| Примерные темы рефератов по эконометрике.
1. Одномерное нормальное распределение и связанные с ним хи-квадрат распределение, распределения Стьюдента и Снедекора-Фишера, их основные свойства.
2. Статистическое оценивание. Точечные оценки. Линейность, несмещенность, эффективность и состоятельность оценок. Принцип максимального правдоподобия.
3. Статистические выводы и проверка статистических гипотез. Ошибки 1-го и 2-го рода. Уровень доверия и проверка значимости. Интервальные оценки, доверительный интервал. Критерии Неймана-Пирсона, Найквиста-Михайлова, Колмогорова-Смирнова.
4. Разложение суммы квадратов отклонений. Дисперсионный анализ. Степень соответветствия линии регрессии имеющимся данным. Коэффициент детерминации и его свойства.
5. Классическая линейная регрессия для случая одной объясняющей переменной. Статистические характеристики (математическое ожидание, дисперсия и ковариация) оценок параметров. Теорема Гаусса-Маркова.
6. Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия. Доверительные интервалы оценок параметров и проверка гипотез о их значимости. Проверка адекватности регрессии. Прогнозирование по регрессионной модели и его точность.
7. Методология эконометрического исследования на примере линейной регрессии для случая одной объясняющей переменной. Особенности представления результатов регрессионного анализа в одном из основных программных пакетов (например в Excel).
8. Особенности регрессии, проходящей через начало координат (без свободного члена). Влияние изменения масштаба измерения переменных на ккоэффициенты регрессии.
9. Принцип максимального правдоподобия. Сравнение оценок МНК и метода максимального правдоподобия при нормальном распределении ошибок в классической линейной регрессии.
10. Множественная линейная регрессия. Матричная запись эконометрической модели и оценок МНК. Коэффициент множественной детерминации, скорректированный на число степеней свободы.
11. Многомерное нормальное рапре деление и его плотность распределения. Математическое ожидание и ковариационная матрица линейного преобразования многомерного нормально распределенного вектора. Распределение некоторых квадратичных форм от многомерного нормально распределенного вектора.
12. Проверка значимости коэффициентов и адекватности модели в множественной линейной регрессии. Построение доверительных интервале и областей для коэффициентов регрессии. Прогнозирование в множественной линейной регрессии, вероятностные характеристики прогноза. •
13. Функциональные преобразования переменных в линейной регрессионной модели. Лог-линейная регрессия, как модель с постоянной эластичностью. Модель с постоянными темпами роста (полу-логарифмическая модель). Функциональные преобразования при построении кривых Филлипса и Энгеля. Полиномиальная регрессия.
14. Фиктивные (dummy) переменные в множественной линейной регрессии. Проверка структурных изменений и сравнение двух регрессий с помощью фиктивных переменных. Анализ сезонности. Динамизация коэффициентов линейной регрессии.
15. Проверка общей линейной гипотезы о коэффициентах множественной линейной регрессии. Регрессия с ограничениями на параметры.
16. Понятие об автокорреляции остатков. Экономические причины автокорреляции остатков. Тест серий. Статистика Дарбина-Уотсона. Обобщенный метод наименьших квадратов для оценки регрессии при наличии автокорреляции. Процедура Кокрена-Оркутта. Двух-шаговая процедура Дарбина.
17. Регрессионные динамические модели. Авторегрессия и модель с распределенными лагами. Схема Койека. Адаптивные ожидания.
18. Гетероскедастичность и- экономические причины ее наличия. Последствия тетероскедастичности для оценок МНК. Признаки присутствия гетероскедастачности. Тесты Бройша-Пагана, Голфелда-Квандта, Парка, Глейзера, ранговая корреляция по Спирмену.
19. Взвешенный метод наименьших квадратов. Выбор "наилучшей" модели. Ошибка спецификации модели. Пропущешые и излишние переменные.
20. Мультиколлинеарность данные и последствия этого для оценок параметров регрессионной модели. Идеальная и практическая мультиколлинеарность (квазимультиколлинеарность). Показатели степени мультиколлинеарности. Вспомогательные регрессии. Методы-борьбы с мультиколлинеарностью.
Литература
1. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. — М.: ЮНИТИ, 1998.
2. Джонстон Дж. Эконометрические методы: Пер. с англ. — М.: Статистика, 1980.
3. Доугерти К. Введение в эконометрику: Пер. с англ. — М.: Инфра-М, 1997.
4. Дрейпер И., Смит Г. Прикладной регрессионный анализ: Пер. с англ. — Кн. 1, 2. — М.: Финансы и статистика, 1986, 1987.
5. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы. — М.: Финансы и статистика, 1998.
6. Магнус Я. Р., Катышев Л. К., Пересецкий А.А. Эконометрика. Начальный курс. — М.: Дело, 2000.
7. Тюрин Ю.Н., Макаров А.А. Статистический анализ динных на компьютерах /Под ред. В.Э. Фигурнова. — М Инфра-М, 1998.
8. Уотшем Т. Дж., Паррамоу К. Количественные методы в финансах: Пер. с англ. — М.: ЮНИТИ, 1999.
9. Ферстер Э., Ренц Б. Методы корреляционного и ре грей сионного анализа: Пер. с нем. — М.: Финансы и стати стика,1982.
10. Эконометрика /Под ред. Н.И. Елисеевой. — М.: Финки-сы и статистика, 2001.
|
