- •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.
Модель множественной регрессии.
Множественный регрессионный анализ является развитием парного регрессионного анализа в том случае, когда зависимая переменная связана более чем с одной независимой переменной. Большая часть анализа является непосредственным расширением парного регрессионного анализа. Но существуют и новые проблемы.
1) При оценке влияния данной независимой переменной на зависимую переменную необходимо разграничить ее воздействие и воздействие других независимых переменных.
2) Проблема спецификации - какие переменные следует включить в модель, а какие - исключить из нее.
Если первоначальной моделью была:
,
где y - общая величина расходов на питание;
x - доход;
u - случайное число,
то мы можем расширить эту модель, включив в нее учет влияния ценовых изменений на спрос. Тогда истинную зависимость можно выразить следующим образом:
,
где p - цена продуктов питания.
Как и в случае парной регрессии, мы выбираем значения коэффициентов регрессии так, чтобы обеспечить наилучшее соответствие наблюдениям. Оценка оптимальности соответствия определяется минимизацией суммы квадратов отклонений:
Чтобы получить систему нормальных уравнений, необходимо продифференцировать это уравнение по всем параметрам (a, b1, b2), приравнять к нулю и преобразовать. Получим систему из трех нормальных уравнений с тремя переменными:
Преобразуя эти уравнения можно получить формулы для расчета параметров a , b1 и b2 .
Коэффициенты регрессии b1 и b2 – это показатели силы связи, характеризующие абсолютное (в натуральных единицах измерения) изменение результативного признака при изменении факторного признака на единицу своего измерения при фиксированном влиянии второго фактора.
По презентации:
Множественная регрессия – уравнение связи с несколькими независимыми переменными:
М ожно записать линейную модель множественной регрессии в двух видах:
1.
2 .
если xt1=1, для любого t=[1;n]
Гипотезы, лежащие в основе множественной модели, являются естественным обобщением модели парной регрессии:
Спецификация модели
для любого t=[1;n]
2. xt1, xt2… xtk - детерминированные величины xS=(x1S, x2S…xnS)τ линейно независимо в Rn
3 .
4 .
5. Ut~N(0, σ2)
Если выполняются эти условия, то модель называется нормальной линейной регрессией.
Введем следующие обозначения:
y=Xβ+U
X – детерминированная матрица ранга k
E (U)=0 , где где In – единичная матрица
вектор оценок,
Ограничения модели множественной регрессии.
Идентификация параметров множественной регрессии мнк.
Интерпретация множественного уравнения регрессии.
Интерпретация множественного уравнения регрессии.
Коэффициенты регрессии b – показатели силы связи, характеризующие абсолютное изменение результативного признака у (в его единицах измерения) при изменении факторного признака х на 1 единицу своего измерения и при фиксированном влиянии остальных факторов, включенных в модель.
Коэффициент а показывает совокупное влияние прочих факторов, не включенных в модель.