Спасибо! Тест по эконометрике сдан на отлично!
Информация о работе
Подробнее о работе
Эконометрика
- 130 страниц
- 2019 год
- 25 просмотров
- 1 покупка
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
1. Что изучает наука эконометрика? Инструменты и знания из каких наук использует эконометрика?
Эконометрикой называется наука, позволяющая анализировать связи между различными экономическими показателями на основании реальных статистических данных с применением методов теории вероятностей и математической статистики. С помощью эконометрики выявляют новые, ранее неизвестные связи, уточняют или отвергают гипотезы о существовании определенных связей между экономическими показателями, предлагаемые экономической теорией.
Основная цель эконометрики заключается в модельном описании конкретных количественных взаимосвязей, обусловленных общими качественными закономерностями, выявленными в экономической теории.
Основной предмет исследования эконометрики – это массовые экономические явления и процессы. Предметы исследования эконометрики и статистики являются весьма схожими, потому что эконометрика исследует массовые экономические явления и процессы, а статистика исследует массовые явления и процессы любой природы (в том числе и экономические). Слово «эконометрика» образовано от двух слов: «экономика» и «метрика» («метрон» (греч.) – правило определения расстояния между двумя точками в пространстве, «метрия» – измерение). Следовательно, эконометрику можно определить, как науку об экономических измерениях. Эконометрика возникла на основе междисциплинарного подхода к изучению экономики. Поэтому эконометрику можно представить, как комбинацию трёх наук – экономической теории, математической и экономической статистики и математики. Помимо этого, на современном этапе развития науки одним из важнейших факторов развития эконометрики стало развитие компьютерных технологий и специальных пакетов прикладных программ. Анализ экономических процессов и явлений в эконометрике осуществляется с помощью математических моделей, построенных на эмпирических данных. Моделью называется материальный или мысленно представляемый объект, замещающий в процессе исследования объект-оригинал таким образом, что его непосредственное изучение дает новые знания об объекте-оригинале. Модель выступает в качестве средства анализа и прогнозирования конкретных экономических процессов на основе реальной статистической информации. Применение метода моделирования вызвано тем, что большинство объектов (или проблем, относящихся к этим объектам) непосредственно исследовать или совершенно невозможно, или подобное исследование требует много времени и средств. Большинство эконометрических методов и приёмов исследования экономических явлений и процессов позаимствованы из математической статистики. Однако в применении этих методов в эконометрике существует определённая специфика. В связи с тем, что практически все экономические показатели являются случайными величинами, а не результатами контролируемого эксперимента, были разработаны определённые усовершенствования и модификации методов, которые не применяются в математической статистике. По причине того, что экономические данные могут быть измерены с ошибкой, в эконометрике были разработаны специальные методы анализа, позволяющие устранить или снизить влияние этих ошибок на полученные результаты. Таким образом, эконометрика исследует различные экономические закономерности, установленные экономической теорией, с помощью методов математической и экономической статистики.
Вопросы к экзамену по дисциплине
«Эконометрика»
1. Что изучает наука эконометрика? Инструменты и знания из каких наук использует эконометрика?
2. Что является результатом эконометрического исследования? Каково практическое применение полученного результата?
3. Общий вид эконометрической модели. Этапы построения эконометрической модели.
4. Задачи корреляционного анализа.
5. Предпосылки корреляционного анализа.
6. В чем различие корреляционной и функциональной связи? В чем различие
корреляционной и статистической связи?
7. Виды и формы корреляционной связи.
8. Назначение, размерность и диапазон возможных значений коэффициента
парной корреляции.
9. Коэффициент парной корреляции: определение, оценка по выборке. Привести различные формулы для вычисления парной корреляции.
10. Что такое статистическая гипотеза? Какого рада ошибки возможны в принятии решения по гипотезе? Можно ли избежать этих ошибок?
11. Проверка гипотезы о равенстве нулю коэффициента корреляции в генеральной совокупности.
12. Частная корреляция.
13. Назначение коэффициента детерминации. Как проверяется гипотеза о статистической значимости коэффициента детерминации?
14. Что такое мультиколлинеарность? К каким негативным последствиям она
может привести? Выявление мультиколлинеарности методом корреляционного анализа.
15. Возможные причины и характерные признаки мультиколлинеарности. Методы устранения мультиколлинеарности.
16. Как изменяется коэффициент детерминации при исключении части факторов из набора Х? Как проверить гипотезу о несущественности этот изменения?
17. Что такое уравнение регрессии? Для чего можно использовать уравнение
регрессии?
18. Модель парной линейной регрессии. Математический и экономический
смысл параметров модели парной линейной регрессии.
19. Модель парной линейной регрессии. Единицы измерения параметров модели парной линейной регрессии. Приведите примеры.
20. Случайный член уравнения регрессии (остаточная компонента). Причины
его существования.
21. Какова связь между линейным коэффициентом корреляции и коэффициентом парной линейной регрессии?
22. Предпосылки (предположения) к построению уравнения множественной
линейной регрессии (условия Гаусса-Маркова).23. Что означают понятия несмещенность и эффективность оценок параметров
уравнения регрессии?
24. Для чего проверяют гипотезу о нормальном законе распределения остатков
модели регрессии?
25. Графический метод проверки гипотезы о нормальном законе распределения.
26. Какой метод является основным при оценке параметров уравнения регрессии? Достоинства и недостатки этого метода.
27. Метод наименьших квадратов (МНК). Формулы МНК для парной линейной
регрессии.
28. Формулы для оценки дисперсии параметров парной регрессии. Как их можно уменьшить?
29. Доверительный интервал для коэффициента парной линейной регрессии:
что это такое и как его найти?
30. Особенности построения и анализа уравнения парной линейной регрессии
без свободного члена. Когда применяется такое уравнение?
31. Формулы точечного и интервального прогноза по модели парной линейной
регрессии.
32. От чего зависит ширина доверительного интервала при прогнозировании по
модели парной линейной регрессии?
33. Метод наименьших квадратов (МНК). Система уравнений МНК для двухфакторной линейной регрессии.
34. Модель множественной линейной регрессии. Экономический смысл коэффициентов множественной линейной регрессии.
35. Отбор факторов для построения множественной линейной регрессии.
36. Оценка значимости множественной регрессии.
37. Скорректированный коэффициент детерминации.
38. Что включает содержательный анализ модели многофакторной линейной
регрессии?
39. Показатели точности модели регрессии.
40. Оценка значимости уравнения линейной регрессии по F-критерию.
41. Проверка гипотезы о статистической значимости коэффициентов уравнения
линейной регрессии.
42. Сравнительный анализ факторов модели регрессии по степени влияния на
результативный признак.
43. Каким требованиям должна удовлетворять модель регрессии для ее применения в прогнозировании?
44. Формулы точечного и интервального прогноза по модели множественной
линейной регрессии.
45. Формула дисперсии. Что характеризует дисперсия? Как называется постоянство и непостоянство дисперсии остатков в регрессионном анализе? Для
чего нужно постоянство дисперсии остатков в регрессионном анализе?
46. Тестирование постоянства дисперсии остатков с помощью ранговой корреляции Спирмена.
47. Тестирование постоянства дисперсии остатков по критерию Уайта.48. Тестирование постоянства дисперсии остатков по критерию ГолдфелдаКвандта.
49. Метод взвешенных наименьших квадратов
50. Тестирование попарной независимости остатков по критерию ДарбинаУотсона.
51. Какие значения факторов можно подставлять в модель регрессии для прогноза?
52. Фиктивные переменные в регрессионных моделях (модели с переменной
структурой).
53. Исследование структурных изменений с помощью теста Чоу.
54. Примеры парной нелинейной регрессии. Модели зависимости спроса от дохода.
55. Линеаризация моделей регрессии, нелинейных по переменным.
56. Модели регрессии, нелинейные по параметрам. Методы оценки параметров.
57. Двухфакторная производственная функция Кобба-Дугласа. Оценка параметров.
58. Два основных типа выборочных данных: пространственные и временные.
Их различия, существенные для эконометрического моделирования.
59. Включение в модель регрессии фактора времени.
60. Лаговые переменные в эконометрических моделях.
Ответы на вопросы
1. Кремер, Н. Ш. Высшая математика для экономического бакалавриата: учебник и практикум / Н. Ш. Кремер ; под ред. Н. Ш. Кремера. — 5-е изд., пер. и доп. — М. : Издательство Юрайт, 2014. — 909 с.
2. Письменный Д.Т. Конспект лекций по высшей математике: полный курс/ Дмитрий Письменный – 13-е изд. - М.: Айрис-пресс, 2014.
3. Шипачев, В. С. Высшая математика : учебник и практикум для бакалавров / В. С. Шипачев ; под ред. А. Н. Тихонова. — 8-е изд., перераб. и доп. — М. : Издательство Юрайт, 2014. — 447 с.
Дополнительная:
4. Ахтямов, А. М. Математика для социологов и экономистов : Учеб. пособие / А. М. Ахтямов. - 2-е изд., испр. и доп. - М. : ФИЗМАТЛИТ, 2016. - 464 с.
5. Данко П.Е. Высшая математика в упражнениях и задачах. Учеб. пособие для вузов/ П.Е.Данко, А.Г. Попов, Т.ЯКожевникова. – 7-е изд., испр. - М.:ООО «Издательство Оникс»:ООО «Издательство «Мир и Образование», 2014
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
