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.
|