F-тест качества спецификации множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.
F-тест качества спецификации множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики. 3
2. t-статистика значимости оценки параметра регрессионной модели: формула, параметры для определения критического значения. 3
3Автокорреляция случайного возмущения. Пояснить причины. Перечислить последствия. 5
4 Алгоритм проверки адекватности множественной регрессионной модели (сущность этапов проверки, расчетные формулы, формулировка вывода). 6
5 Проверка адекватности линейной регрессионной модели. 7
7 Алгоритм теста Дарбина – Уотсона: 9
8Модели временных рядов и их структура. 10
9Гетероскедастичность случайного возмущения (определение). Алгоритм теста Голдфелда-Квандта на наличие или отсутствие гетероскедастичности случайных возмущений в парной регрессионной модели. 10
10 Измерение тесноты связи между показателями. Анализ матрицы коэффициентов парной корреляции. 10
11Интервальная оценка индивидуального значения зависимой переменной в парной регрессионной модели. 11
12 Использование фиктивных переменных для определения структурных изменений в экономике. 12
13 Коэффициент детерминации в множественной регрессионной модели. 12
14.Коэффициент детерминации в парной регрессионной модели: определение, расчетная формула, смысл компонентов формулы, смысл коэффициента детерминации. 13
|
|
15.Коэффициент детерминации как индикатор качества спецификации эконометрической модели. 13
16 Линейная модель множественной регрессии. Порядок её оценивания методом наименьших квадратов в Excel. Смысл выходной статистической информации в Анализе данных. 13
17 Матричная форма метода наименьших квадратов: спецификация парной регрессионной модели в матричной форме. 14
18Матричный метод МНК. 15
Вопрос 19. Метод наименьших квадратов (МНК). Свойства оценок МНК. 15
20 Методы оценивания линейной модели множественной регрессии в Excel. 21
Вопрос 21. Модели с бинарными фиктивными переменными. 22
22 Модели уровней временного ряда: мультипликативная, аддитивная, смешанная. 24
23 Нелинейная модель множественной регрессии (Кобба-Дугласа) Оценка её коэффициентов. 24
24. Нелинейная регрессия. Нелинейные модели и их линеаризация. 25
25. Отражение в модели влияния неучтённых факторов. Предпосылки теоремы Гаусса-Маркова. 26
26 Оценивание линейной модели множественной регрессии методом наименьших квадратов (МНК) в Excel с использованием сервиса Поиск решения. 27
9 Оценка влияния факторов на зависимую переменную (коэффициенты эластичности, бета–коэффициенты, дельта–коэффициенты). 27
28 Оценка параметров парной регрессионной модели методом наименьших квадратов. 28
|
|
29 Понятие о мультиколлинеарности. Методы устранения мультиколлинеарности (перечислить методы, описать любой метод). 29
30. Понятие статистической процедуры оценивания параметров эконометрической модели. Требования к наилучшей статистической процедуре (несмещенность и минимальные дисперсии оценок параметров). 29
31. Порядок оценивания линейной модели множественной регрессии методом наименьших квадратов (МНК) в Excel. 30
32 Предпосылки применения МНК. (условия Гаусса-Маркова). 32
33 Применение теста Стьюдента в процедуре подбора переменных в модели множественной регрессии. 33
34 Применение фиктивных переменных при исследовании сезонных колебаний: спецификация модели, экономический смысл параметров при фиктивных переменных. 33
35 Проблема мультиколлинеарности в моделях множественной регрессии. Признаки мультиколлинеарности. 36
36Процедура прогнозирования по оценённой линейной эконометрической модели значений эндогенной переменной. 36
37 Свойства оценок МНК. 36
38 Спецификация и оценивание МНК эконометрических моделей нелинейных по параметрам. 37
39 Способы корректировки автокорреляции (авторегрессионные модели первого порядка). 37
|
|
40 Способы корректировки гетероскедастичности. Взвешенный метод наименьших квадратов. 37
41. Стационарные и нестационарные стохастические процессы. 38
42. Теорема Гаусса-Маркова. Свойства оценок МНК (определения). 39
43. Тест Голдфелда-Квандта гомоскедастичности случайного возмущения в линейной модели множественной регрессии. 40
44 тест Чоу на наличие структурных изменений в регрессионной модели. 42
45 Типы данных, используемых в эконометрических исследованиях: пространственные данные, временные ряды, панельные данные. 43
46 Типы нелинейности эконометрических моделей. Оценивание эконометрических моделей нелинейных по переменным, на примере: 47 Типы нелинейности эконометрических моделей. Оценивание эконометрических моделей нелинейных по параметрам, интерпретация параметров (на примере: ). 44
51 Фиктивная переменная наклона: назначение; спецификация регрессионной модели с фиктивной переменной наклона; значение параметра при фиктивной переменной. 47
52Фиктивная переменная сдвига: спецификация регрессионной модели с фиктивной переменной сдвига; экономический смысл параметра при фиктивной переменной; смысл названия. 47
53 Фиктивные переменные: определение, назначение, типы.. 48
|
|
54 Что такое стационарный процесс. 48
55 Фиктивная переменная сдвига: спецификация регрессионной модели с фиктивной переменной сдвига; экономический смысл параметра при фиктивной переменной; смысл названия. 49
56 Этапы построения эконометрических моделей. 50
F-тест качества спецификации множественной регрессионной модели: выдвигаемая статистическая гипотеза, процедура ее проверки, формулы для расчета статистики.
Под качеством спецификации модели понимается:
- качество выбора функции уравнения регрессии;
- качество выбора набора регрессоров (факторов).
В качестве меры влияния регрессоров на формирование значения эндогенной переменной y вводится коэффициент детерминацииR2 как отношение регрессионной суммы квадратов к общей сумме квадратов. Коэффициент детерминации показывает, какая доля изменения зависимой переменной обусловлена изменениями объясняющих переменных.
|
где TSS – общая сумма квадратов эндогенной переменной
RSS – регрессионнаясуммаквадратов
ESS – сумма квадратов остатков (ошибок)
Вариация зависимой переменной может быть представлена в виде суммы двух составлящих: TSS = RSS + ESS.
Если R2=1, т.е. RSS=TSS, a ESS=0, то такая модель называется «абсолютно хорошей». Это означает, что выбранные регрессоры полностью объясняют поведение эндогенной переменной.
Если R2=0, т.е. RSS=0, а ESS=TSS, то такую модель называют «абсолютно плохой». В этом случае весь диапазон изменения эндогенной переменной объясняется влиянием случайного возмущения, а выбранные регрессоры не оказывают влияния, не объясняют поведение эндогенной переменной.
Ситуация совершенно плохой спецификации равносильна справедливости статистической гипотезы Н0: a1 = a2 = … = ak = 0, где a – коэффициенты (параметры) модели. Необходимо помнить, что R2 – величина случайная, т.к. его конкретное значение вычисляется по результатам случайной выборки. Это означает, что полученное значение коэффициента детерминации отличное от нуля (R2>0) еще не является достаточным основанием считать модель качественной и опровергнуть гипотезу Н0.
Дата добавления: 2018-08-06; просмотров: 1000; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!