- •Билет 1
- •1. Назовите возможные способы построения систем уравнений. В чем их отличия?
- •2. В чем состоит спецификация модели множественной регрессии?
- •3. Вычисление коэффициента эластичности для разных функций.
- •4. Дайте определение эконометрики. Какие вопросы она решает и как связана с другими науками.
- •Билет 2
- •1. Как связаны между собой структурная и приведенная форма модели.
- •2. Составьте матрицу парных коэффициентов корреляции и межфакторной корреляции для регрессионной модели с 4-мя факторами.
- •3. Корреляция для нелинейной регрессии.
- •4. Парная линейная регрессия. Мнк и другие методы оценки параметров регрессии.
- •Билет 3
- •1. В чем состоит проблема идентификации модели, и какие условия идентификации (необходимое и достаточное) вы знаете.
- •2. Матрица парных коэффициентов корреляции линейного уравнения множественной регрессии.
- •3. Нелинейная регрессия, ее виды.
- •4. Дисперсионный анализ и составление таблицы дисперсионного анализа для парной регрессии.
- •Билет 4
- •4. Для чего вводится вспомогательная величина коэффициента ?
- •3. Прогнозное значение у. Интервалы прогноза по линейному уравнению регрессии.
- •4. Связь критериев Стьюдента и Фишера для парной регрессии.
- •3.Математическое моделирование в эконометрике.
- •4.Дисперсионный анализ для парной регрессии
- •2.Содержание предпосылок мнк
- •1.Трехшаговй мнк
- •1.Понятие идентификации
- •3.Регрессия нелинейная по оцениваемым параметрам
4. Для чего вводится вспомогательная величина коэффициента ?
Билет 9
1. Какие методы используются для оценки систем уравнений?
Методы оценки систем одновременных уравнений
1 Косвенный метод наименьших квадратов
2 Двухшаговый метод наименьших квадратов
3 Трехшаговый МНК
4 Методы максимального правдоподобия
2. Каково назначение частных корреляций при построении модели множественной регрессии?
Ранжирование факторов, участвующих во множественной линейной регрессии, может быть проведено через стандартизованные коэффициенты регрессии, с помощью частных коэффициентов корреляции — для линейных связей. При нелинейной взаимосвязи исследуемых признаков эту функцию выполняют частные индексы детерминации. Кроме того, частные показатели корреляции широко используются при решении проблемы отбора факторов: целесообразность включения того или иного фактора в модель доказывается величиной показателя частной корреляции.
Частные коэффициенты (или индексы) корреляции характеризуют тесноту связи между результатом и соответствующим фактором при устранении влияния других факторов, включенных в уравнение регрессии.
Показатели частной корреляции представляют собой отношение сокращения остаточной дисперсии за счет дополнительного включения в анализ нового фактора к остаточной дисперсии, имевшей место до введения его в модель.
Частные коэффициенты корреляции изменяются в пределах от -1 до 1.
3. Основные виды кривых, используемых при кол-ной оценке связей между переменными.
Обычно рассматриваются функциональные зависимости следующего вида
1) — линейная,
2) — параболическая,
3) — гиперболическая,
4) — показательная,
5) — степенная,
а так же некоторые другие. Функциональные зависимости 1) , 2) и 3) линейны по своим параметрам.
Для оценки неизвестных параметров чаще всего используется метод наименьших квадратов (МНК), который относится к эмпирическим методам
4. Критерий Стьюдента для оценки параметров парной регрессии.
Билет 10
1. Когда исп-ся обобщенный метод наименьших квадратов? В чем его смысл.
При значимом наличии гетероскедастичности целесообразно вместо МНК использовать обобщенный метод наименьших квадратов (ОМНК).
При нарушении гомоскедастичности и наличии автокорреляции ошибок рекомендуется традиционный метод наименьших квадратов (известный в английской терминологии как метод OLS — Ordinary Least Squares) заменять обобщенным методом, т.е. методом GLS (Generalized Least Squares).
Обобщенный метод наименьших квадратов применяется к преобразованным данным и позволяет получать оценки, которые обладают не только свойством несмещенности, но и имеют меньшие выборочные дисперсии. Остановимся на использовании ОМНК для корректировки гетероскедастичности.
2. При каких условиях строится уравнение множественный регрессии с фиктивными коэффициентами?
Кроме колич. перемен. в модели необход. учит. несколько кач. факторов. Это могут быть разного рода атрибутивные признаки. Чтобы ввести такие регресс. перемен. в модель им должны быть присвоены цифровые метки, которые позвол. кач. перемен. преобраз. в колич.Они назыв структурные(фиктивные). Дихотомическая переменная, приним всего 2а значения(1и0).Привед. в ур-ие фикт. перемен., примен. МНК привод к выражд. матрице.