Пояснительная записка Цели и задачи дисциплины (модуля) Цель дисциплин ы «Эконометрика»

Скачать 0.87 Mb.

Название	Пояснительная записка Цели и задачи дисциплины (модуля) Цель дисциплин ы «Эконометрика»
страница	2/8
Дата публикации	02.07.2015
Размер	0.87 Mb.
Тип	Пояснительная записка

100-bal.ru > Экономика > Пояснительная записка

1 2 3 4 5 6 7 8

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

Государственное образовательное учреждение

высшего профессионального образования

ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Институт права, экономики и управления

Кафедра математических методов, статистики и

информационных технологий в экономике

Бардасов Сергей Александрович

ЭКОНОМЕТРИКА

Учебно-методический комплекс. Рабочая программа

для студентов направления 080100.62 «Экономика»,

очной и заочной формы обучения всех профилей подготовки

Тюменский государственный университет

2011
Бардасов С.А. Эконометрика. Учебно-методический комплекс. Рабочая программа для студентов очной формы обучения (бакалавр по направлению подготовки 080100 Экономика). Тюмень, 2011, стр. 67

Рабочая программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению и профилю подготовки.

Рабочая программа дисциплины (модуля) опубликована на сайте ТюмГУ: Эконометрика [электронный ресурс] / Режим доступа: http://www.umk3.utmn.ru, свободный.

Рекомендовано к изданию кафедрой математических методов, статистики и информационных технологий в экономике.

ОТВЕТСТВЕННЫЙ РЕДАКТОР: Зыков В.В., д.с.н., профессор, зав. кафедрой математических методов, статистики и информационных технологий в экономике

Пояснительная записка

1.1. Цели и задачи дисциплины (модуля)

Цель дисциплины «Эконометрика» – усвоение эконометрических методов и выработка навыков их применения в анализе социально-экономических явлений и процессов.

Задачи изучения дисциплины:

- изучить теоретические основы эконометрики как науки, появившейся

на стыке экономики, математики и статистики;

- изучить типичные эконометрические модели и получить навыки работы с ними;

- овладение методологией и методикой построения, анализа и применения эконометрических моделей, для анализа состояния и оценки перспектив развития социально-экономических процессов;
1.2. Место дисциплины в структуре ООП бакалавриата

Эконометрика относится к профессиональному циклу ООП бакалавриата базовой (общепрофессиональной) части; данная дисциплина опирается на предшествующие ей дисциплины: математический анализ, линейную алгебру, теорию вероятностей и математическую статистику, макроэкономику, микроэкономику.

Данная дисциплина является предшествующей для следующих дисциплин:

маркетинг, финансы, макроэкономическое планирование и прогнозирование, менеджмент.

Теоретические знания и практические навыки, полученные студентами при изучении дисциплины, должны быть использованы в процессе изучения последующих дисциплин по учебному плану, при подготовке курсовых работ и дипломной работы, выполнении научных студенческих работ.

1.3. Компетенции выпускника ООП бакалавриата, формируемые в результате освоения данной ООП ВПО.

В результате освоения ООП бакалавриата выпускник должен обладать следующими компетенциями:

Выпускник должен обладать следующими общекультурными компетенциями (ОК):

- способен понимать сущность и значение информации в развитии современного информационного общества, сознавать опасности и угрозы, возникающие в этом процессе, соблюдать основные требования информационной безопасности, в том числе защиты государственной тайны (ОК-12);

- владеет основными методами, способами и средствами получения, хранения, переработки информации, имеет навыки работы с компьютером как средством управления информацией, способен работать с информацией в глобальных компьютерных сетях (ОК-13).

В результате освоения дисциплины обучающийся должен:

- Знать: методы построения эконометрических моделей объектов, процессов и явлений

- Уметь: строить на основе описания ситуаций стандартные теоретические и эконометрические модели; анализировать и содержательно интерпретировать полученные результаты; ситуаций; прогнозировать на основе стандартных теоретических и эконометрических моделей поведение экономических агентов, развитие экономических процессов и явлений на макро- и микроуровне; представлять результаты аналитической и исследовательской работы в виде выступления, доклада, информационного обзора, аналитического отчета, статьи

- Владеть: современной методикой построения эконометрических моделей; методами и приемами анализа экономических явлений и процессов с помощью стандартных теоретических и эконометрических моделей

Структура и трудоемкость дисциплины.

Семестр 4. Форма промежуточной аттестации: экзамен, контрольная работа. Общая трудоемкость дисциплины составляет 4 зачетных единицы, 144 часа.
3. Тематический план
Таблица 1.1.

Тематический план (очная форма обучения)

	Тема	недели семестра	Виды учебной работы и самостоятельная работа, в час.			Итого часов по теме	В том числе в интерактивной форме	Итого количество баллов
	Тема	недели семестра	Лекции	Практические занятия	Самостоятельная работа	Итого часов по теме	В том числе в интерактивной форме	Итого количество баллов
1	2	3	4	5	6	7	8	9
	Модуль 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.
1.1	Предмет и задачи курса. Основные статистические понятия. Условия и теорема Гаусса-Маркова.	1	2	2	4	8	1	0-6
1.2	Метод наименьших квадратов. Парная линейная регрессия. Анализ, построенной модели.	2, 3	4	4	8	16	3	0-10
1.3	Множественная линейная регрессия. Анализ построенной модели.	4, 5	4	4	8	16	3	0-10
1.4	Автокорреляция случайных возмущений	6	2	2	4	8	1	0-6
1.5	Гетероскедастичность	7	2	2	4	8	1	0-6
1.6	Мультиколлинеарность	8	2	2	4	8	2	0-6
1.7	Фиктивные переменные	9	2	2	4	8	1	0-6
	Всего		18	18	36	72	12	0-50
	Модуль 2. Нелинейные модели, временные ряды и системы одновременных уравнений
2.1	Нелинейные модели	10, 11	4	4	8	16	3	0-10
2.2	Временные ряды. Модели тренда, трендсезонные модели. Динамические модели.	12, 13	4	4	8	16	2	0-10
2.3	Стационарные ряды. Случайные процессы AR, MA, ARMA, ARIMA.	14, 15	4	4	8	16	2	0-10
2.4	Системы одновременных уравнений.	16, 17, 18	6	6	12	24	5	0-20
	Всего		18	18	36	72	12	0-50
	Итого (часов, баллов):		36	36	72	144	24	0 – 100
	Итого в интерактивной форме		6	18			24

Таблица 1.2.

Тематический план (заочная форма обучения)

	Тема	недели семестра	Виды учебной работы и самостоятельная работа, в час.			Итого часов по теме	В том числе в интерактивной форме
	Тема	недели семестра	Лекции	Практические занятия	Самостоятельная работа	Итого часов по теме	В том числе в интерактивной форме
1	2	3	4	5	6	7	8
	Раздел 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.
1.1	Предмет и задачи курса. Основные статистические понятия. Условия и теорема Гаусса-Маркова.	1	0	0	7	7	0
1.2	Метод наименьших квадратов. Парная линейная регрессия. Анализ, построенной модели.	1	4	4	10	18	2
1.3	Множественная линейная регрессия. Анализ построенной модели.	2	0	0	15	15	0
1.4	Автокорреляция случайных возмущений	3	0	0	8	8	0
1.5	Гетероскедастичность	4	0	0	8	8	0
1.6	Мультиколлинеарность	5	0	0	8	8	0
1.7	Фиктивные переменные	5	0	0	8	8	0
	Всего		4	4	64	72	2
	Раздел 2. Нелинейные модели, временные ряды и системы одновременных уравнений
2.1	Нелинейные модели	6	4	2	10	16	2
2.2	Временные ряды. Модели тренда, трендсезонные модели. Динамические модели.	7	0	0	14	14	0
2.3	Стационарные ряды. Случайные процессы AR, MA, ARMA, ARIMA.	8	0	0	16	16	0
2.4	Системы одновременных уравнений.	9, 10	0	0	26	26	0
	Всего		4	2	66	72	2
	Итого (часов)		8	6	130	144	4
	Итого в интерактивной форме		2	2			4

Таблица 2.

Виды и формы оценочных средств в период текущего контроля

№ темы	Устный опрос		Письменные работы			Технические формы контроля	Информационные системы и технологии	Итого количество баллов
№ темы	собеседование	ответ на семинаре	контрольная работа	тест	реферат
Модуль 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.
1.1	0-1	0-1	0-2	0-1	0-1			0-6
1.2.	0-2	0-1	0-3	0-1	0-2		0-1	0-10
1.3	0-2	0-1	0-3	0-1	0-2		0-1	0-10
1.4	0-1	0-1	0-1	0-1	0-1		0-1	0-6
1.5	0-1	0-1	0-1	0-1	0-1		0-1	0-6
1.6	0-1	0-1	0-1	0-1	0-1		0-1	0-6
1.7	0-1	0-1	0-1	0-1	0-1		0-1	0-6
Всего	0-9	0-7	0-12	0-7	0-9		0-6	0-50
Модуль 2. Нелинейные модели, временные ряды и системы одновременных уравнений
2.1	0-2	0-1	0-3	0-1	0-2		0-1	0-10
2.2	0-2	0-1	0-3	0-1	0-2		0-1	0-10
2.3	0-2	0-1	0-3	0-1	0-2		0-1	0-10
2.4	0-5	0-1	0-10	0-1	0-2		0-1	0-20
Всего	0-11	0-4	0-19	0-4	0-8		0-4	0-50
Итого	0-20	0-11	0-31	0-11	0-17		0-10	0 – 100

Таблица 3.1.

Планирование самостоятельной работы студентов (очная форма обучения)

№	Модули и темы	Виды СРС		Неделя семестра	Объем часов	Кол-во баллов
№	Модули и темы	обязательные	дополнительные	Неделя семестра	Объем часов	Кол-во баллов
Модуль 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.
1.1	Предмет и задачи курса. Основные статистические понятия. Условия и теорема Гаусса-Маркова.	Решение задач. Подготовка к опросу		1	4	0-6
1.2	Метод наименьших квадратов. Парная линейная регрессия. Анализ, построенной модели.	Решение задач. Подготовка к опросу		2, 3	8	0-10
1.3	Множественная линейная регрессия. Анализ построенной модели.	Решение задач Подготовка к опросу		4, 5	8	0-10
1.4	Автокорреляция случайных возмущений	Решение задач Подготовка к опросу		6	4	0-6
1.5	Гетероскедастичность	Решение задач. Подготовка к опросу		7	4	0-6
1.6	Мультиколлинеарность	Решение задач. Подготовка к опросу		8	4	0-6
1.7	Фиктивные переменные	Решение задач. Подготовка к опросу		9	4	0-6
	Всего по модулю 1:				36	0-50
Модуль 2. Нелинейные модели, временные ряды и системы одновременных уравнений
2.1	Нелинейные модели	Решение задач. Подготовка к опросу		10, 11	8	0-10
2.2	Временные ряды. Модели тренда, трендсезонные модели. Динамические модели.	Решение задач. Подготовка к опросу		12, 13	8	0-10
2.3	Стационарные ряды. Случайные процессы AR, MA, ARMA, ARIMA.	Решение задач. Подготовка к опросу		14, 15	8	0-10
2.4	Системы одновременных уравнений.	Решение задач Подготовка к опросу		16,17,18	12	0-20
	Всего по модулю 2:				36	0-50
	ИТОГО:				72	0-100

Таблица 3.2.

Планирование самостоятельной работы студентов (заочная форма обучения)

№	Модули и темы	Виды СРС			Неделя семестра	Объем часов
№	Модули и темы	обязательные	дополнительные		Неделя семестра	Объем часов
Раздел 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.
1.1	Предмет и задачи курса. Основные статистические понятия. Условия и теорема Гаусса-Маркова.	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	1	7
1.2	Метод наименьших квадратов. Парная линейная регрессия. Анализ, построенной модели.	Решение задач, работа с учебной литературой и лекционным материалом		Работа с источниками в Интернет	2, 3	10
1.3	Множественная линейная регрессия. Анализ построенной модели.	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	4, 5	15
1.4	Автокорреляция случайных возмущений	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	6	8
1.5	Гетероскедастичность	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	7	8
1.6	Мультиколлинеарность	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	8	8
1.7	Фиктивные переменные	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	9	8
	Всего по разделу 1:					64
Раздел 2. Нелинейные модели, временные ряды и системы одновременных уравнений
2.1	Нелинейные модели	Решение задач, работа с учебной литературой и лекционным материалом		Работа с источниками в Интернет	10, 11	10
2.2	Временные ряды. Модели тренда, трендсезонные модели. Динамические модели.	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	12, 13	14
2.3	Стационарные ряды. Случайные процессы AR, MA, ARMA, ARIMA.	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	14, 15	16
2.4	Системы одновременных уравнений.	Решение задач, работа с учебной литературой		Работа с источниками в Интернет	16,17,18	26
	Всего по разделу 2:					66
	ИТОГО:					130

4. Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами

№ п/п

Наименование обеспечиваемых (последующих) дисциплин

Темы дисциплины необходимые для изучения обеспечиваемых (последующих) дисциплин

1.1

1.2

1.3

1.4

1.5

1.6

1.7

2.1

2.2

2.3

2.4

макроэкономическое планирование и прогнозирование

финансы

маркетинг

менеджмент

5. Содержание дисциплины.

Модуль 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.

1.1. Предмет и задачи курса. Основные статистические понятия. Условия и теорема Гаусса-Маркова.

Определение эконометрики. Эконометрика и экономическая теория. Эконометрика и статистика. Области применения эконометрических моделей. Генеральная и выборочная совокупность. Функциональная, статистическая и корреляционная связь. Причины обязательного присутствия случайного фактора. Ковариация, дисперсия и корреляция. Выборочный коэффициент корреляции. t - критерий Стьюдента для коэффициента корреляции. Условия Гаусса-Маркова. Теорема Гаусса-Маркова.

1.2. Метод наименьших квадратов. Парная линейная регрессия. Анализ, построенной модели.

Теоретическое и эмпирическое уравнение регрессии. Метод наименьших квадратов. Вывод формул для коэффициентов уравнения парной линейной регрессии. Предпосылки метода наименьших квадратов (условия Гаусса-Маркова). Интерпретация уравнения регрессии. Оценка статистической значимости коэффициентов парной линейной регрессии: t - критерий Стьюдента. Интервальные оценки коэффициентов линейного уравнения регрессии. Коэффициент детерминации . Оценка статистической значимости уравнения регрессии в целом: F - критерий Фишера. Доверительные интервалы для зависимой переменной.

1.3. Множественная линейная регрессия. Анализ построенной модели.

Понятие о множественной регрессии. Классическая линейная модель множественной регрессии (КЛММР). Определение параметров уравнения множественной линейной регрессии методом наименьших квадратов. Применение t - критерия Стьюдента для модели множественной регрессии, доверительные интервалы. Множественный коэффициент детерминации . Применение F - критерия Фишера для модели множественной регрессии. Скорректированный коэффициент детерминации.

1.4. Автокорреляция случайных возмущений

Причины и последствия автокорреляции. Критерий Дарбина-Уотсона. Методы устранения автокорреляции. Авторегрессионная схема первого порядка AR(1). Оценка коэффициента авторегрессии. Методы Кохрана-Оркатта и Хилдрета-Лу. Обобщенный метод наименьших квадратов, Формула Эйткена.

1.5. Гетероскедастичность

Последствия гетероскедастичности. Обнаружение гетероскедастичности, тест Голдфелда-Квандта. Метод взвешенных наименьших квадратов. Обобщенный метод наименьших квадратов, Формула Эйткена

1.6. Мультиколлинеарность

Последствия мультиколлинеарности. Признаки наличия мультиколлинеарности. Методы устранения мультиколлинеарности. Преобразование переменных, процедура последовательного присоединения элементов, процедура последовательного исключениея переменных. Ридж-регрессия.

1.7. Фиктивные переменные

Количество альтернатив качественной переменной и число фиктивных переменных. Модели с объясняющими фиктивными переменными. Использование фиктивных переменных в анализе сезонных колебаний.

Модуль 2. Нелинейные модели, временные ряды и системы одновременных уравнений

2.1. Нелинейная регрессия

Степенные модели. Производственная функция Кобба-Дугласа. Обратная модель. Полиномиальная модель. Показательная модель. Выбор модели. Виды ошибок спецификации их обнаружение и корректировка. Исследование остаточного члена модели.

2.2. Временные ряды. Модели тренда, трендсезонные модели. Динамические модели.

Основная тенденция развития (тренд) временного ряда и отклонения от нее. Аналитическое выравнивание временного ряда. Прогнозирование на основе моделей временных рядов. Лаги в экономических моделях. Модели с лагами в независимых переменных. Метод последовательного увеличения количества лагов. Преобразование Койка. Полиномиально распределенные лаги Алмон. Авторегрессионные модели. Модель адаптивных ожиданий, модель потребления Фридмена. Модель частичной корректировки. h- статистика Дарбина.

2.3. Стационарные ряды. Случайные процессы AR, MA, ARMA, ARIMA.

Стационарные и нестационарные временные ряды. Процесс белого шума. Процессы авторегрессии, скользящего среднего, авторегрессии-скользящего среднего. Процесс авторегрессии и проинтегрированного скользящего среднего. Автокорреляционная и частная автокорреляционные функции процессов.

2.4. Системы одновременных уравнений.

Условия идентификации. Рекурсивная система уравнений. Система невзаимосвязанных уравнений. Эндогенные переменные. Экзогенные переменные. Структурные уравнения модели. Уравнения в приведенной форме. Предопределенные переменные. Системы невзаимосвязанных уравнений, рекурсивная система уравнений. Применение обычного метода наименьших квадратов. Косвенный метод наименьших квадратов. Инструментальные переменные. Необходимые и достаточные условия идентифицируемости. Метод наименьших квадратов для рекурсивных моделей. Двухшаговый и трехшаговый методы наименьших квадратов.
6. Планы практических занятий.

Модуль 1. Линейная регрессия, обычный и обобщенный методы наименьших квадратов.