Поиск
Закладки
Озвучить текст Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Эконометрические исследования: Учебное пособие

РАЗДЕЛ II. ЛИНЕЙНЫЕ МНОЖЕСТВЕННАЯ И ПАРНАЯ ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ

Глава 3. Мультиколлинеарность, ее влияние на оценки параметров регрессии, методы обнаружения и устранения
3.1. Проявление мультиколлинеарности и ее влияние на оценки параметров регрессии
Если Вы наш подписчик,то для того чтобы скопировать текст этой страницы в свой конспект,
используйте просмотр в виде pdf. Вам доступно 51 стр. из этой главы.
Для продолжения работы требуется Регистрация
На предыдущую страницу

Предыдущая страница

Следующая страница

На следующую страницу
РАЗДЕЛ II. ЛИНЕЙНЫЕ МНОЖЕСТВЕННАЯ И ПАРНАЯ ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ
На предыдущую главу Предыдущая глава
оглавление
Следующая глава На следующую главу

Оглавление

РАЗДЕЛ II. ЛИНЕЙНЫЕ МНОЖЕСТВЕННАЯ И ПАРНАЯ ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ-
Глава 3. Мультиколлинеарность, ее влияние на оценки параметров регрессии, методы обнаружения и устранения
3.1. Проявление мультиколлинеарности и ее влияние на оценки параметров регрессии
3.2. Методы смягчения или исключения мультиколлинеарности
3.3. Обнаружение мультиколлинеарности объясняющих факторов
3.3.1. Анализ матрицы корреляции парных коэффициентов объясняющих регрессоров
3.3.2. Анализ фактора инфляции вариации - Тест VIF
3.3.3. Тест Фаррара - Глоубера
3.4. Устранение мультиколлинеарности
3.4.1. Метод отбора наиболее существенных факторов
3.4.2. Метод последовательного присоединения
3.4.3. Метод дополнительных регрессий
3.4.4. Другие методы устранения мультиколлинеарности
3.5. Практическая часть с применением MS EXCEL
3.5.1. Определение мультиколлинеарности на базе матрицы коэффициентов парной корреляции
3.5.2. Определение мультиколлинеарности тестом Фаррара - Глоубера
3.5.3. Определение мультиколлинеарности объясняющих переменных по фактору инфляции дисперсии
3.5.4. Отбор объясняющих факторов модели методом исключения
3.5.5. Присоединения объясняющих факторов
3.5.6. Определение мультиколлинеарности методом дополнительных регрессий
3.6. Практическая часть с применением программы GRETL
3.7. Задание для самостоятельной работы
Глава 4. Методы подбора объясняющих факторов множественной линейной модели
4.1. Подбор существенных факторов
4.1.1. Метод "Исключение квазинеизменных переменных"
4.1.2. Метод анализа вектора и матрицы коэффициентов корреляции
4.1.3. Метод на основе показателей информационной емкости
4.2. Выбор лучшей спецификации регрессионной модели
4.2.1. Тест Чоу (Chow test)
4.2.2. Информационный критерий Акаике (AIC)
4.2.3. Байесовский информационный критерий Шварца (BIC)
4.2.4. Информационный критерий Хеннана - Куинна (HQ)
4.3. Практическая часть с применением MS EXCEL
4.3.1. Исключение потенциальных объясняющих квазинеизменных факторов
4.3.2. Выбор существенных фактор методом анализа вектора и матрицы коэффициентов корреляции
4.3.3. Выбор существенных объясняющих факторов методом показателей информационной емкости
4.3.4. Выбор спецификации лучшей регрессии
4.4. Задание для самостоятельной работы
Глава 5. Проверка случайных составляющих на гомоскедастичность
5.1. Гомоскедастичноть и гетероскедастичность случайных составляющих
5.2. Процедуры тестирования случайных возмущений на гетероскедастичность
5.2.1. Тест Голдфелда - Квандта
5.2.2. Тест ранговой корреляции Спирмена
5.2.3. Тест Глейзера
5.3. Практическая часть с применением MS EXCEL
5.3.1. Выполнение теста Голдфелда - Квандта
5.3.2. Тест ранговой корреляции Спирмена
5.3.3. Выполнение теста Глейзера
5.4. Практическая часть с применением программы GRETL
5.5. Задание для самостоятельной работы
Глава 6. Проверка случайных составляющих на гомоскедастичность
6.1. Тестирование случайных составляющих на гетероскедастичность
6.1.1. Тест Парка
6.1.2. Тест Уайта
6.1.3. Критерий Бреуша - Пагана
6.2. Практическая часть с применением MS EXCEL
6.2.1. Выполнение теста Парка
6.2.2. Выполнение теста Уайта
6.2.3. Выполнение критерия (теста) Бреуша - Пагана
6.3. Практическая часть с применением программы GRETL
6.4. Задание для самостоятельной работы
Глава 7. Устранение гетероскедастичности случайных составляющих регрессии
7.1. Влияние гетероскедастичности на оценку параметров модели
7.2. Устранение гетероскедастичности
7.2.1. Взвешенный метод наименьших квадратов
7.2.2. ВМНК c применением "вызывающего" гетероскедастичность регрессора
7.2.3. Применение условия о пропорциональности дисперсии значениям фактора хi , вызывающего гетероскедастичность
7.2.4. Устранение гетерскедастичности с применением исходных значений уравнения регрессии
7.2.5. Устранение гетероскедастичности итерационным методом с учетом весовой функции
7.3. Практическая часть с применением MS EXCEL
7.3.1. Устранение гетероскедастичности с "вызывающим" гетероскедастичность регрессором
7.3.2. Устранение гетероскедастичности с условием пропорциональности дисперсии значениям фактора хi
7.3.3. Устранение гетероскедастичности с учетом исходных значений уравнения множественной регрессии
7.3.4. Устранение гетероскедастичности с учетом весовой функции
7.4. Задание для самостоятельной работы
Глава 8. Проверка автокорреляции случайных остатков регрессии
8.1. Автокорреляция
8.2. Методы проверки автокорреляции случайных остатков
8.2.1. Тест Дарбина - Уотсона
8.2.2. Метод рядов Сведа - Эйзенхарта
8.2.3. Тест Бреуша - Годфри
8.2.4. Выявление автокорреляции h-критерием Дарбина
8.3. Практическая часть с применением MS EXCEL
8.3.1. Применение теста Дарбина - Уотсона
8.3.2. Метод рядов Сведа - Эйзенхарта
8.3.3. Определение автокорреляции тестом Бреуша - Годфри
8.3.4. h-критерий Дарбина
8.4. Задание для самостоятельной работы
Глава 9. Устранение автокорреляции
9.1. Причины появления автокорреляции
9.2. Методы устранения автокорреляции
9.2.1. Процедура Кохрана - Оркатта
9.2.2. Процедура Хилдрета - Лу
9.2.3. Определение значения коэффициента автокорреляции на основе статистики Дарбина - Уотсона
9.2.4. Определение значения коэффициента автокорреляции итерационной процедурой Дарбина
9.2.5. Метод первых разностей
9.3. Практическая часть с применением MS EXCEL
9.3.1. Устранение автокорреляции с применением процедуры Кохрана - Оркатта
9.3.2. Устранение автокорреляции с применением процедуры Хилдрета - Лу
9.3.3. Устранение автокорреляции на основе итерационной процедуры Дарбина
9.4. Задание для самостоятельной работы
Глава 10. Проверка остатков парной линейной регрессии на нормальность распределения
10.1. Определение распределения случайных остатков по нормальному закону
10.1.1. Тест согласия Хельвига
10.1.2. Тест Шапиро - Вилька
10.1.3. Тест Харке - Бера (Жака - Бера)
10.2. Практическая часть с применением MS EXCEL
10.2.1. Выполнение теста согласия Хельвига
10.2.2. Выполнение теста Шапиро - Вилька
10.2.3. Выполнение теста Харке - Бера (Жака - Бера)
10.3. Практическая часть с применение программы GRETL
10.4. Задание для самостоятельной работы
Глава 11. Оценка статистической значимости и адекватности параметров регрессии
11.1. Значимость и адекватность параметров регрессии
11.1.1. Определение значимости параметров регрессии (t-тест)
11.1.2. Значимость линейного коэффициента корреляции
11.1.3. Проверка параметров регрессии на адекватность
11.2. Практическая часть с применением MS EXCEL
11.2.1. Определение значимости параметров регрессии (t-тест)
11.2.2. Проверка параметров регрессии на адекватность
11.3. Практическая часть с применением программы GRETL
11.4. Задание для самостоятельной работы
Глава 12. Оценка статистической значимости и адекватности регрессии
12.1. Проверка регрессии на значимость и адекватность
12.1.1. F-тест
12.1.2. Качество регрессионной модели
12.1.3. Проверка множественной регрессионной линейной модели на адекватность
12.2. Практическая часть с применением MS EXCEL
12.2.1. Оценка статистической значимости и качества полученной регрессии
12.2.2. Проверка множественной регрессионной линейной модели на адекватность
12.3. Практическая часть с применением программы GRETL
12.4. Задание для самостоятельной работы
Данный блок поддерживает скрол*