Методические указания по организации самостоятельной работы по дисциплине эконометрика для студентов (стр. 5 из 12)

4)к появлению автокорреляции остатков.

11. Один из путей преодоления проблемы мультиколлинеарности состоит в

1) добавлении лаговой переменной;

2) добавлении фиктивной переменной;

3) нормировании всех переменных;

4) исключении одной из двух объясняющих переменных, коррелируемых между собой.

12. Эндогенные переменные – это

1) внутренние переменные, которые определяются в самой системе;

2) переменные, входящие в модель с лагом;

3) внешние переменные, которые определяются вне модели;

4) переменные, определенные за предыдущий момент времени.

13. Один из путей преодоления проблемы гетероскедастичности состоит в

1) добавлении объясняющей переменной ;

2) добавлении фиктивной переменной ;

3) нормировании всех переменных;

4) исключении одной из двух объясняющих переменных, связанных пропорциональной зависимостью .

14. Экзогенные переменные – это:

1) внутренние переменные, которые определяются в самой системе;

2) переменные, входящие в модель с лагом;

3) внешние переменные, которые определяются вне модели;

4) переменные, определенные за предыдущий момент времени.

15. Предпосылка применения косвенного метода наименьших квадратов:

1) система одновременных уравнений идентифицируема,

2) система одновременных уравнений неидентифицируема,

3) система одновременных уравнений сверхидентифицируема.

16. Уравнение в системе одновременных уравнений считается идентифицируемым, если:

1) число экзогенных переменных системы меньше числа эндогенных переменных уравнения за вычетом единицы,

2) число экзогенных переменных системы больше числа эндогенных переменных уравнения за вычетом единицы,

3) число экзогенных переменных системы равно числу эндогенных переменных уравнения за вычетом единицы,

4) все перечисленное не верно.

17. Предпосылка применения двухшагового метода наименьших квадратов:

1) система одновременных уравнений идентифицируема,

2) система одновременных уравнений неидентифицируема,

3) система одновременных уравнений сверхидентифицируема.

18. Уравнение в системе одновременных уравнений считается неидентифицируемым, если:

1) число экзогенных переменных системы меньше числа эндогенных переменных уравнения за вычетом единицы,

2) число экзогенных переменных системы больше числа эндогенных переменных уравнения за вычетом единицы,

3) число экзогенных переменных системы равно числу эндогенных переменных уравнения за вычетом единицы,

4) все перечисленное не верно.

19. Предпосылка применения метода инструментальной переменной:

1) система одновременных уравнений идентифицируема,

2) система одновременных уравнений неидентифицируема,

3) система одновременных уравнений сверхидентифицируема,

4) может применяться в любом из перечисленных случаев.

20.Уравнение в системе одновременных уравнений считается неидентифицируемым, если:

1) число экзогенных переменных системы меньше числа эндогенных переменных уравнения за вычетом единицы,

2) число экзогенных переменных системы больше числа эндогенных переменных уравнения за вычетом единицы,

3) число экзогенных переменных системы равно числу эндогенных переменных уравнения за вычетом единицы,

4) все перечисленное не верно.

10. ВОПРОСЫ ДЛЯ САМОПОДГОТОВКИ

1. Общее понятия эконометрической модели. Виды эконометрических моделей.

2. Причины мультиколлинеарности, ее отражение на качестве модели и методы устранения.

3. Экономическая интерпретация коэффициентов регрессии, корреляции и детерминации.

4. Оценка качества эконометрической модели и анализ влияния факторов на результатирующий показатель.

5. Суть адаптивных методов эконометрики и алгоритм построения адаптивной модели. Влияние параметра сглаживания.

6. Характеристика авторегрессионных эконометрических моделей.

7. Алгоритм построения кривых роста и прогнозирование на их основе.

8. Оценка адекватности трендовых моделей.

9. Различие между моделями с распределенным лагом и авторегрессионными моделями.

10. Интерпретация параметров модели с распределенным лагом.

11. Интерпретация параметров авторегрессионной модели.

12. Сущность метода Алмон и структура лага при которой он применим.

13. Методика применения подхода Койка и структура лага, при которой он применим.

14. Методика применения метода главных компонент для построения модели с распределенным лагом.

15. Сущность модели неполной корректировки и методика оценки ее параметров.

16. Сущность модели адаптивных ожиданий и методика оценки ее параметров.

17. Сущность моделей рациональных ожиданий и специфика оценки их параметров.

18. Определение моментного, интервального и производного временного ряда.

19. Применение показателей корреляционного анализа в экономических исследованиях.

20. Свойства оценок коэффициентов эконометрической модели.

21. Предпосылки МНК и последствия их невыполнения.

22. Схема проверки гипотез о величинах коэффициентов регрессии.

23. Сущность коэффициента детерминации.

24. Автокорреляция и ее последствия. Методы ее обнаружения и устранения.

25. Гетероскедастичность и ее последствия. Методы ее обнаружения и смягчения.

26. Мультиколлинеарность и ее последствия.

27. Основные виды ошибок спецификации.

28. Метод сравнения линейной и линеаризованной эконометрической модели.

29. Применение качественных переменных в эконометрических моделях.

30. Применение фиктивной переменной в качестве зависимой

31. Предмет эконометрики. Роль и место эконометрики среди других экономических дисциплин. Примеры эконометрических моделей и их применения.

32. Цели и методология эконометрики.

33. Числовые характеристики случайных величин и их статистические точечные оценки. Свойства статистических оценок.

34. Общий подход к построению интервальных статистических оценок параметров.

35. Проверка статистических гипотез. Основные понятия, правила проверки гипотез относительно параметров нормального распределения.

36. Интервальные оценки параметров нормального распределения.

37. Линейная парная регрессия. Метод наименьших квадратов. Вывод и решение системы нормальных уравнений. Условия Гаусса-Маркова.

38. Линейная парная регрессия. Метод наименьших квадратов (МНК). Свойства оценок МНК в условиях Гаусса-Маркова.

39. Интервальные оценки коэффициентов парной регрессии, полученных методом наименьших квадратов.

40. Оценка качества модели линейной парной регрессии.

41. Прогнозирование с помощью модели линейной парной регрессии. Оценка качества прогноза.

42. Множественная линейная регрессия, метод наименьших квадратов. Условия Гаусса-Маркова.

43. Свойства точечных оценок МНК (линейная множественная регрессия).

44. Оценка качества модели линейной множественной регрессии.

45. Прогнозирование с помощью модели линейной множественной регрессии. Качество прогноза.

46. Проблема мультиколлинеарности: примеры, обнаружение, способы преодоления проблемы.

47. Проблема гетероскедастичности. Тесты на гетероскедастичность.

48. Проблема автокорреляции. Тест Дарбина-Уотсона. Способы преодоления проблемы. Авторегрессионное преобразование.

49. Системы одновременных уравнений. Косвенный МНК. Двухшаговый МНК.

50. Фиктивные переменные. Тест Чоу.

51. Применение фиктивных переменных для исследования устойчивости коэффициентов регрессии.

52. Нелинейные регрессионные модели. Линеаризация. Сравнение различных моделей. Тест Бокса-Кокса.

53. Временные ряды. Основные понятия. Экспоненциальное сглаживание.

54. Оценка параметров системы одновременных уравнений.:

55. Пути преодоления проблемы мультиколлинеарности.

56. Пути преодоления проблемы гетероскедастичности.

57. Предпосылки применения косвенного метода наименьших квадратов.

58. Идентифицируемость в системе одновременных уравнений.

59. Предпосылки и алгоритм применения двухшагового метода наименьших квадратов.

60. Предпосылки и алгоритм применения метода инструментальной переменной.

11. ПРИМЕРЫ ВЫПОЛНЕНИЯ САМОСТОЯТЕЛЬНЫХ РАБОТ Вариант 1

Определить наличие тенденции временного ряда, описывающего объем продаж компании «Космос».

Таблица 1

Объем продаж компании «Космос» (млн.руб.)

Год	Квартал	Объем продаж	Год	Квартал	Объем продаж	Год	Квартал	Объем продаж	Год	Квартал	Объем продаж
2005	I	23,78	2006	I	24,78	2007	I	25,07	2008	I	25,12
	II	25,16		II	25,85		II	26,04
	III	24,94		III	25,15		III	25,9
	IV	25,95		IV	26,19		IV	26,25

Для решения данной задачи используем метод описания временных рядов - экспоненциальной скользящей средней (ЭСС).

α (параметр сглаживания)=0,4.

Находим значения ЭСС

Так как нет значения

, то рассчитать , можно при задании условия