- •1. Эконометрика и ее место в ряду других экономических и статистических дисциплин. Типы моделей и типы данных в эконометрике.
- •Общая задача. При помощи статистических методов выразить те закономерности, которые экономическая теория определяет лишь количественно.
- •Эконометрическая модель.
- •2. Коэффициент ковариации. Коэффициент корреляции. Их свойства. Выборочные оценки основных числовых характеристик случайных величин. Проверка значимости коэффициента корреляции.
- •Свойства ковариации
- •3. Регрессионная модель. Причины включения в модель случайного отклонения. Парная линейная регрессия. Мнк. Задачи линейного регрессионного анализа.
- •Парная регрессия.
- •Метод наименьших квадратов
- •4. Основные свойства точечных оценок. Теорема Гаусса-Маркова для однородной модели.
- •6. Проверка гипотез в одномерной модели. Интервальная оценка коэффициентов.
- •7. Множественная регрессия. Мнк. Теорема Гаусса-Маркова для многомерной модели.
- •Метод наименьших квадратов
- •9. Множественная регрессия. Гипотеза «длинная-короткая» модель. Специфика модели. Исключение существенной переменной. Включение несущественной переменной. Пошаговая регрессия.
- •10. Множественная регрессия. Тест Чоу на наличие структурного сдвига. Фиктивные переменные.
- •11. Стохастические (случайные). Обобщенный мнк. Теорема Айткена.
- •13. Гетероскедастичность. Метод взвешенных наименьших квадратов. Коррекция моделей на гетероскедастичность (3 случая).
- •14. Описание тестов проверки на гетероскедастичность (тесты Голдфельда-Куандта, Бреуша-Пагана).
- •15. Мультиколлинеарность: последствия, способы обнаружения, средства устранения. Тест.
- •16. Частный коэффициент корреляции. Его свойства, процедура вычисления.
- •17. Автокорреляция: последствия, способы обнаружения, средства устранения.
- •19. Оценивание моделей с автокорреляцией.
- •Линейные формы: интерпретация регрессии
- •21. Временные ряды. Факторы, влияющие на формирование значений временного ряда. Структура временного ряда. Основные задачи анализа временных рядов.
- •Исследование временноых рядов
- •22. Стационарные временные ряды. Их характеристики. Белый шум. Проверка стационарности временного ряда.
- •Правило проверки гипотезы об отсутствии тренда в тесте серий
- •23.Выравнивание временного ряда (аналитическое – выделение тренда регрессией от времени; механическое – метод последовательных разностей.)
- •3 Основных подхода:
- •24. Автоковариационная и автокорреляционная функция. Способ вычисления. Коррелограмма.
- •25. Линейные модели стационарных временных рядов (авторегрессии и скользящего среднего)
- •26. Модель авторегрессии ar(p). Уравнения Юла Уокера.
- •27. Модель авторегрессии ar (1)
- •28. Модель авторегрессии ar(2). Расчет параметров.
- •29. Модель скользящего среднего ma(1). Расчет параметров.
- •30. Частная автокорреляционная функция. Модели arma(p,q). Свойства acf и pacf.
- •31. Модели arima(p,d,q). Методолгия Бокса-Дженкинса. Интерпретация функций акф и чакф.
17. Автокорреляция: последствия, способы обнаружения, средства устранения.
Автокорреляция – зависимость друг от друга величин соседних наблюдений. Чаще всего встречается в рядах с временными данными.
Виды автокорреляции.
1. истинная (вызывается зависимостью случайного члена от прошлых его значений);
2. ложная (вызывается ошибочной спецификацией модели регрессии).
Модель с автокорреляцией простейшего вида: Пусть имеется уравнение регрессии . Предположим, что соседние случайные возмущения связаны соотношением (авторегрессия первого порядка).
Здесь и - случайные возмущения в моменты t и t-1. - коэффициент авторегрессии, а , - независимые в совокупности случайные величины, имеющие одинаковое нормальное распределение с и причём статистически не зависит от для s<t.
Последствия: 1)Истинная автокорреляция не приводит к смещению оценок коэф. регрессии. 2)Положительная автокорреляция приводит к увеличению дисперсии (ошибок) оценок коэффициентов. 3) Автокорреляция вызывает занижение оценок стандартных ошибок коэф. регрессии.
Последствия*: 1) Оценки коэф. регрессии классическим МНК в случае автокорреляции возмущений также являются несмещёнными и состоятельными. 2)Для преодоления прогнозных значений зависимой переменной у обычный МНК применим и для модели с автокорреляцией возмущений. 3)Результаты, связанные с анализом точности и надёжности модели, оценкой значимости и построением доверительных интервалов её коэф., оказываются непригодными. 4) Оценки коэф. не будут эффективными (дисперсия не минимальна), и при небольших выборках можно получить оценки, существенно отличающиеся от истинных значений.
Обнаружение автокорреляции случ. возмущений (нет ли ошибок в спецификации модели, можно ли содержательно предполагать какой-то порядок автокорреляции возмущений (сезонность, цикличность), рассмотреть графики зависимости объясняющей переменной у от номера наблюдения)
Тесты: 1)Дарбина-Уотсона 2)Бреуша-Годфри 3)Люинга-Бокса
Преодоление: 1)Использовать обобщённый МНК. Преобразовать модель с автокорреляцией к классическому виду. 2)Применить одну из итерационных процедур (Кохрейна-Оркатта и др.) 3)Переопределить переменные (например, перейти к логарифмам) 4) Пересмотреть спецификацию модели. При ложной автокорреляции попытаться перейти к нелинейной регрессии.
18. Тесты Дарбина-Уотсона на выявление автокорреляции.
1. Статистика Д-У предназначена для обнаружения автокорреляции 1-го порядка т.е. проверяется некоррелированность не любых, а только соседних величин. Она основана на изучение остатков уравнения регрессии. Соседними обычно считаются соседние во времени (при рассмотрении временных рядов) или по возрастанию объясняющей переменной значения .
Статистика Д-У не предназначена для обнаружения других видов автокорреляции (второго порядка, сезонной автокорреляции) и не обнаруживает ее.
в модели регрессии должен присутствовать постоянный член. Для регрессии без постоянного члена применение статистики Д-У некорректно.
лаговая зависимая переменная не используется в качестве независимой.
Расчет статистики Д-У
, где (е1,е2,…еn)-остатки уравнения регрессии.
Связь статистики Д-У с коэф автокорреляции
Легко доказать, что DW~=2(1-r1), где r1- выборочный коэффициент корреляции первого порядка(т.е. коэффициент корреляции между соседними наблюдениями). При отсутствии автокорреляции первого порядка выборный коэффициент r1 будет не сильно отличаться от 0, а значение статистики DW будет близко к 2. Если DW близко к нулю - положительная автокорреляция, если к 4-отрицательная.
Тест.
1.провести обычную регрессию и получить остатки
2.приписать рядом столбец этих же остатков, но со сдвигом на 1 и вычислить разности e(t)-e(t-1)
3.вычислить квадраты разностей этих остатков (с лагом 1) и сумму этих квадратов.
4.вычислить статистику DW(отношение полученной суммы к сумме квадратов остатков,т.е. к ESS)
5. по таблице Д-У определить 2 граничных числа dl и du и использовать особое правило для проверки гипотезы об отсутствии автокорреляции: возможны 4 ответа-автокорреляции нет, есть положит автокорреляция, есть отрицательная автокорреляция, не определена.
Правило проверки гипотезы об отсутствии автокорреляции в тесте Д-У.
Для каждого n, k(число регрессоров), α по таблице критических точек распределения Дарбина-Уотсона определяется 2 «критических» граничных числа dl и du такие, что если наблюдаемое значение статистики DW:
- существует положительная автокорреляция(к 0),
( ), отвергается;
- вывод о наличии автокорреляции 1-ого порядка не определен;
- автокорреляция 1-ого порядка отсутствует, принимается;
- вывод о наличии автокорреляции 1-ого порядка не определен;
- существует отрицательная автокорреляция 1-ого порядка
, отвергается.