- •1. Основные понятия математического моделирования социально-экономических систем
- •2. Предмет, цель и задачи эконометрики. Эконометрическая модель, основные этапы построения эконометрической модели.
- •Этапы эконометрического моделирования:
- •3. Простая (парная) линейная регрессия (плр). Классические предположения моделей.
- •Классические модельные предположения
- •4. Статистическое оценивание параметров плр по методу наименьших квадратов. Свойства мнк – оценок
- •Свойства мнк-оценок:
- •5. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
- •6. Множественная линейная регрессия (млр). Классические предположения. Мнк-оценка параметров модели.
- •7. Свойства мнк-оценок множественной линейной регрессии. Теорема Гаусса- Маркова.
- •8. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
- •5. Коэф. Детерминации
- •Прогнозирование по модели множественной линейной регрессии
- •9. Спецификация эконометрической модели: способы и диагностика отбора экзогенных переменных. Тесты Рамсея и Амемья.
- •Критерий Рамсея (Ramsey):
- •10. Спецификация эконометрической модели: выбор формы зависимости нелинейной модели
- •Принципы спецификаций
- •11. Проблема наличия мультиколлинеарности. Последствия наличия и диагностики мультиколлинеарности.
- •Методы диагноза мультиколлинеарности:
- •12. Методы устранения мультиколлинеарности. Метод главных компонент. Гребневая регрессия.
- •13. Проблемы гетероскедастичности модели. Критерии ее диагностики.
- •1. Критерий Парка (Park).
- •2. Критерий Голдфелда-Кандта (Goldfeld-Quandt).
- •3. Критерий Бриша-Пагана (Breusch-Pagan).
- •4. Критерий Вайта (White).
- •14. Обобщенный мнк (омнк). Свойства оценок млр по омнк. Взвешенный мнк в задаче оценивания параметров модели. Свойства оценок по взвешенному мнк.
- •Вопрос 15. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
- •Причины автокорреляции остатков
- •Последствия автокорреляции:
- •16. Критерий диагностики автокорреляции Дарбина-Уотсона
- •17.Методы устранения автокорреляции. Процедуры оценивания Кохрейна-Оркатта и Хильдрета-Лу
- •18. Модели с распределенными лагами: структура лагов по Койку: Частные случаи (модель с неполной корректировкой и адаптивных ожиданий)
- •19 Модели с распределенными лагами: линейно-арифметическая структура лагов и полиномиальная структура лагов по Алмон
- •20. Тест h-Дарбина и множественный тест Лагранжа проверки автокорреляции в лаговых моделях
- •21. Понятие временного ряда (вр). Модель вр, основные задачи анализа вр. Методы сглаживания вр (скользящего среднего, экспоненциального сглаживания, последовательных разностей)
- •22 Стационарность временного ряда (вр). Характеристики корреляции уровней вр.
- •23 Стационарные модели временных рядов: авторегрессии, скользящего среднего, арсс
- •24. Нестационарная модель арисс. Оценка параметров модели.
- •28. Прогнозирование временных рядов. Показатели точности прогнозов.
- •30. Тест Чоу диагностики включения фиктивных переменных в эконометрическую модель.
- •32. Системы одновременных эконометрических уравнений (соу). Структурная и приведенная форма соу (графическое и матричное представление).
- •33. Проблемы идентификации систем одновременных уравнений (соу). Идентифицируемость уравнений соу (порядковый и ранговый критерии)
- •34. Методы оценивания систем одновременных уравнений: косвенный мнк, двухшаговый мнк. Применимость и свойства оценок
- •35. Современное состояние эконометрики. Примеры больших эконометрических моделей
14. Обобщенный мнк (омнк). Свойства оценок млр по омнк. Взвешенный мнк в задаче оценивания параметров модели. Свойства оценок по взвешенному мнк.
если случайные ошибки модели регрессии подвержены гетероскедастичности (но являются неавтокоррелированными), то для оценивания неизвестных коэффициентов модели применяется этот метод.
остаткам обобщенной модели регрессии придаются определенные веса, которые равны обратным величинам соответствующих дисперсий (на практике значения дисперсий являются величинами неизвестными, поэтому используется предположение о том, что они пропорциональны значениям факторных переменных, чтобы упростить процесс вычисления подходящих весов).
Приведем его описание для случая множественной регрессии с двумя экзогенными переменными.
Пусть модель такова, что
где Причемгде
Тогда, преобразуя модель следующим образом:
приходим к модели с отсутствием гетероскедастичности.
Далее оценивают параметры ипо классическому МНК на основе преобразованных переменных:
Вопрос 15. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
Эконометрический анализ, как и множество иных видов математического анализа, изначально строится на условных предположениях. Но что же произойдёт, если предположения будут нарушены? В связи с нарушением предположений возникают следующие проблемы эконометрики:
Если между экзогенными переменными имеется линейная связь, то не будут существовать МНК-оценки, ибо не существует и обратная матрица к вырожденной матрице X’X. Это – проблема мультиколлинеарности, и она в этом вопросе более детально рассматриваться не будет.
Когда же нарушается гипотеза о взаимной независимости случайной переменнойто возникает проблема автокорреляции. В этом случае МНК -оценки не обладают несмещённостью. Эту проблему и необходимо рассмотреть в данном вопросе.
Если же нарушается гипотеза о равноточности измерения эндогенной переменной в различные моменты наблюдения, то возникает проблема гетероскедастичности.
Из вышеперечисленных проблем рассмотрим проблему автокорреляции остатков модели.
Автокорреляция (последовательная корреляция) – это корреляция между наблюдаемыми показателями во времени (временные ряды) или в пространстве (перекрестные данные). Автокорреляция остатков характеризуется тем, что не выполняется следующая предпосылка использования МНК:
Причины автокорреляции остатков
Автокорреляция остатков может возникать по нескольким причинам:
Во-первых, иногда автокорреляция связана с исходными данными и наличием ошибок измерения в значениях Y.
Во-вторых,иногда причину автокорреляции остатков следует искать в формулировке модели. В модель может быть не включен фактор, оказывающий существенное воздействие на результат, но влияние у которого отражается в остатках, вследствие чего последние могут оказаться автокоррелированными. Зачастую этим фактором является фактор времени t.
Иногда, в качестве существенных факторов могут выступать лаговые значения переменных, включенных в модель. Либо в модели не учтено несколько второстепенных факторов, совместное влияние которых на результат существенно ввиду совпадения тенденций их изменения или циклических колебаний.
Автокорреляция бывает явной и неявной.
Явная наблюдается в случае, когда известна точная зависимость между уровнями шоковой переменной, полученными в различные моменты времени.
Неявная – когда такая зависимость является стохастической:
Зависимость такого вида достаточно часто встречается при анализе временных рядов и носит название модели авторегрессии первого порядка AP (1).
К последствиям наличия в модели автокорреляции относятся:
а) увеличение дисперсий оценок параметров модели;
б) смещение оценок, полученных по МНК;
в) снижение значимости оценок параметров.
Если ρ >0, то автокорреляция будет положительной, а если ρ < 0 – отрицательной.
Наиболее популярным критерием диагностики эконометрической модели на наличие автокорреляции является тест Дарбина-Уотсона.
Кроме точечной проверки наличия автокорреляции шоковой переменной на практике проверяют статистические гипотезы следующих видов:
Критерии проверки гипотез 1) и 2) основаны на специальных таблицах Дарбина-Уотсона, в которых по уровню надежности содержаться доверительные границы статистики.
Однако, существуют особые ограничения при использовании теста Дарбина-Уотсона.
1) Модель должна содержать свободный член ;
2) Модель не должна содержать лаговых переменных.
В других учебниках существует деление автокорреляции на чистую и ложную.
Чистая вызывается зависимостью случайного члена от прошлых значений. Она, в свою очередь, делится на автокорреляцию первого порядка, второго порядка и высших порядков.
Ложная автокорреляция вызывается неправильной спецификацией модели.
Причинами чистой автокорреляции могут быть:
Инерция. Трансформация и изменение многих экономических показателей обладает инерционностью.
Эффект паутины. Многие экономические показатели реагируют на изменение экономических условий с временным лагом (запаздыванием).
Сглаживание данных. Усреднение данных по некоторому продолжительному интервалу времени.