ЭКЗАМЕНАЦИОННЫЕ ВОПРОСЫ ПО ЭКОНОМЕТРИКЕ
1.Предмет, цель и задачи эконометрики. Эконометрическая модель, основные этапы построения эконометрической модели.
2. Простая (парная) линейная регрессия.(ПЛР). Классические предположения моделей.
3. Статистическое оценивание параметров ПЛР по методу наименьших квадратов (МНК). Свойства оценок.
4. Проверка качества парной линейной регрессии: значимость параметров, адекватность моделей. Прогнозирование.
5. Множественная линейная регрессия. Классические предположения. МНК-оценка параметров модели.
6. Свойства МНК-оценок множественной линейной регрессии. Теорема Гаусса- Маркова.
7. Проверка качества множественной линейной регрессии: значимость параметров, доверительные интервалы, адекватность модели. Прогнозирование.
8. Спецификация эконометрической модели: способы и диагностика отбора экзогенных переменных. Тесты Рамсея и Амемьи.
9. Спецификация эконометрической модели: выбор формы зависимости нелинейной модели.
10. Проблема гетероскедастичности модели. Критерии ее диагностики.
11. Взвешенный МНК в задаче оценивания параметров модели. Свойства оценок. по взвешенному МНК.
12. Проблема автокорреляции остатков модели. Последствия автокорреляции при использовании модели.
14. Критерий диагностики автокорреляции Дарбина-Уотсона.
15. Методы устранения автокорреляции.
16. Проблема наличия мультиколлинеарности модели. Последствия наличия и диагностики мультиколлинеарности.
|
|
|
17. Методы устранения мультиколлинеарности.
18. Динамические модели с распределенными лагами.
22. Структура лагов по Койку: Частные случаи (модель с неполной корректировкой и адаптивных ожиданий).
23. Понятие временного ряда (ВР). Модель ВР, основные задачи анализа ВР. Методы сглаживания ВР (скользящего среднего, экспоненциального сглаживания, последовательных разностей).
25. Стационарность временного ряда (ВР). Характеристики корреляции уровней ВР.
26. Стационарные модели временных рядов: авторегрессии, скользящего среднего. АРСС.
27. Системы одновременных эконометрических уравнений (СОУ). Структурная и приведенная форма СОУ (графическое и матричное представление).
30. Проблемы идентификации систем одновременных уравнений (СОУ). Идентифицируемость уравнений СОУ (порядковый и ранговый критерии).
31. Методы оценивания систем одновременных уравнений: косвенный МНК, двухшаговый МНК. Применимость и свойства оценок.
32. Современное состояние эконометрики. Примеры больших эконометрических моделей.
ЛАБОРАТОРНЫЙ ПРАКТИКУМ
Лабораторная работа № 1
Простая линейная регрессия
Тема:
Модели простой и множественной линейной регрессии
|
|
|
Цели:
1. Изучить основные положения регрессионного анализа.
2. Рассмотреть принципы статистического оценивания параметров модели для случая простой линейной регрессии.
3. Освоить метод наименьших квадратов для случая простой линейной регрессии.
4. Научиться пользоваться готовыми регрессионными моделями.
Контрольные вопросы
1) Что такое эконометрическая модель? Запишите пример.
2) Для чего служит эконометрическая модель?
3) Какие этапы построения эконометрической модели?
4) Что такое эндогенные переменные?
5) Что такое экзогенные переменные?
6) Что такое шоковые переменные?
7) Что такое параметры модели?
8) Чем отличаются модели простой и множественной регрессии? Запишите несколько примеров.
9) Какие две основные задачи регрессионного анализа?
10) Какие существуют методы оценивания параметров модели?
11) Что значит 1-е классическое предположение модели МНК: 
, 
? Приведите примеры, когда оно не выполняется.
12) Что значит 2-е классическое предположение модели МНК: 
, 
, 
? Приведите примеры, когда оно не выполняется.
13) Что значит 3-е классическое предположение модели МНК: 
, ? Приведите примеры, когда оно не выпол-
няется.
14) Что значит 4-е классическое предположение модели МНК: экзогенные переменные измеряются без ошибок и образуют линейно-независимые векторы? Приведите примеры, когда оно не выполняется.
|
|
|
15) Что значит 5-е классическое предположение модели МНК: 
, ,? Приведите примеры, когда оно не выполняется.
16) Как строятся гипотезы о проверке значимости параметров модели?
17) Как строятся доверительные интервалы для параметров модели?
18) Что такое коэффициент детерминации? Как с его помощью оценивается адекватность модели?
19) Что такое исправленный коэффициент детерминации? В чем его отличие от обычного коэффициента детерминации?
20) Как строятся доверительные интервалы для зависимой переменной?
21) Какую информацию можно узнать анализируя остатки?
22) Какое распределение должны иметь остатки?
Ход работы
Дата добавления: 2019-11-25; просмотров: 281; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!