пользователей: 30398

предметов: 12406

вопросов: 234839

Конспект-online

I семестр:

»	1. Понятие эконометрики. Основные классы эконометрических задач.
»	2.Основные этапы построения эконометрических моделей
»	2 (продолжение)
»	3. Оценка тесноты связи. Понятие «поле корреляции», парный коэффициент корреляци
»	4. Модель парной линейной регрессии: постановка задачи(МНК). Спецификация модели
»	5. Метод наименьших квадратов: постановка задачи(нахождение параметров); выражен
»	6. Качество прогноза: коэффициент детерминации.(от 0 до 1, то…) Понятие «общая»,
»	7. Общая схема проверки статистических гипотез о значимости коэффициента регресс
»	Проверка статистических гипотез
»	Проверка адекватности линейной модели: таблица дисперсионного анализа.
»	10. Проверка адекватности парной линейно модели: критерий Фишера.
»	11.Оценка статистической значимости параметров линейной регрессии через t-критер
»	12. Условия и теорема Гаусса-Маркова, анализ остатков, понятие гомоскедастичност
»	13. Средняя ошибка аппроксимации как критерий прогностических возможностей модел
»	14. Виды парных нелинейных моделей, процедуры линеаризации изучаемых переменных.
»	16.Множественная линейная регрессия: подбор объясняющих для Мультиколлинеарности
»	21. Гетероскедастичность и ее учет при построении модели множественной регрессии
»	22. Тесты на гетероскедастичность. Метод Гольдфельда-Квандта для оценки гетероск
»	23. Тесты на гетероскедастичность. Метод ранговой корреляции Спирмена для оценк
»	25. Фиктивные переменные: модель бинарной фиктивной переменной.
»	24. Фиктивные переменные и их использование в регрессионных моделях. Примеры фик
»	26.Фиктивные переменные: модель сезонных колебаний.
»	28.Фиктивные переменные: модель структурной перестройки.
»	29. Автокорреляция уровней временного ряда. Анализ структуры временного ряда.

Задача модели парной линейной регрессии - построение функциональных зависимостей между двумя группами переменных величин Х и Y. Линейная регрессия находит широкое применение в эконометрике ввиду четкой экономической интерпретации ее параметров. Линейная регрессия сводится к нахождению уравнения вида или . (4) Уравнение вида позволяет по заданным значениям фактора находить теоретические значения результативного признака, подставляя в него фактические значения фактора . а и в - параметры регрессионной модели. Параметр а характеризует значение результирующего показателя при отсутствии влияния факторов (если х=0, то у=а). Параметр в - коэффициент регрессии. Показывает на сколько увеличится результирующий показатель у при увеличении фактора х на один пункт.

07.06.2015; 15:07

хиты: 62

рейтинг:0

помощь