- •Вопросы к экзамену по эконометрике
- •1. Предмет, цель и задачи эконометрики. Эконометрическая модель, классификация моделей.
- •2. Простая (парная) линейная регрессия (плр). Статистическое оценивание параметров плр по методу наименьших квадратов (мнк). Свойства оценок.
- •3. Проверка качества парной линейной регрессии: значимость параметров, адекватность моделей.
- •4. Множественная линейная регрессия. Классические предположения. Мнк-оценка параметров модели
- •5. Свойства мнк-оценок линейной регрессии. Теорема Гаусса- Маркова.
- •6. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
- •7. Спецификация эконометрической модели: отбор факторов при построении уравнения множественной регрессии. Критерии Рамсея и Амемьи.
- •8. Спецификация эконометрической модели: выбор формы зависимости нелинейной модели.
- •9. Критерий диагностики автокорреляции Дарбина-Уотсона
- •11. Критерии проверки гетероскедастичности: тесты Парка, Голдфилда-Квандта
- •14. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
- •15. Методы устранения автокорреляции
- •16. Проблема наличия мультиколлинеарности модели. Последствия мультиколлинеарности
- •17. Критерии обнаружения мультиколлинеарности
- •18. Методы устранения мультиколлинеарности
- •19. Фиктивные переменные в регрессионных моделях
- •20. Модели ancova
- •21. Сравнение двух регрессий. Тест Чоу
- •22. Временные ряды. Лаги в эконометрических моделях
- •23. Оценка моделей с лагами в независимых переменных. Преобразование Койка (метод геометрической прогрессии)
- •24. Авторегрессионные модели. Модель адаптивных ожиданий
- •25. Авторегрессионные модели. Модель частичной корректировки
- •26. Полиномиально распределенные лаги Алмон
- •27. Понятие временного ряда (вр). Модель вр, основные задачи анализа вр. Методы сглаживания вр (скользящего среднего, экспоненциального сглаживания, последовательных разностей)
- •28. Автокорреляция уровней временного ряда
- •29. Моделирование тенденции и сезонных колебаний временного ряда
Вопросы к экзамену по эконометрике
Предмет, цель и задачи эконометрики. Эконометрическая модель, классификация моделей.
Простая (парная) линейная регрессия (ПЛР). Статистическое оценивание параметров ПЛР по методу наименьших квадратов (МНК). Свойства оценок.
Проверка качества парной линейной регрессии: значимость параметров, адекватность моделей.
Множественная линейная регрессия. Классические предположения. МНК-оценка параметров модели.
Свойства МНК-оценок линейной регрессии. Теорема Гаусса- Маркова.
Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
Спецификация эконометрической модели: отбор факторов при построении уравнения множественной регрессии. Критерии Рамсея и Амемьи.
Спецификация эконометрической модели: выбор формы зависимости нелинейной модели.
Критерий диагностики автокорреляции Дарбина-Уотсона.
Проблема гетероскедастичности модели. Последствия гетероскедастичности.
Критерии проверки гетероскедастичности: тесты Парка, Голдфилда-Квандта.
(-) Критерии проверки гетероскедастичности: тесты Бриша-Пагана, Уайта
(-)Обобщенный МНК в задаче оценивания параметров модели. Свойства оценок по обобщенному МНК.
Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
Методы устранения автокорреляции.
Проблема наличия мультиколлинеарности модели. Последствия мультиколлинеарности.
Критерии обнаружения мультиколлинеарности.
Методы устранения мультиколлинеарности.
Фиктивные переменные в регрессионных моделях
Модели ANCOVA
Сравнение двух регрессий. Тест Чоу
Временные ряды. Лаги в эконометрических моделях.
Оценка моделей с лагами в независимых переменных. Преобразование Койка (метод геометрической прогрессии)
Авторегрессионные модели. Модель адаптивных ожиданий.
Авторегрессионные модели. Модель частичной корректировки.
Полиномиально распределенные лаги Алмон
Понятие временного ряда (ВР). Модель ВР, основные задачи анализа ВР. Методы сглаживания ВР (скользящего среднего, экспоненциального сглаживания, последовательных разностей).
Автокорреляция уровней временного ряда.
Моделирование тенденции и сезонных колебаний временного ряда
(-) Системы одновременных эконометрических уравнений (СОУ). Структурная и приведенная форма СОУ.
(-) Проблемы идентификации систем одновременных уравнений (СОУ).
(-) Методы оценивания систем одновременных уравнений: косвенный МНК, двухшаговый МНК. Применимость и свойства оценок.
1. Предмет, цель и задачи эконометрики. Эконометрическая модель, классификация моделей.
«Экономико-математическая модель представляет собой концентрированное выражение общих взаимосвязей и закономерностей экономического явления в математической форме» (академик В.С. Немчинов).
По степени агрегирования объектов моделированияразличают модели:
микроэкономические;
одно-, двухсекторные (одно-, двухпродуктовые);
многосекторные (многопродуктовые);
макроэкономические;
глобальные.
По учету фактора времени модели подразделяются на:
статические;
динамические.
По цели создания и примененияразличают модели:
балансовые;
эконометрические;
оптимизационные;
сетевые;
систем массового обслуживания;
имитационные (экспертные).
Параметры эконометрическихмоделей оцениваются с помощью методов математической статистики. Наиболее распространены эконометрические модели, представляющие собой системы регрессионных уравнений. В данных уравнениях отражается зависимость эндогенных (зависимых) переменных от экзогенных (независимых) переменных. Данная зависимость в основном выражается через тренд (длительную тенденцию) основных показателей моделируемой экономической системы. Эконометрические модели используются для анализа и прогнозирования конкретных экономических процессов с использованием реальной статистической информации.
По учету фактора неопределенностимодели подразделяются на:
детерминированные (с однозначно определенными результатами);
стохастические (с различными, вероятностными результатами).
По типу математического аппаратаразличают модели:
линейного и нелинейного программирования;
корреляционно-регрессионные;
матричные;
сетевые;
теории игр;
теории массового обслуживания и т.д.
Экономисты используют количественные данные для наблюдения за ходом развития экономики, ее анализа и прогнозов. Набор статистических методов, используемых для этих целей, называется в совокупности эконометрикой.
Для успешного применения этих методов требуется точное (или хотя бы приблизительно верное) моделирование поведения экономических агентов, необходимо также понимание процессов, породивших имеющиеся данные, и насколько эти данные отражают те явления, которые мы пытаемся исследовать. Поскольку паши модели неполны, а данные несовершенны, значительная часть эконометрики посвящена методам, которые могли бы работать с такими моделями и данными.
Цель эконометрики — эмпирический вывод экономических законов. Эконометрика дополняет теорию, используя реальные данные для проверки и уточнения постулируемых отношений (Маленво),
Эконометрика позволяет проводить количественный анализ реальных экономических явлений, основываясь на современном развитии теории и наблюдениях, связанных с методами получения выводов≫ (Самуэльсоп).
≪Основная задача эконометрики — наполнить эмпирическим содержанием априорные экономические рассуждения≫ (Клейн).
Формулировка экономические модели, основываясь на экономической теории или на эмпирических данных, оценка неизвестных величин (параметров) в этих моделях, создание прогнозов (и оценка их точности) и рекомендаций по экономической Политике.
Можно выделить три основных класса моделей, которые применяются для анализа и/или прогноза.
1. Модели временных рядов y(t) = T(t) + et
сезонности: y(t) =S(t) + et
тренда и сезонности: y(t) = T(t) + S(t) + et (аддитивная) илиy(t)=T(t)S(t) +et (мультипликативная)
Их общей чертой является то, что они объясняют поведение временного ряда, исходя только из его предыдущих значений. Такие модели могут применяться, например, для изучения и прогнозирования объёма продаж авиабилетов, спроса на мороженое, краткосрочного прогноза процентных ставок
2. Регрессионные модели с одним уравнением
В таких моделях зависимая (объясняемая) переменная у представляется в виде функции
Y = f (x, β)
В зависимости от вида функции f(x, β) модели делятся па линейные и нелинейные.
3. Системы одновременных уравнений
Эти модели описываются системами уравнений. Системы могут состоять из тождеств и регрессионных уравнений, каждое из которых может, кроме объясняющих переменных, включать в себя также объясняемые переменные из других уравнений системы.
Таким образом, мы имеем здесь набор объясняемых переменных, связанных через уравнения системы.