Раздел 3. Эконометрика и эконометрическое моделирование. Многомерный статистический анализ

1. Определение эконометрики. Предмет и методы эконометрики. Классификация моделей и типы данных. Этапы построения эконометрической модели.

2. Модель парной регрессии. Условия нормальной линейной регрессии (Гаусса-Маркова)

3. Метод наименьших квадратов и свойства коэффициентов регрессии.

4. Нелинейная регрессия. Методы линеаризации.

5. Линейная и нелинейная регрессии в оценивании производственных функций.

6. Определение тесноты связи между факторами в линейной и нелинейной регрессионной моделях.

7. Оценка существенности параметров и статистическая проверка гипотез. t-критерий Стьюдента.

8. Оценка статистической значимости уравнения в целом. F-критерий Фишера.

9. Ограничения модели множественной регрессии и свойства оценок МНК.

10. Идентификация и интерпретация параметров модели множественной регрессии. Стандартизированное уравнение множественной регрессии.

11. Показатели тесноты связи в множественном регрессионном анализе.

12. Модели с переменной структурой (фиктивные переменные).

13. Оценка статистической значимости множественного уравнения регрессии, F-критерий Фишера.

14. Спецификация модели множественной регрессии. Мультиколлинеарность.

15. Решение проблемы выбора модели (с ограничением и без ограничения). Методы отбора факторов: априорный и апостериорный подходы.

16. Автокорреляция случайного члена и критерий Дарбина-Уотсона.

17. Гетероскедастичность и ее выявление: тесты Голдфелда-Квандта и Уайта.

18. Системы регрессионных (одновременных) уравнений структурная и приведенная формы модели.

19. Эндогенные и экзогенные переменные. Проблема идентифицируемости систем уравнений. Оценивание параметров в системах одновременных уравнений: косвенный и двухшаговый МНК.

20. СОУ: оценка параметров структурной и приведенной формах на примере уравнений малых макроэкономических моделей. Трехшаговый МНК.

21. Лаги в эконометрических моделях: моделирование инвестиционных процессов.

22. Многомерные случайны величины, их числовые характеристики. Многомерный закон распределения, его свойства.

23. Постановка задачи дискриминантного анализа. Схема реализации (параметрический случай).

24. Постановка задачи кластерного анализа. Виды используемых метрик, их характеристика. Методы поиска сгущений.

25. Иерархические процедуры кластерного анализа. Метод к -средних.

26. Постановка задачи и схема реализации метода главных компонент.