Автокорреляция в остатках

Автокорреляция в остатках

Содержание
1. Линейная регрессия и корреляция: смысл и оценка параметров.
2. Интервалы прогноза по линейному уравнению регрессии
3. Нелинейная регрессия. Виды моделей
4. Смысл коэффициента регрессии.
5. Применение МНК к моделям нелинейным относительно включаемых переменных и оцениваемых параметров.
6. Коэффициенты эластичности по разным видам регрессионных моделей.
7. Показатели корреляции
8. Множественная регрессия. Спецификация модели. Отбор факторов при построении модели.
9. Что означает взаимодействие факторов и как оно может быть представлено графически?
10. Интерпретация коэффициентов регрессии линейной модели потребления. Смысл суммы bi в производственных функциях и значение суммы bi>1. Коэффициенты, используемые для оценки сравнительной силы воздействия факторов на результат.
11. Назначение частной корреляции при построении модели множественной регрессии.
12. Частный f-критерий, его отличие от последовательного f-критерия, связь между собой t- критерия стьюдента для оценки значимости bi и частным f-критерием.
13. Предпосылки мнк
14. Сущность анализа остатков при наличии регрессионной модели. Как можно проверить наличие гомо- или гетероскедастичности остатков.
15. Оценка отсутствия автокорреляции остатков при построении статистической регрессионной модели.
16. Смысл обобщенного МНК.
17. Системы эконометрических уравнений. Проблема идентификации.
18. Кмнк.
19. Двухшаговый МНК. (ДМНК)
20. Основные элементы временного ряда. Автокорреляция уровней временного ряда
21. Моделирование тенденций временного ряда (аналитическое выравнивание временного ряда). Методы исключения тенденций. Метод отклонений от тренда.
22. Метод последовательных разностей.
23. Включение в модель регрессии фактора времени.
24. Автокорреляция в остатках. критерий Дарбина-Уотсона.
25. Общая характеристика моделей с распределенным лагом.
26. интерпретация параметров моделей с распределенным лагом.
27. Метод Алмона.
28. Метод койка.
29. Метод главных компонент.
30