Определение эконометрики. Задачи эконометрики

Вопросы экзамена

Вопросы экзамена. 1

1. Определение эконометрики. Задачи эконометрики. 4

2. Основные математические предпосылки эконометрического моделирования. Закон больших чисел, неравенство и теорема Чебышева. 5

3. Теоремы Бернулли и Ляпунова. 8

4. Виды эконометрических моделей. 10

5. Классификация эконометрических моделей. 12

6. Этапы эконометрического моделирования. Проблемы, решаемые при эконометрическом исследовании 13

7. Сбор статистических данных для оценивания параметров эконометрической модели. 15

8. Классификация видов эконометрических переменных и типов данных. Проблемы, связанные с данными 16

9. Общая модель парной (однофакторной) регрессии. 18

10. Нормальная линейная модель парной (однофакторной) регрессии. 20

11. Критерии оценки неизвестных коэффициентов модели регрессии. 22

12. Оценивание неизвестных коэффициентов модели регрессии методом наименьших квадратов. Теорема Гаусса – Маркова. 24

13. Система нормальных уравнений и явный вид ее решения при оценивании методом наименьших квадратов линейной модели парной регрессии. 27

14. Оценка коэффициентов модели парной регрессии с помощью выборочного коэффициента регрессии 28

15. Оценка дисперсии случайной ошибки модели регрессии. 31

16. Состоятельность и несмещённость МНК-оценок. 33

17. Эффективность МНК-оценок МНК.. 37

18. Характеристика качества модели регрессии. 39

19. Понятие статистической гипотезы. Общая постановка задачи проверки статистической гипотезы 42

20. Ошибки первого и второго рода. Понятие о статистических критериях. Критическая область, критические точки. 43

21. Правосторонняя критическая область. Левосторонняя и двусторонняя критические области. Мощность критерия. 44

22. Проверка гипотезы о значимости коэффициентов модели парной регрессии. 46

23. Проверка гипотезы о значимости парного коэффициента корреляции. 47

24. Проверка гипотезы о значимости модели парной регрессии. Теорема о разложении сумм квадратов 50

25. Точечный и интервальный прогнозы для модели парной регрессии. 52

26. Линейная модель множественной регрессии. 54

27. Классический метод наименьших квадратов для модели множественной регрессии. Метод Крамера 56

28. Линейная модель множественной регрессии стандартизированного масштаба. 59

29. Соизмеримые показатели тесноты связи. 61

30. Частные коэффициенты корреляции для линейной модели регрессии с двумя факторными переменными 63

31. Частные коэффициенты корреляции для модели множественной регрессии с тремя и более факторными переменными. 65

32. Построение частных коэффициентов корреляции для модели множественной регрессии через показатель остаточной дисперсии и коэффициент множественной детерминации. 66

33. Коэффициент множественной корреляции. Коэффициент множественной детерминации. 67

34. Проверка гипотезы о значимости частного и множественного коэффициентов корреляции. 69

35. Проверка гипотезы о значимости коэффициентов регрессии и модели множественной регрессии в целом.. 71

36. Процедура проверки адекватности оцененной линейной эконометрической модели на примере модели Оукена. 72

37. Определение мультиколлинеарности. Последствия мультиколлинеарности. Методы обнаружения мультиколлинеарности. 74

38. Методы устранения мультиколлинеарности. 76

39. Модели регрессии, нелинейные по факторным переменным.. 77

40. Модели регрессии, нелинейные по оцениваемым коэффициентам.. 79

41. Модели регрессии с точками разрыва. 81

42. Метод наименьших квадратов для моделей регрессии, нелинейных по факторным переменным.. 82

43. Метод наименьших квадратов для моделей регрессии, нелинейных по оцениваемым коэффициентам 84

44. Методы нелинейного оценивания коэффициентов модели регрессии. 85

45. Показатели корреляции и детерминации для нелинейных моделей регрессии. 86

46. Проверка гипотезы о значимости нелинейной модели регрессии. Проверка гипотезы о линейной зависимости между переменными модели регрессии. 88

47. Тесты Бокса-Кокса и Зарембеки выбора модели регрессии. 89

48. Коэффициенты эластичности. 91

49. Производственные функции. 93

50. Двухфакторная производственная функция Кобба-Дугласа. 94

51. Показатели двухфакторной производственной функции Кобба-Дугласа. 96

52. Метод наименьших квадратов для двухфакторной производственной функции Кобба-Дугласа. Эффект от масштаба производства. 97

53. Двухфакторная производственная функция Солоу. 99

54. Многофакторные производственные функции. 100

55. Модели бинарного выбора. 102

56. Метод максимума правдоподобия. 104

57. Гетероскедастичность остатков модели регрессии. 106

58. Тест Глейзера обнаружения гетероскедастичности остатков модели регрессии. 108

59. Тест Голдфелда-Квандта обнаружения гетероскедастичности остатков модели регрессии. 109

60. Устранение гетероскедастичности остатков модели регрессии. 111

61. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция. 114

62. Критерий Дарбина-Уотсона обнаружения автокорреляции остатков модели регрессии. 115

63. Устранение автокорреляции остатков модели регрессии. 117

64. Методы Кохрана-Оркутта и Хилдрета-Лу оценки коэффициента автокорреляции. 118

65. Обобщённая модель регрессии. Обобщённый метод наименьших квадратов. Теорема Айткена. 120

66. Доступный обобщённый метод наименьших квадратов. Взвешенный метод наименьших квадратов 122

67. Модели регрессии с переменной структурой. Фиктивные переменные. 124

68. Тест Чоу. 126

69. Спецификация переменных. 127

70. Компоненты временного ряда. 129

71. Метод проверки гипотезы о существовании тренда во временном ряду, основанный на сравнении средних уровней ряда. 131

72. Критерий «восходящих и нисходящих» серий. Критерий серий, основанный на медиане выборочной совокупности. 133

73. Метод Форстера-Стьюарта проверки гипотез о наличии или отсутствии тренда. Метод Чоу проверки стабильности тенденций. 134

74. Аналитический вид тренда. 136

75. Адекватность трендовой модели. 138

76. Сезонные и циклические компоненты временного ряда. 140

77. Сезонные фиктивные переменные. 142

78. Одномерный анализ Фурье. 144

79. Методы фильтрации временного ряда. 145

80. Автокорреляция уровней временного ряда. Анализ структуры временного ряда на основании коэффициентов автокорреляции. 147

81. Стационарный процесс. Стационарный временной ряд. Белый шум.. 149

82. Линейные модели стационарного временного ряда. 150

83. Модель авторегрессии и проинтегрированного скользящего среднего. 151

84. Показатели качества модели авторегрессии и проинтегрированного скользящего среднего. 153

85. Критерий Дикки-Фуллера проверки наличия единичных корней. 155

86. Цензурированные результативные переменные. 157

87. Системы эконометрических уравнений. 159

88. Структурная и приведённая формы системы одновременных уравнений. Идентификация модели 161

89. Условия идентификации структурной формы системы одновременных уравнений. 162

90. Косвенный метод наименьших квадратов (КМНК) 164

91. Метод инструментальных переменных. 165

92. Двухшаговый метод наименьших квадратов (ДМНК) 167

93. Спецификация и приведенная форма эконометрических моделей в виде системы одновременных уравнений. Эконометрическая модель Самуэльсона-Хикса делового цикла экономики. 168

94. Динамические эконометрические модели. 170

95. Модели авторегрессии. 171

96. Модели с распределённым лагом.. 172

97. Метод Алмон. 173

98. Нелинейный метод наименьших квадратов. Метод Койка. 175

99. Модель адаптивных ожиданий (МАО) 177

100. Модель частичной (неполной) корректировки (МЧК) 178

Определение эконометрики. Задачи эконометрики

Эконометрикойназывается наука, позволяющая анализировать связи между различными экономическими показателями на основании реальных статистических данных с применением методов теории вероятностей и математической статистики. С помощью эконометрики выявляют новые, ранее неизвестные связи, уточняют или отвергают гипотезы о существовании определенных связей между экономическими показателями, предлагаемые экономической теорией.

Основная цель эконометрики заключается в модельном описании конкретных количественных взаимосвязей, обусловленных общими качественными закономерностями, выявленными в экономической теории.

Основной предмет исследования эконометрики – это массовые экономические явления и процессы. Предметы исследования эконометрики и статистики являются весьма схожими, потому что эконометрика исследует массовые экономические явления и процессы, а статистика исследует массовые явления и процессы любой природы (в том числе и экономические).

Слово «эконометрика» образовано от двух слов: «экономика» и «метрика» («метрон» (греч.) – правило определения расстояния между двумя точками в пространстве, «метрия» – измерение). Следовательно, эконометрику можно определить как науку об экономических измерениях.

Эконометрика возникла на основе междисциплинарного подхода к изучению экономики. Поэтому эконометрику можно представить как комбинацию трёх наук – экономической теории, математической и экономической статистики и математики. Помимо этого, на современном этапе развития науки одним из важнейших факторов развития эконометрики стало развитие компьютерных технологий и специальных пакетов прикладных программ.

Анализ экономических процессов и явлений в эконометрике осуществляется с помощью математических моделей, построенных на эмпирических данных.

Моделью называется материальный или мысленно представляемый объект, замещающий в процессе исследования объект-оригинал таким образом, что его непосредственное изучение дает новые знания об объекте-оригинале. Модель выступает в качестве средства анализа и прогнозирования конкретных экономических процессов на основе реальной статистической информации. Применение метода моделирования вызвано тем, что большинство объектов (или проблем, относящихся к этим объектам) непосредственно исследовать или совершенно невозможно, или подобное исследование требует много времени и средств.

Большинство эконометрических методов и приёмов исследования экономических явлений и процессов позаимствованы из математической статистики. Однако в применении этих методов в эконометрике существует определённая специфика. В связи с тем, что практически все экономические показатели являются случайными величинами, а не результатами контролируемого эксперимента, были разработаны определённые усовершенствования и модификации методов, которые не применяются в математической статистике.

По причине того, что экономические данные могут быть измерены с ошибкой, в эконометрике были разработаны специальные методы анализа, позволяющие устранить или снизить влияние этих ошибок на полученные результаты.

Таким образом, эконометрика исследует различные экономические закономерности, установленные экономической теорией, с помощью методов математической и экономической статистики.

С помощью эконометрики решается очень широкий круг задач. Наиболее общими задачами эконометрики являются:

1) обнаружение и анализ статистических закономерностей в экономике;

2) построение на базе выявленных эмпирических экономических зависимостей эконометрических моделей.

Данные задачи делятся на более конкретные подзадачи, которые можно классифицировать по трём признакам:

1) классификация задач по конечным прикладным целям:

а) прогноз социально-экономических показателей, определяющих состояние и развитие изучаемой системы;

б) моделирование возможных вариантов социально-экономического развития системы для выявления факторов, изменение которых оказывает наиболее мощное влияние на состояние системы в целом;

2) классификация задач по уровню иерархии:

а) задачи, решаемые на макроуровне (страна в целом);

б) задачи, решаемые на мезоуровне (уровень отраслей, регионов);

в) задачи, решаемые на микроуровне (уровень фирмы, семьи, предприятия);

3) классификация задач по профилю изучаемой экономической системы:

а) рынок;

б) инвестиционная, социальная, финансовая политика;

в) ценообразование;

г) распределительные отношения;

д) спрос и потребление;

е) отдельно выделенный комплекс проблем.