1. Определение эконометрики. Термин эконометрика
 Скачать 3.6 Mb.
|
|
49. Виды фиктивных переменных. В регрессионных моделях с временными рядами используется три основных вида фиктивных переменных: 1) Переменные-индикаторы принадлежности наблюдения к определенному периоду — для моделирования скачкообразных структурных сдвигов. Границы периода (моменты "скачков") должны быть установлены из априорных соображений. Например, 1, если наблюдение принадлежит периоду 1941-45 гг. и 0 в противном случае. Это пример использования для моделирования временного структурного сдвига. Постоянный структурный сдвиг моделируется переменной равной 0 до определенного момента времени и 1 для всех наблюдений после этого момента времени. 2) Сезонные переменные — для моделирования сезонности. Сезонные переменные принимают разные значения в зависимости от того, какому месяцу или кварталу года или какому дню недели соответствует наблюдение. 3) Линейный временной тренд — для моделирования постепенных плавных структурных сдвигов. Эта фиктивная переменная показывает, какой промежуток времени прошел от некоторого "нулевого" момента времени до того момента, к которому относится данное наблюдение (координаты данного наблюдения на временной шкале). Если промежутки времени между последовательными наблюдениями одинаковы, то временной тренд можно составить из номеров наблюдений. Фиктивные переменные помогают отразить тот факт, что коэффициенты линейной регрессии могут меняться во времени. 50. Преимущества использования фиктивных переменных. Использование фиктивных переменных имеет следующие преимущества: Интервалы между наблюдениями не обязательно должны быть одинаковыми. В выборке могут быть пропущенные наблюдения. Коэффициенты при фиктивных переменных легко интерпретировать, они наглядно представляют структуру динамического процесса. Для оценивания модели не приходится выходить за рамки классического метода наименьших квадратов. 51. Понятие о методе «поворотных точек». При использовании критерия поворотных точек остаток модели et сравнивается с двумя соседними элементами ряда. Если он окажется меньше или больше их, то данная точка является поворотной. В конце сравнений подсчитывается количество m всех поворотных точек. Ряд остатков модели считается случайным, если выполняется условие:  где N – объём выборочной совокупности. 52. Соответствие ряда остатков нормальному закону распределения. Нормальность ряда остатков проверяется с помощью показателей асимметрии и эксцесса. При нормальном распределении показатели асимметрии и эксцесса равны нулю. На основании выборочных данных вычисляются эмпирические коэффициенты асимметрии и эксцесса по формулам:  Если вычисленные коэффициенты близки к нулю, то можно сделать вывод, что ряд остатков подчиняется нормальному закону распределения. В дополнение к выборочным коэффициентам асимметрии и эксцесса рассчитывают показатели среднеквадратических отклонений данных коэффициентов по формулам:  Если одновременно выполняются следующие неравенства: 1) |КА|≤1,5G(A); 2) |КЭ|≤1,5G(Э), то гипотеза о нормальном характере распределения случайной компоненты принимается. Если хотя бы одно из указанных неравенств нарушается, то гипотеза о нормальном распределении остатков отвергается. |