Эконометрика: Учебно-методическое пособие (Изложение базовых знаний и основных практических навыков построения и использования эконометрических моделей), страница 41

c)  требуется десезонализация тренда

40.  Выделение и анализ тренда наиболее важны при:

a)  долгосрочном прогнозировании

b)  краткосрочном прогнозировании

c)  предсказании

d)  оценке параметров регрессии

41.  С точки зрения эконометрики:

a)  предсказание точнее прогноза

b)  прогноз точнее предсказания

c)  относительно сравнительной точности прогноза и предсказания нельзя сделать определенный вывод

42.  Стандартное среднеквадратическое отклонение прогноза изменяется в пределах:

a)  -∞; +∞

b)  -1; +1

c)  0; +1

d)  0; +∞

43.  Если точно известны будущие значения объясняющих переменных, то расчет будущего значения зависимой переменной называется:

a)  прогноз

b)  предсказание

c)  анализ

d)  синтез

44.  При расчете ошибок предсказания по методу Салкевера количество дополнительно вводимых фиктивных переменных равно:

a)  числу объясняющих переменных

b)  числу неизвестных параметров модели

c)  числу единиц наблюдения

d)  числу периодов предсказания

Список литературы

1.  Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. Учебник для вузов. – М.ЮНИТИ, 1998. –с. 778 – 903; 690 – 698

2.  Бородич С.А. Эконометрика: Учебное пособие. – Мн.: Новое знание, 2001. – с. 310 – 341

3.  Доугерти К. Введение в эконометрику: Пер. с англ. – М.: ИНФРА-М, 1999. – XIV, с. 217 – 234; 288 – 315

4.  Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов / Под ред. Проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2002. – с. 133 – 149; 167 – 185; 191 – 222.

5.  Кулинич Е.И. Эконометрия. – М.: Финансы и статистика, 2001. – с. 116 – 141

6.  Орлов А.И. Эконометрика: Учебное пособие для вузов / А.И. Орлов – М.: Экзамен, 2002. – с. 166 – 187

7.  Практикум по эконометрике: Учебное пособие / И.И. Елисеева, С.В. Курышева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2002. – с. 137 – 187

8.  Эконометрика: Учебник / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2002. – с. 225 -335

Тема 7. Гетероскедастичность в регрессионных моделях

7.1  Сущность и последствия гетероскедастичности

7.2  Методы обнаружения гетероскедастичности

7.3  Использование обобщенного метода наименьших квадратов для элиминирования влияния гетероскедастичности на значения параметров регрессионной модели. Взвешенный метод наименьших квадратов

Основные положения

Гетероскедастичность– это различие в дисперсиях случайных отклонений при различных значениях зависимой переменной. Наличие гетероскедастичности фактически означает невыполнение одной из предпосылок применения МНК (условие постоянства дисперсий). Гетероскедастичность характерна в первую очередь для перекрестных данных (относящихся к одному моменту времени, но к разным единицам наблюдения).

По причине возникновения различают истинную и ложную гетероскедастичность. Истинная гетероскедастичность вызывается непостоянством дисперсии случайного члена и ее зависимостью от различных факторов.

Истинная гетероскедастичность возникает:

·  в пространственных выборках как следствие влияния на вариацию зависимой переменной фактора пропорциональности (одной из независимых переменных).

·  во временных рядах, когда значения зависимой переменной качественно неоднородны (к примеру, действуют различные институциональные факторы) или для нее характерен высокий темп изменения

·  в том случае, если качество данных внутри выборки неоднородно.

Ложная гетероскедастичность возникает как следствие неправильной спецификации модели регрессии.

Наличие гетероскедастичности влечет за собой следующие последствия:

1.  оценки коэффициентов, полученные по МНК, становятся неэффективными;

2.  дисперсии коэффициентов будут заниженными относительно действительных значений, что может привести к признанию статистической значимости на самом деле незначимых коэффициентов регрессии. Кроме этого, построенные доверительные интервалы для зависимой переменной будут уже.