Эконометрика
книга

Эконометрика : шпаргалка

Автор: А. Яковлева

Форматы: PDF

Издательство: Научная книга

Год: 2020

Место издания: Саратов

ISBN: 978-5-9758-1967-3

Страниц: 48

Артикул: 77085

Возрастная маркировка: 16+

Электронная книга
69.9

Краткая аннотация книги "Эконометрика"

Шпаргалка представляет собой краткое пособие для быстрого изучения курса и успешной сдачи экзамена по дисциплине «Эконометрика». Предназначена для преподавателей и студентов.

Содержание книги "Эконометрика"


1. Определение эконометрики
2. Виды эконометрических моделей
3. Этапы эконометрического моделирования
4. Классификация видов эконометрических переменных и типов данных
5. Общая модель парной регрессии. Методы определения регрессионной модели
6. Система эконометрических уравнений
7. Оценивание неизвестных коэффициентов модели парной регрессии
8. Классический метод наименьших квадратов для модели парной регрессии
9. Оценка коэффициентов модели парной регрессии с помощью выборочного коэффициента регрессии
10. Пример оценки коэффициентов модели парной регрессии с помощью выборочного коэффициента регрессии
11. Оценка дисперсии случайной ошибки модели регрессии
12. Состоятельность и несмещенность МНК-оценок
13. Эффективность оценок МНК. Теорема Гаусса—Маркова
14. Характеристика качества модели регрессии
15. Проверка гипотезы о значимости коэффициентов модели парной регрессии
16. Проверка гипотезы о значимости парного коэффициента корреляции
17. Проверка гипотезы о значимости уравнения парной регрессии
18. Пример проверки гипотезы о значимости регрессионных коэффициентов и модели парной регрессии в целом
19. Точечный и интервальный прогнозы для модели парной регрессии
20. Линейная модель множественной регрессии
21. Классический метод наименьших квадратов для модели множественной регрессии
22. Линейная модель множественной регрессии стандартизированного масштаба
23. Соизмеримые показатели тесноты связи
24. Частные коэффициенты корреляции для линейной модели регрессии с двумя факторными переменными
25. Частные коэффициенты корреляции для модели множественной регрессии с тремя и более факторными переменными
26. Частные коэффициенты корреляции для модели множественной регрессии через показатель остаточной дисперсии
27. Коэффициент множественной корреляции
28. Коэффициент множественной детерминации
29. Проверка гипотезы о значимости частного и множественного коэффициентов корреляции
30. Проверка гипотезы о значимости коэффициентов регрессии и модели множественной регрессии в целом
31. Последствия мультиколлинеарности. Методы обнаружения мультиколлинеарности
32. Методы устранения мультиколлинеарности
33. Модели регрессии, нелинейные по факторным переменным
34. Модели регрессии, нелинейные по оцениваемым коэффициентам
35. Модели регрессии с точками разрыва
36. Метод наименьших квадратов для моделей регрессии, нелинейных по факторным переменным
37. Метод наименьших квадратов для моделей регрессии, нелинейных по оцениваемым коэффициентам
38. Локальные минимумы. Методы нелинейного оценивания коэффициентов модели регрессии
39. Показатели корреляции и детерминации для нелинейных моделей регрессии
40. Проверка гипотезы о значимости нелинейной модели регрессии. Проверка гипотезы о линейной зависимости между переменными модели регрессии
41. Тесты Бокса-Кокса и Зарембки выбора модели регрессии
42. Коэффициенты эластичности
43. Производственные функции
44. Двухфакторная производственная функция Кобба-Дугласа
45. Показатели двухфакторной производственной функции Кобба-Дугласа
46. Метод наименьших квадратов для двухфакторной производственной функции Кобба-Дугласа. Эффект от масштаба производства
47. Двухфакторная производственная функция Солоу
48. Многофакторные производственные функции
49. Модели бинарного выбора
50. Метод максимума правдоподобия
51. Гомоскедастичность и гетероскедастичность остатков модели регрессии. Последствия гетероскедастичности
52. Тест Глейзера обнаружения гетероскедастичности остатков модели регрессии
53. Тест Голдфелда—Квандта обнаружения гетероскедастичности остатков модели регрессии
54. Устранение гетероскедастичности остатков модели регрессии
55. Автокорреляция остатков модели регрессии. Последствия автокорреляции. Автокорреляционная функция
56. Критерий Дарбина—Уотсона обнаружения автокорреляции остатков модели регрессии
57. Устранение автокорреляции остатков модели регрессии. Авторегрессионная схема первого порядка
58. Метод Кохрана—Оркутта оценки коэффициента автокорреляции
59. Обобщенная модель регрессии. Обобщенный метод наименьших квадратов. Теорема Айткена
60. Доступный обобщенный метод наименьших квадратов
61. Модели регрессии с переменной структурой. Фиктивные переменные
62. Тест Чоу
63. Спецификация переменных
64. Компоненты временного ряда
65. Метод проверки гипотез о существовании тренда во временном ряду, основанный на сравнении средних уровней ряда
66. Модель частичной корректировки (МЧК)
67. Аналитический вид тренда
68. Адекватность трендовой модели
69. Сезонные и циклические компоненты временного ряда
70. Сезонные фиктивные переменные
71. Одномерный анализ Фурье
72. Методы фильтрации временного ряда
73. Автокорреляция уровней временного ряда. Анализ структуры временного ряда на основании коэффициентов автокорреляции
74. Стационарный процесс. Стационарный временной ряд. Белый шум
75. Линейные модели стационарного временного ряда
76. Модель авторегрессии и проинтегрированного скользящего среднего
77. Критерий Дики—Фуллера проверки наличия единичных корней
78. Цензурированные результативные переменные
79. Стохастические факторные переменные
80. Структурная и приведенная формы системы одновременных уравнений. Проблема идентификации модели
81. Условия идентификации структурной формы системы одновременных уравнений
82. Косвенный метод наименьших квадратов (КМНК)
83. Двухшаговый метод наименьших квадратов (ДМНК)
84. Динамические эконометрические модели (ДЭМ)
85. Модели авторегрессии
86. Модели с распределенным лагом
87. Метод Алмон
88. Нелинейный метод наименьших квадратов. Метод Койка

Все отзывы о книге Эконометрика : шпаргалка

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Отрывок из книги Эконометрика : шпаргалка

3. Система взаимозависимых уравнений:Данная система уравнений характеризуетсятем, что эндогенные переменные в одних урав;нениях входят в левую часть (т.е. являются ре;зультативными переменными), а в других урав;нениях — в правую часть (т.е. являютсяфакторными переменными).В системе взаимозависимых уравнений зна;чения результативных и факторных переменныхформируются одновременно под влияниемвнешних факторов. Поэтому данная система так;же называется системой одновременных,или совместных, уравнений.В системах независимых и рекурсивных урав;нений каждое уравнение может рассматриватьсясамостоятельно, и неизвестные коэффициентытаких уравнений можно определить классическимметодом наименьших квадратов.В системах взаимозависимых уравненийкаждое уравнение не может рассматриваться каксамостоятельная часть системы, поэтому при;менение традиционного метода наименьшихквадратов для определения неизвестных коэф;фициентов таких уравнений невозможно из;занарушения условий применения метода наи;меньших квадратов.Следовательно, в результате примененияобычного МНК к оцениванию одновременныхуравнений оценки неизвестных параметров по;лучаются смещенными и несостоятельными.2)условие ошибочного измерения перемен.ных, участвующих в регрессионной модели.Параметр β0 в модели парной регрессии —это среднее значение зависимой переменной yпри условии, что независимая переменная xравна нулю (если значение x = 0 имеетэкономический смысл).Параметр β1 в модели парной регрессии —это коэффициент модели регрессии. Значениепараметра β1 характеризует, насколько в сред;нем изменится зависимая переменная y при из;менении факторной переменной x на единицусвоего измерения. Знак коэффициента моделирегрессии β1 в модели парной регрессии указы;вает на направление связи между изучаемымипеременными. Если β1 > 0, то связь между пере;менными прямая, т.е. с увеличением перемен;ной x увеличивается и переменная y, и наоборот.Если коэффициент β1 < 0, то связь между пере;менными обратная, т.е. с увеличением перем...