Вопросы к экзамену (зачету)
1. Основные задачи эконометрики.
2. Основные типы моделей эконометрики
3. Основные типы эконометрических данных
4. Двумерная регрессионная модель. Основные функционалы для оценки отклонений, их достоинства и недостатки.
5. Метод наименьших квадратов.
6. Парная линейная регрессионная модель. Постановка задачи и основные предположения.
7. Основные свойства оценок, полученных по МНК в двумерной модели
8. Теорема Гаусса-Маркова для двумерной модели
9. Оценка дисперсии ошибок S2 в двумерной модели
10. Показатели качества регрессии двумерной модели
11. Доверительный интервал для коэффициентов регрессии в двумерной модели
12. Линейная регрессионная модель с n переменными. Постановка задачи и основные предположения.
13. Основные свойства оценок, полученных по МНК
14. Теорема Гаусса-Маркова.
15. Дисперсионный анализ в регрессии.
16. Оценка дисперсии ошибок S2
17. Показатели качества регрессии.
18. Доверительные интервалы и доверительные области.
19. Частная корреляция
20. Мультиколлинеарность.
21. Фиктивные переменные.
22. Обобщенный метод наименьших квадратов (ОМНК).
23. Спецификация модели, исключение существенных переменных, включение несущественных переменных.
24. Регрессионные модели с переменной структурой.
25. Гомоскедастичные и гетероскедастичные модели.
26. Метод взвешенных наименьших квадратов.
27. Основные тесты на гетероскедастичность.
28. Автокорреляция остатков. Авторегрессионный процесс первого порядка.
29. Тесты на отсутствие или наличие автокорреляции по времени.
30. Доступный ОМНК.
31. Нелинейные модели регрессии. Линеаризация нелинейных регрессионных моделей.
32. Временной ряд, его виды и компоненты. Основные задачи анализа временных рядов.
33. Модели стационарных временных рядов. Процесс линейного фильтра.
34. Процесс авторегрессии, процесс скользящего среднего.
35. Соотношения между процессами линейного фильтра, авторегрессии и скользящего среднего.
36. Процесс Маркова.
37. Процесс Юла. Уравнение Юла-Уокера.
38. Модели нестационарных временных рядов. Модели Бокса-Дженкинса.
39. Процессы авторегрессии – проинтегрированного скользящего среднего. Идентификация процесса. Оценивание параметров моделей.
40. Системы регрессионных уравнений. Косвенный метод наименьших квадратов.
41. Рекурсивные системы. Двухшаговый МНК.
42. Трехшаговый МНК.
43. Идентификация рекурсивных систем одновременных уравнений.
44. Безусловное прогнозирование
45. Условное прогнозирование
46. Прогнозирование при наличии авторегрессионных ошибок.