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.

14. Виды парных нелинейных моделей, процедуры линеаризации изучаемых переменных.

	1	Рассмотрим наиболее распространённые парные нелинейные модели. Парабола второй степени определяет следующий вид модели:Даную модель целесообразно использовать, если связь меняет свой характер: прямая связь меняется на обратную или, наоборот, обратная связь меняется на прямую. Для определения параметров модели a, b, c модель сводится путём замены переменных к линейной модели двухфакторной модели Для оценки параметров модели вида, используется МНК.
	2	Рассмотрим наиболее распространённые парные нелинейные модели. Парабола второй степени определяет следующий вид модели:Даную модель целесообразно использовать, если связь меняет свой характер: прямая связь меняется на обратную или, наоборот, обратная связь меняется на прямую. Для определения параметров модели a, b, c модель сводится путём замены переменных к линейной модели двухфакторной модели Для оценки параметров модели вида, используется МНК.
	3	В основе гиперболической модели лежит уравнение гиперболы Примером гиперболической модели является кривая Филипса, характеризующая нелинейное соотношение между нормой безработицы x и процентом прироста заработной платы y: при росте x до некоторого уровня y также растёт, а при дальнейшем росте x рост y приостанавливается. Сделав замену, мы сведём уравнение к линейному виду: для оценки параметров, которого используется МНК.
	4	В основе гиперболической модели лежит уравнение гиперболы Примером гиперболической модели является кривая Филипса, характеризующая нелинейное соотношение между нормой безработицы x и процентом прироста заработной платы y: при росте x до некоторого уровня y также растёт, а при дальнейшем росте x рост y приостанавливается. Сделав замену, мы сведём уравнение к линейному виду: для оценки параметров, которого используется МНК.
	5	Степенная модель.применяется для описания изменения спроса при изменении цены на товар. Параметр b в ней показывает, на сколько процентов уменьшится в среднем спрос, если цена увеличится на 1% (то есть b - отрицательная величина) и называется коэффициентом эластичности. Логарифмирование соотношения приводит его к линейному виду: .Применение метода наименьших квадратов (с использованием прологарифмированных данных рядов наблюдений x и y) позволит нам найти коэффициенты уравнения (2.18) ln a и b, тем самым позволит найти параметры исходной степенной модели a и b.
	6	Степенная модель.применяется для описания изменения спроса при изменении цены на товар. Параметр b в ней показывает, на сколько процентов уменьшится в среднем спрос, если цена увеличится на 1% (то есть b - отрицательная величина) и называется коэффициентом эластичности. Логарифмирование соотношения приводит его к линейному виду: .Применение метода наименьших квадратов (с использованием прологарифмированных данных рядов наблюдений x и y) позволит нам найти коэффициенты уравнения (2.18) ln a и b, тем самым позволит найти параметры исходной степенной модели a и b.
	7	В эконометрических исследованиях применяется также показательная модель: . Она также сводится к линейному виду путём логарифмирования: После логарифмирования ряда фактических значений y и применения МНК получим значения ln a и ln b. Возводя основание логарифма (в данном случае число e) в степень с использованием полученных значений, мы получим оценки параметров а и b исходной показательной модели. Необходимо отметить, что не все нелинейные модели можно свести к линейной. Если модель не сводится к линейной, то она называется внутренне нелинейной.
	8	В эконометрических исследованиях применяется также показательная модель: . Она также сводится к линейному виду путём логарифмирования: После логарифмирования ряда фактических значений y и применения МНК получим значения ln a и ln b. Возводя основание логарифма (в данном случае число e) в степень с использованием полученных значений, мы получим оценки параметров а и b исходной показательной модели. Необходимо отметить, что не все нелинейные модели можно свести к линейной. Если модель не сводится к линейной, то она называется внутренне нелинейной.

07.06.2015; 15:22

хиты: 437

рейтинг:0

помощь