2. Место дисциплины в структуре ООП бакалавриата
Дисциплина "Эконометрика" относится в профессиональному циклу учебного плана по направлению подготовки 080100.62 Экономика, квалификация (степень) «Бакалавр» и рассчитан на студентов, прослушавших курсы математического анализа, линейной алгебры, методов оптимальных решений, экономической статистики, теории вероятностей и математической статистики.
Дисциплина "Эконометрика" может быть использована в спецкурсах по теории случайных процессов, математическим моделям в экономике, оптимальному управлению, статистическому прогнозированию, в финансовой математике, принятию решений в условиях неопределенности.
3. Компетенции обучающегося, формируемые в результате освоения дисциплины «Эконометрика»
В результате освоения дисциплины «Эконометрика» происходит формирование у обучающегося следующих профессиональных компетенций:
умение осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных экономических задач (ПК-4);
умение выбрать инструментальные средства для обработки экономических данных в соответствии с поставленной задачей, проанализировать результаты эконометрического моделирования и обосновать полученные выводы (ПК-5);
умение на основе описания экономических процессов и явлений строить стандартные теоретические и эконометрические модели, анализировать и содержательно интерпретировать полученные результаты (ПК-6);
умение анализировать и интерпретировать финансовую, бухгалтерскую и иную информацию, содержащуюся в отчетности предприятий различных форм собственности, организаций, ведомств и т.д. и использовать полученные сведения для принятия управленческих решений (ПК-7);
умение анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических показателей (ПК-8);
умение, используя отечественные и зарубежные источники информации, собрать необходимые данные проанализировать их и подготовить информационный обзор и/или аналитический отчет (ПК-9);
умение использовать для решения аналитических и исследовательских задач современные технические средства и информационные технологии (ПК-10).
В результате изучения дисциплины студент должен:
Знать: основные понятия эконометрического подхода, основные методы оценивания неизвестных параметров эконометрических моделей, методы проверки статистических гипотез о параметрах построенных моделей, основные методы диагностики эконометрических моделей.
Уметь: применять стандартные методы построения эконометрических моделей, обрабатывать статистическую информацию и получать статистически обоснованные выводы, делать содержательные выводы из результатов эконометрического моделирования.
Владеть: основными принципами и методами обработки статистических данных, навыками применения эконометрических пакетов программ для ПЭВМ
4. Структура и содержание учебной дисциплины 4.1. Структура дисциплины «Эконометрика»
Преподавание дисциплины осуществляется в 4 и 5 семестрах. Общая трудоемкость дисциплины составляет 144 часа, зачетных единиц - 4.
ЗАОЧНАЯ ФОРМА ОБУЧЕНИЯ
Курс
|
III
|
Всего аудиторных занятий, час
|
14
|
В том числе:
|
|
лекции, час
|
8
|
лабораторные занятия, час
|
|
практические (семинарские) занятия, час
|
6
|
СРС, всего часов по учебному плану
|
130
|
Курсовая работа
|
|
Экзамен
|
|
Зачет
|
|
Всего часов по дисциплине
|
144
|
4.2. Содержание учебной дисциплины «Эконометрика»
№
П№ п/п
|
Название темы, наименование вопросов, изучаемых на лекциях
|
Виды учебной работы, включая самостоятельную работу студентов и трудоемкость (в часах)
|
Форма
Контроля
|
Лекции
|
Лабораторные работы
|
Практические занятия
|
СРС
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
Семестр IV
|
|
|
|
|
|
Раздел 1. Регрессия
|
18
|
|
18
|
|
|
11.
|
Предмет эконометрики
|
2
|
|
2
|
|
Ко
|
22.
|
Линейная регрессия
|
6
|
|
4
|
|
Ко
|
33.
|
Нелинейная регрессия
|
2
|
|
4
|
|
Ко
|
44.
|
Спецификация переменных в уравнениях множественной регрессии
|
4
|
|
4
|
|
РЗ
|
55.
|
Гетероскедастичность и автокоррелированность остатков
|
4
|
|
4
|
|
Ко
|
Семестр V
|
|
|
|
|
|
Раздел 2. Системы эконометрических уравнений и временные ряды
|
18
|
18
|
|
|
|
66.
|
Системы эконометрических уравнений
|
4
|
4
|
|
18
|
Ко
|
77.
|
Одномерные временные ряды
|
6
|
6
|
|
18
|
РЗ
|
88.
|
Изучение взаимосвязей по временным рядам
|
46
|
4
|
|
-
|
Ко
|
99.
|
Динамические эконометрические модели
|
4
|
4
|
|
36
|
Ко
|
Итого
|
36
|
18
|
18
|
72
|
|
Тема 1. Предмет эконометрики
Различные определения эконометрики, высказывания известных учёных. Три составляющих эконометрики: регрессия, системы эконометрических уравнений, временные ряды. Цели эконометрического исследования. Количественные характеристики случайных величин: среднее значение (математическое ожидание), дисперсия, среднее квадратическое отклонение, коэффициент вариации, ковариация, коэффициент корреляции
Тема 2. Линейная регрессия
Парная линейная регрессия. Оценка параметров модели методом наименьших квадратов (МНК): система нормальных уравнений. Интерпретация коэффициентов уравнения регрессии. Оценка адекватности модели: наличие связи между переменными, анализ дисперсии, коэффициент детерминации R2, F-критерий Фишера значимости уравнения в целом. Свойства оценок коэффициентов регрессии: несмещенность, эффективность, состоятельность. Теорема Гаусса-Маркова. Оценки стандартных отклонений оценок параметров регрессии. Доверительные интервалы коэффициентов регрессии. Оценка значимости коэффициентов модели по критерию Стьюдента. Множественная линейная регрессия. Требования к факторам, включаемым в модель. Матричное представление оценок по МНК. Оценка значимости отдельных факторов множественной регрессии
Тема 3. Нелинейная регрессия
Типы нелинейности в регрессионной зависимости: нелинейность по экзогенным переменным, нелинейность по параметрам. Сведение нелинейного по переменным уравнения к линейному с помощью преобразований. Смещённость оценок параметров, полученных МНК. Коэффициент детерминации для нелинейных моделей. Метод последовательных приближений нахождения оценок параметров. Регрессия с фиктивными переменными. logit- и probit-модели для бинарных эндогенных переменных.
Тема 4. Спецификация переменных в уравнениях множественной регрессии
Последствия неправильной спецификации модели: включения лишней переменной, невключения необходимой переменной, использования «заменителей». Свойства оценок коэффициентов регрессии: несмещенность, точность, эффективность, состоятельность. Теорема Гаусса-Маркова. «Стандартные ошибки» коэффициентов регрессии. Мультиколлинеарность факторов. Статистика, используемая для проверки факторов на мультиколлинеарность, Методы смягчения мультиколлинеарности. Оценка значимости совместного предельного вклада группы переменных с помощью F-теста. Зависимость между F- и t- статистиками. Скорректированный коэффициент детерминации R2.
Тема 5. Гетероскедастичность и автокоррелированность остатков
Гетероскедастичность: определение, причины и последствия гетероскедастичности. Методы обнаружения гетероскедастичности, тест Голдфельда-Квандта. Взвешенный и обобщённый методы наименьших квадратов. Автокорреляция: определение, причины и последствия автокорреляции. Критерий Дарбина-Уотсона проверки на автокорреляцию, тест ранговой корреляции Спирмена, Авторегрессионная схема первого порядка.
Тема 6. Системы эконометрических уравнений
Классификация систем эконометрических уравнений. Структурная и приведённая формы модели. Проблема идентификации. Идентифицируемые, недентифицируемые, сверхидентифицируемые модели. Методы оценивания параметров структурной модели: косвенный МНК, двухшаговый МНК, трехшаговый МНК. метод максимального правдоподобия. Понятие о методе главных компонент, как средстве борьбы с мультиколлинеарностью данных. Примеры применения систем эконометрических уравнений: статическая модель Кейнса, динамическая модель Кейнса, динамическая модель макроэкономики Клейна,
Тема 7. Одномерные временные ряды
Аддитивная и мультипликативная модели временного ряда. Циклическая, трендовая и случайная компоненты ряда. Задачи эконометрического исследования временных рядов. Автокорреляционная функция ряда и выявление структуры ряда. Аналитическое выравнивание методом скользящей средней. Способы сглаживания: простое и взвешенное среднее, экспоненциальное сглаживание. Моделирование сезонных и циклических колебаний. Моделирование тенденции временного ряда, в том числе при наличии структурных изменений. Тесты Чоу и Гуйарати.
Тема 8. Изучение взаимосвязей по временным рядам
Оценка взаимосвязи двух временных рядов. Методы исключения ложной корреляции: элиминирование тенденции, переход к приращениям, введение фактора времени в модель. Коинтеграция временных рядов. Критерий Энгеля - Грангера
Тема 9. Динамические эконометрические модели
Явные модели Бокса-Дженкинса (ARIMA модели). Компоненты авторегрессии и скользящего среднего. Итеративная стратегия разработки модели: проверка стационарности ряда, выбор исходной модели, оценка параметров, анализ остатков. Модель авторегрессии с распределённым лагом первого порядка (ADL модель), сведение ADL(0,1) модели обратным преобразованием Койка к модели Койка. Модели с распределённым лагом (DL модели): конечномерные (лаги Алмон) и бесконечномерные (метод Койка). Неявные модели: модель адаптивных ожиданий, модель неполной корректировки, модель рациональных ожиданий. Сведение модели адаптивных ожиданий к модели авторегрессии.
|
