- •Введение
- •Основные этапы эконометрического исследования:
- •Основные типы моделей:
- •Тема 1. Основные понятия теории вероятностей
- •1.1. Вероятностный эксперимент, событие, вероятность.
- •1.2. Случайные величины
- •1.3. Числовые характеристики св
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •1.4. Законы распределений св
- •1. Закон равномерного распределения вероятностей
- •2. Нормальный закон распределения
- •3. Распределение
- •4. Распределение Стьюдента(t – распределение)
- •5. Распределение Фишера (f – распределение)
- •( Число степеней свободы)
- •Тема 2. Базовые понятия статистики.
- •2.1. Выборка и генеральная совокупность
- •2.2. Способы представления и обработки экономических данных
- •2.3. Статистические оценки параметров распределения
- •2.4. Статистическая проверка гипотез
- •Тема 3. Соотношения между экономическими переменными. Линейная связь. Корреляция
- •3.1. Коэффициент линейной корреляции
- •3.2. Оценка значимости (достоверности) коэффициента корреляции
- •Тема 4. Парная линейная регрессия. Метод наименьших квадратов
- •Тема 5. Оценка качества полученного уравнения (верификация)
- •5.1. Оценка общего качества уравнения регрессии
- •5.2. Оценка существенности параметров линейной регрессии и всего уравнения в целом
- •5.2.1. Анализ статистической значимости коэффициентов линейной регрессии
- •5.2.2. Анализ статистической значимости уравнения в целом. Распределение Фишера в регрессионном анализе
- •5.3. Проверка предпосылок, лежащих в основе мнк
- •5.3.1. Проверка первой предпосылки мнк
- •5.3.2. Проверка второй предпосылки мнк
- •5.3.3. Автокорреляция ошибок. Статистика Дарбина-Уотсона
- •Методы устранения автокорреляции. Авторегрессионное преобразование
- •5.3.4. Проверка гомоскедастичности дисперсии ошибок
- •Обобщенный метод наименьших квадратов (омнк)
- •Тема 6. Множественная корреляция и линейная регрессия
- •6.1. Спецификация модели. Отбор факторов при построении уравнения множественной регрессии
- •6.2. Метод наименьших квадратов (мнк)
- •6.3. Анализ качества эмпирического уравнения множественной линейной регрессии
- •Тема 7. Прогнозирование
- •7.1. Оценка прогнозных качеств модели
- •7.2. Интервалы прогноза по линейному уравнению регрессии
- •Тема 8. Нелинейные модели регрессии. Простейшие методы линеаризации
- •Тема 9. Фиктивные переменные в регрессионных моделях
- •Тема 10. Системы эконометрических уравнений
- •10.1. Общее понятие о системах уравнений, используемых в эконометрике
- •10.2. Структурная и приведенная формы модели
- •10.3. Проблема идентификации
- •Косвенный метод наименьших квадратов (кмнк);
- •Двухшаговый метод наименьших квадратов (дмнк);
- •Тема 11. Временные ряды в эконометрических исследованиях в.1. Выявление структуры временного ряда
Введение
Эконометрика – наука, исследующая количественные закономерности и взаимозависимости в экономике на основе методов теории вероятностей и математической статистики, адаптированных к обработке экономических данных.
Основным элементом курса является анализ и построение взаимосвязей экономических переменных.
Математическая статистика и ее применение в экономике – эконометрика – позволяют строить экономические модели, оценивать их параметры, проверять гипотезы о свойствах экономических показателей и формах их связи, что в конечном счёте служит основой для экономического анализа и прогнозирования (основная цель эконометрики).
Экономические модели позволяют выявить особенности экономического объекта и на основе этого предсказывать будущее поведение объекта при изменении каких-либо параметров (повышение обменного курса, падение прибыли…).
По своему определению любая экономическая модель абстрактна и, следовательно, неполна. Так, например, в простейшей модели спроса предполагают, что спрос на какой-либо товар определяется его ценой (р) и доходом потребителя (I): .
На самом же деле на спрос влияют также другие факторы (цены на другие товары, реклама, мода, погода и т.д.). Поэтому в модель добавляют, обычно аддитивным образом, случайный компонент ε, интегрирующий (объединяющий) в себе влияние всех неучтённых явно в модели факторов. Например, модель спроса принимает вид: .
Введение случайного компонента в модель приводит к тому, что взаимосвязь остальных её переменных перестаёт быть строго детерминированной (функциональной) и становится стохастической (статистической, случайной), каковая и наблюдается в реальной действительности.
Связь переменных, на которую накладываются воздействия случайных факторов, называется статистической (корреляционной).
Основой для выявления и обоснования эмпирических (опытных) закономерностей являются статистические данные, которые обычно подразделяются на 2 вида:
- перекрёстные данные – данные по какому-либо экономическому показателю, полученные для различных однотипных объектов (фирм, регионов). При этом либо все данные относятся к одному периоду времени, либо временная принадлежность несущественна.
- временные ряды – данные, характеризующие один объект, но в разные моменты времени.
Существуют различные методы сбора экономических данных: опрос, анкетирование, получение официальной стат.отчётности…
Собранные данные могут быть представлены в различной форме: в виде таблиц, диаграмм, графиков.
Далее подготовленные данные подставляются в теоретическую модель, представленную аналитически (в виде некоторого уравнения) или в графическом виде.
При этом возникает ряд проблем, важнейшими из которых являются проверка согласованности теоретической модели с опытными данными, оценка параметров модели и проверка предположений (гипотез), лежащих в основе модели.
Основные этапы эконометрического исследования:
0. Постановочный этап – постановка проблемы, целей моделирования, сбор данных, анализ их качества.
I. Спецификация модели – выбор вида формулы зависимости.
II. Параметризация – оценка значений параметров выбранной модели.
III. Верификация – проверка качества полученных параметров и самой модели в целом.
IV. Использование построенной модели для объяснения поведения экономических показателей и прогнозирования.