Способ оценивания estimator общее правилодля получения

Скачать файл - Способ оценивания estimator общее правилодля получения

Эконометрика — часть экономической науки, занимающаяся разработкой и применением математических, и прежде всего экономико-статистических, методов анализа экономических процессов, обработки статистической экономической информации. Эконометрические методы — методы исследования экономики, изучающие экономические процессы с количественной стороны. Выборка — некоторое количество наблюдений, отобранных из генеральной совокупности. Наблюдение — наблюдаемое значение случайной величины или набора случайных величин. Оценка, способ оценивания estimator — общее правило, формула для получения приближенного численного значения какого- либо параметра по данным выборки. Значение оценки estimator — число, полученное в результате применения оценки к конкретной выборке. Смещение — разность между математическим ожиданием оценки и истинным значением оцениваемого параметра. Эффективная оценка — несмещенная оценка, имеющая наименьшую дисперсию среди всех несмещенных оценок. Эксперимент по методу Монте-Карло — искусственный, контролируемый эксперимент, проводимый для проверки и сравнения эффективности различных статистических методов. Состоятельная оценка — оценка, у которой смещение и дисперсия стремятся к 0 при увеличении объема выборки. Модель — совокупность переменных и связей между ними в форме уравнений, описывающая зависимость между наблюдаемыми переменными. Модель парной регрессии — простейшая линейная модель зависимости между двумя переменными: Зависимая переменная регрессии — переменная величина в модели парной регрессии, которую считают по экономическим соображениям зависящей от другой переменной в модели зависимая переменная - у. Объясняющая переменная регрессии регрессор — переменная величина в модели парной регрессии, от которой зависит по экономическим соображениям зависимая переменная в модели объясняющая переменная - х. Случайный член регрессии — слагаемое и в модели , которое описывает воздействие случайных факторов. Уравнение линейной регрессии — уравнение , где a и b- оценки параметров и , полученные в результате оценивания модели регрессии по данным выборки. Остаток в наблюдении — разность между истинным значением переменной у в i -ом наблюдении у i и значением i -ом наблюдении, полученным подстановкой наблюдения х i в уравнение линейной регрессии. Метод наименьших квадратов МНК OLS — Ordinary Least Squares — метод нахождения оценок параметров регрессии, основанный на минимизации суммы квадратов остатков всех наблюдений. Объясненная дисперсия зависимой переменной — выборочная дисперсия расчетных значений величины y: Необъясненная дисперсия зависимой переменной — выборочная дисперсия остатков в наблюдениях: Общая сумма квадратов отклонений TSS — Total Sum of Squares — сумма квадратов отклонений величины у от своего выборочного среднего. Объясненная сумма квадратов отклонений ESS — Explained Sum of Squares — сумма квадратов отклонений величины от своего выборочного среднего. Необъясненная остаточная сумма квадратов отклонений RSS — Unexplained Sum of Squares — сумма квадратов остатков всех наблюдений. Коэффициент детерминации R 2 — доля объясненной дисперсии зависимой переменной во всей выборочной дисперсии у: Стандартное отклонение случайной величины — корень квадратный из теоретической дисперсии случайной величины; среднее ожидаемое расстояние между наблюдениями этой случайной величины и ее математическим ожиданием. Стандартная ошибка случайной величины — оценка стандартного отклонения случайной величины, полученная по данным выборки.. Нулевая гипотеза Н о — утверждение о том, что неизвестный параметр модели принадлежит заданному множеству А. Альтернативная гипотеза — утверждение о том, что неизвестный параметр модели принадлежит другому заданному множеству В,. Область принятия гипотезы — множество значений оценок параметра, при попадании в которое нулевая гипотеза не отвергается. Ошибка I рода — ситуация, когда оценка параметра не попала в область принятия нулевой гипотезы, нулевая гипотеза была отвергнута, хотя та была истинной. Функция цены — функция, где аргументом является род ошибки, а значением функции — цена ошибки.. Т-тест тест Стьюдента — проверка гипотезы о значении коэффициента с помощью распределения Стьюдента. Число степеней свободы — натуральное число, характеристика таких законов распределения, как распределение Стьюдента, распределение Фишера и некоторых других. Критическое значение теста при р -процентном уровне значимости — граничное значение области принятия гипотезы, проверяемой тестом, p -процентной вероятностью совершить ошибку I рода. Доверительный интервал — интервал с центром в полученной оценке параметра, который содержит истинное значение параметра с доверительной вероятностью. Односторонний тест — тест на проверку гипотезы, в котором область принятия гипотезы имеет только одно критическое значение. Двусторонний тест — тест на проверку гипотезы, в котором область принятия гипотезы имеет два критических значения - меньшее и большее. Нелинейная по переменным модель — нелинейная модель , в которой возможна замена переменной , приводящая получившуюся модель — к линейной. Нелинейная по параметрам модель — модель, которую нельзя привести заменами переменных к линейной. Логарифмическое преобразование — переход от нелинейной и по переменным, и по параметрам модели к логарифмической модели. Тест Бокса-Кокса решетчатый поиск — прямой компьютерный метод выбора наилучших значений параметров нелинейной модели в заданных исследователем пределах с заданным шагом решеткой. Итерационные методы — компьютерные сходящиеся методы поиска наилучших значений параметров нелинейной модели. Модель множественной регрессии — линейная модель зависимости между переменными: Модель множественной регрессии без свободного коэффициента — линейная модель зависимости между переменными: Нестрогая линейная зависимость между переменными — ситуация, когда теоретическая корреляция двух переменных близка к 1 или —1. Строгая линейная зависимость между переменными — ситуация, когда выборочная корреляция двух переменных равна 1 или —1. Мультиколлинеарность — явление, когда нестрогая линейная зависимость между объясняющими переменными в модели множественной регрессии приводит к получению ненадежных оценок регрессии. Полная коллинеарность — явление, когда строгая линейная зависимость между переменными приводит к невозможности применения МНК. Отсутствующая переменная — необходимая по экономическим причинам объясняющая переменная, отсутствующая в модели. Спецификация переменных — выбор необходимых для регрессии переменных и отбрасывание лишних переменных. Замещающая переменная — объясняющая переменная, используемая в регрессии вместо трудноизмеримой, но важной переменной. Лаговая переменная — наблюдение зависимой переменной регрессии в предшествующий момент, используемое как объясняющая переменная. Фиктивная переменная — переменная, принимающая в каждом наблюдении только два значения: Категория — событие, про которое для каждого наблюдения можно определенно сказать - произошло оно в этом наблюдении или нет. Набор категорий — конечный набор взаимоисключающих событий, полностью исчерпывающий все возможности. Совокупность фиктивных переменных — некоторое количество фиктивных переменных, предназначенное для описания набора категорий. Сезонные фиктивные переменные — совокупность фиктивных переменных, предназначенная для обозначения различных лет, времен года, месяцев и т. Ловушка dummy trap — выбор такой совокупности фиктивных переменных, у которой сумма этих переменных тождественно равна константе. Фиктивная переменная взаимодействия — фиктивная переменная, предназначенная для установления влияния на регрессию одновременного наступления сразу нескольких независимых друг от друга событий, каждое из которых описывается своей фиктивной переменной. Гетероскедастичность — нарушение второго условия теоремы Гаусса-Маркова, которое заключается в том, что дисперсия случайного члена регрессии зависит от номера наблюдения: Ранг наблюдения переменной — номер наблюдения переменной в упорядоченной по возрастанию последовательности. Тест ранговой корреляции Спирмена — тест на гетероскедастичность, устанавливающий, что стандартное отклонение остаточного члена регрессии имеет нестрогую линейную зависимость с объясняющей переменной. Тест Голдфелда-Квандта — тест на гетероскедастичность, устанавливающий, что стандартное отклонение остаточного члена регрессии растет, когда растет объясняющая переменная. Тест Глейзера — наиболее тонкий тест на гетероскедастичность, улавливающий нелинейную связь между стандартным отклонением остаточного члена регрессии и объясняющей переменной. Автокорреляция случайного члена в уравнении регрессии — нарушение третьего условия Гаусса-Маркова, которое заключается в том, что случайные члены регрессии в разных наблюдениях являются зависимыми: Положительная автокорреляция случайного члена — ситуация, когда случайный член регрессии в следующем наблюдении ожидается того же знака, что и случайный член в настоящем наблюдении. Отрицательная автокорреляция случайного члена — ситуация, когда случайный член регрессии в следующем наблюдении ожидается знака, противоположного знаку случайного члена в настоящем наблюдении. Автокорреляция первого порядка — ситуация, когда коррелируют случайные члены регрессии в последовательных наблюдениях. Критерий Дарбина-Уотсона — метод обнаружения автокорреляции первого порядка с помощью статистики Дарбина-Уотсона. Зона неопределенности критерия Дарбина-Уотсона — промежуток значений статистики Дарбина-Уотсона, при попадании в который критерий не дает определенного ответа о наличии или отсутствии автокорреляции первого порядка. Поправка Прайса-Уинстена — метод спасения первого наблюдения в автокорреляционной схеме первого порядка. Метод Кокрана-Оркатта — компьютерный итерационный метод устранения автокорреляции первого порядка. Временной ряд time series — наблюдения экономического показателя одного объекта в равноотстоящие моменты времени. Член временного ряда — наблюдение экономического показателя одного объекта в некоторый момент времени. Перекрестные данные cross-section data — выборка из экономических показателей, полученная для большого количества однотипных объектов семей, фирм, регионов, стран ; все наблюдения или одновременные, или считаются независимыми от времени. Разладочные случайные факторы — случайные факторы, приводящие к резкому изменению слому всей модели. Эволюционные остаточные случайные факторы — случайные факторы, влияние которых не приводит к резкому изменению ни характера, ни параметров модели. Стационарный стационарный в широком смысле временной ряд — Временной ряд х t с постоянным математическим ожиданием М х t и дисперсией D х t , не зависящими от t. Нестационарный временной ряд — Временной ряд отличающийся от стационарного на неслучайную составляющую тренд. Автоковариационная функция — функция для стационарного ряда зависит только от t. Автокорреляционная функция — функция для стационарного ряда зависит только от t. Спектральная плотность временного ряда — сумма ряда , где r t — автокорреляционная функция. Критерий серий — критерий, основанный на исследовании количества серий и их длин в последовательности. Метод скользящего среднего — метод сглаживания временного ряда для уменьшения влияния случайных факторов. Метод последовательных разностей — метод поиска степени многочлена, описывающего тренд. Белый шум — временной ряд , серия импульсов, генерирующая случайные остатки анализируемого временного ряда. Модель авторегрессии 1-го порядка АР 1 , марковский процесс АR 1 models — временной ряд, описываемый формулой ,-где — белый шум. Модель авторегрессии 2-го порядка АР 2 , модель Юла АR 2 — models — временной ряд, описываемый формулой , где — белый шум. Модель скользящего среднего 1-го порядка СС 1 MA 1 models — временной ряд, описываемый формулой , где —белый шум. Условия стационарности — условия на параметры модели, при которых временной ряд получается стационарным. Идентификация модели временного ряда — оценка параметров модели временного ряда - чисел. Модель скользящего среднего 2-го порядка СС 2 МА 2 - models — временной ряд, описываемый формулой , где — белый шум. Условия обратимости — условия на параметры модели, при которых зависимость значения временного ряда от прошлых значений уменьшается с отдалением прошлого. Модель Бокса-Дженкинса АРПСС p,q,k АRIMA- models — временной ряд, у которого тренд — алгебраический полином степени k-1 , а остаток - АРСС р, q. Регрессионная модель с распределенными лагами — модель зависимости , где — белый шум. Алмон — Регрессионная модель с распределенными лагами, в которой параметры получаются по формуле , где A 0 , A 1 , A 2 ,…A m —неизвестные параметры. Лаговая структура Койка — Регрессионная модель с распределенными лагами, в которой параметры убывают в геометрической прогрессии: Модель частичного приспособления частичной корректировки — модель, в которой предполагается, что уравнение определяет не фактическое y t , а желаемое значение: Модель Линтнера — модель частичного приспособления, описывающая выплату дивидендов. Модель адаптивных ожиданий — модель, в которой корректируется ожидаемое значение объясняющей переменной но экспертно формируемое в момент t. Модель Кейгана — модель, описывающая гиперинфляцию с помощью модели адаптивных ожиданий. Относительная ошибка прогноза RFE — величина , где — прогноз; — предсказываемый прирост; — действительный прирост. Тест Чоу — проверка гипотезы о неудачности предсказания с помощью статистики Фишера. Защита персональных данных ЗАКАЗАТЬ РАБОТУ. При сдаче лабораторной работы, студент делает вид, что все знает; преподаватель делает вид, что верит ему. Глоссарий ГЛОССАРИЙ Глоссарий ГЛОССАРИЙ Глоссарий Глоссарий Глоссарий Глоссарий Глоссарий Глоссарий Глоссарий Глоссарий. Но предоставляет возможность бесплатного использования. Есть нарушение авторского права? Несмещенная оценка — оценка, имеющая нулевое смещение.