- •1.Предмет, цели и задачи эконометрики (э). Экон.Модель (эм), основные этапы построения экон.Модели.
- •2.Простая линейная регрессия. Классические предположения модели.
- •3.Стат.Оценивание парам плр по мнк. Св-ва оценок.
- •4.Проверка качества плр: значимость параметров, адекватность моделей. Прогнозирование.
- •5.Множественная линейная регрессия (млр). Классич. Предположения. Мнк-оценка параметров модели.
- •6.Свойства мнк-оценок млр. Теорема Гаусса-Маркова.
- •7. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
- •8.Спецификация эконометрической модели: способы и диагностика отбора экзогенных переменных. Тесты Рамсея и Амемья.
- •9.Спецификация экономической модели: выбор формы зависимости нелинейной модели.
- •10. Проблема гетероскедастичности модели. Критерии её диагностики.
- •11.Взвешенный мнк в задаче оценивания параметров модели. Свойства оценок взвешенного мнк.
- •12.Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
- •13. Критерий диагностики автокорреляции Дарбина-Уотсона.
- •14. Методы устранения автокорреляции
- •15. Проблема наличия мультиколлинеарности модели. Последствия наличия и диагностика мультиколлинеарности.
- •16. Методы устранения мультиколлинеарности.
- •17. Динамические модели с распределёнными лагами.
- •18. Структура лагов по Койку: Частные случаи (модель с неполной корректировкой и адаптивных ожиданий)
- •19. Понятие временного ряда(вр). Модель вр, основные задачи анализа вр. Методы сглаживания вр (скользящего среднего, экспоненциального сглаживания, последовательных разностей)
- •20. Стационарность вр. Характеристики корреляции уровней вр.
- •21. Стационарные модели временных рядов: авторегрессии, скользящего среднего арсс.
- •22. Системы одновременных эконометрических уравнений (соу). Структурная и приведенная форма соу (графическое и матричное представление)
- •23. Проблемы идентификации соу. Идентифицируемость уравнений соу.
- •24. Методы оценивания соу. Косвенный мнк. Двухшаговый мнк. Применимость и свойства оценок.
- •25. Современное состояние эконометрики. Примеры больших эконометрических моделей.
6.Свойства мнк-оценок млр. Теорема Гаусса-Маркова.
Свойства:
1) МНК-оценки вектора параметров МЛР обладают свойством несмещенности: M{ } =
2)Несмещённая оценка дисперсии для случайной переменной ε:
= .
3) Дисперсия МНК-оценок параметров aj имеет вид: , где - диагональный элемент, стоящий на пересечении j-й строки и j-го столбца
4) t-статистики для определения значимости параметров aj имеют вид: Если |t( )|> , где - квантиль распределения Стьюдента с надёжностью γ, то отклоняют гипотезу и делают вывод о существенной значимости параметра .
5) Доверительные интервалы параметров aj имеют вид:
6) Адекватность МЛР проверяется с помощью F-критерия:Если , то гипотезаH0: a1 = a2 = …= am = 0неверна.
Теорема Гаусса-Маркова:Фундаментальное свойство МНК: МНК-оценки параметров линейной регрессии обладают наименьшими дисперсиями среди множества всех несмещённых и линейно-зависимых от энд.переменных оценок в рамках модельных предположений П1-П4.
МЛР с линейными ограничениями на параметры:
Y=Xa+ε, Ba=b (ЛОГ), B – заданная матрица полного ранга rank B=k, – заданный вектор размерности k.
Частные случаи ЛОГ:
1) =0, B=(0…010…0), b=0
2)два параметра совпадают = , B=(0…010…-10…0), b=0
3)сумма нескольких параметров равна 1
, q>1, B=(01…10…0), b=0
4)подмножество коэффициентов вектора параметров а равно 0
=0, k=l, B= , b= .
Оценка параметров с учётом ЛОГ:
(МНК) = (b-B ),
C=( , =(
7. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
Кроме задачи оценивания параметров представляет интерес задача о значимости параметров:
t( ) = ;
Если |t( )|> , где - квантиль распределения Стьюдента с надёжностью γ, то делают вывод о существенной значимости параметра .
Вторая задача проверки качества модели основана на адекватности (обоснованность выбора принятой в соответствии с моделью регрессии взаимосвязи у и х). Адекватность МЛР проверяется с помощью F-критерия: если , то отвергается гипотеза о неадекватности МЛР( (γ)- квантиль порядка γ закона распределения Фишера).
Доверительные интервалы параметров aj имеют вид:
= + , где K – глубина прогноза в будущем, - планируемое в будущем моменте времени T+K значение факторной переменной. Чем дальше глубина прогноза, тем менее чётким он будет.Доверительный интервал прогноза:
- S < <…
8.Спецификация эконометрической модели: способы и диагностика отбора экзогенных переменных. Тесты Рамсея и Амемья.
Спецификация модели МЛР включает решение 2 задач:
Проверка правильного выбора экзогенных переменных.
Проверка корректного выбора формы завис между энд и экзперем.
Пропущенные переменные – существенные факторы, которые не были включены в эконометрическую модель по ошибке. Опасность наличия пропущенных переменных заключается в смещении оценок параметров при включенных переменных. Признак, по которому определяют пропущенную переменную: Знак “+” у произведения оценки параметра при подозреваемой пропущенной переменной и коэффициента корреляции этой переменной с другими переменными, включенными в модель.
Избыточная переменная – включена в ЭМ по ошибке. Она оказывает влияние на уменьшение точности (увеличение дисперсии) оценок параметров модели, уменьшение t-статистик и коэффициента детерминации. Возникает проблема мультиколлинеарности.
Правила спецификации ЭМ: определить существенность переменных; осуществить проверку значимого отличия от нуля t-статистик; осуществить проверку, насколько значимо изменяется коэффициент детерминации при добавлении некоторой переменной в модель.
Критерий Рамсея:
1. сначала оценивают зависимость в соответствии с выбранной моделью по МНК
2. Затем анализируют вид функциональной зависимости остатков e( )и ее номинальное приближение включают в модель.
3. Затем вычисляют , , конструируют новую модель:y=a0+a1x1+ a2x2+a3 +..+εt
4. сравнивают качество модели по отношению к качеству модели y=a0+a1x1+ a2x2+a3 +..+εt с помощью F-критерия: (γ) если F> (γ)- то модель плохо специфицирована.Недостаток: указывает только на наличие ошибочной спецификации, но не выявляет, сколько и какого рода переменных надо добавить в модель.
Критерий Амемья: модель, для которой AF меньше, является лучше специфицированной.AF=