- •1.Определение эконометрики, предмет и история возникновения эконометрики.
- •2.Понятие регрессии и корреляции в эконометрических исследованиях.
- •3.Спецификация модели. Ошибка спецификации.
- •4.Основные типы кривых, используемые при кол-ой оценке связей м/у 2мя переем-и.
- •5.Понятие пар регр и корр. Вид ур-ия лин регр. Интерпрет-я параметров.
- •6.Методы оценки параметров ур-ия линейной регрессии.Метод наим-х квадратов-класс-ий подход оценки параметров ур-ия лин регр.
- •7.Примеры применения парной лин регр в эконометр иссл-ях.
- •8.Показатели тесноты связи в ур-ях лин и нелин регр.
- •9.Парный лин коэф-т коррел, методы его опред-ия,аналитическое знач-е.
- •10.Коэф-т детерминации-один из способов оценки кач-ва подбора лин функции. Методика расчета, экон смысл, аналит значение.
- •11.Понятие коэф-та эластичности, методика расчета, аналитический смысл.
- •12.Графическое изображение осн типов кривых. Оценка тесноты связи с помощью графика.
- •13.Правило сложения дисперсий. Аналитическое значение разл-ия общей диспер.
- •14.Понятие ст-ни св-ды,опр-е числа ст-ей св-ды для общ, факт. И отс дисперсии.
- •15.Крит Фишера-методы расчета,исп-ие для оц-ки существ-ти св-зи м/у факт-ом и рез-ом.
- •16.Дисперс-ый анализ рез-тов регр при оценки значимости ур-ия регр. Табл дисп-го анализа, ее аналитич знач-е.
- •17. Методы оценки статистической значимости параметров уравнения линейной регрессии. Стандартная ошибка коэффициента регрессии, определения фактического значения критерия стьюдента.
- •18. Оценка значимости параметра «а»
- •19.Методика определения прогнозных значений результата на основе линейного уравнения регрессии – точечного и интервального.
- •20.Нелинейная регрессия. Два класса нелинейных регрессий(примеры).
- •21.Особенности определения параметров параболы второго порядка.
- •22. Понятие линеаризации нелинейных уравнений регрессии. Оценка параметров уравнения гиперболы, степенной функции, приведённых к линейному виду.
- •23. Методы расчета и интерпритация коэффициентов эластичности для линейных и нелинейных математических функций.
- •24. Показатель тесноты связи для нелинейной регрессии – индекс корреляции – методика расчета, аналитическое значение.
- •25. Оценка статистической значимости индекса корреляции, индекс детерминации – понятие, аналитическое значение.
- •26. Средняя ошибка апроксимации – методы расчета, использование в анализе качества модели.
- •27. Отбор факторов при построении уравнения множественной регрессии, понятие коллинеарности и мультиколлинеарности.
- •29. Использование мнк и метода определителей для оценки параметров уравнения множественной регрессии.
- •30. Уравнение регрессии в стандартизированном масштабе,экономическое содержание стандартизированных коэффициентов регрессии, их интерпритация.
- •31.Коэффициент эластичности в уравнениях множественной регрессии: методика расчета, аналитическое значение, интерпретация.
- •32. Индекс множественной корреляции, коэффициент детерминации, методики построения, аналитическое значение
- •33. Понятие, методика расчета и область применения скорректированного индекса множественной детерминации.
- •34. Понятие частных коэффициентов (индексов) корреляции и их аналитическое значение.
- •35. Согласованность частной корреляции и стандартизированных коэффициентов регрессии на примере двухфакторного анализа.
- •36. Оценка значимости уравнения множественной регрессии с помощью критерия фишера. Методика определения фактического значения f-критерия через индекс детерминации и с помощью дисперсионного анализа.
- •37. Частный критерий фишера, его аналитический смысл.
- •38. Оценка существенности дополнительно включенного фактора в уравнение множественной регрессии с помощью таблицы дисперсионного анализа.
- •39. Понятие фиктивной переменной во множественной регрессии.
- •40. Предпосылки метода наименьших квадратов, понятие гомо- и гетероскедастичности, графическое изображение гомо- и гетероскедастичности.
- •41. Общее понятие о системах уравнений, используемых в эконометрике. Структурная и приведенная формы модели.
- •42. Понятие идентификации при переходе от приведенной формы модели к структурной.
- •43 Основные элементы временного ряда.
- •44. Понятиеавтокорреляции уровней временного ряда,методика расчета коэф.Автокорреляции, его аналитическое значение
- •45. Выявление тенденции изучаемого явления с помощью аналитического выравнивания временного ряда
- •46. Методика выявления сезонных и циклических колебаний в аддитивной модели.
- •47. Расчет сезонной компоненты в мультипликативной модели.
- •48. Специфика статистической оценки взаимосвязи двух временных рядов.
- •49. Автокорреляция в остатках. Критерий дарбина-уотсона.
34. Понятие частных коэффициентов (индексов) корреляции и их аналитическое значение.
Частные коэф-ты (индексы) корреляции хар-ют тесноту связи м/у р-ом и соответствующим ф-ом при устранении влияния других ф-ов, включенных в уравнение регрессии. Показатели частной корреляции представляют собой отношение сокращения остаточной дисперсии за счет дополнительного включения в анализ нового ф-ра к остаточной дисперсии, имевшей место до введения его в модель.
Частные коэффициенты корреляции измеряющие влияние на у фактора хi при неизменном уровне др. факторов можно определить по формуле:
;
- множ.коэф. детерминации всего комплекса р-ф-ов с р-ом
- тот же показатель детерминации,но без введения в модель ф-ра хi
Порядок частного коэф-та корреляции определяется кол-ом ф-ов, влияние которых исключается. Например, ryx1*x2 – коэф.частной корреляции первого порядка.
При двух факторах и i=1 данная формула примет вид:
Частные коэффициенты корреляции изменяются в пределах от -1 до 1.
35. Согласованность частной корреляции и стандартизированных коэффициентов регрессии на примере двухфакторного анализа.
Согласованность частной корреляции и стандартизированных коэффициентов регрессии наиболее отчетливо видна из сопоставления их формул при двухфакторном анализе. Д/уравнения регрессии в стандартизированном масштабе ty=β1tx1+ β2tx2 β-коэф-ты м.б. определены по формулам, полученным из решения системы нормальных уравнений:
Σ tyx1=β1Σtx1 tx1+ β2Σtx2 tx1
Σtytx2=β1Σtx1 tx2+ β2Σtx2 tx2
Σ tytx1=β1Σ(t)2x1 + β2Σtx2 tx1
Σtytx2=β1Σtx1 tx2+ β2Σ(t)2x2
r yx1= β1+ β2 rx1x2
ryx2= β1 rx1x2+ β2
βx1=(∆ βx1)/∆=( ryx1-rx1x2*ryx1)/(1- (r)2x1x2)
βx2=(∆ βx2)/∆=( ryx2-rx1x2*ryx1)/(1- (r)2x1x2)
Иными словами, в двухфакторном анализе частные коэф.корреляции-это стандартизированные коэф-ты регрессии, умноженные на корень квадратный из соотношения долей остаточных дисперсий фиксируемого ф-ра на ф-ор и на рез-т:
rx1x2= βx1*√(1-(r)2x1x2)/ (1- (r)2уx2) rx2x1= βx2*√(1-(r)2x1x2)/ (1- (r)2уx1)
В эконометрике частные коэф-ты корреляции обычно не имеют самостоятельного значения. В основном их используют на стадии формирования модели, в частности в процедуре отсева ф-ов.
36. Оценка значимости уравнения множественной регрессии с помощью критерия фишера. Методика определения фактического значения f-критерия через индекс детерминации и с помощью дисперсионного анализа.
Значимость уравнения множ.регрессии в целом,так же как и в парной регрессии, оценивается с помощью F-критерия Фишера:
F=Dфакт/Dост = [R2/1- R2 ]*[(n-m-1)/1], где
Dфакт – факторная сумма квадратов на 1 степень свободы
R2 – коэф.(индекс) множ.детерминации
n – число наблюдений
m – число параметров при переменных х(в линейной регрессии совпадает с числом включенных в модель факторов)
Dост – остаточная сумма квадратов на одну степень свободы
Пример: предположим, что модель урожайности пшеницы у от кол-ва внесенных удобрений на 1га х1 и осадков х2 хар-ется след.уравнением:
у=-120+0,2 х1-0,008 (х1)2+0,8 х2-0,001(х2)2+ع
при этом ðу=2, n=30, R=0,85. Рез-ты дисперсионного анализа записываются в табл:
Поскольку фактич.значение F-критерия при λ=0,05 превышает табличное, то уравнение статистически значимо.
Оцениваетсязначимость не только уравнения в целом, но и ф-ра, дополнительно включенного в регрессионную модель. Необходимость такой оценки связана с тем, что не каждый ф-ор, вошедший в модель, может существенно увеличивать долю объясненной вариации результативного признака. Кроме того, при наличии в модели нескольких ф-ов они могут вводиться в модель в разной последовательности. Ввиду корреляции м/у ф-ми значимость одного и того же ф-ра м.б. разной в зав-ти от последователньости введения в модель.