double arrow

Содержание дисциплины. 1. Введение в эконометрику

1. Введение в эконометрику. Предмет эконометрики. Этапы эконометрического моделирования. Пространственные (cross-section), временные, панельные статистические данные. Получение, преобразование, предварительная обработка данных. Аномальные наблюдения и погрешности наблюдений. Зависимые и независимые, эндогенные и экзогенные переменные.

Классическая линейная регрессия для случая одной объясняющей переменной. Метод наименьших квадратов и его свойства. Статистические характеристики оценок параметров. Теорема Гаусса-Маркова.

Постановка задачи множественной линейной регрессии. Основные предположения метода наименьших квадратов (МНК). Геометрическая интерпретация МНК. Экономическая интерпретация коэффициентов регрессии. Статистические свойства оценок МНК. Теорема Гаусса-Маркова для множественной линейной регрессии. Частный случай парной регрессии, его геометрическая интерпретация.

2. Показатели качества регрессии. Проверка статистических гипотез и построение доверительных интервалов для параметров регрессии. Стандартизированные коэффициенты регрессии. Статистика Стьюдента. Критерий Фишера. Тест Вальда.

3. Полная и частичная мультиколлинеарность. Теоретические последствия мультиколлинеарности для оценок параметров регрессионной модели. Нестабильность оценок параметров регрессии и их дисперсий при малых изменениях исходных данных в случае мультиколлинеарности. Признаки наличия мультиколлинеарности. Показатели степени мультиколлинеарности: вспомогательные регрессии и показатель «вздутия» дисперсии (VIF), индекс обусловленности информационной матрицы (Bad Conditioned Index, BCI). Методы борьбы с мультиколлинеарностью: переспецификация модели (функциональные преобразования переменных), исключение объясняющей переменной, линейно связанной с остальными, подход Тэйла (Theil) к устранению мультиколлинеарности в панельных данных. Метод главных компонент как средство борьбы с мультиколлинеарностью данных.

4. Нарушение гипотезы о гомоскедастичности. Экономические причины гомоскедастичности. Последствия гетероскедастичности для оценок коэффициентов регрессии методом наименьших квадратов и проверки статистических гипотез. Поведение графика остатков регрессии как признак гетероскедастичности. Тесты Парка, Глейзера, Голфелда-Квандта, Бройша-Пагана. Коэффициент ранговой корреляции Спирмена для диагностирования гетероскедастичности.

Линейные регрессионные модели с гетероскедастичными остатками. Понятие гетеро- и гомоскедастичности. Тест Уайта. Оценивание в условиях гетероскедастичности. Состоятельное оценивание матрицы ковариации ошибок в форме Уайта и Навье-Веста.

5. Обобщенный метод наименьших квадратов и его свойства. Теорема Айткена. Взвешенный МНК при известных дисперсиях случайных составляющих в различных наблюдениях как частный случай обобщенного МНК.

6. Понятие автокорреляции случайной составляющей. Экономические причины автокорреляции: инерция экономических показателей, предварительная обработка первичных данных, «паутинообразный эффект», кажущаяся автокорреляция при невключении в модель существенной переменной. Модель авторегрессии ошибок первого порядка (марковская схема). Последствия неучета автокорреляции для свойств оценок коэффициентов регрессии, полученных по МНК. Графическое диагностирование автокорреляции: тест серий (runs test). Тесты на автокорреляцию остатков: критерий Дарбина-Уотсона, LM-тест Бреуша-Годфри. Условия применимости статистики Дарбина-Уотсона для диагностирования автокорреляции: наличие в модели свободного члена, отсутствие лаговых переменных, первый порядок авторегрессионной схемы. Оценивание регрессии в условиях автокорреляции остатков: процедуры Кохрейна-Орката, Хилдрета-Лу.

7. Проблема выбора «наилучшей» модели линейной регрессии при заданном наборе потенциальных факторов. Свойства, которыми должна обладать «хорошая» модель. Типы ошибок спецификации модели: пропущенные и излишние переменные, неправильная функциональная форма модели. Последствия выбора неправильной спецификации модели: смещение в оценках коэффициентов, вызываемое невключением существенных переменных, ухудшение точности оценок (увеличение оценок дисперсий) при включении в модель излишних переменных. Проверка гипотезы о группе излишних переменных (значимость уменьшения остаточной суммы квадратов). Статистика Дарбина-Уотсона и RESET-тест Рамзея для проверки гипотезы о существовании упущенных переменных.

8. Учет неоднородности множества наблюдений. Структурная изменчивость коэффициентов. Причинность и одновременность. Проверка существенности структурных изменений в уравнении регрессии: тест Чоу на структурную изменчивость коэффициентов регрессии, тест Гранжера на причинно-следственную связь между временными рядами.

Модели распределенных лагов (DL). Условие возможности оценки модели DL обычным МНК. Трудности оценки модели DL на практике и варианты их преодоления: модель полиномиальных лагов (метод Алмон), модель геометрических лагов (модель Койка). Оценивание модели полиномиальных лагов с помощью F –теста. Оценивание модели геометрических лагов: процедура Хилдреда–Лу, метод инструментальных переменных, метод максимального правдоподобия.

9. Модели, представленные системами одновременных линейных уравнений. Общий вид системы одновременных линейных уравнений. Примеры моделей спроса и предложения. Структурная и приведенная форма системы. Идентификация систем, ранговое и порядковое условие идентифицируемости уравнений системы. Методы оценивания параметров систем одновременных линейных уравнений: косвенный МНК, метод инструментальных переменных, метод внешне не связанных уравнений (SUR, multivariate regression), двушаговый, трехшаговый МНК.


Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



Сейчас читают про: