Эконометрика. Конспект лекций.  Яковлева А.В. . Эконометрика лекции конспекты для экономистов


Конспект лекций по эконометрике - PDF

Вопросы к экзамену «Эконометрика»

Вопросы к экзамену «Эконометрика» Вопросы к экзамену «Эконометрика» 1. Эконометрика, её задача и метод. Два принципа их спецификации. Типы уравнений в ЭММ: поведенческие уравнения и тождества (на примере макромодели). 2. Типы переменных

Подробнее

СМК РГУТиС. Лист 1 из 9

СМК РГУТиС. Лист 1 из 9 Лист 1 из 9 1 Лист 2 из 9 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ Цель преподавания дисциплины «Эконометрика» состоит в приобретении студентами знаний и представлений о количественных закономерностях в экономике,

Подробнее

1 Предисловие. Ф-ПР Рабочая программа

1 Предисловие. Ф-ПР Рабочая программа Предисловие Данная дисциплина рассматривает и изучает эконометрические модели и методы анализа и прогнозирования социально-экономических процессов. Методика преподавания данной дисциплины предусматривает:

Подробнее

Тесты по дисциплине 123

Тесты по дисциплине 123 Тесты по дисциплине 3 ТЕСТ. Коэффициент корреляции, равный нулю, означает, что между переменными: а) линейная связь отсутствует; б) существует линейная связь; в) ситуация не определена.. Коэффициент корреляции,

Подробнее

Эконометрическое моделирование

Эконометрическое моделирование Эконометрическое моделирование Лабораторная работа 3 Парная регрессия Оглавление Парная регрессия... 3 Метод наименьших квадратов (МНК)... 3 Интерпретация уравнения регрессии... 4 Оценка качества построенной

Подробнее

ЭКОНОМЕТРИКА Программа

ЭКОНОМЕТРИКА Программа МОСКОВСКИЙ ИНСТИТУТ ЭКОНОМИКИ, МЕНЕДЖМЕНТА И ПРАВА Кафедра общематематических и естественнонаучных дисциплин ЭКОНОМЕТРИКА Программа Москва 2003 1 Составитель: Харламов С.А., доктор технических наук Эконометрика:

Подробнее

СМК РГУТиС. Лист 1 из 6

СМК РГУТиС. Лист 1 из 6 Лист 1 из 6 1 Лист 2 из 6 Примерный перечень вопросов зачета. 1. Линейные операции над матрицами. Транспонирование матриц. Умножение матриц. 2. Определители и их свойства. Алгебраические дополнения и миноры.

Подробнее

ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ УРОВЕНЬ)

ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ УРОВЕНЬ) КАЗАНСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ ИНСТИТУТ УПРАВЛЕНИЯ, ЭКОНОМИКИ И ФИНАНСОВ Кафедра экономико-математического моделирования И. И. ИСМАГИЛОВ, Е.И. КАДОЧНИКОВА, А. В. КОСТРОМИН ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ

Подробнее

1. Цели и задачи освоения дисциплины

1. Цели и задачи освоения дисциплины 1. Цели и задачи освоения дисциплины Цели дисциплины: познакомить студентов с основами методологии исследования и моделирования экономико-математических процессов и систем. овладение совокупностью математических

Подробнее

Эконометрика и прогнозирование

Эконометрика и прогнозирование Эконометрика и прогнозирование Автор-составитель: доцент кафедры экономической информатики и математической экономики экономического факультета БГУ, к.ф.-м.н. Васенкова Е.И. Цель и учебная задача Эконометрика

Подробнее

РАБОЧАЯ ПРОГРАММА по курсу «ЭКОНОМЕТРИКА»

РАБОЧАЯ ПРОГРАММА по курсу «ЭКОНОМЕТРИКА» КИСЛОВОДСКИЙ ГУМАНИТАРНО-ТЕХНИЧЕСКИЙ ИНСТИТУТ РАБОЧАЯ ПРОГРАММА по курсу «ЭКОНОМЕТРИКА» для специальностей экономического факультета Кисловодский гуманитарно-технический институт Россия, Ставропольский

Подробнее

Электронная библиотека БГЭУ

Электронная библиотека БГЭУ Тема 1: Множественная линейная регрессия. Метод главных компонент Задача 1. Известная информация по некоторым экономическим показателям за 2001 год по ряду регионов России. Субъекты РФ y x 1 x 2 x 3 x

Подробнее

ЭКОНОМЕТРИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

ЭКОНОМЕТРИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ Министерство образования и науки Российской Федерации Байкальский государственный университет экономики и права Л.Н. Ежова, Р.З. Абдуллин, В.Р. Абдуллин ЭКОНОМЕТРИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ Учебное пособие

Подробнее

Экзаменационный билет 2

Экзаменационный билет 2 Экзаменационный билет 1 Определение, предмет и методы эконометрики. Взаимосвязь с другими науками. Векторная авторегрессия. X: 6.91 2.56 6.56 4.51 1.75 4.49 7.33 1.24 9.17 10.00 Y: 14.42 6.16 12.02 7.52

Подробнее

Эконометрическое моделирование

Эконометрическое моделирование Эконометрическое моделирование Лабораторная работа 7 Анализ остатков. Автокорреляция Оглавление Свойства остатков... 3 1-е условие Гаусса-Маркова: Е(ε i ) = 0 для всех наблюдений... 3 2-е условие Гаусса-Маркова:

Подробнее

Аннотация. Цели и задачи дисциплины

Аннотация. Цели и задачи дисциплины Цели и задачи дисциплины Аннотация Целью курса является приобретение опыта построения эконометрических моделей и определение возможностей их использования для описания, анализа и прогнозирования реальных

Подробнее

ОСНОВЫ РЕГРЕССИОННОГО АНАЛИЗА

ОСНОВЫ РЕГРЕССИОННОГО АНАЛИЗА ОСНОВЫ РЕГРЕССИОННОГО АНАЛИЗА ПОНЯТИЕ КОРРЕЛЯЦИОННОГО И РЕГРЕССИОННОГО АНАЛИЗА Для решения задач экономического анализа и прогнозирования очень часто используются статистические, отчетные или наблюдаемые

Подробнее

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего образования «Саратовский государственный аграрный университет имени Н.И. Вавилова»

Подробнее

ЭКОНОМЕТРИКА. А. Буравлев

ЭКОНОМЕТРИКА. А. Буравлев А. Буравлев ЭКОНОМЕТРИКА Допущено Учебно-методическим объединением по образованию в области статистики в качестве учебного пособия для студентов высших учебных заведений, обучающихся по специальности «Статистика»

Подробнее

ЛЕКЦИЯ Проблема автокорреляции остатков

ЛЕКЦИЯ Проблема автокорреляции остатков ЛЕКЦИЯ 6 15 Проблема автокорреляции остатков 151 Причины и последствия автокорреляции остатков регрессии Понятие автокорреляции остатков было введено в п 5 (лекция 1) где формулировались требования предъявляемые

Подробнее

docplayer.ru

Лекция 1. Введение в эконометрику. Модель парной регрессии - Лекции по Эконометрике с примерами решения (8 лекций)

Лекции по Эконометрике с примерами решения (8 лекций)скачать (1277.8 kb.)Доступные файлы (8):

n1.doc

Лекция 1.

Введение в эконометрику. Модель парной регрессии.Вопросы:

1. Предмет – эконометрика.

2. Экономические переменные и эконометрические модели.

3. Основные понятия и проблемы эконометрического моделирования.

4. МНК оценки коэффициентов линейной парной регрессии.

5. Геометрическая интерпретация МНК. Матричная форма определения

коэффициентов.

6. Литература.

  1. Предмет – эконометрика.

Эконометрика – это самостоятельная научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе: экономической теории, экономической статистики и экономических измерений, математико-статистического инструментария придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией.

Сегодня деятельность в любой области экономики (управлении, финансово-кредитной сфере, маркетинге, учете, аудите) требует от специалиста применения современных методов работы, знания достижений мировой экономической мысли, понимания научного языка. Большинство новых методов основано на эконометрических моделях, концепциях, приемах. Без глубоких знаний эконометрики научиться их использовать невозможно. Чтение современной экономической литературы также предполагает хорошую эконометрическую подготовку.

Специфической особенностью деятельности экономиста является работа в условиях недостатка информации и неполноты исходных данных. Анализ такой информации требует специальных методов, которые составляют один из аспектов эконометрики. Центральной проблемой эконометрики является построение эконометрической модели и определение возможностей ее использования для описания, анализа и прогнозирования реальных экономических процессов.

Название «эконометрика» введено в 1926 г. норвежским экономистом и статистиком Рагнаром Фришем. Буквальный перевод этого понятия – «измерения в экономике». Р.Фриш дал следующее определение эконометрики.

Эконометрика – это не то же самое, что экономическая статистика. Она не идентична и тому, что мы называем экономической теорией, хотя значительная часть этой теории носит количественный характер. Эконометрика не является синонимом приложений математики к экономике. Как показывает опыт, каждая из трех отправных точек – статистика, экономическая теория и математика – необходимое, но не достаточное условие для понимания количественных соотношений в современной экономической жизни. Это – единство всех трех составляющих. И это единство образует эконометрику.

При этом в рамках экономической теории интересуют не просто качественные взаимосвязи переменных, но и подходы к их формализации, включающие в себя методы спецификации моделей с проблемой их идентификации. В экономической статистике непосредственно будет интересовать лишь информационное обеспечение модели (выбор показателя, обоснование способа измерения, статистические наблюдения и т.п.). Математический аппарат эконометрики включает классическую линейную модель регрессии, обобщенную линейную модель регрессии, анализ временных рядов, системы одновременных уравнений и т.п. Это «приземление» экономической теории на конкретную статистику и получение конкретных количественных показателей является ключевым в понимании сути эконометрики. Экономическая теория становится эконометрикой, когда символически представленные в экономических взаимосвязях коэффициенты заменяются конкретными численными оценками, полученными на базе соответствующих экономических данных.

Главное назначение эконометрики – экономические и социально-экономические приложения, т.е. модельное описание конкретных количественных взаимосвязей, существующих между экономическими показателями.

Задачи эконометрики можно классифицировать по трем параметрам: по конечным прикладным целям, по уровню иерархии и по профилю анализируемой экономической системы:

  • По конечным целям – две основные:
а) прогноз экономических, социально-экономических показателей, характеризующих состояние и развитие экономической системы;

б) имитация возможных сценариев социально-экономического развития системы;

  • По уровню иерархии анализируемой экономической системы можно выделить:
а) макроуровень – это страна в целом, модели национальной экономики;

б) мезоуровень – модели региональной экономики, отраслей, корпораций;

в) микроуровень - модели поведения потребителей, семьи, фирмы, предприятия.

  • По профилю – исследование может быть сконцентрировано на проблемах рынка, инвестиционной, финансовой или социальной политики, ценообразования, распределительных отношений, спроса и потребления и т.п.
  1. Экономические переменные и эконометрические модели.

Основные идеи экономики – взаимосвязь между экономическими переменными.

- Спрос на товар – функция его цены.

- Затраты на производство - функция объема производства.

- Потребительские расходы – функция дохода и т.д.

Это примеры взаимосвязей между двумя переменными, одна из которых (спрос, затраты, расходы) является объясняемой переменной (результирующим показателем), а другие – объясняющими переменными (факторами-аргументами). Как правило, в каждое такое соотношение вводится несколько объясняющих переменных и остаточная, случайная составляющая, отражающая влияние всех неучтенных факторов. Например, спрос на товар можно рассматривать как функцию его цены, потребительского дохода и цен на конкурирующие и дополняющие товары.

Случайная составляющая обуславливает стохастический характер зависимости: даже фиксировав значения объясняющих переменных, мы не можем ожидать однозначно, каким будет спрос на товар. В прикладном статистическом анализе изучаются различные варианты формализации понятия стохастической зависимости. Наиболее распространенной формализацией зависимости между результирующим показателем у и объясняющими переменными х1, х2, …, хn в экономике является аддитивная линейная форма:

где - некоторые параметры (обычно неизвестные до проведения анализа), - случайная составляющая, характеризующая разницу между модельным и наблюдаемым значениями. Под модельным значением переменной понимают её значение, восстановленное по заданным значениям объясняющих переменных при условии, что коэффициенты известны.

Поясним понятия аддитивности и линейности.

Функция линейна по всем независимым переменным тогда и только тогда, когда не включает, эффект данного изменения по не зависит от .

Функция является аддитивной потогда и только тогда, когда не включает ( ), эффект данного изменения по каждой независимой переменной не зависит от уровня другой. Аддитивность позволяет совместный эффект изменения по всем учтенным независимым переменным получить сложением отдельно вычисленных эффектов изменений по каждой из них.

Рассмотрим некоторые примеры оценки линейности и аддитивности.

Функция

Линейность Аддитивность по х1, х2
по х1 по х2
а1х12+а2х22+а3х1х2 2а1х1+а3х2 2а2х2+а3х1 нет нет нет
х2/x1 -х2/x12 1/x1 нет да нет
а1х12+а2х2 2а1х1 а2 нет да да
x1aх2b ax1a-1х2b bx1aх2b-1 нет нет нет
а1х1x2 2+а2lnх2 а1x2 2 2а1х1x22+а2/х2 да нет нет
а1х1+а2х2+а3х1х2 а1+а3х2 а2+а3х1 да да нет
а1х1+а2lnх2 а1 а2/х2 да нет да
а1х1+а2х2 а1 а2 да да да

После выявления отдельных соотношений их группируют в модель. Математическая модель – это упрощенное, формализованное представление реальности. «Модели должны быть настолько простыми, насколько возможно, но не проще» - сказал Эйнштейн.

Все экономические модели имеют общие особенности:

- они основаны на предположении, что поведение экономических переменных определяется с помощью совместных и одновременных операций с некоторым числом экономических соотношений;

- принимается, что модель улавливает главные характеристики изучаемого объекта;

- полагается, что на основе достигнутого с ее помощью понимания реальной системы удастся предсказать будущее движение экономических показателей.

Можно выделить три основных класса моделей.

Регрессионные модели с одним уравнением.

,

- параметры, - независимые объясняющие переменные. В зависимости от вида функции f модели делятся на линейные и нелинейные:

, ,

,

Модели временных рядов. К ним относятся модели:

Тренда –

Сезонности –

Тренда и сезонности - - аддитивная

- мультипликативная

Системы одновременных уравнений. Модели описываются системами уравнений, состоящих из тождеств и регрессионных уравнений, каждое из которых может кроме объясняющих переменных, включать в себя объясняемые переменные из других уравнений системы.

Классическим примером такой системы является модель спроса Qd и предложения Qs, когда спрос на товар определяется его ценой Р и доходом потребителя I, предложение товара – его ценой Р и достигается равновесие между спросом и предложением:

При моделировании экономических процессов встречаются два типа данных:

- пространственные данные – данные по разным фирмам и предприятиям в один момент времени;

- временные ряды – ежеквартальные данные по инфляции, з.п., национальному доходу и т.п.3. Основные понятия и проблемы эконометрического моделирования.К основным понятиям эконометрики можно отнести:

- понятия экзогенных и эндогенных переменных, объясняемых и объясняющих переменных, предопределенных переменных;

- понятия структурной и приведенной форм модели.Экзогенные переменные – «внешние», автономные, в определенной степени управляемые.

Эндогенные переменные – формируются в процессе и «внутри» социально-экономической системы в большей мере под воздействием экзогенных переменных, в модели – объясняемые переменные.

Предопределенные переменные – факторы-аргументы, объясняющие переменные. Множество предопределенных переменных формируется из всех экзогенных переменных и лаговых эндогенных переменных – эндогенных переменных, значения которых уже вычислены в прошлые моменты времени.

В модели спроса и предложения экзогенной переменной выступает доход потребителя I, а эндогенными – спрос (предложение) товара Qd = Qs = Q и цена товара (цена равновесия) Р.

При построении и анализе эконометрических моделей различают её структурную и приведенную формы. Структурная форма модели отражает наше представление о характере связи между переменными и наборе переменных, участвующих в уравнениях. Часто эндогенные переменные обозначают через Y, а экзогенные переменные – через Х. Эндогенные и экзогенные переменные могут находиться как по разные стороны, так и по одну сторону от знака равенства. Если удается выразить все эндогенные переменные через предопределенные, то получают приведенную (редуцированную) форму модели.

Структурная форма Приведенная форма

В процессе эконометрического моделирования приходится решать следующие проблемы.

Проблема спецификации модели включает в себя:

- определение конечных целей моделирования;

- определение набора экзогенных и эндогенных переменных;

- определение состава системы уравнений, их структур, набора предопределенных переменных;

- формулировка исходных ограничений относительно стохастической составляющей.

Спецификация модели – важнейший этап исследования, от успешности решения которого зависит успех всего исследования. Спецификация опирается на имеющиеся экономические теории, специальные знания, интуицию.

Проблема идентифицируемости заключается в том, что нас интересует поведение эндогенных переменных, которые являются случайными величинами.

Уравнение структурной формы называется точно идентифицируемым, если все участвующие неизвестные коэффициенты однозначно восстанавливаются по коэффициентам приведенной формы без ограничений на значения последних. Эконометрическая модель точно идентифицируема, если все уравнения ее структурной формы являются точно идентифицируемыми. Если хотя бы один коэффициент не может быть восстановлен, то уравнение – не идентифицируемо и модель – тоже. Проблема идентификации заключается в «настройке» модели на реальные статистические данные.

Необходимо различать проблему идентифицируемости – проблему возврата от ПФМ к ее структурной форме – от проблемы идентификации – т.е. проблемы выбора и реализации методов статистического оценивания параметров.

Проблема верификации модели заключается в решении вопроса о возможностях применения модели. Какова точность прогнозных и имитационных расчетов. Методы верификации основаны на статистической проверке гипотез и анализе характеристик точности оценивания. Часто используют ретроспективные расчеты: все исходные данные разбивают на две части – обучающую выборку и экзаменующую выборку. По 1-й части определяют значения всех неизвестных параметров и получают модельные значения для 2-й части, которые сравнивают с реальными значениями.

  1. МНК оценки коэффициентов линейной парной регрессии.
Рассмотрим простейшую модель . Величина у рассматривается как зависимая переменная, состоящая из двух частей: неслучайной составляющей , где х – объясняющая переменная, и - параметры, - случайный член. Имеется несколько причин включения случайного члена.

1. Невключение объясняющих переменных. Соотношение между х и у является упрощением, и существуют другие факторы, влияющие на у. Или переменные, которые мы хотели бы включить, не можем измерить их, например, психологический фактор. Или мы просто не знаем пока какие ещё переменные влияют на у.

  1. Агрегирование переменных. Во многих случаях рассматриваемая зависимость – это попытка объединить вместе некоторое число микроэкономических соотношений. Например, функция суммарного потребления, т.е. объединение решений многих индивидов. Наблюдаемое расхождение объясняет случайный член.
  2. Неправильное описание структуры. Структура модели неправильна или не вполне правильна. Например, у зависит не от фактического х, а от уt-1 – предыдущего значения, при этом может казаться, что между х и у существует связь. Расхождения при этом описываются .
  3. Неправильная функциональная спецификация. Математически зависимость х и у описывается не так. Например, зависимость не является линейной.
  4. Ошибки измерения. Неизбежны.
Таким образом, является суммарным проявлением всех этих причин.

Рассмотрим задачу «наилучшей» аппроксимации набора наблюдений Хt и Уt, линейной функцией в смысле минимизации функционала . Необходимое условие экстремума:

,

или в стандартной форме нормальных уравнений:

или Решение системы можно записать в виде

, .

Получим значения и в отклонениях, т.е. пусть

xt = Xt - , yt = Yt - . Можно показать, что = = 0. Замена Xt, Yt на xt, yt означает перенос системы координат, а прямая останется прежней. После замены получим:

= 0, .

Часто удобно перейти к стандартизованному масштабу:

, .

Уравнение регрессии в стандартизованном масштабе примет вид: ,

где . Связь между обычным и стандартизованным масштабом выражается следующим образом:

, .

И, наконец, коэффициенты регрессии могут быть определены с помощью ППП Excel, Statgraphic.

Параметр называют коэффициентом регрессии. Его величина показывает среднее изменение результата с изменением фактора на одну единицу. Формально - значение у при х = 0. Если х не имеет и не может иметь нулевого значения, то у = не имеет смысла. Параметр может не иметь экономического содержания, и попытка его интерпретировать может привести к абсурду. Интерпретировать можно лишь знак : если > 0, то относительное изменение результата происходит медленнее, чем изменение фактора.

Пример. Предположим по группе предприятий, выпускающих один и тот же вид продукции, рассматривается функция издержек . Информация, необходимая для расчета и дана в таблице.

№ предприятия 1 2 3 4 5 6 7
Выпуск продукции, х 1 2 4 3 5 3 4
Затраты на производство, у 30 70 150 100 170 100 150

Решение.

    1. По данным таблицы определим: , , , , .
2) =

Уравнение регрессии примет вид: у = -5,789 + 36,842 х.5. Геометрическая интерпретация МНК. Матричная форма определения коэффициентов.

Рассмотрим n-мерное векторное пространство Rn со стандартным евклидовым скалярным произведением

(Х,У) = ХТУ = . Пусть

, , , , .

Здесь и - числовые коэффициенты, - вектор, лежащий в плоскости, образованной векторами S и Х ( естественно, что S и Х неколлинеарны, т.е. у Х не все числа одинаковы). Задача состоит в отыскании таких и , чтобы длина вектора е была минимальна. Очевидно, что решением является такой вектор , для которого вектор е перпендикулярен плоскости, образованной S и Х. Для этого необходимо, чтобы

, и или ,

т.е. опять пришли к стандартным нормальным уравнениям. Обозначим теперь

, , , условие ортогональности е плоскости (S,X) запишется так ХТе = 0 или ХТ(У - Х) = ХТУ - ХТХ = 0 ХТУ = ХТХ и

.

Нетрудно проверить, что все соотношения для и совпадают.6. Литература

1.2.3.4.

5.

Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ. 1998.
Бородич С.А. Вводный курс эконометрики. Мн.: Новое знание, 2001.
Доугерти К. Введение в эконометрику. М.: Инфра-М, 2001.
Елисеева И.И., Курышева С.В., Костеева Т.В., Бабаева И.В., Михайлов Б.А. Эконометрика. Учебник. М.: Финансы и статистика, 2006.
Катышев П.К., Пересецкий А.А. Сборник задач к начальному курсу эконометрики. М.: Дело, 1999.
6. Магнус Я.Р., Катышев П.К., Пересецкий А.А.

Эконометрика. Начальный курс. М.: Дело,1999.

7. Фишер Ф. Проблемы идентификации в эконометрии. М.:

Статистика, 1978.

8.

9.10.

11.12.

13.

14.

Бородич С.А. Эконометрика. Мн.: Новое знание, 2001.
Кремер Н.Ш., Путко Б.А. Эконометрика. М.: ЮНИТИ –

ДАНА, 2002.

Орлов А.И. Эконометрика. М.: Изд-во «Экзамен», 2002.
Новиков А.И. Эконометрика. М.:ИНФРА-М,2003.-106 с.
Колемаев В.А. Эконометрика. М.: ИНФРА-М, 2004.-160 с.
Замков О.О. Эконометрические методы в макроэкономи-ческом анализе: Курс лекций. М.:ГУ ВШЭ, 2001. – 122 с.
Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. М.: Изд-во «Экзамен», 2003. – 512 с.
Дорохина Е.Ю., Пресняков Л.Ф., Тихомиров Н.П. Сборник задач по эконометрике. М.: Изд-во «Экзамен», 2003. –224 с.
Джонстон Дж. Эконометрические методы. М.: Статистика, 1980
15. Дубров А.М. Многомерные статистические методы. М.: Финансы и статистика, 2000.
16. Замков О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике. М.: МГУ Изд-во «ДИС», 1997.
17. Кулинич Е.И. Эконометрия. М.: Финансы и статистика, 2001.
18. Мацкевич И.П., Свирид Г.П. Высшая математика: Теория вероятностей и математическая статистика. Мн.: Вышэйшая школа, 1993.
19. Булдык Г.М. Сборник задач и упражнений по высшей математике: Теория вероятностей и математическая статистика. Мн.: Вышэйшая школа, 1996.
20. Сошникова Л.А., Тамашевич В.Н., Уебе Г., Шефер М. Многомерный статистический анализ в экономике М.: ЮНИТИ – ДАНА, 1999.
21. Экономическая статистика, эконометрика: Программы, тесты, задачи, решения. Под ред. Л.С. Гребнева.- М.: ГУ – ВШЭ, 2000.
22. Мардас А. Н. Эконометрика. СПб: Питер, 2001.
23. Грицан В. Н. Эконометрика. М.: Издательско-книготорговый центр «Маркетинг», МУПК, 2001.
24. Салманов О.Н. Эконометрика. Учебное пособие. – М.: Экономистъ, 2006. – 320 с.
25. Луговская Л.В. Эконометрика в вопросах и ответах: учеб. пособие. – М.:ТК Велби, Изд-во Проспект, 2005. – 208 с.
26. Просветов Г.И. Эконометрика: Задачи и решения: Учебно-методическое пособие. 3-е изд., доп. - М.: Изд-во РДЛ, 2006. – 160 с.
Лекция 1. Введение в эконометрику. Модель парной регрессии

nashaucheba.ru

Эконометрика. Конспект лекций. Яковлева А.В.

Эконометрика. Конспект лекций. Яковлева А.В.

СОДЕРЖАНИЕ

ЛЕКЦИЯ №1. Понятие эконометрики и эконометрических моделей 31. Основные виды эконометрических моделей 42. Эконометрическое моделирование 63. Классификация видов эконометрических переменных и типов данных 8ЛЕКЦИЯ №2. Общая и нормальная линейная модели парной регрессии 101. Общая модель парной регрессии 102. Нормальная линейная модель парной регрессии 11ЛЕКЦИЯ № 3 . Методы оценивания и нахождения параметров уравнения регрессии. Классический метод наименьших квадратов (МНК) 151. Классический метод наименьших квадратов для модели парной регрессии 172. Альтернативный метод нахождения параметров уравнения парной регрессии 20ЛЕКЦИЯ № 4. Оценка дисперсии случайной ошибки регрессии.Состоятельность и несмещенность МНК-оценок. Теорема Гаусса-Маркова 221. Состоятельность и несмещенность МНК-оценок 242. Эффективность МНК-оценок. Теорема Гаусса-Маркова 27ЛЕКЦИЯ № 5. Определение качества модели регрессии. Проверка гипотез о значимости коэффициентов регрессии, корреляции и уравнения парной регрессии 301. Проверка гипотезы о значимости коэффициентов регрессии 322. Проверка гипотезы о значимости парного линейного коэффициента корреляции 353. Проверка гипотезы о значимости уравнения парной регрессии. Теорема о разложении сумм квадратов 37ЛЕКЦИЯ № 6. Построение прогнозов для модели парной линейной регрессии. Примеры оценивания параметров парной регрессии и проверки гипотезы о значимости коэффициентов и уравнения регрессии 401. Пример оценивания параметров парной регрессии с помощью альтернативного метода 432. Пример проверки гипотезы о значимости коэффициентов парной регрессии и уравнения регрессии в целом 47ЛЕКЦИЯ № 7. Линейная модель множественной регрессии. Классический метод наименьших квадратов для модели множественной регрессии. Множественное линейное уравнение регрессии 501. Классический метод наименьших квадратов для модели множественной регрессии 522. Множественное линейное уравнение регрессии в стандартизированном масштабе. Решение квадратных систем линейных уравнений методом Гаусса 55ЛЕКЦИЯ № 8. Показатели тесноты связи, частной и множественной корреляции. Обычный и скорректированный показатели множественной детерминации 581. Показатели частной корреляции для модел и линейной регрессии с двумя переменными 602. Показатели частной корреляции для модели множественной регрессии с тремя и более факторами 623. Показатель множественной корреляции. Обычный и скорректированный показатели множественной детерминации 64ЛЕКЦИЯ № 9. Проверка гипотез о значимости частного и множественного коэффициентов корреляции, регрессионных коэффициентов и уравнения множественной регрессии в целом 67Проверка гипотезы о значимости регрессионных коэффициентов и уравнения множественной регрессии в целом. . 69ЛЕКЦИЯ № 10. Пример применения МНК к трехмерной модели регрессии. Пример расчета коэффициентов корреляции и проверки гипотез для трехмерной регрессионной модели 71Пример расчета коэффициентов корреляции и проверки гипотез для трехмерной регрессионной модели 75ЛЕКЦИЯ № 11. Причины возникновения и последствия мультиколлинеарности Устранение мультиколлинеарности 79Устранение мультиколлинеарности. . 80ЛЕКЦИЯ № 12. Нелинейные по переменным, по параметрам регрессионные модели. Регрессионные модели с точками разрыва 831. Нелинейные по параметрам регрессионные модели 852. Регрессионные модели с точками разрыва 87ЛЕКЦИЯ № 13. МНК для нелинейных моделей, методы нелинейного оценивания регрессионных параметров. Показатели корреляциии детерминации для нелинейной регрессии 891. Методы нелинейного оценивания регрессионных параметров 922. Показатели корреляции и детерминации для нелинейной регрессии. Проверка значимости уравнения нелинейной регрессии 94ЛЕКЦИЯ № 14. Тесты Бокса-Кокса. Средние и точечные коэффициенты эластичности 97Средние и точечные коэффициенты эластичности 99ЛЕКЦИЯ № 15. Производственные функции. Эффект от масштаба производства 1021. Двухфакторная производственная функция Кобба-Дугласа 1032. Эффект от масштаба производства. Двухфакторная производственная функция Солоу 1063. МНК для функции Кобба-Дугласа. Многофакторные производственные функции 108ЛЕКЦИЯ № 16. Модели бинарного выбора Метод максимума правдоподобия 111Метод максимума правдоподобия. . 113ЛЕКЦИЯ № 17. Гетероскедастичность остатков регрессионной модели. Обнаружение и устранение гетероскедастичности 1171. Обнаружение гетероскедастичности 1192. Устранение гетероскедастичности 121ЛЕКЦИЯ № 18. Автокорреляция остатков регрессионной модели, ее устранение. Критерий Дарбина-Уотсона. Метод Кохрана-Оркутта и Хилдрета-Лу 1251. Критерий Дарбина-Уотсона 1262. Устранение автокорреляции остатков регрессионной модели 1283. Метод Кохрана-Оркутта. Метод Хилдрета-Лу 131ЛЕКЦИЯ № 19. Обобщенный метод наименьших квадратов. Регрессионные модели с переменной структурой. Фиктивные переменные. Метод Чоу 1341. Доступный обобщенный метод наименьших квадратов 1362. Регрессионные модели с переменной структурой. Фиктивные переменные 1393. Метод Чоу 1414. Cпецификация переменных 143ЛЕКЦИЯ № 20. Основные компонентывременного ряда. Проверка гипотез о существовании тренда во временном ряду. Метод Чоу проверки стабильности тенденции 1471. Проверка гипотез о существовании тренда во временном ряду 1492. Гипотеза, основанная на сравнении средних уровней ряда 1494. Критерий «восходящих и нисходящих» серий 1505. Критерий серий, основанный на медиане выборки 1503. Метод Форстера-Стьюарта проверки гипотез о наличии или отсутствии тренда. Метод Чоу проверки стабильности тенденции 151ЛЕКЦИЯ № 21. Представление тренда в аналитическом виде. Проверка адекватности трендовой модели 154Проверка адекватности трендовой модели 156ЛЕКЦИЯ № 22. Определение сезонной компоненты временного ряда. Сезонныефиктивные переменные. Одномерный анализ Фурье 1591. Cезонные фиктивные переменные 1612. Одномерный анализ Фурье 1633. Фильтрация временного ряда (исключение тренда и сезонной компоненты) 1654. Aвтокорреляция уровней временного ряда 167ЛЕКЦИЯ № 23. Стационарные ряды. Модель авторегрессии и проинтегрированного скользящего среднего (arima). Показатели качества модели АРПСС. Критерий Дики-Фуллера 1701. Линейные модели стационарного временного ряда 1722. Модель авторегрессии и проинтегрированного скользящего среднего (ARIMA) 1743. Показатели качества модели АРПСС 1754. Критерий Дики-Фуллера 178ЛЕКЦИЯ № 24. Цензурированныеи стохастические объясняющие переменные 181Cтохастические объясняющие переменные 183ЛЕКЦИЯ № 25. Системы эконометрических и одновременных уравнений. Проблема и условия идентификации модели 1851. Структурная и приведенная формы системы одновременных уравнений. Проблема идентификации модели 1872. Необходимые и достаточные условия идентификации модели 189ЛЕКЦИЯ № 26. Косвенный и двухшаговый метод наименьших квадратов. Примеры их применения. Инструментальные переменные 1911. Двухшаговый метод наименьших квадратов 1932. Пример применения косвенного метода наименьших квадратов для оценки параметров точно идентифицированного уравнения 1943. Пример применения двухшагового метода наименьших квадратов к модели, включающей сверхидентифицированное уравнение 1974. Инструментальные переменные 200ЛЕКЦИЯ № 27. Динамические эконометрические модели (ДЭМ). Модель авторегрессии. Характеристика моделей с распределенным лагом 2031. Модель авторегрессии и оценивание ее параметров . . . .2052. Xарактеристика моделей с распределенным лагом 2073. Метод Алмона 209ЛЕКЦИЯ № 28. Нелинейный метод наименьших квадратов. Метод Койка. Модель адаптивных ожиданий (МАО) и частичной (неполной) корректировки 2121. Суть нелинейного МНК 2122. Модель адаптивных ожиданий (МАО) 2143. Модель частичной (неполной) корректировки 216

 

< Предыдущая Следующая >
 

www.1variant.ru