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.

12. Условия и теорема Гаусса-Маркова, анализ остатков, понятие гомоскедастичност

	1	Предпосылки использования МНК (условия Гаусса — Маркова) 1. Случайное отклонение имеет нулевое математическое ожидание 2. Дисперсия случайного отклонения постоянна 3. Наблюдаемые значения случайных отклонений независимы друг от друга 4. Случайное отклонение д.б. независимо от объясняющей переменной. 5. Регрессионная модель является линейной относительно параметров, корректно специфицирована и содержит аддитивный случайный член.
	2	Если предпосылки данной теоремы выполнены, то оценки, полученные по МНК, обладают следующими свойствами: 1. Оценки являются несмещенными, т.е. M[b0] = b0, M[b1] = b1. Это говорит об отсутствии систематической ошибки при определении положения линии регрессии. 2. Оценки состоятельны, т.к. дисперсия оценок параметров при возрастании числа nнаблюдений стремится к нулю D[b0] à0, D[b1] à0, при n à к бесконечности. Это означает, что с ростом n надежность оценок возрастает. 3. Оценки эффективны, т.е. они имеют наименьшую дисперсию по сравнению с любыми другими оценками данных параметров, линейными относительно величин yi. Гомо - явление, когда для каждого значения фактора х остаточная дисперсия остается неизменной. Гетеро- явление, когда…изменяется определенным образом. Автокоррел. - измерение зависимости между значением какой-либо величины из временного ряда и ее предыдущими или последующими значениями.

07.06.2015; 15:18

хиты: 107

рейтинг:0

помощь