- •Вопросы к экзамену по курсу "Эконометрика" для студентов экономического факультета групп 3.1 2010/11 уч. Год
- •Определение эконометрики. Предмет и методы эконометрики.
- •Классификация моделей и типы данных.
- •Этапы построения эконометрической модели.
- •Модель парной регрессии.
- •Случайный член, причины его существования.
- •Условия нормальной линейной регрессии (Гаусса-Маркова)
- •Метод наименьших квадратов.
- •Свойства коэффициентов регрессии.
- •Нелинейная регрессия. Методы линеаризации.
- •Функциональная спецификация модели парной регрессии.(Вопрос4)
- •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.
- •38. Оценивание параметров в системах одновременных уравнений: косвенный и двухшаговый мнк.
Автокорреляция 1-го порядка и критерий Дарбина-Уотсона.
В классической регрессионной модели выполнение третьего условия Гаусса-Маркова (Соv(εt εS) = 0,при t ≠ s) гарантирует некоррелированность значений случайных членов в различные моменты наблюдений и это позволяет получить несмещенные МНК-оценки с минимальной дисперсией. Зависимость значений случайных членов в различные моменты времени называется автокорреляцией (сериальной корреляцией).
Формальной причиной автокорреляции в регрессионных моделях является нарушение третьего условия теоремы Гаусса-Маркова, действительной же причиной может быть: неправильная спецификация переменных (пропуск важной объясняющей переменной); использование ошибочной функциональной зависимости, а иногда и характер наблюдений (например, временные ряды).
Для проверки на автокорреляцию используется ряд критериев, из которых наиболее широкое применение получил критерий Дарбина-Уотсона:
Критерий DW связан с выборочным коэффициентом корреляции между еt и еt-1, соотношением: DW≈2(1-r),
Если автокорреляция отсутствует, то DW ≈ 2, при наличии положительной автокорреляции DW<2, если автокорреляция отрицательна, DW>2. И поскольку коэффициент корреляции принимает значения -1 ≤ r ≤ 1, то 0≤ DW ≤ 4. Полученное для данной регрессии значение статистики сравнивается с верхней и нижней границами ее критического значения dL ≤ dкрит ≤dU. Границы dU и dL выбираются из таблиц по числу наблюдений n, числу регрессоров k и уровню значимости α. При этом возможны следующие случаи:
Наличие положительной автокорреляции: DW<dL.
Наличие отрицательной автокорреляции: DW >4-dL.
Автокорреляция отсутствует: dU ≤ DW≤ 4-dU.
Зоны неопределенности: dL<DW< dU или 4- dU <DW<4-dL.
Этот тест подробно исследован и реализован во всех статистических пакетах, STATGRAPHICS, STATISTICA и других.
Значение статистики DW |
Вывод |
4 – dl < DW < 4 |
Гипотеза о независимости остатков отвергается, есть отрицательная корреляция |
4 – du < DW < 4 – dl |
Неопределенность |
2 < DW < 4 – du |
Принимается гипотеза о независимости остатков |
du < DW < 2 |
Принимается гипотеза о независимости остатков |
dl < DW <du |
Неопределенность |
0 < DW <dl |
Гипотеза о независимости остатков отвергается, есть положительная корреляция |
Тест серий (критерий Бреуша-Годфри)
Тест основан на следующей идее: если имеется корреляция между соседними наблюдениями, то естественно ожидать, что в уравнении
(*)
где ei – остатки регрессии, получаемые обычным МНК, коэффициент r окажется значимо отличающимся от нуля.
Практическое применение теста заключается в оценивании МНК регрессии (*), где временной ряд ei-1 представляет ряд ei со сдвигом по времени на единицу.
Преимущество теста Б-Г по сравнению с тестом Д-У заключается в том, что он проверяет с помощью статистического критерия, между тем как тест Д-У содержит зону неопределенности для значений d – статистики. Другим преимуществом теста является возможность обобщения: в число регрессоров могут быть включены не только остатки с лагом 1, но и с лагом 2, 3 и так далее, что позволяет выявить корреляцию не только между соседними, но и между более отдаленными наблюдениями.