8. Спецификация эконометрической модели: выбор формы зависимости нелинейной модели.

Многие экономические зависимости не являются линейными по сути.

Если нужно определить коэффициент эластичности то прибегают к нелинейным функциям.

Различают два класса нелинейных регрессий:

- регрессии, нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам.

- регрессии, нелинейные по оцениваемым параметрам.

Логарифмическая модель используется при анализе зависимости спроса от цены на товар.

Полиномиальная (в частности кубическая) модель используется при анализе зависимости издержек от объема выпуска, степенная функция используется при анализе зависимости объема выпуска от затрат труда и капитала (производственная функция Кобба-Дугласа).

Полулогарифмические модели используются для определения темпа роста или прироста экономических показателей (анализ банковского вклада по первоначальному вкладу и процентной ставке, прирост объема выпуска от относительносго увеличения затрат ресурса).

9. Критерий диагностики автокорреляции Дарбина-Уотсона

Статистическая значимость коэффициентов регрессии и близкое к единице значение коэффициента детерминации R²не гарантируют высокое качество уравнения регрессии.

Наличие зависимости между отклонениями является несоблюдением предпосылок МНК. Причинами наличия зависимости между случайными отклонениями может быть либо неправильно выбранная модель, либо наличие существенного неучтенного фактора. При этом преобладает количество пар соседних (по времени или возрастанию значения) отклонений с одинаковыми знаками. Для проверки наличия корреляции между случайными отклонениями используется статистика Дарбина-Уотсона (DW).

Два крайние случая: если е_i= е_i-1тоDW=0, если е_i= -е_i-1тоDW=4.

Считается обязательным условием доказательства независимости случайных отклонений равенство DW≈2 (грубо можно считать что автокорреляция отсутствует при условии 1,5<DW<2,5).

Либо воспользоваться таблицей.

10. Проблема гетероскедастичности модели. Последствия гетероскедастичности.

Гетероскедастичность – невыполнение одной из предпосылок МНК, непостоянство дисперсий отклонений, т.е. имеется некая причина вызывающая большое значение ошибки в одном случае и малое значение – в другом.

На рисунке б проиллюстрировано явление гетероскедастичности.

Наиболее актуальна для перекрестных данных, и меньше встречается во временных рядах.

11. Критерии проверки гетероскедастичности: тесты Парка, Голдфилда-Квандта

14. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.

Важной предпосылкой построения качественной регрессионной модели по МНК является независимость значений случайных отклонений е от значений отклонений во всех других наблюдениях, т.е. отсутствует корреляция между любыми отклонениями.

Автокорреляция определяется как корреляция между отклонениями (иными наблюдаемыми показателями).

Основные причины автокорреляции: ошибки спецификации, инерция в изменении экономических показателей (инфляция, безработица), эффект паутины (запаздывание, временной лаг, цена продукции изменится после созревания урожая), сглаживание данных (получение усредненных данных по определенному временному периоду приводит к сглаживанию характерных колебаний в этом периоде).