- •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.
Свойства коэффициентов регрессии.
Нелинейная регрессия. Методы линеаризации.
Во многих практических случаях моделирование экономических зависимостей линейными уравнениями дает вполне удовлетворительный результат и может использоваться для анализа и прогнозирования. Однако в силу многообразия и сложности экономических процессов ограничиться рассмотрением лишь линейных регрессионных моделей невозможно.
Многие экономические зависимости не являются линейными по своей сути, и поэтому их моделирование линейными уравнениями регрессии, безусловно, не даст положительного результата.
При рассмотрении производственных функций линейная модель является нереалистичной. В этом случае обычно используются степенные модели. Например, широкую известность имеет производственная функция Кобба—Дугласа
У — объем выпуска;
К — затраты капитала;
L — затраты труда;
А, α, β – параметры модели.
Если между экономическими явлениями существует нелинейные соотношения, то они выражаются с помощью соответствующих нелинейных функций
Классы нелинейных моделей:
1. Нелинейные относительно включенных в анализ объясняющих переменных, но линейные по оцениваемым параметрам
2. Нелинейные по оцениваемым параметрам:
- Могут быть линеаризованы, т.е. приведены к линейному виду и оценены МНК, Внутренне линейные
- Не приводятся к линейному виду и не могут быть оценены МНК, Внутренне нелинейные
В всех приведенных примерах функции нельзя линеаризовать и следовательно идентифицировать параметры МНК.
В таких случаях используют итерационные процедуры оценки нелинейных регрессий или специальные методы.
Использование параболы
1) у – заработная плата работника,
х- возраст работника
(Теория человеческого капитала).
2) у – урожайность,
х – количество удобрений,
3) у – средние издержки,
х – объем выпуска продукции.
Модель вида:
называется обратной моделью. Она сводится к линейной заменой X на 1/X.
Обычно применяется в тех случаях, когда неограниченное увеличение переменной Х асимптотически приближает зависимую переменную к некоторому пределу (в данном случае к α).
В зависимости от знаков α и β возможны различные ситуации.
1) α и β – положительные параметры; Может отражать зависимость между объемом выпуска и средними фиксированными издержками.
2) α < 0, β > 0. Кривая Филипса, отражающая зависимость между уровнем безработицы (Х) в процентах и процентным изменением заработной платы (Y). При этом точка пересечения с осью ОХ определяет естественный уровень безработицы
3) Кривые Энгеля,
α > 0, β < 0.
х – доход,
у – доля расходов на непродовольственные товары,
Энгель сформулировал следующий закон:
«С ростом дохода доля расходов на продовольствие уменьшается, а доля на непродовольственные товары возрастает, но не беспредельно, так как сумма долей равна 100%».
Степенная функция.
М етод линеризации: Для определения параметров степенной функции с помощью МНК необходимо привести ее к линейному виду путем логарифмирования обеих частей уравнения:
Э то уравнение представляет собой прямую линию на графике, по осям которого откладываются не сами числа, а их логарифмы (так называемая логарифмическая шкала или логарифмическая сетка). Пусть
Тогда уравнение примет вид
Y=A + a1X.
Параметры модели определяются по следующим формулам:
Показательная функция:
Л инеаризацию переменных проведем путем логарифмирования обеих частей уравнения:
Уравнение изображается прямой линией на полулогарифмической сетке, которая получается как сочетание натуральной шкалы для значений независимой переменной х и логарифмической шкалы — для значений зависимой переменной у.
П усть
Тогда уравнение примет вид
Y= A + Вxi
Параметры модели определяются по следующим формулам: