- •Вопросы к экзамену по курсу "Эконометрика" для студентов экономического факультета групп 3.1 2011/12 уч. Год
- •Определение эконометрики. Предмет и методы эконометрики.
- •Классификация моделей и типы данных.
- •Этапы построения эконометрической модели.
- •Модель парной регрессии.
- •6.Условия нормальной линейной регрессии (Гаусса-Маркова)
- •Метод наименьших квадратов.
- •Свойства коэффициентов регрессии.
- •Нелинейная регрессия. Методы линеаризации.
- •Функциональная спецификация модели парной регрессии.
- •Интерпретация линейного уравнения регрессии.
- •Определение тесноты связи между факторами: линейный коэффициент корреляции, коэффициент детерминации.
- •Оценка тесноты связи в нелинейной регрессионной модели.
- •Оценка существенности параметров и статистическая проверка гипотез. T-критерий Стьюдента.
- •Взаимосвязь t-статистики и f-статистики для парной регрессии.
- •Коэффициент эластичности. Его смысл и определение.
- •Оценка статистической значимости уравнения в целом. F-критерий Фишера.
- •Модель множественной регрессии.
- •Ограничения модели множественной регрессии.
- •Идентификация параметров множественной регрессии мнк.
- •Интерпретация множественного уравнения регрессии.
- •Показатели тесноты связи во множественном регрессионном анализе - парные и частные коэффициенты корреляции.
- •Стандартизированное уравнение множественной регрессии.
- •Коэффициент множественной корреляции, скорректированный коэффициент множественной корреляции, множественный коэффициент детерминации.
- •Оценка статистической значимости множественных коэффициентов регрессии, t-критерий Стьюдента.
- •Модели с переменной структурой (фиктивные переменные).
- •Оценка статистической значимости множественного уравнения регрессии, f-критерий Фишера.
- •Спецификация модели множественной регрессии. Свойства множественных коэффициентов регрессии.
- •Решение проблемы выбора модели (с ограничением и без ограничения).
- •Методы отбора факторов: априорный и апостериорный подходы.
- •Гетероскедастичность и автокорреляция случайного члена.
- •Автокорреляция 1-го порядка и критерий Дарбина-Уотсона.
- •Тест серий (критерий Бреуша-Годфри)
- •Тесты на гетероскедастичность: Голдфелда-Квандта, тест Уайта.
- •Системы регрессионных (одновременных) уравнений.
- •Структурная и приведенная формы модели.
- •Эндогенные и экзогенные переменные. Проблема идентифицируемости систем уравнений.
- •Оценивание параметров в системах одновременных уравнений: косвенный и двухшаговый мнк.
Структурная и приведенная формы модели.
Эндогенные и экзогенные переменные. Проблема идентифицируемости систем уравнений.
Эндогенные – переменные, значение которых определяется внутри модели, в нашем примере таких переменных две:
Yt и Сt.
Экзогенные – переменные, значение которых определяется вне модели, потому они берутся, как заранее заданные. В нашем примере такая переменная – It. Модель не объясняет, как получаются значения экзогенных переменных, они просто используются, как заранее известные величины.
Кроме того, уравнения могут содержать лаговые переменные, это переменные за предшествующие периоды времени.
Экзогенные и лаговые переменные образуют группу предопределенных переменных модели.
. Если структурные коэффициенты однозначно определяются по приведенным, то говорят, что данное уравнении точно идентифицировано.
. Если из приведенной формы модели можно получить несколько оценок структурных параметров, то говорят, что данное уравнение сверхидентифицировано.
Если структурные параметры уравнения модели нельзя найти через приведенные коэффициенты, то такое структурное уравнение называется неидентифицируемым.
Для каждого уравнения проверяют соотношение:
K-k ≥ m-1
Если данное соотношение выполняется в форме равенства (=), то говорят, что структурное уравнение точно идентифицировано.
Если это соотношение выполняется, как строгое неравенство (>), то говорят, что уравнение сверхиндуцируемо.
Если не выполняется (т.е. выполняется, как <), то говорят, что неиндуцируемо.
На идентификацию не надо проверять тождества.
Но переменные входящие в него учитываются при подсчете предопределенных переменных.
Оценивание параметров в системах одновременных уравнений: косвенный и двухшаговый мнк.
Если уравнение точно идентифицировано, то для идентификации структурных параметров нужно использовать косвенный МНК.
Если уравнение сверхидентифицируемо, то для идентификации структурных параметров нужно использовать двухшаговый МНК.
Двухшаговый МНК состоит в следующем:
На первом этапе составляется приведенная форма модели и определяются численные значения ее параметров обычным МНК.
На втором этапе выделяют эндогенные переменные, стоящие в правой части структурного уравнения и находят их расчетные, то есть теоретические значения по соответствующим уравнениям приведенной формы модели.
На третьем этапе обычным МНК определяют параметры структурного уравнения, используя в качестве исходных данных фактические значения предопределенных переменных и теоретические, то есть расчетные значения эндогенных переменных, стоящих в правой части данного структурного уравнения.
Косвенный МНК:
определим обычным МНК параметры каждого из уравнений приведенной формы модели;
выразим зависимость;