- •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.
Этапы построения эконометрической модели.
Весь процесс эконометрического моделирования можно разбить на шесть основных этапов.
1-й этап (постановочный) - определение конечных целей моделирования, набора участвующих в модели факторов и показателей, их роли;
2-й этап (априорный) - предмодельный анализ экономической сущности изучаемого явления, формирование и формализация априорной информации и исходных допущений, в частности относящейся к природе и генезису исходных статистических данных и случайных остаточных составляющих в виде ряда гипотез;
3-й этап (параметризация) - собственно моделирование, т.е. выбор общего вида модели, в том числе состава и формы входящих в неё связей между переменными;
4-й этап (информационный) - сбор необходимой статистической информации, т.е. регистрация значений участвующих в модели факторов и показателей;
5-й этап (идентификация модели) - статистический анализ модели и в первую очередь статистическое оценивание неизвестных параметров модели Непосредственно связан с проблемой идентифицируемости модели, то есть ответа на вопрос «Возможно ли в принципе однозначно восстановить значения неизвестных параметров модели по имеющимся исходным данным в соответст-вии с решением, принятым на этапе параметризации?». После положительного ответа на этот вопрос необходимо решить проблему идентификации модели то есть предложить и реализовать математически корректную процедуру оценивания неизвестных параметров модели по имеющимся исходным данным;
6-й этап (верификация модели) — сопоставление реальных и модельных данных, проверка адекватности модели, оценка точности модельных данных.
Эконометрическое исследование включает решение следующих проблем
качественного анализа связей экономических переменных — выделения зависимых (yj) и независимых переменных (хi),
изучения соответствующего раздела экономической теории;
подбора данных;
спецификации формы связи между у и хi;
оценки параметров модели;
проверки ряда гипотез о свойствах распределения вероятностей для случайной компоненты (гипотезы о средней дисперсии и ковариации);
анализа мультиколлинеарности объясняющих переменных, оценки ее статистической значимости, выявления переменных, ответственных за мультиколлинеарность;
введения фиктивных переменных;
выявления автокорреляции, лагов;
выявления тренда, циклической и случайной компонент;
проверки остатков на гетероскедастичность;
анализа структуры связей и построения системы одновременных уравнений;
проверки условия идентификации;
оценивания параметров системы одновременных уравнений (двухшаговый и трехшаговый метод наименьших квадратов, метод максимального правдоподобия);
моделирования на основе системы временных рядов: проблемы стационарности и коинтефации;
построения рекурсивных моделей, авторегрессионных моделей,
проблем идентификации и оценивания параметров.
Модель парной регрессии.
В случае парной регрессии рассматривается один объясняющий фактор: пусть — изучаемый эконометрический показатель; — объясняющий фактор.
Примеры зависимостей:
— расходы фирмы за месяц, — объем выпущенной продукции за месяц;
— спрос на товар, — цена единицы товара.
Эконометрическая модель, приводящая к парной регрессии, имеет следующий вид
,
где — неизвестная функциональная зависимость; — случайное слагаемое, представляющее собой совокупное действие не включенных в модель факторов, погрешностей.
Основная задача эконометрического исследования — построение по выборке эмпирической модели — выборочной парной регрессии, являющейся оценкой функции :
,
где — эмпирическая (выборочная) регрессия, описывающая усредненную по зависимость между изучаемым показателем и объясняющим фактором, а так же последующая верификация модели (проверка статистической значимости построенной парной регрессии).
Экспериментальная основа построения эмпирической регрессии — двумерная выборка: , где — объем выборки (объем массива экспериментальных данных).
Выбор вида функциональной зависимости — основная задача спецификации модели. Основные методы выбора функциональной зависимости :
Геометрический;
Эмпирический;
Аналитический;
Геометрический метод выбора функциональной зависимости сводится к следующему. На координатной плоскости наносятся точки , соответствующие выборке:
Полученное графическое изображение называется полем корреляции или диаграммой рассеяния.
Исходя из получившейся конфигурации точек выбирается вид параметрической функциональной зависимости. Обычно рассматриваются функциональные зависимости следующего вида
— линейная,
— параболическая,
— гиперболическая,
— показательная,
— степенная,
а так же некоторые другие. Функциональные зависимости 1) , 2) и 3) линейны по своим параметрам.
|
|
|
|
Рис 2.1. Основные типы кривых, используемые при количественной оценке связей
между двумя переменными
Для оценки неизвестных параметров чаще всего используется метод наименьших квадратов (МНК), который относится к эмпирическим методам
Аналитический метод сводится к попытке выяснения содержательного смысла зависимости изучаемого показателя от объясняющего фактора и последующего выбора на этой основе соответствующей функциональной зависимости. В примере 1, применяя аналитический метод, нетрудно получить следующую модель:
,
где — условно-постоянные расходы, — условно-переменные расходы.