Эконометрика. Конспект лекций. Яковлева А.В.

М.: 2008. — 224 с.

Конспект лекций соответствует требованиям Государственного образовательного стандарта высшего профессионального образования.

Доступность и краткость изложения позволяют быстро и легко получить основные знания по предмету, подготовиться и успешно сдать зачет и экзамен.

В книге дается определение эконометрики, рассматриваются парная регрессия и корреляция, система одновременных уравнений, моделирование временных рядов, динамические эконометрические модели и многое другое.

Для студентов экономических вузов и колледжей, а также тех, кто самостоятельно изучает данный предмет.

Формат: pdf

Размер: 819 Кб

Скачать: yandex.disk

СОДЕРЖАНИЕ

ЛЕКЦИЯ №1. Понятие эконометрики и эконометрических моделей 3
1. Основные виды эконометрических моделей 4
2. Эконометрическое моделирование 6
3. Классификация видов эконометрических переменных и типов данных 8
ЛЕКЦИЯ №2. Общая и нормальная линейная модели парной регрессии 10
1. Общая модель парной регрессии 10
2. Нормальная линейная модель парной регрессии 11
ЛЕКЦИЯ № 3 . Методы оценивания и нахождения параметров уравнения регрессии. Классический метод наименьших квадратов (МНК) 15
1. Классический метод наименьших квадратов для модели парной регрессии 17
2. Альтернативный метод нахождения параметров уравнения парной регрессии 20
ЛЕКЦИЯ № 4. Оценка дисперсии случайной ошибки регрессии.Состоятельность и несмещенность МНК-оценок. Теорема Гаусса-Маркова 22
1. Состоятельность и несмещенность МНК-оценок 24
2. Эффективность МНК-оценок. Теорема Гаусса-Маркова 27
ЛЕКЦИЯ № 5. Определение качества модели регрессии. Проверка гипотез о значимости коэффициентов регрессии, корреляции и уравнения парной регрессии 30
1. Проверка гипотезы о значимости коэффициентов регрессии 32
2. Проверка гипотезы о значимости парного линейного коэффициента корреляции 35
3. Проверка гипотезы о значимости уравнения парной регрессии. Теорема о разложении сумм квадратов 37
ЛЕКЦИЯ № 6. Построение прогнозов для модели парной линейной регрессии. Примеры оценивания параметров парной регрессии и проверки гипотезы о значимости коэффициентов и уравнения регрессии 40
1. Пример оценивания параметров парной регрессии с помощью альтернативного метода 43
2. Пример проверки гипотезы о значимости коэффициентов парной регрессии и уравнения регрессии в целом 47
ЛЕКЦИЯ № 7. Линейная модель множественной регрессии. Классический метод наименьших квадратов для модели множественной регрессии. Множественное линейное уравнение регрессии 50
1. Классический метод наименьших квадратов для модели множественной регрессии 52
2. Множественное линейное уравнение регрессии в стандартизированном масштабе. Решение квадратных систем линейных уравнений методом Гаусса 55
ЛЕКЦИЯ № 8. Показатели тесноты связи, частной и множественной корреляции. Обычный и скорректированный показатели множественной детерминации 58
1. Показатели частной корреляции для модел и линейной регрессии с двумя переменными 60
2. Показатели частной корреляции для модели множественной регрессии с тремя и более факторами 62
3. Показатель множественной корреляции. Обычный и скорректированный показатели множественной детерминации 64
ЛЕКЦИЯ № 9. Проверка гипотез о значимости частного и множественного коэффициентов корреляции, регрессионных коэффициентов и уравнения множественной регрессии в целом 67
Проверка гипотезы о значимости регрессионных коэффициентов и уравнения множественной регрессии в целом. . 69
ЛЕКЦИЯ № 10. Пример применения МНК к трехмерной модели регрессии. Пример расчета коэффициентов корреляции и проверки гипотез для трехмерной регрессионной модели 71
Пример расчета коэффициентов корреляции и проверки гипотез для трехмерной регрессионной модели 75
ЛЕКЦИЯ № 11. Причины возникновения и последствия мультиколлинеарности Устранение мультиколлинеарности 79
Устранение мультиколлинеарности. . 80
ЛЕКЦИЯ № 12. Нелинейные по переменным, по параметрам регрессионные модели. Регрессионные модели с точками разрыва 83
1. Нелинейные по параметрам регрессионные модели 85
2. Регрессионные модели с точками разрыва 87
ЛЕКЦИЯ № 13. МНК для нелинейных моделей, методы нелинейного оценивания регрессионных параметров. Показатели корреляциии детерминации для нелинейной регрессии 89
1. Методы нелинейного оценивания регрессионных параметров 92
2. Показатели корреляции и детерминации для нелинейной регрессии. Проверка значимости уравнения нелинейной регрессии 94
ЛЕКЦИЯ № 14. Тесты Бокса-Кокса. Средние и точечные коэффициенты эластичности 97
Средние и точечные коэффициенты эластичности 99
ЛЕКЦИЯ № 15. Производственные функции. Эффект от масштаба производства 102
1. Двухфакторная производственная функция Кобба-Дугласа 103
2. Эффект от масштаба производства. Двухфакторная производственная функция Солоу 106
3. МНК для функции Кобба-Дугласа. Многофакторные производственные функции 108
ЛЕКЦИЯ № 16. Модели бинарного выбора Метод максимума правдоподобия 111
Метод максимума правдоподобия. . 113
ЛЕКЦИЯ № 17. Гетероскедастичность остатков регрессионной модели. Обнаружение и устранение гетероскедастичности 117
1. Обнаружение гетероскедастичности 119
2. Устранение гетероскедастичности 121
ЛЕКЦИЯ № 18. Автокорреляция остатков регрессионной модели, ее устранение. Критерий Дарбина-Уотсона. Метод Кохрана-Оркутта и Хилдрета-Лу 125
1. Критерий Дарбина-Уотсона 126
2. Устранение автокорреляции остатков регрессионной модели 128
3. Метод Кохрана-Оркутта. Метод Хилдрета-Лу 131
ЛЕКЦИЯ № 19. Обобщенный метод наименьших квадратов. Регрессионные модели с переменной структурой. Фиктивные переменные. Метод Чоу 134
1. Доступный обобщенный метод наименьших квадратов 136
2. Регрессионные модели с переменной структурой. Фиктивные переменные 139
3. Метод Чоу 141
4. Cпецификация переменных 143
ЛЕКЦИЯ № 20. Основные компонентывременного ряда. Проверка гипотез о существовании тренда во временном ряду. Метод Чоу проверки стабильности тенденции 147
1. Проверка гипотез о существовании тренда во временном ряду 149
2. Гипотеза, основанная на сравнении средних уровней ряда 149
4. Критерий «восходящих и нисходящих» серий 150
5. Критерий серий, основанный на медиане выборки 150
3. Метод Форстера-Стьюарта проверки гипотез о наличии или отсутствии тренда. Метод Чоу проверки стабильности тенденции 151
ЛЕКЦИЯ № 21. Представление тренда в аналитическом виде. Проверка адекватности трендовой модели 154
Проверка адекватности трендовой модели 156
ЛЕКЦИЯ № 22. Определение сезонной компоненты временного ряда. Сезонныефиктивные переменные. Одномерный анализ Фурье 159
1. Cезонные фиктивные переменные 161
2. Одномерный анализ Фурье 163
3. Фильтрация временного ряда (исключение тренда и сезонной компоненты) 165
4. Aвтокорреляция уровней временного ряда 167
ЛЕКЦИЯ № 23. Стационарные ряды. Модель авторегрессии и проинтегрированного скользящего среднего (arima). Показатели качества модели АРПСС. Критерий Дики-Фуллера 170
1. Линейные модели стационарного временного ряда 172
2. Модель авторегрессии и проинтегрированного скользящего среднего (ARIMA) 174
3. Показатели качества модели АРПСС 175
4. Критерий Дики-Фуллера 178
ЛЕКЦИЯ № 24. Цензурированныеи стохастические объясняющие переменные 181
Cтохастические объясняющие переменные 183
ЛЕКЦИЯ № 25. Системы эконометрических и одновременных уравнений. Проблема и условия идентификации модели 185
1. Структурная и приведенная формы системы одновременных уравнений. Проблема идентификации модели 187
2. Необходимые и достаточные условия идентификации модели 189
ЛЕКЦИЯ № 26. Косвенный и двухшаговый метод наименьших квадратов. Примеры их применения. Инструментальные переменные 191
1. Двухшаговый метод наименьших квадратов 193
2. Пример применения косвенного метода наименьших квадратов для оценки параметров точно идентифицированного уравнения 194
3. Пример применения двухшагового метода наименьших квадратов к модели, включающей сверхидентифицированное уравнение 197
4. Инструментальные переменные 200
ЛЕКЦИЯ № 27. Динамические эконометрические модели (ДЭМ). Модель авторегрессии. Характеристика моделей с распределенным лагом 203
1. Модель авторегрессии и оценивание ее параметров . . . .205
2. Xарактеристика моделей с распределенным лагом 207
3. Метод Алмона 209
ЛЕКЦИЯ № 28. Нелинейный метод наименьших квадратов. Метод Койка. Модель адаптивных ожиданий (МАО) и частичной (неполной) корректировки 212
1. Суть нелинейного МНК 212
2. Модель адаптивных ожиданий (МАО) 214
3. Модель частичной (неполной) корректировки 216