии. Построение системы показателей (факторов).
- •15. Интервальная оценка параметров модели парной регрессии
- •16.Проверка выполнения предпосылок мнк.
- •21. Мультиколлинеарность. Последствия мультиколлинеарности. Способы обнаружения мультиколлинеарности. Способы избавления от мультиколлинеарности.
- •23. Модель множественной регрессии. Выбор вида модели и оценка ее параметров.
- •22. Отбор факторов при построении множественной регрессии. Процедура пошагового отбора переменных.
- •27. Проверка качества многофакторных регрессионных моделей. Оценка качества всего уравнения регрессии.
- •28. Проверка качества многофакторных регрессионных моделей. Коэффициент детерминации . Скорректированный . Проверка гипотез с помощью t-статистик и f-статистик.
- •29. Оценка существенности параметров линейной регрессии.
- •30. Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета коэффициенты).
- •31. Анализ экономических объектов и прогнозирование с помощью модели множественной регрессии.
- •1Основные понятия и особенности эконометрического метода.
- •4Классификация эконометрических моделей.
1.Основные понятия и особенности эконометрического метода.
Слово «эконометрика» ввел норвежский статистик Р. Фриш. Эконометрика – изменение в экономике. Исторически сложилось 2 основных направлений математических методов. 1- направление Ф. Кенэ «Школа политических арифметиков». Представители этого направления сюда относить все, что изучается с помощью математике в экономики. Сегодня это направление сформировалось под названием математическая экономика. 2 – направление Р. Фриш и Т. Ха-авелмо рассматривали применение лишь определенных математико-статистических методов для изучения экономических процессов объектов. В современной эконометрики 3 составляющих: Экономическая теория, Статистика, Математика. Эконометрика – это наука, которая количественно описывает взаимосвязь экономических процессов, объектов и явлений, опираясь на экономическую теорию. Используя данные, статистики и математического инструментария. Из экономической теории в эконометрику приходят основные положения, законы, концепции, причинно- следственные связи. Статистика является информационной базой для эконометрических исследований. Статистика приносит в эконометрику все плюсы и минусы. Математика обеспечивает соответствующими методами или инструментами. Методы ос
Эконометрика использует элементы матричной алгебры и МНК. Эконометрика изучает процессы происходящие в социально-экономических системах. Они являются сложными, динамическими и открытыми. Исходя из этого можно сделать вывод эти системы плохо формируются.
4. Классификация эконометрических моделей
Эконометрическая модель – образ экономического объекта, примерно воссоздаваемый с помощью математического языка. В современной эконометрике сложилось 3 экономических класса. 1 класс. Модели временных рядов переменная t (время) занимает особое место среди экономических переменных: а) она может включаться в модель напрямую; б) включается туда опосредовано, некоторые факторы зависят от t; в) могут быть модели с исключенным фактором времени t. 2 класс. Регрессионная модель представляет собой Y (эндогенные) = F (X1 X2 ….Xm)- экзогенные. Можно выделить две основных классификации моделей регрессии: а) классификация моделей регрессии на парные и множественные регрессии в зависимости от числа факторных переменных; б) классификация моделей регрессии на линейные и нелинейные регрессии в зависимости от вида функции f. 3 класс. Система одновременных уравнений называется модель, которая описывается системами взаимозависимых регрессионных уравнений. Системы одновременных уравнений могут включать в себя тождества и регрессионные уравнения, в каждое из которых могут входить не только факторные переменные, но и результативные переменные из других уравнений системы.
3. Специфика экономических данных
В эконометрике решаются задачи описания данных, оценивания, проверки гипотез, восстановления зависимостей, классификации объектов и признаков, прогнозирования, принятия статистических решений и др.
При выборе методов анализа конкретных экономических данных следует учитывать, что экономические данные обладают рядом особенностей.
Многие экономические показатели неотрицательны. Значит, их надо описывать неотрицательными случайными величинами.
В экономике доля нечисловых данных существенно выше, чем в технике и, соответственно больше применений для статистики объектов нечисловой природы.
Количество изучаемых объектов в экономическом исследовании часто ограничено в принципе, поэтому обоснование вероятностных моделей в ряде случаев затруднено.
Экономические процессы развиваются во времени, поэтому большое место в эконометрике занимают вопросы анализа и прогнозирования временных рядов, в том числе многомерных. При этом следует отметить, что временные ряды качественно отличаются от простых статистических выборок. Эти особенности состоят в следующем:
*последовательные по времени уровни временных рядов являются взаимозависимыми, особенно это относится к близко расположенным наблюдениям;
*в зависимости от момента наблюдения уровни во временных рядах обладают разной информативностью: информационная ценность наблюдений убывает по мере их удаления от текущего момента времени;
с увеличением количества уровней временного ряда точность статистических характеристик не будет увеличиваться пропорционально числу наблюдений, а при появлении новых закономерностей развития она может даже уменьшаться