- •4. Метод наименьших квадратов (мнк):
- •5 . Классическая линейная модель множественной регрессии
- •Оценка точности и адекватности регресионной модели
- •Понятие мультиколлинеарности. Основные признаки и последствия мультиколлинеарности
- •Понятие мультиколлинеарности. Основные признаки мультиколлинеарности и способы ее устранения
- •1 0. Стандартизованная и естественная формы уравнения множественной регрессии. Интерпретация параметров.
- •Обобщённая линейная модель множественной регрессии в случае гетероскедастичности остатков. Взвешенный метод наименьших квадратов
- •Тесты на гетероскедастичность: их преимущества и недостатки. Тест Голдфельда-Квандта
- •13. Тесты на гетероскедастичность: их преимущества и недостатки. Тест Уайта
- •1 4. Тесты на гетероскедастичность: их преимущества и недостатки. Тест Глейзера
- •Обобщённая линейная модель множественной регрессии. Понятие автокорреляции. Тесты на наличие автокореляции: их преимущества и недостатки.
- •Обобщённая линейная модель множественной регрессии. Теорема Айткена. Обобщённый метод наименьших квадратов.
- •Понятие автокорреляции. Тесты на наличие автокорреляции. Тест Бреуша-Годфри.
- •18. Понятие автокорреляции. Тесты на наличие автокорреляции. Тест Дарбина-Уотсона.
- •Понятие гетероскедастичности остатков. Оценка параметров модели в случае гетероскедастичности.
- •23. Неоднородность данных в регрессионном смысле. Использование фиктивных переменных в регрессионных моделях. Интерпритация коэф при фиктивных переменных.
- •24. Неоднородность данных в регрессионном сиысле. Тест Чоу на неоднородность данных.
- •25. Использование фиктивных переменных в регрессионных моделях. Интерпритация коэф при фиктивных переменных.
- •27. Нелинейные модели регрессии и их линеаризация. Примеры нелинейных моделей регрессии.
- •28. Линейная и степенная модели множественной регрессии: интерпритация параметров.
- •29. Производственная Кобба-Дугласа. Эластичность объема производства.
- •45. Модель спроса-предложения и её модификации
1 0. Стандартизованная и естественная формы уравнения множественной регрессии. Интерпретация параметров.
y=b0+b1x1+b2x2+...+bmxm+ε
b0,b1,b2- коэф-ты регрессии в естественной форме
Чтобы сравнить факторы по степени влияния на результативный признак рассчитываются:
1) стандартизованные коэф-ты регрессии
коэф-ты эластичности
Интерпретация параметров:
Коэф-т линейной модели bj, кроме b0 (свободное слагаемое) характеризует среднее абсолютное изменение результативного признака y при уменьшении соответствующего фактора xj на 1 единицу своего измерения.
Среднее абсолютное изменение - идёт речь об именованных единицах измерения -причинось являсь- ∆ фактора
Обобщённая линейная модель множественной регрессии в случае гетероскедастичности остатков. Взвешенный метод наименьших квадратов
D(ε)≠const Дисперсия остатков не постоянной величиной"гетероскедастичность модели"
εi и εj явл коррелированными (наличие автокорелляции), зависимые величины
М НК оценка: несмещённая, состоятельная, неэффективная
Обобщённый МНК: b*=(xTΩ-1x)-1xTΩ-1y
В МНК.
В случае гетероскедастичности остатков ковариационная матрица яявляется диагональной, а ообщённый МНК называется взвешенным мнк, т.к. каждое наблюдение “взвешивается” с помощью коэф-та 1/σi
Обычно значения σi бывают неизвестными, поэтому сначала находят оценку векторов параметров обычным мнк, затем находят регрессию квадратов остатков на квадратичные функции объясняющих переменных e2=f(xi)+ui, где f(xi) = квадратическая ф-ция
По полученному уравнению рассчмтывают теореическое значение ^e2i и определяют набор весов ^σi , затем вводят новые переменные y*i=yi/^σi, x*j=xj/^σi, где i изменяется от 1 до n, j изменяется от 1 до m
Находят новое ур-е регрессии ^y*=x**b*
Полученная оценка и есть оценка взешенного мнк
Тесты на гетероскедастичность: их преимущества и недостатки. Тест Голдфельда-Квандта
тест голдфельда-квандта, уайта, глейзера, спирмена
гк: + позвоялет установить фактическое наличие гетероскед -не даёт возможности определить вид
+тест уайта: позволяет определить вид
тест глейзера во многом аналогичен тесту Уайта, только в качестве зависимой переменной для изучения гетероскедастичности выбирается не квадрат остатков, а их абсолютная величина, т.
недостатком тестов Уайта и Глейзера является то, что факт невыявления ими гетероскедастичности, вообще говоря, не означает ее отсутствия.
Тест ГК
1) ранжируем исходные данный по возрастанию или убываю фактора, в отношении которого есть предположение о гетроскедантичности
Всю совокупность исходных данных делим на 3 равные части m=n\3
в числителе всегда большая сумма квадратов!
модель гетероскедастична
НЕДОСТАТОК: Тест позволяет установить факт наличия гетро-ти, но не дает возможности установить ее вид
Мощность теста Гольфельда- Кванта, те вероятность отвергнуть гипотезу об отсутствии гетероскедастичности, когда гетероскедастичность действительно пристутствует максимально если выбирать, количество наблюдений для выборок m=n/3.