Шанченко Н.И. - Лекции по эконометрике (1094691), страница 28

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 28)

Основан на предположении, что коэффициенты при лаговых переменных убывают в геометрической прогрессии.Метод наименьших квадратов (МНК) – метод оценки параметров уравнения регрессии, основанный на минимизации суммы квадратов отклоненийрасчетных значений (по уравнению регрессии) зависимой переменной от ее наблюдаемых значений.Метод сравнения средних – применяется для выявления наличия монотонной тенденции на основе сравнения средних уровней двух отрезков временного ряда.Метод Фостера-Стюарта – непараметрический метод, применяемый длявыявления наличия монотонной тенденции временного ряда.127Модели авторегрессии – динамические модели, определяемые соотношением y t  a  b0  xt  c1  y t 1  c 2  y t  2  ...

 c q  y t  q   t .Модели с распределенным лагом – динамические модели, определяемыесоотношением y t  a  b0  xt  b1  xt 1  ...  b p  xt  p   t .Модель адаптивных ожиданий – динамическая модель, основанная напредположении, что фактическое значение переменной yt формируется под воздействием ожидаемого значения объясняющей переменной xet+1 в следующиймомент времени.Модель частичной корректировки – динамическая модель, основаннаяна предположении, что под воздействием объясняющей переменной xt формируется не фактическое значение переменной yt, а ее «желаемый» уровень y*t.Мультиколлинеарность – множественная линейная связь.Непараметрические тесты стационарности – тесты на стационарность,не выдвигающие каких-либо предположений о законе распределения тестируемого временного ряда, его параметрах.Обобщенный метод наименьших квадратов – метод оценки параметровуравнения регрессии, в котором МНК применяется к уравнению регрессии,преобразованному таким образом, чтобы исключить гетероскедастичность остатков.Остаточная дисперсия – величина, вычисляемая по формуле12Dîñò    yˆ i  y i  , где yˆ i , y i – расчетное и наблюдаемое значение зависиnмой переменной.Параметрические тесты стационарности – тесты на стационарность, основанные на относительно строгих предположениях относительно законов распределения временного ряда, его параметров.Показательная аналитическая зависимость – зависимость, определяемая соотношением ŷ = a·bx.Поле корреляций – совокупность точек на координатной плоскости, изображающих наблюдения.Полулогарифмическая аналитическая зависимость – зависимость, определяемая соотношением y  a  b1 ln x1  b2 ln x 2  ...

 b p  ln x p .Предмет эконометрики – количественная оценка взаимосвязи между случайными событиями, признаками, показателями, факторами переменных экономических объектов.Приведенная форма модели – система одновременных уравнений, которая отражает зависимость эндогенных переменных только от предопределенных переменных.Регрессионный анализ – раздел математической статистики, изучающийформу зависимости характеристик стохастического процесса от одного или нескольких факторов.Регрессия – зависимость среднего значения какой-либо величины (y) отнекоторой другой величины или от нескольких величин (хi).128Регрессия множественная – зависимость с несколькими зависимыми переменными.Регрессия парная – зависимость между двумя переменными.Результативный признак – признак, изменяющийся под действием факторных признаков.Случайное блуждание – стохастический процесс, определяемый соотношением Yt = Yt–1 + εt.Средняя квадратическая ошибка модели – величина, вычисляемая по1формуле  êâ  yˆ i  y i 2 , где yˆ i , yi – расчетное и наблюдаемое значениеnзависимой переменной.Стационарный стохастический процесс в широком (слабом) смысле –стохастический процесс, у которого математическое ожидание μt и дисперсияσ2t не зависят от времени (одинаковы для всех Xt), а автоковариация  t1t 2 зависиттолько от величины лага τ = t2–t1.Стационарный стохастический процесс в узком (сильном) смысле –стохастический процесс, для которого совместное распределение вероятностейслучайных величин X t1 , X t2 ,..., X tn такое же, как у случайных величинX t1 , X t2 ,..., X tn  при любых n, t и τ.Степенная аналитическая зависимость – зависимость, определяемая соbотношением y  a  x1b1  x 2b2  ...

 x pp   .Стохастическая связь – причинная зависимость, которая проявляется не вкаждом отдельном случае, а в общем, среднем при большом числе наблюдений.Стохастический – случайный, вероятностный.Стохастический процесс – случайная функция X(t) вещественного аргумента t.Структурная форма модели – исходная система одновременных уравнений, содержащая в качестве факторов зависимые переменные.Тенденция – изменение, определяющее общее направление развития, основную тенденцию временного ряда.Теорема Гаусса-Маркова – теорема, определяющая условия, при соблюдении которых оценки параметров линейной регрессии, полученные методомнаименьших квадратов, будут несмещенными и эффективными в классе линейных несмещенных оценокТест Глейзера – применяется для проверки остатков регрессии на гетероскедастичность.

Проверяет существование функциональной зависимости следующего вида  i    xiγ .Тест Гольдфельда–Квандта – применяется для проверки остатков регрессии на гетероскедастичность. Проверяет равенство дисперсий остатков на двухинтервалах изменения фактора.Тест Дики-Фуллера – применяется для тестирования временного ряда на нестационарность, основан на оценке параметра λ = α1–1 уравнения ΔYt=λ·Yt–1+εt.129Тест Манна-Уитни – непараметрический тест стационарности применяетсядля тестирования постоянства математического ожидания и основан на сопоставлении рангов элементов двух совокупностей из рассматриваемого интервала.Тест на единичный корень (тест Дики-Фуллера) – применяется для тестирования временного ряда на нестационарность, основан на оценке параметраλ = α1–1 уравнения ΔYt = λ·Yt–1 + εt.Тест ранговой корреляции Спирмена – применяется для проверки остатков регрессии на гетероскедастичность.

Проверяет наличие монотонной зависимости между дисперсией ошибки и величиной фактора.Тест Сиджела-Тьюки – применяется для тестирования постоянства дисперсии временного ряда и основан на сопоставлении рангов элементов двух совокупностей из рассматриваемого интервала.Точечный прогноз – среднее прогнозное значение изучаемой переменнойэкономического объекта.Тренд – изменение, определяющее общее направление развития, основнуютенденцию временного ряда.Трехшаговый метод наименьших квадратов – применяется для оценкипараметров системы уравнений при нарушении предпосылок о независимости игомоскедастичности остатков системы одновременных уравнений.Условия Гаусса-Маркова – условия, обеспечивающие состоятельность,несмещенность и эффективность оценок параметров уравнения регрессии с помощью МНК.Факторный признак – признак, обуславливающий изменение другого,связанного с ним признака.Фиктивные переменные – применяются для учета в модели влияния качественного фактора.Функциональная связь – связь, при которой определенному значениюфакторного признака соответствует одно и только одно значение результативного признака.Частные уравнения регрессии – характеризующие изолированное влияние одного из факторов хi на результативную переменную y при исключениивлияния остальных факторов, входящих в общее уравнение регрессии.Экзогенные (внешние, независимые) переменные – переменные, значения которых определяются вне рассматриваемой модели, для которой они являются заданными.Эконометрика – раздел науки, изучающий конкретные количественные икачественные взаимосвязи экономических объектов и процессов с помощьюматематических и статистических методов и моделей.Экспоненциальная аналитическая зависимость – зависимость, опредеa b1 x1 b2  x2 ...b p  x p ляемая соотношением y  e.Экспоненциальное сглаживание – сглаживание временного ряда уt наоснове рекуррентной формулы S t   y t   S t 1 , где St – значение экспоненциальной средней в момент t; уt – значение временного ряда в момент t; α – параметр сглаживания, α = const, 0< α <l; β = 1– α .130Экстраполяция – прогноз, получение расчетных значений при условии,что значения аргумента выходят за пределы области определения функции.Эндогенные (внутренние, зависимые) переменные – переменные, значения которых определяются внутри рассматриваемой модели.131Приложение1.

Нормированная функция ЛапласаФ ( е) 12еet22 dt 0t012340040801201600,13984384785175570,27938328719109480,31179 1217 1255 1293 13310,41554 1591 1628 1664 17000,51915 1950 1985 2019 20540,62257 2291 2324 2357 23890,72580 2611 2642 2673 27040,82881 2910 2939 2967 29950,93159 3186 3212 3238 326413413 3438 3461 3485 35081,13643 3665 3686 3708 37291,23849 3869 3888 3907 39251,34032 4049 4066 4082 40991,44192 4207 4222 4236 42511,54332 4345 4357 4370 43821,64452 4463 4474 4484 44951,74554 4564 4573 4582 45911,84641 4649 4656 4664 46711,94713 4719 4726 4732 473824772 4778 4783 4788 47932,14821 4826 4830 4834 48382,24861 4864 4868 4871 48752,34893 4896 4898 4901 49042,44918 4920 4922 4925 49272,54938 4940 4941 4943 49452,64953 4955 4956 4957 49592,74965 4966 4967 4968 49692,84974 4975 4976 4977 49772,94981 4982 4982 4983 498434987 4987 4987 4988 49883,14990 4991 4991 4991 49923,24993 4993 4994 4994 49943,34995 4995 4995 4996 49963,44997 4997 4997 4997 49973,54998 4998 4998 4998 4998*3начения ординат увеличены в 10 000 раз120et22 dte519959698713681736208824222734302332893531374939444115426543944505459946784744479848424878490649294946496049704978498449894992499449964997499862396361026140617722123245427643051331535543770396241314279440645154608468647504803484648814909493149484961497149794985498949924994499649974998727967510641443180821572486279430783340357737903980414742924418452546164693475648084850488449114932494949624972497949854989499249954996499749988319714110314801844219025172823310633653599381039974162430644294535462546994761481248544887491349344951496349734980498649904993499549964997499893597531141151718792224254928523133338936213830401541774319444145454633470647674817485748904916493649524964497449814986499049934995499749984998132Продолжение прил.2.

Значения критических уровней tα,k в зависимости от k степенейсвободы и заданного уровня значимости α для распределения Стьюдентаαk123456789101214161820222426283032343638404550∞0,10,050,0250,020,010,0050,0016,312,922,352,132,021,941,891,861,831,811,781,761,751,731,721,721,711,711,701,701,691,691,691,691,681,681,681,6412,714,303,182,782,572,452,362,312,262,232,182,142,122,102,092,072,062,062,052,042,042,032,032,022,022,012,011,9625,456,214,183,503,162,972,842,752,692,632,562,512,472,452,422,412,392,382,372,362,352,352,342,332,332,322,312,2431,826,964,543,753,363,143,002,902,822,762,682,622,582,552,532,512,492,482,472,462,452,442,432,432,422,412,402,3363,669,925,844,604,033,713,503,363,253,173,052,982,922,882,852,822,802,782,762,752,742,732,722,712,702,692,682,58127,3214,097,455,604,774,324,033,833,693,583,433,333,253,203,153,123,093,073,053,033,013,002,992,982,972,952,942,81636,6231,6012,928,616,875,965,415,044,784,594,324,144,013,923,853,793,753,713,673,653,623,603,583,573,553,523,503,291333.

Значения F-критерия Фишера на уровне значимости α = 0,05k2k11234567891011121314151617181920212223242526272829303540455060708090100∞12345681224∞161,45 199,50 215,71 224,58 230,16 233,99 238,88 243,91 249,05 254,3118,51 19,00 19,16 19,25 19,30 19,33 19,37 19,41 19,45 19,5010,139,559,289,129,018,948,858,748,648,537,716,946,596,396,266,166,045,915,775,636,615,795,415,195,054,954,824,684,534,365,995,144,764,534,394,284,154,003,843,675,594,744,354,123,973,873,733,573,413,235,324,464,073,843,693,583,443,283,122,935,124,263,863,633,483,373,233,072,902,714,964,103,713,483,333,223,072,912,742,544,843,983,593,363,203,092,952,792,612,404,753,893,493,263,113,002,852,692,512,304,673,813,413,183,032,922,772,602,422,214,603,743,343,112,962,852,702,532,352,134,543,683,293,062,902,792,642,482,292,074,493,633,243,012,852,742,592,422,242,014,453,593,202,962,812,702,552,382,191,964,413,553,162,932,772,662,512,342,151,924,383,523,132,902,742,632,482,312,111,884,353,493,102,872,712,602,452,282,081,844,323,473,072,842,682,572,422,252,051,814,303,443,052,822,662,552,402,232,031,784,283,423,032,802,642,532,372,202,011,764,263,403,012,782,622,512,362,181,981,734,243,392,992,762,602,492,342,161,961,714,233,372,982,742,592,472,322,151,951,694,213,352,962,732,572,462,312,131,931,674,203,342,952,712,562,452,292,121,911,654,183,332,932,702,552,432,282,101,901,644,173,322,922,692,532,422,272,091,891,624,123,272,872,642,492,372,222,041,831,564,083,232,842,612,452,342,182,001,791,514,063,202,812,582,422,312,151,971,761,474,033,182,792,562,402,292,131,951,741,444,003,152,762,532,372,252,101,921,701,393,983,132,742,502,352,232,071,891,671,353,963,112,722,492,332,212,061,881,651,323,953,102,712,472,322,202,041,861,641,303,943,092,702,462,312,192,031,851,631,283,843,002,602,372,212,101,941,751,521,001344.

Характеристики

Список файлов лекций