Учебное пособие. — 2-е изд., перераб. и доп. — Тюмень: Издательство
Тюменского государственного университета, 2010. — 264 с. — ISBN
978-5-400-00362-2.
Излагается методология выбора, оценки параметров и верификации
регрессионных моделей, моделей динамических рядов и систем
одновременных уравнений. В тексте содержится большое количество
примеров, помогающих усвоить предлагаемый материал, выполнить
контрольную работу.
Пособие предназначено для студентов-экономистов, изучивших базовые курсы высшей математики, теории вероятностей и математической статистики. В пособии отсутствуют сложные математические доказательства, оно в основном содержит инструкции по действиям (вычислениям), которые необходимо предпринять в том или ином случае. Однако необходимо умение работать с матрицами, иметь представление о распределениях Стьюдента, Фишера, Дарбина–Уотсона и уметь пользоваться таблицами данных распределений.
Данное учебное пособие представляет собой начальный курс эконометрики и предназначено для дистанционного обучения студентов всех экономических специальностей. Предисловие.
Методические материалы
Рабочая программа дисциплины. Рекомендации по самостоятельной работе студента. Теоретические материалы
Статистические понятия и распределения.
Введение.
Суть регрессионного анализа.
Некоторые статистические определения.
Нормальное (гауссовское) распределение.
χ2 (хи-квадрат)-распределение.
Распределение Стьюдента (t-распределение).
F-распределение (распределение дисперсионного отношения).
Статистическая проверка гипотез.
Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel.
Действия с матрицами в программе Microsoft Office Excel.
Парная линейная регрессия. Условия Гаусса – Маркова.
Основные понятия.
Метод наименьших квадратов.
Предпосылки метода наименьших квадратов.
Анализ точности определения оценок коэффициентов регрессии.
Проверка статистической значимости коэффициентов парной линейной регрессии.
Интервальные оценки коэффициентов линейного уравнения регрессии.
Доверительные интервалы для зависимой переменной.
Проверка общего качества уравнения регрессии. Коэффициент детерминации.
Множественная линейная регрессия.
Определение параметров уравнения регрессии.
Расчет коэффициентов множественной линейной регрессии.
Дисперсии и стандартные ошибки коэффициентов.
Проверка статистической значимости коэффициентов уравнения регрессии.
Интервальные оценки коэффициентов теоретического уравнения регрессии.
Проверка общего качества уравнения регрессии.
Проверка равенства двух коэффициентов детерминации.
Проверка гипотезы о совпадении уравнений регрессии для двух выборок.
Стандартизация (центрирование и масштабирование) данных регрессии.
Частные уравнения регрессии.
Автокорреляция случайных возмущений.
Суть и причины автокорреляции.
Последствия автокорреляции.
Обнаружение автокорреляции. Критерий Дарбина–Уотсона.
Методы устранения автокорреляции.
Гетероскедастичность случайных возмущений.
Общие понятия.
Последствия гетероскедастичности.
Обнаружение гетероскедастичности.
Методы смягчения проблемы гетероскедастичности.
Мультиколлинеарность.
Общие понятия и последствия мультиколлинеарности.
Определение мультиколлинеарности.
Методы устранения мультиколлинеарности.
Фиктивные переменные в регрессионных моделях.
Модель с одной фиктивной (бинарной) переменной.
Использование фиктивных переменных в сезонном анализе.
Сравнение двух регрессий.
Нелинейная регрессия.
Общие понятия.
Степенные модели (логарифмические).
Обратная модель (гиперболическая).
Полиномиальная модель.
Показательная модель (лог-линейная).
Выбор формы модели.
Временные ряды.
Общие понятия.
Моделирование тренда временного ряда.
Тренд, сезонные колебания и фиктивные переменные.
Стационарные ряды.
Процесс авторегрессии AR(p).
Процессы скользящего среднего MA(q).
Комбинированные процессы авторегрессии - скользящего среднего ARMA(p, q).
Модели ARMA, учитывающие наличие сезонности.
Нестационарные временные ряды. Процессы авторегрессии и проинтегрированного скользящего среднего ARIMA(p, k, q).
Регрессионные модели с распределенными лагами.
Полиномиально распределенные лаги Ш. Алмон
Системы одновременных уравнений.
Общие понятия.
Идентификация структурной формы модели.
Косвенный метод наименьших квадратов.
Двухшаговый метод наименьших квадратов.
Трехшаговый метод наименьших квадратов. В конце каждой главы приводятся
Резюме и
Вопросы для самопроверки. Заключение.
Задания для контроля.
Тесты для самоконтроля. Ключи к тестам для самоконтроля. Контрольная работа. Вопросы к зачету (экзамену). Глоссарий.
Список литературы.
Пособие предназначено для студентов-экономистов, изучивших базовые курсы высшей математики, теории вероятностей и математической статистики. В пособии отсутствуют сложные математические доказательства, оно в основном содержит инструкции по действиям (вычислениям), которые необходимо предпринять в том или ином случае. Однако необходимо умение работать с матрицами, иметь представление о распределениях Стьюдента, Фишера, Дарбина–Уотсона и уметь пользоваться таблицами данных распределений.
Данное учебное пособие представляет собой начальный курс эконометрики и предназначено для дистанционного обучения студентов всех экономических специальностей. Предисловие.
Методические материалы
Рабочая программа дисциплины. Рекомендации по самостоятельной работе студента. Теоретические материалы
Статистические понятия и распределения.
Введение.
Суть регрессионного анализа.
Некоторые статистические определения.
Нормальное (гауссовское) распределение.
χ2 (хи-квадрат)-распределение.
Распределение Стьюдента (t-распределение).
F-распределение (распределение дисперсионного отношения).
Статистическая проверка гипотез.
Определение критических значений распределений Стьюдента и Фишера с использованием программы Microsoft Office Excel.
Действия с матрицами в программе Microsoft Office Excel.
Парная линейная регрессия. Условия Гаусса – Маркова.
Основные понятия.
Метод наименьших квадратов.
Предпосылки метода наименьших квадратов.
Анализ точности определения оценок коэффициентов регрессии.
Проверка статистической значимости коэффициентов парной линейной регрессии.
Интервальные оценки коэффициентов линейного уравнения регрессии.
Доверительные интервалы для зависимой переменной.
Проверка общего качества уравнения регрессии. Коэффициент детерминации.
Множественная линейная регрессия.
Определение параметров уравнения регрессии.
Расчет коэффициентов множественной линейной регрессии.
Дисперсии и стандартные ошибки коэффициентов.
Проверка статистической значимости коэффициентов уравнения регрессии.
Интервальные оценки коэффициентов теоретического уравнения регрессии.
Проверка общего качества уравнения регрессии.
Проверка равенства двух коэффициентов детерминации.
Проверка гипотезы о совпадении уравнений регрессии для двух выборок.
Стандартизация (центрирование и масштабирование) данных регрессии.
Частные уравнения регрессии.
Автокорреляция случайных возмущений.
Суть и причины автокорреляции.
Последствия автокорреляции.
Обнаружение автокорреляции. Критерий Дарбина–Уотсона.
Методы устранения автокорреляции.
Гетероскедастичность случайных возмущений.
Общие понятия.
Последствия гетероскедастичности.
Обнаружение гетероскедастичности.
Методы смягчения проблемы гетероскедастичности.
Мультиколлинеарность.
Общие понятия и последствия мультиколлинеарности.
Определение мультиколлинеарности.
Методы устранения мультиколлинеарности.
Фиктивные переменные в регрессионных моделях.
Модель с одной фиктивной (бинарной) переменной.
Использование фиктивных переменных в сезонном анализе.
Сравнение двух регрессий.
Нелинейная регрессия.
Общие понятия.
Степенные модели (логарифмические).
Обратная модель (гиперболическая).
Полиномиальная модель.
Показательная модель (лог-линейная).
Выбор формы модели.
Временные ряды.
Общие понятия.
Моделирование тренда временного ряда.
Тренд, сезонные колебания и фиктивные переменные.
Стационарные ряды.
Процесс авторегрессии AR(p).
Процессы скользящего среднего MA(q).
Комбинированные процессы авторегрессии - скользящего среднего ARMA(p, q).
Модели ARMA, учитывающие наличие сезонности.
Нестационарные временные ряды. Процессы авторегрессии и проинтегрированного скользящего среднего ARIMA(p, k, q).
Регрессионные модели с распределенными лагами.
Полиномиально распределенные лаги Ш. Алмон
Системы одновременных уравнений.
Общие понятия.
Идентификация структурной формы модели.
Косвенный метод наименьших квадратов.
Двухшаговый метод наименьших квадратов.
Трехшаговый метод наименьших квадратов. В конце каждой главы приводятся
Резюме и
Вопросы для самопроверки. Заключение.
Задания для контроля.
Тесты для самоконтроля. Ключи к тестам для самоконтроля. Контрольная работа. Вопросы к зачету (экзамену). Глоссарий.
Список литературы.