Содержание
- 2. Литература Магнус Я.Р., Катышев П.К., Пересецкий А.А. - Эконометрика. Начальный курс: учебник. Елисеева И.И. – Эконометрика:
- 3. Эконометрика «Эконометрика — это не то же самое, что экономическая статистика. Она не идентична и тому,
- 4. Место эконометрики в управленческом процессе
- 5. Задачи, решаемые эконометрическим методом
- 7. Этапы эконометрического исследования постановка проблемы получение данных и анализ их качества спецификация модели оценка параметров проверка
- 8. Этапы (подробнее) качественный анализ связей экономических переменных — выделение зависимых (y) и независимых переменных (х); подбор
- 9. Сбор данных При моделировании экономических процессов используют следующие типы данных: пространственные данные Пространственными данными является набор
- 10. Типы переменных Типы переменных, участвующих в эконометрической модели: эндогенные (зависимые) — значения которых определяются внутри модели,
- 11. Спецификация моделей Выделяют три основных класса моделей. I. Регрессионные модели с одним уравнением (факторов может быть
- 12. Линейность и аддитивность Функция нескольких переменных y=f(x1,...,xn) линейна по всем независимым переменным тогда и только тогда,
- 14. Оценка параметров Этот этап предполагает нахождение неизвестных элементов в модели тем или иным способом. Наиболее распространенным
- 15. Проверка качества модели Это важнейший этап, заключающийся в определении следующего: погрешности расчетов точности предсказания по модели
- 16. Интерпретация результатов Модель должна быть достаточно проста и отражать экономические взаимосвязи. В ином случае параметры не
- 17. Парная регрессия
- 18. Базовые термины и идеи • Генеральная совокупность (population) (иногда используется калька с англоязычного термина – «популяция»)
- 19. Парная регрессия Парная регрессия – это уравнение, описывающее корреляционную связь между парой переменных: зависимой переменной (результатом)
- 20. Парная линейная регрессия Предположим, что для генеральной совокупности связь выражается уравнением yi=α+βxi+εi, i=1,…,N yi – i-е
- 21. Парная линейная регрессия
- 22. Буквально перед нами стоит задача провести прямую линию через множество точек в плоскости x-y.
- 23. Построение прямой через множество точек
- 24. Построение прямой через множество точек Каждый метод выбора a и b обладает плюсами и минусами. Построение
- 25. Метод наименьших квадратов (МНК)
- 26. Метод наименьших квадратов (МНК)
- 27. Метод наименьших квадратов (МНК)
- 28. Метод наименьших квадратов (МНК)
- 29. Экономическая интерпретация a и b Коэффициент b показывает среднее изменение результативного признака (в единицах измерения y)
- 30. Коэффициент корреляции Шкала Чеддока rxy>0 – связь прямая, rxy
- 31. До этого нас интересовало только качество подгонки прямой к данным. Теперь добавим к постановке задачи некоторые
- 32. Какова природа ошибки εi? Откуда берутся отличия фактического значения от расчетного? 1) Наша модель является упрощением
- 33. Основные гипотезы yi=α+βxi+εi, i=1,…,N – спецификация модели xi - детерминированная величина, где xi-разные величины M[εi]=0, M[εi]=D[εi]=σ2
- 34. Основные гипотезы 1,2. спецификация модели отражает наше преставление о механизме зависимости yi от xi и сам
- 35. Основные гипотезы 3. M[εi]=0, M[εi]=D[εi]=σ2 не зависит от xi или от t Условие независимости дисперсии ошибки
- 36. Основные гипотезы 4. M[εi, εj]=0 – некоррелированность ошибок для разных наблюдений В случае, когда это условие
- 37. Теорема Гаусса-Маркова Задача теперь- статистически оценить три параметра: a,b, σ2 В предположениях модели: yi=α+βxi+εi, i=1,…,N –
- 38. Статистические свойства оценок Статистические оценки (или просто оценки)— это статистики, которые используются для оценивания неизвестных параметров
- 39. Задача Пусть X1, X2, X3, X4 — случайная выборка значений из генеральной нормальной совокупности со средним
- 40. Дисперсия ошибок и ее оценка
- 41. Дисперсии параметров a и b
- 42. Распределение оценок a и b
- 43. Тест значимости параметров по Стьюденту
- 44. Тест значимости параметров по Стьюденту
- 46. Доверительные интервалы параметров α и β Разрешив неравенство P{|(b-β)/Sb| P{b-t0,025*Sb То есть в интервал [b-t0,025*Sb ;b+t0,025*Sb]
- 47. Качество модели. Дисперсионный анализ.
- 48. Качество модели. Дисперсионный анализ.
- 49. Качество модели. Дисперсионный анализ. Средняя ошибка аппроксимации Коэффициент детерминации
- 50. Проверка значимости уравнения по критерию Фишера
- 51. Проверка значимости уравнения по критерию Фишера
- 53. Качество модели F-критерий Фишера T-критерий Стьюдента
- 54. Качество модели Доверительные интервалы параметров
- 55. Качество модели Доверительный интервал прогноза
- 56. Задача По семи территориям приуральского района известны значения двух показателей за один год
- 58. Линейная модель на основе МНК
- 60. Автокорреляция остатков Отрицательная автокорреляция Положительная автокорреляция
- 61. Критерий Дарбина-Уотсона (тест автокорреляции остатков)
- 62. Критерий Дарбина-Уотсона (тест автокорреляции остатков)
- 64. Критерий Дарбина-Уотсона (неправильный расчет) DW=48,768/201,708=0,24
- 65. Критерий Дарбина-Уотсона (верный расчет) DW=392,867/201,708=1,94
- 67. Скачать презентацию