Статистический анализ экономических систем
Специальный курс
Часть 1. Основы регрессионного анализа
- Понятие математической модели, математические модели в экономике, их классификация.
- Парная линейная регрессия, оценивание параметров методом наименьших квадратов. Статистические свойства оценок МНК. Определение интервальной оценки. Проверка значимости параметра и адекватности регрессионной модели.
- Метод максимального правдоподобия для оценки параметров регрессии. Теоремы о состоятельности оценок максимального правдоподобия и наименьших квадратов.
- Множественная линейная регрессия. Многомерный метод наименьших квадратов. Статистические свойства оценок параметров множественной регрессии. Теорема Гаусса-Маркова.
- Проверка адекватности моделей множественной регрессии. Коэффициент детерминации. Построение доверительных интервалов для параметров регрессии и их линейных комбинаций. Проверка статистических гипотез относительно коэффициентов регрессии и их линейных комбинаций.
- Точечное и интервальное прогнозирование на основе модели множественной регрессии. Метод максимального правдоподобия в многомерном случае.
- Обобщения моделей множественной линейной регрессии. Последствия нарушения основных предпосылок классической регрессионной модели. Обобщенный метод наименьших квадратов. Модель с гетероскедастичными возмущениями. Мультиколлинеарность регрессоров. Нелинейные модели регрессии: их линеаризация.
Часть 2. Статистический анализ временных рядов
Литература
- Бабешко Л.О. Основы эконометрического моделирования. М., 2007.
- Домбровский В.В. Эконометрика.- М, 2004.
- Четыркин Е.М. Статистические методы прогнозирования. - М.: Статистика, 1977.
- Эконометрика. Под редакцией И.И. Елисеевой. М.: Финансы и статистика, 2008.