Эконометрический анализ при нарушении классических модельных предположений

Парная регрессия и корреляция

21.Рассматривая линейную зависимость между признаками, прежде всего, выделяют типы связей:

- Функциональные – характеризуются полным соответствием между изменением факторного признака и изменением результативной величины: каждому значению признака-фактора соответствует вполне определенные значения результативного признака.

- Корреляционные – между изменением двух признаков нет полного соответствия, воздействия отдельных факторов проявляется лишь в среднем, при массовом наблюдении фактических данных.

22. К показателям, значения которых свидетельствуют о присутствии или отсутствии линейной связи между переменными относятся коэффициенты линейной (парной) и множественной корреляции.

23. Основная задача корреляционного анализа заключается в выявлении взаимосвязи между случайными переменными путем: точечной и интервальной оценки парных коэффициентов корреляции, вычисления и проверки значимости множественных коэффициентов корреляции и детерминации.

24. Ковариация – это статистическая мера взаимодействия двух переменных.

25. Дисперсия (оценка дисперсии) характеризуют:

26. Для качественной оценки коэффициента корреляции применяются различные шкалы, наиболее известной из которых является специальная шкала значений коэффициентов корреляции – шкала Чеддока.

27. В зависимости от объема выборочной совокупности различают методы оценки существенности линейного коэффициента корреляции: при малых объемах выборки выполняется с использованием t-критерия Стьюдента.

28. В многомерном корреляционном анализе рассматривается задачи:

1) Определение тесноты связи одной случайной величины с совокупностью остальных величин, включенных в анализ.

2) Определение тесноты связи между двумя величинами при фиксировании или исключении влияния остальных величин.

29. Квадрат коэффициента множественной корреляции принято называть: выборочным множественным коэффициентом детерминации.

30. Коэффициент множественной корреляции принимает значения от 0 до 1.

31. Проверка значимости коэффициента детерминации осуществляется путем сравнения с табличным F_табл.: расчетного значения F – критерия Фишера.

32. При отклонении парной статистической зависимости от линейной коэффициент корреляции оценивается измерителем связи: индекс корреляции (корреляционное отношение).

Модели множественной линейной регрессии

33. Для оценки параметров регрессионного уравнения используют: метод наименьших квадратов (МНК) дает оценки, имеющие наименьшую дисперсию в классе всех линейных оценок.

34. Для того чтобы регрессионный анализ давал наилучшие из всех возможных результаты, должны выполняться условия: условия Гаусса-Маркова.

35. Для оценки качества регрессионных моделей используется: коэффициент множественной корреляции (индекс корреляции).

Эконометрический анализ при нарушении классических модельных предположений

36. Процесс, при котором факторы одновременно воздействуют друг на друга, определяется как:

37. Для определения наличия или отсутствия мультиколлинеарности применяют следующие способы: анализ матрицы коэффициентов парной корреляции; исследование матрицы.

38. Методы устранения или уменьшения мультиколлинеарности являются использование стратегии шагового отбора.

39. Содержательная оценка качества уравнения модели множественной регрессии состоит в проверке наличия экономического смысла в размере и характере влияния на исследуемый показатель каждого из объясняющих факторов, является самым ответственным этапом, завершающим регрессионный анализ.

40. Проверка статистического качества полученного уравнения модели множественной регрессии предполагает оценку : общего качества уравнения; статистической зависимости каждого параметра уравнения; наличие автокорреляции остатков.

41. Качество модели множественное регрессии оценивается по следующим направлениям:

· проверка качества уравнения регрессии;

· проверка значимости уравнения регрессии;

· анализ статистической значимости параметров модели;

· проверка выполнения предпосылок МНК.

42. При проверке адекватности уравнения множественной регрессии исследуемому процессу возможны следующие варианты:стр.62

43. Наличие (отсутствие) автокорреляции в отклонениях модели проверяют с помощью:dw-критерия Дарбина-Уотсона(стр.63)

44. При сравнении расчетного значения dw-статистики с табличным могут возникнуть такие ситуации:с 64

45. Тест Дарбина − Уотсона можно применять только в том случае, если выполняются следующие условия:

1) в регрессионном уравнении присутствует свободный член;

2) регрессоры являются нестохастическими;

3) в регрессионном уравнении нет лаговых значений зависимой переменной.

46. Для обнаружения гетероскедастичности обычно используют тесты о зависимости между дисперсией случайного члена и объясняющей переменной:

ü тест Голдфельда-Квандта;

ü тест ранговой корреляции Спирмена;

ü двусторонний критерий Фишера;

ü тест Глейзера и др.