- •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
2.Содержание предпосылок мнк
При оценке параметров уравнения регрессии применяется МНК. При этом делаются определенные предпосылки относительно составляющей , которая представляет собой ненаблюдаемую величину.
Исследования остатков - предполагают проверку наличия следующих пяти предпосылок МНК:
1.случайный характер остатков; 2.нулевая средняя величина остатков, не зависящая от хi; 3.гомоскедастичность—дисперсия каждого отклонения ,одинакова для всех значений х; 4.отсутствие автокорреляции остатков. Значения остатков , распределены независимо друг от друга; 5.остатки подчиняются нормальному
распределению.
1. Проверяется случайный характер остатков , с этой целью строится график зависимости остатков от теоретических значений результативного признака. Если на графике получена горизонтальная полоса, то остатки , представляют собой случайные величины и МНК оправдан, теоретические значения ух хорошо аппроксимируют фактические значения y. В других случаях необходимо либо применять другую функцию, либо вводить дополнительную информацию и заново строить уравнение регрессии до тех пор, пока остатки , не будут случайными величинами.
2. Вторая предпосылка МНК относительно нулевой средней величины остатков означает, что (у — ух) = 0. Это выполнимо для линейных моделей и моделей, нелинейных относительно включаемых переменных. С этой целью наряду с изложенным графиком зависимости остатков от теоретических значений результативного признака ух строится график зависимости случайных остатков
от факторов, включенных в регрессию хi . Если остатки на графике расположены в виде горизонтальной полосы, то они независимы от значений xj. Если же график показывает наличие зависимости и хj то модель неадекватна. Причины неадекватности могут быть разные.
3. В соответствии с третьей предпосылкой МНК требуется, чтобы дисперсия остатков была гомоскедастичной. Это значит, что для каждого значения фактора xj остатки , имеют одинаковую дисперсию. Если это условие применения МНК не соблюдается, то имеет место гетероскедастичность. Наличие гетероскедастичности можно наглядно видеть из поля корреляции. Гомоскедастичность остатков означает, что дисперсия остатков - одинакова для каждого значения х.
4.Отсутствие автокорреляции остатков, т. е. значения остатков
распределены независимо друг от друга. Автокорреляция остатков означает наличие корреляции между остатками текущих и предыдущих (последующих) наблюдений. Отсутствие автокорреляции остаточных величин обеспечивает состоятельность и эффективность оценок коэффициентов регрессии.
3.Что такое ЧСС ? Как оно определяется для факторной и остаточной сумм квадратов ?
Число степеней свободы для общей дисперсии (n-1),зависит от уравнения .ЧСС независимого варьируемого признака связано с числом единиц совокупности n и вида уравнения.
4.Критерий Фишера
С помощью критерия Фишера оценивают качество регрессионной модели в целом и по параметрам.
Для этого выполняется сравнение полученного значения F и табличного F значения. F-критерия Фишера. F фактический определяется из отношения значений факторной и остаточной дисперсий, рассчитанных на одну степень свободы:
где n - число наблюдений; m - число параметров при факторе х.
F табличный - это максимальное значение критерия под влиянием случайных факторов при текущих степенях свободы и уровне значимости а.
Уровень значимости а - вероятность не принять гипотезу при условии, что она верна. Как правило а принимается равной 0,05 или 0,01.
Если Fтабл > Fфакт то признается статистическая незначимость модели, ненадежность уравнения регрессии.
Таблицы по нахождению критерия Фишера и Стьюдента
Табличное значение критерия Фишера вычисляют следующим образом:
Определяют k1, которое равно количеству факторов (Х). Например, в однофакторной модели (модели парной регрессии) k1=1, в двухфакторной k=2.
Определяют k2, которое определяется по формуле n - m - 1, где n - число наблюдений, m - количество факторов. Например, в однофакторной модели k2 = n - 2.
На пересечении столбца k1 и строки k2 находят значение критерия Фишера
Для нахождения табличного значения критерия Стьюдента определяют число степеней свободы, которое определяется по формуле n - m - 1 и находят его значение при определенном уровне значимости (0,10, 0,05, 0,01).
Билет 21