Эконометрика лекции

В методе исключения анализ

В методе исключения анализ начинается с включения в регрессионную модель всех переменных. Затем для каждой переменной вычисляют частную F-статистику и ту переменную, для которой F-статистика минимальна, исключают из рассмотрения. Затем строится новая модель по оставшимся переменным и после вычисления частных F-статистик вновь удаляют одну из переменных и т.д. Так поступают до тех пор, пока не будет достигнуто заранее заданное число переменных в модели или F-статистики не станут все больше заданного порога.

В методе включения начинают с построения модели, включающей лишь одну переменную, имеющую наибольший по абсолютной величине парный коэффициент корреляции с переменной выхода. Затем вычисляют частные F-статистики для всех оставшихся переменных и включают в модель переменную с наибольшей F-статистикой. Это эквивалентно включению переменной имеющей наибольший частный коэффициент корреляции с переменной выхода. Процесс продолжают до достижения в модели определенного числа переменных или F-статистики не станут меньше заданного порога.

Более сложной процедурой является комбинация методов включения и исключения. Выбираются фиксированные пороговые уровни  и  и на каждом шаге рассматриваются следующие возможности: добавить переменную, исключить переменную, одну переменную заменить другой, остановить процесс. На каждом шаге вычисляются F-статистики переменных, величина  и степень допустимой коррелированности переменных, вошедших в регрессионное уравнение, которая вычисляется по формуле Т = . Обычно задают уровень Тдопуска = 0,01, , и  подбирают в ходе решения задачи. Переменную с максимальным значением F включают в модель при условии, что значения Т не превышают Тдопуска (степень коррелированности системы не должна быть слишком большой), но при этом F > ;если оказывается, что F < , то переменную исключают из модели.

Товары для коммуникаторов, купить оригинальный корпус для samsung i9000 в Санкт-Перетрбурге    

Параграфы

• Сущность  и  история возникновения  эконометрики
• </b>Парный  регрессионный анализ
• Множественная  регрессия
• Гетероскедастичность  моделей, ее  обнаружение  и  методы  устранения  гетероскедастичности
• прогнозирование  временных  рядов
• Сглаживание Временных рядов
• ОДНОВРЕМЕННЫЕ УРАВНЕНИЯ. МЕТОДЫ ИДЕНТИФИКАЦИИ
• Моделирование структурными  уравнениями
• РАЗНОСТНЫЕ  УРАВНЕНИЯ  И  ИХ  РЕШЕНИЕ
• Стационарные временные ряды авторегрессии-скользящего среднего
• Временные ряды с высокой изменчивостью
• Ложная регрессия, коинтеграция и  модели корректировки ошибок
• Элементы линейной алгебры
• Элементы теории вероятностей и математической статистики
• метод наименьших квадратов