эконометрика
.docxЕсли функция регрессии нелинейная, то оценка значимости ее параметров производится
-
для линеаризованной формы функции
Система линейных алгебраических уравнений для определения методом наименьших квадратов значений параметров a.b уравнения по выборке объема n имеет вид:
По 25-ти наблюдениям построено уравнение регрессии . Коэффициент линейной корреляции составил 0,7. После включения в модель фактора индекс множественной корреляции составил 0,8. На уровне значимости 0,05 табличное значение F-критерия равно 4,3. Включение в эконометрическую модель фактора значимо, так как фактическое значение частного F-критерия равно
-
9,2
По наблюдаемым значениям признака-результата Y и факторных признаков вычислены значения величин: Правильным является заключении
-
Можно рекомендовать исключить из модели фактор
Если число коэффициентов эконометрической структурной модели равно числу коэффициентов соответствующей приведенной модели и структурные коэффициенты однозначно определяются по приведенным коэффициентам, то структурная модель называется
-
Идентифицируемой
Проверка статистической гипотезы об отсутствии гетероскедастичности случайного члена в регрессионной модели по выборкам большого объема требует вычисления статистики по формуле:
При построении мультипликативной модели уровня временного ряда скорректированные значения сезонной компоненты вычисляют по формуле:
При построении аддитивной модели уровня временного ряда скорректированное значение сезонной компоненты вычисляют по формуле:
Результатом преобразования уравнения к линейному виду относительно параметров регрессии является уравнение:
При построении уравнения регрессии по наблюдаемым значениям признаков X и Y с применением метода наименьших квадратов уравнение следует преобразовать к виду:
Случайные колебания в динамике изучаемого показателя объясняются влиянием
-
второстепенных факторов на моделируемый уровень ряда
Общая вариация зависимой переменной связана с факторной (объясненной) суммой квадратов отклонений для регрессии и с остаточной суммой квадратов отклонений для регрессии
-
равенством:
Доля вариации уровней временного ряда, не объясняемая тенденцией, измеряется величиной
Если: , то стандартизованные коэффициенты регрессии являются решением системы уравнений:
Совокупное и долговременное воздействие множества факторов на изменение изучаемого показателя может формировать
-
тенденцию в динамике показателя (тренд ряда)
Целесообразность включения факторов в модель регрессии можно оценить с помощью
-
коэффициентов частной корреляции
Корреляционная зависимость между значениями случайных остатков и при моделировании уровней показателя временного ряда называется
-
автокорреляцией в остатках
Вычислены частные коэффициенты линейной корреляции первого порядка: Тогда частный коэффициент линейной корреляции второго порядка равен
-
0,24
По 27-ти наблюдениям за изменениями значений признаков X и Y значение парного коэффициента линейной корреляции составило 0,6. При проверке значимости степени тесноты линейной связи между признаками фактическое значение приемлемого статистического критерия составило
-
3,75
При проверке нулевой гипотезы о несмещенности случайных отклонений в нелинейных моделях регрессии в качестве статистического критерия рассматривается статистика:
Для эконометрической модели, выраженной системой уравнений в отклонениях переменных от их средних уровней , вычислены значения величин: Тогда приведенное уравнение регрессии для эндогенной переменной имеет вид:
Для эконометрической модели, выраженной системой уравнений ошибка в уравнении для эндогенной переменной приведенной формы эконометрической модели
-
выражается формулой:
Матрица коэффициентов при эндогенных переменных в системе рекурсивных уравнений может иметь вид:
По наблюдаемым значениям признака-результата Y и факторных признаков вычислены значения величин: Правильным является заключение:
-
Факторы взаимосвязаны
Если коэффициент парной линейной корреляции равен 0.6, то коэффициент парной линейной детерминации для тех же данных равен
-
0,36
Пусть: уравнение регрессии и выборочные дисперсии значений признаков X и Y соответственно. Тогда выборочный коэффициент парной линейной корреляции равен
-
0,36
Критерий Дарбина-Уотсона (DW) и коэффициент автокорреляции остатков связаны равенством:
Для данного временного ряда вычислены значения величин: Коэффициент автокорреляции второго порядка равен
-
0,80
Система четырех одновременных эконометрических уравнений включает m экзогенных переменных. Необходимое условие точной идентифицируемости уравнения выполняется при
Система линейных алгебраических уравнений для определения методом наименьших квадратов значений параметров a,b уравнения по выборке объема n имеет вид:
Для сопоставления факторов по силе влияния на изменение признака-результата можно пользоваться
-
стандартизованными коэффициентами регрессии
Если остатки и объясняющая (независимая) переменная не коррелированны, то:
Пусть: уравнение регрессии и выборочные дисперсии значений признаков X и Y соответственно. Тогда выборочный коэффициент парной линейной корреляции равен
-
0,36
Исследование нелинейных моделей регрессии на несмещенность случайных отклонений сводится к проверке статистической гипотезы
По 25-ти наблюдениям построено уравнение регрессии . Индекс множественной корреляции составил 0,7. На уровне значимости 0,05 табличное значение F-критерия равно 3,35. Построенная регрессионная модель значима, так как фактическое значение F-критерия равно
-
10,57
Если: , то стандартизованные коэффициенты регрессии являются решением системы уравнений:
Регрессией, нелинейной относительно оцениваемых параметров, является уравнение
Для оценки значимости уравнения множественной регрессии используют
-
общий F-критерий (критерий Фишера)
Долю вариации зависимой переменной, объясненную вариацией факторов, включенных в модель множественной регрессии, характеризует
-
индекс детерминации
Для проверки значимости выборочного коэффициента парной линейной корреляции используют критерий
-
Стьюдента
По данным, характеризующим некоторый объект за несколько последовательных моментов или периодов времени, можно построить
-
модели временного (динамического) ряда
Расчету оценки сезонной компоненты в модели уровня временного ряда предшествует
-
сглаживание ряда методом четырехчленной скользящей средней
В уравнении регрессии величины a,b являются
-
параметрами уравнения регрессии
Для эконометрической модели, выраженной системой уравнений в отклонениях переменных от их средних уровней , вычислены значения величин: Тогда приведенное уравнение регрессии для эндогенной переменной имеет вид:
Приведенная форма некоторой структурной модели может быть выражена системой уравнений:
За последовательные 4 года по каждому кварталу вычислены суммы значений оценки сезонной компоненты:
Скорректированные значения сезонной компоненты равны соответственно:
При использовании ступенчатого регрессионного анализа при выборе наилучшей эконометрической регрессионной модели повторяется процедура определения зависимости случайных остатков текущей модели
-
от фактора, следующего по убыванию степени влияния на признак-результат
При моделировании тенденции в динамике показателя уравнением вычислены значения величин: Тогда оценки параметров тренда
-
можно определить из равенств: ln a = 4,2; ln b = – 0,4
Исследование стабильности (постоянства) дисперсии случайных отклонений в моделях регрессии сводится к проверке статистической гипотезы о равенстве
-
двух дисперсий случайных отклонений в модели регрессии
Результатом преобразования уравнения к линейному виду относительно параметров регрессии является уравнение:
Если: , то значение выборочного коэффициента парной линейной корреляции (с точностью 0,01) равно
-
– 0,99
Для эконометрической модели, выраженной системой уравнений свободный член уравнения регрессии для приведенной формы эконометрической модели
-
выражается формулой:
Матрица коэффициентов при экзогенных переменных приведенной формы эконометрической модели может иметь вид:
Автокорреляция уровней временного ряда – это корреляционная связь между последовательными значениями
-
уровней ряда
Если значение выборочного коэффициента парной линейной корреляции близко к нулю, то можно предположить, что
-
существует тесная нелинейная корреляционная связь между признаком-результатом и факторным признаком
Для эконометрической модели, выраженной системой уравнений в отклонениях переменных от их средних уровней , вычислены значения величин: Тогда приведенное уравнение регрессии для эндогенной переменной имеет вид:
За последовательные 4 года по каждому кварталу вычислены суммы значений оценки сезонной компоненты: Скорректированные значения сезонной компоненты равны соответственно:
Пусть: Y – признак-результат; –признаки - факторы. По исходным данным вычислены средние уровни признаков, средние квадратические отклонения значений признаков от средних уровней признаков и построено уравнение регрессии в стандартизованном масштабе . Тогда теоретические (расчетные) значения признака-результата вычисляют по формуле:
Уравнение , отражающее корреляционную связь между признаком-результатом Y и признаками-факторами , это –
-
множественная регрессия
Если , то параметр a в уравнении парной линейной регрессии равен
-
0,6
Вычислены частные коэффициенты линейной корреляции первого порядка: Тогда частный коэффициент линейной корреляции второго порядка равен
-
0,48
Уравнение парной линейной регрессии имеет вид:
Метод наименьших квадратов позволяет получить такие оценки параметров уравнения регрессии, при которых
-
сумма квадратов отклонений наблюдаемых значений признака-результата от теоретических (расчетных) минимальна
По 30-ти наблюдениям построено уравнение регрессии и вычислены фактические значения t-критерия: . На уровне значимости 0,05 табличное значение t-критерия равно 2,05. Тогда доверительный интервал для параметра (при ) функции регрессии:
-
(0.635 , 1.045)
Если критическое (табличное) значение F–критерия (критерия Фишера) равно числу 6.12, то нулевая гипотеза о статистической незначимости уравнения регрессии отклоняется в пользу конкурирующей гипотезы при условии:
Наиболее вероятно, что временной ряд характеризуется наличием тенденции в динамике изучаемого показателя при следующих значениях коэффициентов автокорреляции:
По 30-ти наблюдениям построено уравнение регрессии и вычислены фактические значения t-критерия: . На уровне значимости 0,05 табличное значение t-критерия равно 2,05. Тогда доверительный интервал для параметра (при ) функции регрессии:
-
(– 3.82 , – 0.38)
Для сопоставления факторов по силе влияния на изменение признака-результата можно пользоваться
-
коэффициентами эластичности
При проверке нулевой гипотезы о несмещенности случайных отклонений в нелинейных моделях регрессии в качестве статистического критерия рассматривается статистика:
Косвенный метод наименьших квадратов применим к вычислению структурных коэффициентов систем одновременных уравнений, выражающих
-
точно идентифицируемые эконометрические модели
Средние значения оценки периодической компоненты для данного временного ряда составили: Скорректированные значения периодической компоненты равны соответственно:
Система шести одновременных эконометрических уравнений включает m экзогенных переменных. Условие неидентифицируемости уравнения выполняется при
В уравнении регрессии величины a,b являются
-
параметрами уравнения регрессии
Если наблюдается непрерывный рост уровней показателя со снижающимися темпами роста, то модель тенденции в динамике показателя можно выразить уравнением:
Факторная (объясненная) сумма квадратов отклонений для регрессии вычисляется по формуле:
В множественной регрессии показателями тесноты корреляционной связи являются
-
индексы множественной корреляции и детерминации
По 14-ти наблюдениям построено уравнение регрессии и вычислены значения сумм квадратов отклонений: На уровне значимости 0,05 табличное значение F-критерия равно 3,98. Построенная регрессионная модель незначима, так как фактическое значение F-критерия равно
-
3,85
Матрица коэффициентов при эндогенных переменных приведенной формы эконометрической модели может иметь вид:
За последовательные 3 года по каждому кварталу вычислены суммы значений оценки сезонной компоненты: Корректирующий показатель для определения значений сезонной компоненты равен
-
0,0900
Наиболее вероятно, что временной ряд характеризуется наличием периодических колебаний в динамике изучаемого показателя при следующих значениях коэффициентов автокорреляции:
По последовательности коэффициентов автокорреляции уровней временного ряда и соответствующим значениям лага строят
-
Коррелограмму
Пусть: Y – признак-результат; –признаки - факторы. По исходным данным вычислены средние уровни признаков и средние квадратические отклонения значений признаков от средних уровней признаков: Преобразование уравнения “чистой” регрессии (уравнения регрессии в натуральном масштабе) к уравнению регрессии в стандартизованном масштабе выполняют по формулам:
Если: n – объем выборки, , – наблюдаемые значения признака-результата Y и факторного признака X соответственно, то параметры a,b уравнения парной линейной регрессии , можно определить как решение системы уравнений:
Система линейных алгебраических уравнений для определения методом наименьших квадратов значений параметров a,b уравнения по выборке объема n имеет вид:
За последовательные 4 года по каждому кварталу вычислены суммы значений оценки сезонной компоненты: Скорректированные значения сезонной компоненты равны соответственно:
Если: , то стандартизованные коэффициенты регрессии являются решением системы уравнений:
-
\
Для оценки структурных параметров сверхидентифицируемых эконометрических моделей, выраженных системами одновременных уравнений, можно пользоваться
-
двухшаговым методом наименьших квадратов
Оценивание качества уравнения регрессии состоит
-
в проверке нулевой гипотезы о статистической незначимости индекса детерминации
Для нелинейной модели с помощью МНК построено уравнение регрессии и вычислены значения величин: Табличное значение приемлемого статистического критерия равно 2,1. Следовательно, нет оснований отклонять предположение
-
несмещенности случайного отклонения в модели регрессии
Коэффициент парной линейной корреляции
-
характеризует степень тесноты линейной корреляционной связи между признаком-результатом и факторным признаком
Фактическое значение критерия Стьюдента (t-критерия) для параметра множественной линейной регрессии, вычисленного со стандартной ошибкой, вычисляют по формуле:
Если вычислены значения величин: по данным значениям признака-результата Y и факторного признака X , то уравнение парной линейной регрессии можно составить по правилу, выраженному равенством:
Вычислены частные коэффициенты линейной корреляции первого порядка: Тогда частный коэффициент линейной корреляции второго порядка равен
-
0,38
Если наблюдаются стабильные темпы роста показателя, то модель тенденции в динамике показателя можно выразить уравнением:
В уравнение множественной регрессии должны быть включены факторы, которые
-
тесно связаны корреляционной зависимостью с признаком-результатом и слабо между собой
Вычислены частные коэффициенты линейной корреляции первого порядка: Тогда частный коэффициент линейной корреляции второго порядка равен
-
0,29
Для линейной регрессионной модели с помощью МНК построено уравнение регрессии и вычислено значение величины: Табличное значение критерия Стьюдента на уровне значимости 0,05 равно 2,01. Следовательно, отклоняется предположение об отсутствии
-
гетероскедастичности случайного члена регрессии
За последовательные 3 года по каждому кварталу вычислены суммы значений оценки сезонной компоненты: Корректирующий показатель для определения значений сезонной компоненты равен
-
0,0900
Для эконометрической модели, выраженной системой уравнений в отклонениях переменных от их средних уровней , вычислены значения величин: Тогда приведенное уравнение регрессии для эндогенной переменной имеет вид: