- •Автор-составитель:
- •Цели и задачи дисциплины
- •Требования к уровню освоения дисциплины
- •Объем дисциплины
- •Объем дисциплины и виды учебной работы
- •Распределение часов по темам и видам учебной работы
- •Содержание курса
- •Тема 1. Задачи эконометрики в области социально-экономических исследований. Основные этапы эконометрического моделирования.
- •Тема 2. Классическая и обобщенная линейные модели множественной регрессии.
- •Тема 3. Линейные регрессионные модели с переменной структурой.
- •Тема 4. Нелинейные регрессионные модели и их линеаризация.
- •Тема 5. Динамические регрессионные модели.
- •Темы практических занятий
- •Тема 3. Линейные регрессионные модели с переменной структурой. (Практическое занятие).
- •Тема 4. Нелинейные регрессионные модели и их линеаризация. (Практическое занятие).
- •Тема 5. Динамические регрессионные модели. (Практическое занятие).
- •Тема 6. Прогнозирование, основанное на использовании моделей временных рядов. (Практическое занятие).
- •Тема 7. Системы линейных одновременных уравнений. (Практическое занятие).
- •Тема 8. Идентификация систем одновременных уравнений. (Практическое занятие).
- •Задания для самостоятельной работы студентов
- •Задача 2.1.
- •Задача 2.2.
- •Задача 2.3.
- •Задача 2.4.
- •Задача 2.5.
- •Задача 2.6.
- •Задача 2.7.
- •Задача 2.12.
- •Задача 2.13.
- •Задача 4.1.
- •Задача 4.2.
- •Задача 4.3.
- •Задача 4.4.
- •Варианты контрольных работ и методические указания по их выполнению
- •Тема 1. Задачи эконометрики в области социально-экономических исследований. Основные этапы эконометрического моделирования.
- •Регрессионные модели с одним уравнением
- •Системы одновременных уравнений
- •Тема 2. Классическая и обобщенная линейные модели множественной регрессии.
- •Тема 3. Линейные регрессионные модели с переменной структурой.
- •Тема 4. Нелинейные модели регрессии и их линеаризация.
- •Тема 5. Модели стационарных и нестационарных временных рядов.
- •Тема 6. Прогнозирование, основанное на использовании моделей временных рядов.
- •Тема 7. Системы линейных одновременных уравнений.
- •Тема 8. Идентификация систем одновременных уравнений.
- •Варианты контрольных работ.
- •Вариант 1.
- •Вариант 2.
- •Вариант 3.
- •Вариант 4.
- •Вариант 5.
- •Вариант 6.
- •Вариант 7.
- •Вариант 8.
- •Вариант 9.
- •Вариант 10.
- •Вариант 11.
- •Вариант 12.
- •Вариант 13.
- •Вариант 14.
- •Вариант 15.
- •Вариант 16.
- •Вариант 17.
- •Вариант 18.
- •Вариант 19.
- •Вариант 20.
- •Вариант 21.
- •Вариант 22.
- •Вариант 23.
- •Вариант 24.
- •Вариант 25.
- •Вопросы для подготовки к экзамену
- •Учебно-методическое обеспечение дисциплины
- •Литература
- •Методическое обеспечение дисциплины
- •Материально-техническое и информационное обеспечение дисциплин
Задача 2.12.
Уравнение регрессии Y по X1 и X2, построенное по 100 наблюдениям, проверяется на гетероскедастичность. Получено, что =26,49; =49,03; F=1,85. Табличное значение при уровне значимости α=0,05 составляет 1,84. Какой тест применялся? Какой вывод можно сделать по результатам теста
Задача 2.13.
При проверке модели множественной регрессии y=f(x1,x2,x3) + ε на наличие автокорреляции с помощью теста Дарбина-Уотсона было получено следующее значение d=2,18. При уровне значимости α=0,05 и числе наблюдений n=24 табличные значения составляют dн=1,10 и dв=1,66 . Какой вывод можно сделать по результатам теста:
а) гипотеза об отсутствии автокорреляции не отвергается (принимается);
б) вопрос об отвержении или принятии гипотезы остается открытым, так как расчетное значение попадает в зону неопределенности;
в) принимается альтернативная гипотеза о наличии положительной автокорреляции;
г) принимается альтернативная гипотеза о наличии отрицательной автокорреляции;
Задача 2.14.
При проверке модели на автокорреляцию остатков получено следующее уравнение:
.
(2,35) (0,10) (0,93) (0,85)
В скобках указаны значения t-статистики для коэффициентов регрессии (табличное значение при уровне значимости α=0,05 составляет 2,07). Какой тест применялся для проверки гипотезы об отсутствии автокорреляции, и какой вывод можно сделать по результатам теста?
Задача 2.15.
Проверьте на гетероскедастичность и автокорреляцию модель, построенную по данным задачи 2.6
Задача 3.1.
При исследовании зависимости объема потребления продукта А (y) от времени года были введены следующие фиктивные переменные: d1 (1 - если месяц зимний, 0 – в остальных случаях), d2 (1 - если месяц весенний, 0 – в остальных случаях), d3 (1 - если месяц летний, 0 – в остальных случаях). Запишите уравнение регрессии для изучения данной зависимости.
Задача 3.2.
По данным задачи 3.1. определите чему равен средний объем потребления продукта А весной? Чему равна разница среднемесячного объема потребления между:
летними и осенними месяцами;
летними и зимними месяцами?
Задача 3.3.
Исследуется потребление продукта А среди городских и сельских жителей. Сколько потребуется ввести фиктивных переменных для построения модели?
Задача 3.4.
Какое из приведенных ниже уравнений регрессии позволяет учесть изменение не только свободного члена, но и коэффициента наклона.
а) ;
б) ;
в) ;
г) .
Задача 3.5.
В таблице ниже представлены следующие данные за 16 месяцев: объем предложения некоторого блага Y для функционирующей в условиях конкуренции фирмы; цена этого блага X1 и заработная плата X2 сотрудников этой фирмы:
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
13 |
14 |
15 |
16 |
Y |
20 |
25 |
30 |
45 |
60 |
69 |
75 |
90 |
105 |
110 |
120 |
130 |
130 |
130 |
135 |
140 |
X1 |
10 |
15 |
20 |
25 |
40 |
37 |
43 |
35 |
38 |
55 |
50 |
35 |
40 |
55 |
45 |
65 |
X2 |
12 |
10 |
9 |
9 |
8 |
8 |
6 |
4 |
4 |
5 |
3 |
1 |
2 |
3 |
1 |
2 |
Задание:
Для заданного набора данных постройте линейную модель множественной регрессии. Оцените точность и адекватность построенного уравнения регрессии.
Учитывая изменение экономической ситуации после 8 наблюдений, проверьте с помощью теста Чоу необходимость разбиения исходной выборки на две и построения для каждой из них отдельного уравнения регрессии.
Постройте уравнение регрессии с включением фиктивных переменных, учитывающее изменение ситуации после 8 наблюдения.
Дайте экономическую интерпретацию параметров модели.
Сравните качество полученной модели и модели, построенной в задании 1.