- •Эконометрическая модель.
- •Измерения в экономике. Шкалы измерений.
- •Случайные события и случайные переменные. Распределение случайных величин.
- •Статистические характеристики случайных величин и их свойства.
- •Основные функции распределения.
- •Оценки статистических характеристик и их желательные свойства.
- •Проверка статистических гипотез.
- •Критерий и критическая область.
- •Мощность статистического критерия. Уровень значимости.
- •Модель линейной регрессии.
- •Оценивание параметров регрессии. Метод наименьших квадратов.
- •Система нормальных уравнений мнк и ее решение.
- •Свойства оценок параметров, полученных методом наименьших квадратов. Условия Гаусса – Маркова.
- •Коэффициент детерминации и его свойства.
- •Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия.
- •Доверительные интервалы оценок параметров и проверка гипотез об их значимости.
- •Прогнозирование по регрессионной модели и его точность. Доверительные и интервалы прогноза.
- •Ковариационная матрица оценок коэффициентов регрессии.
- •Проверка значимости коэффициентов и адекватности регрессии для множественной линейной регрессионной модели.
- •Коэффициент множественной детерминации. Скорректированный коэффициент детерминации.
- •Проблемы спецификации регрессионной модели. Пошаговая регрессия.
- •Проблема смещения Предположим, что переменная у зависит от двух переменных х1, и х2 в соответствии с соотношением:
- •Неприменимость статистических тестов
- •Замещающие переменные. Фиктивные переменные.
- •Мультиколлинеарность. Влияние мультиколлинеарности на оценки параметров уравнения регрессии.
- •Методы борьбы с мультиколлинеарностью.
- •Линеаризация регрессионных моделей путем логарифмических преобразований.
- •Модели с постоянной эластичностью. Производственная функция Кобба - Дугласа.
- •Модель с постоянными темпами роста (полулогарифмическая модель).
- •Полиномиальная регрессия.
- •Кривая Филипса
- •Гетероскедастичность. Последствия гетероскедастичности для оценок параметров регрессии методом наименьших квадратов и проверки статистических гипотез.
- •Признаки гетероскедастичности и ее диагностирование. Обнаружение гетероскедастичности
- •1. Графический анализ остатков
- •2. Тест ранговой корреляции Спирмена
- •3. Тест Голдфелда-Квандта
- •Оценивание коэффициентов множественной линейной регрессии в условиях гетероскедастичности. Обобщенный метод наименьших квадратов.
- •Автокорреляция. Причины автокорреляции.
- •Влияние автокорреляции на свойства оценок мнк.
- •Тест серий. Статистика Дарбина – Уотсона.
- •Способы противодействия автокорреляции.
- •Стохастические объясняющие переменные. Последствия ошибок измерения.
- •Инструментальные переменные.
- •Лаговые переменные и экономические зависимости между разновременными значениями переменных.
- •Модели с распределенными лагами.
- •Модели авторегрессии как эквивалентное представление моделей с распределенными лагами.
- •Ожидания экономических агентов и лаговые переменные в моделях
- •Модели наивных и адаптивных ожиданий.
- •Модель гиперинфляции Кейгана.
- •44. Модель гиперинфляции Кейгана
- •Понятие об одновременных уравнениях. Структурная и приведенная форма модели.
- •Структурная и приведённая форма. Идентифицируемость
- •Примеры
- •Проблема идентификации. Неидентифицируемость и сверхидентифицированность.
- •Оценивание системы одновременных уравнений. Косвенный и двухшаговый мнк.
- •Системы эконометрических уравнений с лаговыми переменными.
- •Модель Кейнса.
- •Модель Клейна.
- •Матричная форма записи модели Клейна
Измерения в экономике. Шкалы измерений.
Поскольку понятие «эконометрика» включает экономические измерения, остановимся подробнее на этом вопросе. Измерение понимается по-разному. Прежде всего признаками измерения называют получение, сравнение и упорядочение информации. Это определение исходит из того, что измерение предполагает выделение некоторого свойства, по которому производится сравнение объектов в определенном отношении. Так определяется измерение в широком смысле.
Другое понимание измерения исходит из числового выражения результата, т.е. измерение трактуется как операция, в результате которой получается численное значение величины, причем числа должны соответствовать наблюдаемым свойствам, фактам, качествам, законам науки и т. д.
Третий подход к измерению связан с обязательным наличием единицы измерения (эталона). Это определение измерения в узком смысле.
Первый, низший, уровень измерения предполагает сравнение объектов по наличию или по отсутствию исследуемого свойства. На этом уровне измерения используются термины «номинация», «классификация», «нумерация».
Второй уровень предполагает сравнение объектов по интенсивности проявляемых свойств. На этом уровне используются термины «шкалирование», «топология», «упорядочение».
Третий, высший, уровень измерения предполагает сравнение объектов с эталоном (в контексте физического измерения). На этом уровне используются термины «измерение», «квантификация».
Все понятия измерения могут быть объединены на базе определения шкалы измерения. Тип шкалы определяется допустимым преобразованием. Допустимое преобразование — это преобразование, при котором сохраняются неизменными отношения между элементами системы — истинные утверждения не становятся ложными, а ложные — истинными.
Для определения любой шкалы измерения необходимо дать название объекта, отождествить объект с некоторым свойством или группой свойств (предприятие промышленное, станок токарный, девушка сероглазая, автомобиль легковой и т.д.). Если это требование оказывается единственным, то шкала называется шкалой наименований или номинальной шкалой.
Измерением в номинальной шкале можно считать любую классификацию, по которой класс получает числовое наименование (например, номер научной или учебной специальности и т. д.).
Шкала, в которой порядок элементов по уровню проявления некоторого свойства существенен, а количественное выражение различия несущественно или плохо осуществимо, называется порядковой, или ранговой. Шкала порядка, или ординальная шкала, допускает операции «равенство-неравенство», «больше-меньше».
Кроме номинальной и порядковой шкал для определения измерения используются интервальные шкалы.
Измерения в интервальных шкалах в известном смысле более совершенны, чем в порядковых. Применение этих шкал дает возможность не только упорядочить объекты по количеству свойства, но и сравнить между собой разности количеств.
Формально интервальная шкала определяется как единственная до линейного преобразования шкала вида у = ах + Ь, где а и b — числа, для которых определены операции сложения и умножения, соответственно а > 0, b Ф 0. Параметр а называется масштабом, а параметр b — началом отсчета
В случаях, когда на шкале можно указать абсолютный нуль, мы имеем несколько более высокий уровень измерения, а именно шкалу отношений (или пропорциональную шкалу). При измерении на такой шкале можно, например, сделать вывод, что х4 вдвое больше х2, если х4 = 40k, а x2=20k.
Шкала отношений — это единственная с точностью до линейных преобразований шкала вида у — ах при а О, где а — масштаб.
Шкала разностей допускает операции «равенство-неравенство», «больше-меньше», «равенство-неравенство интервалов» и операцию вычитания, на основе которой устанавливается величина интервала в фиксированном масштабе. К шкале разностей относятся логарифмические шкалы, а также процентные и аналогичные им шкалы измерений, задающие безразмерные величины. Например, указание года рождения — это представление возраста в шкале разностей.
Шкала разностей существенна с точностью до линейного преобразования вида y=x+b
где b 0.
Таким образом, в определении шкал участвуют понятия равенства, порядка, дистанции между пунктами шкалы (интервалы), начала отсчета и единицы измерения. В зависимости от наличия или отсутствия этих элементов возникают различные типы шкал.