- •1. Определение эконометрики. Предмет и метод эконометрики.
- •2.Классификация моделей и типы данных.
- •3.Этапы построения эконометрической модели:
- •4. Модель парной регрессии.
- •5. Случайный член. Причины его существования.
- •6. Условия нормальной линейной регрессии (Гаусса-Маркова).
- •7. Метод наименьших квадратов.
- •8. Свойства коэффициентов регрессии.
- •9. Нелинейная регрессия. Методы линеаризации.
- •11. Интерпретация линейного уравнения регрессии.
- •12. Определение тесноты связи между факторами: линейный коэффициент корреляции, коэффициент детерминации.
- •13. Оценка тесноты связи в нелинейной регрессионной модели.
- •15. Взаимосвязь t-статистики и f-статистики для парной регрессии.
- •16. Коэффициент эластичности.
- •17. Оценка статистической значимости уравнения в целом. F-критерий Фишера
- •18. Модель множественной регрессии.
- •19. Ограничения модели множественной регрессии.
- •20. Идентификация параметров множественной регрессии мнк.
- •21. Интерпретация параметров уравнения множественной регрессии
- •22. Показатели тесноты связи во множественном регрессионном анализе – парные и частные коэффициенты корреляции.
- •23. Стандартизированное уравнение множественной регрессии.
- •24. Коэффициент множественной корреляции, скорректированный коэффициент множественной корреляции, множественный коэффициент детерминации.
- •25. Оценка статистической значимости множественных коэффициентов регрессии, t-критерий Стьюдента.
- •26. Модели с переменной структурой (фиктивные переменные).
- •27. Оценка статистической значимости множественного уравнения регрессии, f-критерий Фишера.
- •28. Спецификация модели множественной регрессии. Свойства множественных коэффициентов регрессии.
- •29. Решение проблемы выбора модели (с ограничением и без ограничений).
- •30.Методы отбора факторов: априорный и апостериорный.
- •31. Гетероскедостичность и автокорреляция случайного члена.
- •32. Автокорреляция первого порядка и критерий Дарбина – Уотсона.
- •33. Тест серий (критерий Бреуша – Годфри)
- •34. Тест на гетероскедостичность: Голдфелда – Квандта, тест Уайта.
- •36. Структурная и приведенная формы модели.
- •37. Эндогенные и экзогенные переменные. Проблема идентифицируемости систем уравнений.
- •38. Оценивание параметров в системах одновременных уравнений: косвенный и двухшаговый мнк.
1. Определение эконометрики. Предмет и метод эконометрики.
Эконометрика – дословно в переводе с англ. означает измерение в экономике; раздел в экономике, занимающийся разработкой и применением статистических методов для измерения взаимосвязей между экономическими переменными; (Айвазян) эконометрика объединяет совокупность методов и направлений, позволяющих на основе экономической теории, статистики, математико – статистического инструментария придавать количественное выражение качественным зависимостям.
Многие понятия эконометрики имеют два определения: математическое и эконометрическое.
Экономическая составляющая является первичной, т.к. именно экономика определяет постановку задачи и исходные предпосылки. Результаты первоначально имеют математическую форму и представляют интерес лишь в том случае, если удается их экономическая интерпретация.
В эконометрике ограничено использование экспериментального метода, поэтому широкое распространение получило эконометрическое моделирование. На основе экономической теории модель сначала формируется, затем с использованием эмпирических данных оцениваются неизвестные параметры модели, дается прогноз развития явления, оценивается точность прогноза и вырабатывается рекомендации по экономической политике.
2.Классификация моделей и типы данных.
Можно выделить три основных класса моделей, используемых для анализа:
Регрессионные модели с одним уравнением
Y = f(x, β) + ξ(u)
Y = α+βx+u
Y = αxβu
Системы одновременных уравнений. Эти модели состоят из эконометрических уравнений и тождеств. Каждое регрессионное уравнение может включать и объясняемые переменные из др уравнений системы, т.о. мы имеем набор объясняемых переменных, связанных через уравнение системы.
Qtd - функция совокупного спроса
Qts - функция совокупного предложения
Pt, Pt-1 – цены
Yt – совокупный доход
Qtd = α0 + α1pt + α2yt + u1
Qts = β0 + β1 pt + β2 Pt-1 + u2
Qtd = Qts
Модели временных или динамических рядов
- модели тренда
T(t) = α + βt + u
- модели сезонности
S(t) = f(t) + u
- тернд – сезонные модели:
аддитивная – yt = T(t) + S(t) +ut
мультипликативная - yt = T(t) S(t)+ ut
Типы данных:
Пространственная выборка – набор показателей экономических переменных, получаемые в один и тот же момент времени, но по разным объектам.
Временные ряды – ряд значений экономических показателей, расположенных в хронологической последовательности.
Панельные данные – совмещенные данные временного ряда и пространственной выборки.
3.Этапы построения эконометрической модели:
1. Постановочный. На нем формируется цель исследования и формируется набор учтенных в модели экономических переменных.
В качестве целей выступают:
-анализ исследуемого объекта
- прогноз экономических показателей исследуемого объекта
- имитация развития объекта при различных значениях экзогенных (внешних) переменных
- выработка управленческих решений
2. Априорный. Проводится анализ сущности объекта, а также формирование и формализация априорной информации.
3. Параметризация. Осуществление моделирования.
Задачи:
- Основная задача 1 : осуществляется выбор вида функции f(xβ)
- Основная задача 2:исследуется возможность использования линейной функции(как наиболее простой)
- осуществление спецификации модели, т.е. выражение в математической форме, выявленных связей и соотношений (функциональная спецификация)
- установление состава экзогенных (независимые, объясняющие) и эндогенных (внутренние, зависимые) переменных
- формирование исходных предпосылок и ограничений модели
(Проблема спецификации модели:
выражение в математической форме обнаруженных связей и соотношений;
установление состава экзогенных и эндогенных переменных;
формулировка исходных предпосылок и ограничений модели. )
4.Информационный. Осуществляется сбор необходимой статистической информации, т.е. наблюденных значений экономических показателей.
5.Идентификация. Осуществляется оценка параметров модели и статистический анализ модели.
6.Верификация. Проводится проверка истинности и адекватности модели, выясняется удачность решения проблем спецификации и идентификации, определяется точность модели и делается обобщающий вывод о соответствии модели реальному эк процессу.