34. Глоссарий

Автокорреляция — это взаимосвязь последовательных элементов временного или пространственного ряда данных.

Автокорреляция в остатках - Корреляционная зависимость между значениями остатков за текущий и предыдущие моменты времени.

Автокорреляция уровней временного ряда - Это корреляционная зависимость между последовательными уровнями временного ряда.

Автокорреляционная функция - последовательность коэффициентов автокорреляции уровней первого, второго и т. д. порядков.

Аддитивная модель временного ряда - это модель, в которой временной ряд представлен как сумма следующих компонент: тренда, циклических колебаний и случайной составляющей.

Временной ряд - это последовательность наблюдений, упорядоченных во времени (или пространстве).

Гетероскедастичность – несоблюдение условия гомоскедастичности.

Гомоскедастичность - это значит, что для каждого значения фактора хi остатки εi имеют одинаковую дисперсию.

Динамические модели – Это модели, которые описывают экономические или управленческие процессы или системы в движении, то есть, в зависимости от временных периодов, что были или будут.

Дисперсионный анализ - статистический метод изучения влияния отдельных переменных на изменчивость изучаемого признака.

Дисперсия — показатель изменчивости, разброса некоторого множества измерений вокруг арифметического среднего; среднее значение возведенных в квадрат отклонений от арифметического среднего, квадрат стандартного отклонения.

Доверительные интервалы - это допустимое отклонение наблюдаемых значений от истинных.

Идентификация модели - выявление ее структуры и оценивание ее параметров.

Интервальное оценивание – способ получения оценки для неизвестного значения параметра с помощью интервала его допустимых значений и определения вероятности того, что в этом интервале находится истинное значение параметра.

Интерпретация - истолкование, объяснение.

Ковариация - это мера взаимодействия двух случайных переменных.

Коллинеарность факторов – факторы находятся в линейной зависимости друг от друга.

Коррелограмма - график автокорреляции.

Корреляционная матрица - набор значений коэффициента корреляции между переменными, представленный в виде матрицы.

Корреляция - комплекс методов статистического исследования взаимозависимости между переменными, связанными корреляционными отношениями.

Коэффициент автокорреляции - является мерой линейной зависимости между наблюдениями, разделенными определенными временными интервалами, т. е. мерой линейной связи между смежными наблюдениями.

Коэффициент детерминации - это квадрат Множественного коэффициента корреляции. Он показывает, какая доля Дисперсии результативного признака объясняется влиянием независимых переменных.

Коэффициент корреляции множественный - является показателем тесноты линейной связи между результативным признаком и совокупностью факторных признаков. Множественный коэффициент корреляции изменяется в пределах от 0 до 1.

Коэффициент корреляции парный - статистическая характеристика, подобная ковариации, также измеряет степень согласованности изменений двух случайных величин; облегчает сравнение различных пар случайных величин; меняется в диапазоне от -1 до +1.

Коэффициент корреляции частный - коэффициент корреляции между двумя признаками при исключении влияния третьего признака. Значения частных коэффициентов корреляции заключаются в тех же пределах от —1 до +1, что и значения парных коэффициентов корреляции, и так же интерпретируются.

Коэффициент эластичности - показатель, отражающий процентное изменение одной переменной в ответ на однопроцентное изменение другой.

Коэффициенты регрессии - показывают, на сколько единиц изменится зависимая переменная при увеличении независимой на одну единицу (при контроле всех остальных переменных модели).

Критерий Дарбина-Уотсона – применяется для определения наличия или отсутствия автокорреляции. Возможные значения критерия DW Находятся в интервале от 0 до 4. Если автокорреляция остатков отсутствует, то DW≥ 2.

Критерий Стьюдента - общее название для класса методов Статистической проверки Гипотез (Статистических критериев), основанных на сравнении с Распределением Стьюдента. Наиболее частые случаи применения t-критерия связаны с проверкой равенства средних значений в двух Выборках.

Критерий Фишера - статистический критерий, используемый для сравнения дисперсий двух вариационных рядов, то есть для определения значимых различий между групповыми средними в установке дисперсионного анализа.

Лаг – число периодов, по которым рассчитывается коэффициент автокорреляции.

Лаговые переменные - переменные, влияние которых характеризуется определенным запаздыванием.

Линеаризация - один из методов приближённого представления замкнутых Нелинейных систем, при котором исследование нелинейной системы заменяется анализом Линейной системы, в некотором смысле эквивалентной исходной. Методы линеаризации имеют ограниченный характер, т. е. эквивалентность исходной нелинейной системы и её линейного приближения сохраняется лишь для ограниченных пространственных или временных масштабов системы, либо для определенных процессов, причем, если система переходит с одного режима работы на другой, то следует изменить и её линеаризированную модель. Применяя линеаризацию, можно выяснить многие качественные и особенно количественные свойства нелинейной системы.

Линейная модель множественной регрессии - позволяет аппроксимировать зависимость между несколькими входными и одной выходной переменной. Соответствующее уравнение будет иметь вид: Y=b0+d1x1+b2x2+...+bnxn.

Ложная корреляция – возникает, если компоненты прямого и косвенного причинного влияния равны нулю.

Математическая статистика - наука о Математических методах систематизации и использования Статистических данных для научных и практических выводов.

Метод максимального правдоподобия - это метод оценивания неизвестного параметра путём максимизации функции правдоподобия.

Метод Гольдфельда-Квандта – применяется для проверки наличия гетероскедастичности в случае, если количество наблюдений невелико и сделано предположение о том, что дисперсия остатков возрастает пропорционально квадрату одной из независимых переменных.

Метод инструментальных переменных – применяется для расчета параметров уравнения авторегрессии. Сущность этого метода состоит в том, чтобы заменить переменную yt-1 из правой части модели, для которой нарушаются предпосылки МНК, на новую переменную ŷt-1, включение которой в модель регрессии не приводит к нарушению его предпосылок.

Метод исключения тенденции – его сущность заключается в том, чтобы устранить или зафиксировать воздействие фактора времени на формирование уровней ряда.

Метод наименьших квадратов - метод оценки параметров модели на основании экспериментальных данных, содержащих случайные ошибки. В основе метода лежат следующие рассуждения: при замене точного (неизвестного) параметра модели приблизительным значением необходимо минимизировать разницу между экспериментальными данными и теоретическими (вычисленными при помощи предложенной модели). Это позволяет рассчитать параметры модели с помощью МНК с минимальной погрешностью.

Метод наименьших квадратов взвешенный – его сущность состоит в том, что каждый квадрат остатка (I=1, 2, …, N) «взвешивается» с помощью коэффициента , где s(eI) — среднее квадратическое отклонение I-го возмущения. Тем самым добиваются равномерного вклада остатков в остаточную сумму квадратов, что приводит, в конечном счете к получению несмещенных и наиболее эффективных оценок параметров модели.

Метод наименьших квадратов двухшаговый – основная идея которого заключается в том, чтобы на основе приведенной модели получить для сверхидентифицируемого уравнения теоретические значения эндогенных переменных, содержащихся в правой части уравнения.

Метод наименьших квадратов обобщенный – применяется при наличии гомоскедастичности и наличии автокорреляции ошибок к преобразованным данным и позволяет получать оценки, которые обладают не только свойством несмещенности, но и имеют меньшие выборочные данные.

Метод наименьших квадратов трехшаговый - применяется для оценки параметров системы одновременных уравнений в целом.

Модель авторегрессии - статистическое описание связи значений одного и того же Показателя в разные моменты времени: Yt = f(yt-τ).

Модель временного ряда - модель эксперимента, в которой используется несколько измерений, в течение которых имеет место экспериментальное воздействие.

Модель с фиктивными переменными – регрессионные модели, в которых исследуется влияние на результирующий показатель не только независимых переменных, но еще и фиктивных переменных.

Модель регрессии со скользящим средним – применяется тогда, когда определяются средние за два периода уровни каждого ряда, а затем по полученным усредненным уровням обычным методом наименьших квадратов рассчитываются параметры a и b.

Модель с распределенным лагом - эконометрическая модель, содержащая не только текущие, но и лаговые значения факторных переменных

Модель ARIMA - метод прогнозирования, описывающий три основных процесса динамического ряда: 1) AR (параметр p) - авторегрессия. У ряда может быть несколько трендов на протяжении анализа, как правило нужно настроить модель на использование последнего тренда. Для краткосрочного прогноза прошлые тренды невалидны.; 2) Параметр d - порядок интегрируемости. Количество разностей для приведения процесса к стационарности. Обычно он равен 1, но иногда бывает 0 или 2.; 3) MA (параметр q) - скользящее среднее. Идея применения процесса - в сглаживании предыдущих периодов, и определения изменения движений.

Модель ARCH – простейший пример авторегрессионного процесса с условной гетескедастичностью.

Модель GARCH – обобщенная авторегрессионная модель с условной гетероскедастичностью описывает процесс, в котором условная дисперсия ошибки в зависимости от всей доступной в момент времени t информации.

Мультиколлинеарность - положение, при котором одна или более независимых Переменных, входящих в уравнение Регрессии, являются точными Линейными функциями от одной или более других независимых переменных того же уравнения.

Мультипликативная модель временного ряда - это модель, в которой временной ряд представлен как произведение следующих компонент: тренда, циклических колебаний и случайной составляющей.

Несмещенность оценки параметров регрессии - называют статистическую оценку, математическое ожидание которой равно оцениваемому параметру при любом объеме выборки. Несмещенность означает, что выборочные оценки параметров концентрируются вокруг неизвестных истинных параметров.

Ошибка аппроксимации - используется для оценки качества построенной модели. Если Ā ≤ 7%, модель считается хорошей.

Ошибка выборки - отклонение средних характеристик выборочной совокупности от средних характеристик генеральной совокупности.

Ошибка измерений - Оценка отклонения Величины Измеренного значения величины от её истинного значения. Погрешность измерения является Характеристикой (мерой) Точности измерения.

Ошибка спецификации - неправильный выбор формы регрессионного уравнения, описывающего эту взаимосвязь.

Поле корреляции - это графическое изображение точек с координатами, соответствующими значениям двух переменных для всех случаев. Обычно значения зависимой переменной откладывают по вертикальной оси, в значения независимой - по горизонтальной. Поле корреляции используется при определении формы зависимости между переменными.

Приведенная форма модели - представляет собой систему линейных функций эндогенных переменных от экзогенных: Где δi – коэффициенты приведенной формы модели. Коэффициенты приведенной формы модели представляют собой нелинейные функции Структурной формы модели.

Прогноз интервальный - это предсказание будущего, в котором предполагается некоторый интервал, диапазон значений прогнозируемого показателя.

Прогноз точечный - прогноз, результат которого представлен в виде единственного значения характеристики Объекта прогнозирования без указания доверительного интервала.

Регрессионный анализ - Статистический метод исследования зависимости между Зависимой переменной Y и одной или несколькими Независимыми переменными

X1,X2,...,Xp. Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные — критериальными. Терминология Зависимых и Независимых переменных отражает лишь математическую зависимость переменных (см. Ложная корреляция), а не причинно-следственные отношения.

 

Система уравнений одновременных - в системе одни и те же переменные у одновре­менно рассматриваются как зависимые в одних уравнениях и как независимые в других.

Система уравнений независимых – такая система, когда каждая зави­симая переменная у рассматривается как функция одного и того же набора факторов х.

Система уравнений рекурсивных - если зависимая переменная У Одного уравнения вы­ступает в виде фактора Х В другом уравнении. В данной системе зависимая переменная У Включает в каждое последующее уравнение в качестве факторов все зависимые пе­ременные предшествующих уравнений наряду с набором собст­венно факторов Х.

Случайная величина - это величина, которая в результате испытания примет одно и только одно возможное значение, заранее не известное и зависящее от случайных причин, которые заранее не могут быть учтены.

Состоятельность оценок параметров регрессии – допускается тогда, когда дисперсия оценки параметра стремится к нулю с возрастанием n.

Стандартизованный коэффициент регрессии - показывает, на какую часть своего среднеквадратического отклонения изменится при изменении J-го фактора на одно свое среднеквадратическое отклонение при фиксированном значении остальных факторов.

Стандартная (среднеквадратическая) ошибка коэффициента регрессии - является показателем рассеяния наблюдений относительно регрессии.

Статистическая гипотеза - это определённое предположение о распределении вероятностей, лежащем в основе наблюдаемой Выборки данных.

Структурная форма модели - позволяет увидеть влияние изменений любой экзогенной переменной на значения эндогенной переменной. Целесообразно в качестве экзогенных переменных выбирать такие переменные, которые могут быть объектом регулирования.

Структурные коэффициенты модели – находящиеся в правой части при эндогенных переменных коэффициенты и экзогенных переменных – коэффициенты .

Теоретическая линия регрессии - называется та линия, которая указывает основное направление (тенденцию) связи между рассматриваемыми признаками в «чистом виде», т. е. изменение средних величин результативного признака у в зависимости от изменения величины факторного признака х при условии полного взаимопогащения всех прочих причин.

Условие идентификации системы - если все структурные ее коэффициенты определяются однозначно, единственным образом по коэффициентам приведенной формы модели, т. е. если число параметров структурной модели равно числу параметров приведенной формы модели. В этом случае структурные коэффициенты модели оцениваются через параметры приведенной формы модели и модель идентифицируема.

Фиктивные переменные - это переменные, кодируемые значениями "0" или "1". Фиктивные переменные используются для определения дихотомических данных, а также для определения характеристик, которые не могут быть оценены количественно.

Число степеней свободы – характеристика суммы квадратов отклонений, показывает, сколько отклонений в сумме квадратов может изменяться "свободно"; обычно обозначается Df. Число степеней свободы зависит от того, по отношению к скольким фиксированным величинам рассчитывается сумма квадратов.

Экзогенная переменная - это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них. Обозначаются через .

Эконометрика - наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и Статистических методов и Моделей.

Эконометрические модели - это статистическая модель, которая является средством прогнозирования значений определенных переменных, называемых эндогенными переменными. Для того чтобы сделать такие прогнозы, в качестве исходных данных используются значения других переменных, называемых экзогенными переменными.

Элементы временного ряда – случайная составляющая, тенденция, циклические колебания. Тенденция характеризует совокупное долговременное воздействие множества факторов на динамику изучаемого показателя. Циклические колебания могут носить сезонный характер, поскольку экономическая деятельность ряда отраслей экономики зависит от времени года. Некоторые временные ряды не содержат тенденции и циклической компоненты, а каждый следующий их уровень образуется как сумма среднего уровня ряда и некоторой (положительной или отрицательной) случайной компоненты.

Эндогенные переменные - это зависимые переменные, число которых равно числу уравнений в системе и которые обозначаются через .

Эргодичность - специальное свойство некоторых изменяющихся (Динамических) систем, состоящее в том, что в процессе эволюции эргодичной системы почти каждая точка её с определённой правильностью проходит вблизи любой другой точки системы. Тогда при расчетах труднорассчитываемое время можно заменить фазовыми (пространственными) показателями. Система, в которой фазовые средние совпадают с временными, называется эргодической.

Эффективность оценок параметров регрессии – выявляется при условии, что оценки имеют минимальную дисперсию по сравнению с любыми другими оценками этого параметра.

 

< Предыдущая		Следующая >