Учебно-методический комплекс рабочая программа для студентов всех профилей подготовки

Скачать 0.62 Mb.

Название	Учебно-методический комплекс рабочая программа для студентов всех профилей подготовки
страница	1/4
Дата публикации	02.07.2015
Размер	0.62 Mb.
Тип	Учебно-методический комплекс

100-bal.ru > Экономика > Учебно-методический комплекс

1 2 3 4

РОССИЙСКАЯ ФЕДЕРАЦИЯ

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 (ПРОДВИНУТЫЙ КУРС)

Учебно-методический комплекс. Рабочая программа

для студентов всех профилей подготовки

направления 080100.68 «Экономика»,

очной и заочной формы обучения

Тюменский государственный университет

2011

Бардасов С.А. Эконометрика (продвинутый курс). Учебно-методический комплекс. Рабочая программа для студентов очной и заочной формы обучения направления 080100.68 «Экономика». Тюмень, 2011, стр. 41

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 (продвинутый курс) [электронный ресурс] / Режим доступа: http://www.umk3.utmn.ru, свободный.

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

Утверждено проректором по учебной работе ТюмГУ.

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

Тюменский государственный университет, 2011

© Бардасов С.А., 2011

Пояснительная записка

1.1. Цели и задачи дисциплины

Цели дисциплины Эконометрика (продвинутый курс)– углубление знаний студентов и привитие им практических навыков выполнения эмпирических оценок в анализе социально-экономических явлений и процессов.

Задачи курса:

– изучить фундаментальные основы современных методов эконометрики;

– понять особенности эконометрических моделей и необходимых для их оценки эконометрических методов.

– научиться квалифицированно использовать тесты для правильной спецификации моделей.

– научиться выбору наиболее адекватного метода выполнения эмпирических оценок в конкретной практической ситуации, правильно охарактеризовать его достоинства и недостатки, распознать недостатки других методов оценивания;

– освоить навыки интерпретации результатов анализа и разработки рекомендаций для экономического развития и экономической политики.

– получить навыки выполнения эмпирических оценок на реальных данных.
1.2. Место дисциплины в структуре магистерских программ

Эконометрика (продвинутый курс) относится к дисциплинам профессионального цикла (базовая часть) и связана с отдельными дисциплинами общенаучного и профессионального цикла.

Изучение данной дисциплины базируется на следующих дисциплинах, изученных в бакалавриате: теория вероятностей и математическая статистика; эконометрика; высшая математика; линейная алгебра; микроэкономика; макроэкономика.

Данная дисциплина является предшествующей для следующих дисциплин: макроэкономика (продвинутый курс), теория и практика маркетинга, экономика отраслевых рынков, предпринимательство и бизнес планирование, надежность и риски в деятельности фирмы.

Теоретические знания и практические навыки, полученные студентами при изучении дисциплины, должны быть использованы в процессе изучения последующих дисциплин по учебному плану и при подготовке магистерской диссертации.

1.3. Требования к результатам освоения дисциплины.

В результате освоения дисциплины магистрант обладать следующими общекультурными компетенциями (ОК):

– способность к самостоятельному освоению новых методов исследования, к изменению научного и научно-производственного профиля своей профессиональной деятельности (ОК-2);

В результате освоения дисциплины магистрант обладать следующими профессиональными компетенциями (ПК):

способностью оценивать эффективность проектов с учетом фактора неопределенности (ПК-6);

- способность анализировать и использовать различные источники информации для проведения экономических расчетов (ПК-9).
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
2. Структура и трудоемкость дисциплины.
Семестр 1. Форма промежуточной аттестации: экзамен, контрольная работа. Общая трудоемкость дисциплины составляет 3 зачетных единицы, 108 часов.
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	Форма контроля
	Тема	недели семестра	Лекции	Практические занятия	Самостоятельная работа	Итого часов по теме	В том числе в интерактивной форме	Форма контроля
1	2	3	4	5	6	7	8	9
1	Матричная и векторная запись модели. Условия и теорема Гаусса-Маркова.	1	2	2	2	6	1	Задачи
2	Метод наименьших квадратов. Линейная регрессия с использованием пакета анализа данных Microsoft Excel.	2, 3	4	4	4	12	3	Задачи
3	Спецификация переменных в уравнениях регрессии.	4	2	2	2	6	1	Задачи
4	Автокорреляция случайных возмущений	5	2	2	2	6	1	Задачи
5	Гетероскедастичность	6	2	2	2	6	1	Задачи
6	Мультиколлинеарность	7	2	2	2	6	1	Задачи
7	Независимые фиктивные переменные. Зависимые дискретные переменные.	8, 9	4	4	4	12	3	Задачи
8	Нелинейные модели в Microsoft Excel. Преобразования Бокса-Кокса и Заребки.	10, 11	4	4	4	12	3	Задачи
9	Временные ряды. Тренд. Динамические модели.	12,13	4	4	4	12	3	тест
10	Стационарные и нестационарные временные ряды.	14, 15	4	4	4	12	3	Задачи
11	Системы одновременных уравнений.	16, 17, 18	6	6	6	18	4	к/р
	Итого (часов, баллов):		36	36	36	108	24	экзамен
	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	Форма контроля
	Тема	недели семестра	Лекции	Практические занятия	Самостоятельная работа	Итого часов по теме	В том числе в интерактивной форме	Форма контроля
1	2	3	4	5	6	7	8	9
1	Матричная и векторная запись модели. Условия и теорема Гаусса-Маркова.	1	2	2	5	9	1
2	Метод наименьших квадратов. Линейная регрессия с использованием пакета анализа данных Microsoft Excel.	2, 3	2	4	10	16	2
3	Спецификация переменных в уравнениях регрессии.	4			5	5
4	Автокорреляция случайных возмущений	5			5	5
5	Гетероскедастичность	6			5	5
6	Мультиколлинеарность	7			5	5
7	Независимые фиктивные переменные. Зависимые дискретные переменные.	8, 9			10	10
8	Нелинейные модели в Microsoft Excel. Преобразования Бокса-Кокса и Заребки.	10, 11	2	2	10	14	2
9	Временные ряды. Тренд. Динамические модели.	12,13	2	4	10	16	2
10	Стационарные и нестационарные временные ряды.	14, 15			10	10
11	Системы одновременных уравнений.	16, 17, 18			13	13	4	к/р
	Итого (часов, баллов):		8	12	88	108		экзамен
	Итого в интерактивной форме		3	4			7

Таблица 2.1.

Планирование самостоятельной работы студентов (очная форма обучения)

№	Модули и темы	Виды СРС		Неделя семестра	Объем часов
№	Модули и темы	обязательные	дополнительные	Неделя семестра	Объем часов
1	Матричная и векторная запись модели. Условия и теорема Гаусса-Маркова.	Решение типовых задач Подготовка к опросу	Реферат	1	2
2	Метод наименьших квадратов. Линейная регрессия с использованием пакета анализа данных Microsoft Excel.	Решение типовых задач Подготовка к опросу	Реферат	2, 3	4
3	Спецификация переменных в уравнениях регрессии.	Решение типовых задач Подготовка к опросу	Реферат	4	2
4	Автокорреляция случайных возмущений	Решение типовых задач Подготовка к опросу	Реферат	5	2
5	Гетероскедастичность	Решение типовых задач Подготовка к опросу	Реферат	6	2
6	Мультиколлинеарность	Решение типовых задач Подготовка к опросу	Реферат	7	2
7	Независимые фиктивные переменные. Зависимые дискретные переменные.	Решение типовых задач Подготовка к опросу	Реферат	8, 9	4
8	Нелинейные модели в Microsoft Excel. Преобразования Бокса-Кокса и Зарембки.	Решение типовых задач Подготовка к опросу	Реферат	10, 11	4
9	Временные ряды. Тренд. Динамические модели.	Решение типовых задач Подготовка к опросу	Реферат	12, 13	4
10	Стационарные и нестационарные временные ряды	Решение типовых задач Подготовка к опросу	Реферат	14, 15	4
11	Системы одновременных уравнений.	Решение типовых задач Подготовка к опросу	Реферат	16, 17, 18	6
	ИТОГО:				36

Таблица 2.2.

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
1	Матричная и векторная запись модели. Условия и теорема Гаусса-Маркова.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	1	5
2	Метод наименьших квадратов. Линейная регрессия с использованием пакета анализа данных Microsoft Excel.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	2, 3	10
3	Спецификация переменных в уравнениях регрессии.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	4	5
4	Автокорреляция случайных возмущений	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	5	5
5	Гетероскедастичность	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	6	5
6	Мультиколлинеарность	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	7	5
7	Независимые фиктивные переменные. Зависимые дискретные переменные.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	8, 9	10
8	Нелинейные модели в Microsoft Excel. Преобразования Бокса-Кокса и Зарембки.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	10, 11	10
9	Временные ряды. Тренд. Динамические модели.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	12, 13	10
10	Стационарные и нестационарные временные ряды	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	14, 15	10
11	Системы одновременных уравнений.	Решение задач, работа с учебной литературой	Работа с источниками в Интернет	16, 17, 18	13
	ИТОГО:				88

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

Макроэкономика (продвинутый курс)

Экономика отраслевых рынков

Теория и практика маркетинга

Информационно-аналитические исследования в экономике

5. Содержание дисциплины.

1. Матричная и векторная запись модели. Условия и теорема Гаусса-Маркова.

Основные понятия. Определение эконометрики. Эконометрика и экономическая теория. Эконометрика и статистика. Области применения эконометрических моделей. Генеральная и выборочная совокупность. Функциональная, статистическая и корреляционная связь. Ковариация, дисперсия и корреляция. Причины обязательного присутствия случайного фактора. Векторы и матрицы, основные операции. Условия Гаусса-Маркова. Теорема Гаусса-Маркова. Проверка статистических гипотез. Использование статистических и математических функций Microsoft Office Excel.

2. Метод наименьших квадратов. Линейная регрессия с использованием пакета анализа данных Microsoft Office Excel. Анализ модели.

Теоретическое и эмпирическое уравнение регрессии. Метод наименьших квадратов. Формулы для оценки коэффициентов уравнения линейной регрессии. Оценка параметров модели с использованием пакета анализа данных Microsoft Excel. Анализ модели. Интерпретация уравнения регрессии. Оценка статистической значимости коэффициентов парной линейной регрессии: t - критерий Стьюдента. Интервальные оценки коэффициентов линейного уравнения регрессии. Коэффициент детерминации . Скорректированный коэффициент детерминации. Оценка статистической значимости уравнения регрессии в целом: F - критерий Фишера. Доверительные интервалы для зависимой переменной.

3. Спецификация переменных в уравнениях регрессии.

Последствия неправильной спецификации. Влияние отсутствия значимой объясняющей переменной, проблема смещения и неприменимость статистических тестов. Включение лишней объясняющей переменной, неэффективность оценок. Обнаружение и корректировка ошибок спецификации.

4. Автокорреляция случайных возмущений

Причины и последствия автокорреляции. Критерий Дарбина-Уотсона. Методы устранения автокорреляции. Авторегрессионная схема первого порядка AR(1), поправка Прайса-Уинстена. Оценка коэффициента авторегрессии. Методы Кохрана-Оркатта и Хилдрета-Лу. h-статистика Дарбина для моделей с лаговой зависимой переменной. Обобщенный метод наименьших квадратов, Формула Эйткена. Прогноз, в случае автокорреляции возмущений, формула Гольдбергера.

5. Гетероскедастичность

Обнаруженеие и последствия гетероскедастичности. тесты Голдфелда-Квандта, Спирмена, Глейзера, Уайта. Метод взвешенных наименьших квадратов. Обобщенный метод наименьших квадратов, Формула Эйткена. Прогноз, формула Гольдбергера.

6. Мультиколлинеарность

Возможные источники мультиколлинеарности и способы ее выявления. Ложная корреляция. Последствия мультиколлинеарности. Частный коэффициент корреляции. Методы устранения мультиколлинеарности. Процедура последовательного присоединения элементов, процедура последовательного исключения переменных. Ридж-регрессия. Метод главных компонент, как средство борьбы с мультиколлинеарностью.

7. Независимые фиктивные переменные. Зависимые дискретные переменные

Количество альтернатив качественной переменной и число фиктивных переменных. Бинарные результативные показатели, логит- и пробит- модели. Псевдо-

Макфаддена. Модели множественного выбора. Тобит-модель.

8. Нелинейные модели в Microsoft Excel. Преобразования Бокса-Кокса и Зарембки.

Степенные модели. Производственная функция Кобба-Дугласа. Обратная модель. Полиномиальная модель. Показательная модель. Кривые Филлипса и Энгеля. Выбор формы модели, преобразование Бокса-Кокса. Преобразование Зарембки.

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

Аддитивная и мультипликативная модели временного ряда. Основная тенденция развития (тренд) временного ряда и отклонения от нее. 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, метод инструментальных переменных. Модель адаптивных ожиданий, модель потребления Фридмена. Модель частичной корректировки. h- статистика Дарбина.

10. Стационарные и нестационарные временные ряды.

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. Оценка параметров.

11. Системы одновременных уравнений.

Эндогенные переменные, экзогенные переменные, предопределенные переменные. Структурные уравнения модели, уравнения в приведенной форме, необходимые и достаточные условия идентифицируемости уравнений. Системы невзаимосвязанных уравнений, рекурсивная система уравнений, применение обычного метода наименьших квадратов. Косвенный метод наименьших квадратов. Инструментальные переменные, двухшаговый и трехшаговый методы наименьших квадратов.
6. Планы практических занятий.