РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА ДИСЦИПЛИНЫ «Эконометрика» Специальности: 080105.65 «Финансы и кредит»
Форма подготовки: очная/заочная
Школа экономики и менеджмента ДВФУ
Кафедра финансы и кредит
Курс 3/4 семестр 5
Лекции – 17/6(час.)
Практические занятия – 17 /4час.
Семинарские занятия – 0 час.
Лабораторные занятия –0 час.
Консультации
Всего часов аудиторной нагрузки – 34/10 (час.)
Самостоятельная работа – 34/58(час.)
Реферативные работы – не предусмотрены
Контрольные работы – не предусмотрены
Зачет – 4 курс
Экзамен 5 семестр Рабочая программа составлена в соответствии с требованиями государственного образовательного стандарта высшего профессионального образования по специальности 080105.65 «Финансы и кредит», утвержденного приказом Министерства образования РФ №686 от 02.03.2000
Программа обсуждена на заседании кафедры ««Бизнес-информатики и экономико-математических методов» «7» июня 2012 г., протокол №10. Заведующий кафедрой . Ю.Д. Шмидт
Составитель: доцент Захарова А.П.
Оборотная сторона титульного листа РПУД I. Рабочая программа пересмотрена на заседании кафедры:
Протокол от «_____» _________________ 200 г. № ______
Заведующий кафедрой _______________________ Ю. Д. Шмидт (подпись) (И.О. Фамилия)
II. Рабочая программа пересмотрена на заседании кафедры:
Протокол от «_____» _________________ 200 г. № ______
Заведующий кафедрой _______________________ Ю. Д. Шмидт
(подпись) (И.О. Фамилия)
Аннотация
Эконометрика – это самостоятельная научная дисциплина, объединяющая совокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе экономической теории, экономической статистики, математико-статистического инструментария придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией.
Дисциплина относится к базовым дисциплинам профессионального цикла;
– для ее изучения студент должен
знать сущность экономических процессов, экономические категории и показатели и их взаимосвязи;
знать основы математического анализа, теории вероятностей и математической статистики и области их применения в анализе экономических процессов;
знать математические принципы построения основных расчетных формул;
уметь использовать современные технические средства и информационные технологии для решения аналитических и исследовательских задач.
Цели изучения дисциплины
Эконометрика - метод экономического анализа, который объединяет экономическую теорию со статистическими и математическими методами анализа. Это попытка улучшить экономические прогнозы и сделать возможным успешное планирование экономической политики. В эконометрике экономические теории выражаются в виде математических соотношений, а затем проверяются эмпирически статистическими методами. Данная система используется, чтобы создать модели народного хозяйства с целью прогнозирования таких важных показателей, как валовой национальный продукт, уровень безработицы, темп инфляции и дефицит федерального бюджета. Эконометрические методы дают мощный инструмент для прогнозирования в бизнесе с учётом неопределённости внешних и внутренних условий экономического процесса. Курс «Эконометрика» тесно связан с дисциплинами «Экономическая теория», «Макроэкономика», «Микроэкономика», «Статистика». Для изучения курса «Эконометрика» необходимо владение материалом дисциплин «Высшая математика» (разделами «Теория вероятностей», «Математическая статистика»), «Экономическая теория». Знания и навыки, получаемые студентами в результате изучения дисциплины, необходимы для успешного освоения таких дисциплин, как «Теория принятия решений», «Эконометрическое моделирование», «Многомерные статистические методы». Освоенные студентами методика моделирования процессов и техника прогнозирования несомненно найдут применение в деятельности любого менеджера при принятии управленческих решений. Предмет изучения дисциплины совокупность методов анализа связей между различными экономическими показателями (факторами) на основании реальных статистических данных с использованием аппарата теории вероятностей и математической статистики. При помощи этих методов можно выявлять новые, ранее не известные связи, уточнять или отвергать гипотезы о существовании определенных связей между экономическими показателями, предлагаемые экономической теорией. В рамках поставленной цели решаются следующие задачи:
изучение пространственных и временных эконометрических моделей,
освоение методов бизнес-прогнозирования;
освоение современных эконометрических пакетов прикладных программ
2. Требования к уровню освоения содержания дисциплины
В результате теоретического изучения дисциплины студент должен знать:
- Линейную модель (ЛМ) одинарной и множественной регрессии, линеаризацию некоторых нелинейных моделей, метод наименьших квадратов (МНК) для оценки параметров ЛМ.
- Свойства оценок МНК и предположения о характере модели, на которые опираются эти свойства. Критерии тесноты статистической связи.
- Критерии стабильности параметров модели и совместного влияния переменных. Использование фиктивных переменных для моделирования качественных показателей
- Модели с гетероскедастичными и автокоррелированными возмущениями. Модели авторегрессии и скользящего среднего
- Динамические модели. Модели с распределенными лагами. Стационарность и тесты на стационарность.
- Ошибки спецификации и их обнаружение В результате практического изучения дисциплины студент должен уметь:
-Формулировать эконометрические модели, отражающие предполагаемые экономические взаимосвязи. Оценивать их методом наименьших квадратов.
-Оценивать значимость параметров моделей. Считать критерии тесноты связи
-Анализировать стабильность параметров. Использовать фиктивные переменные
-Тестировать модели на наличие автокорреляции и гетероскедастичности остатков
-Составлять простейшие динамические модели. Тестировать временные ряды на стационарность
-Применять методы проверки адекватности рассматриваемых моделей. В результате изучения дисциплины студенты должны иметь представление:
- О системах уравнений, используемых в эконометрике
- Об изучении взаимосвязей по временным рядам
- О программных средствах, применяемых в обработке эконометрических данных;
быть ознакомленными:
с тенденциями развития информационных технологий, применяемых для построения эконометрических моделей;
иметь навыки:
анализа исходных данных и спецификация модели,
оценки адекватности построенной модели,
прогноза развития реальной ситуации на основе модели.
Занятия включают проведение лекций, лабораторных работ и самостоятельную работу студентов очной, заочной и вечерней формы обучения. Формы итогового контроля знаний – по очной и заочной форме обучения – экзамен.
Промежуточный семестровый контроль знаний студентов очной и заочной форм обучения осуществляется в форме подготовки и защиты каждым студентом на семинарских занятиях зачетных заданий, которые являются текущими контрольными работами по согласованной с преподавателем теме. Студенты заочной и заочно-ускоренной формы обучения представляют семестровую контрольную работу в соответствующем семестре. Содержание теоретической части курса
Лекционные занятия (17/6 ч)
Тема 1. Предмет и задачи курса (лекции – 2/0,75 часа)
Определение эконометрики. Эконометрика и экономико-математические методы. Области применения эконометрических моделей. Методологические вопросы построения эконометрических моделей: обзор используемых методов. Этапы эконометрического исследования: постановка проблемы, получение данных, анализ их качества, спецификация модели, оценка параметров, интерпретация результатов. Задачи, решаемые при эконометрическом исследовании: качественный анализ связей переменных – выделение объясняемых (эндогенных) yj и объясняющих (экзогенных) xk; подбор данных; спецификация формы связи между y и xk; Структуры данных (классификация): пространственные данные и временные ряды; количество переменных для каждой элементарной единицы (объекта); тип измерения; источник информации. Тема 2. Парная линейная регрессия и МНК (лекции – 2/0,75часа)
Спецификация модели. Уравнение регрессии, его смысл и назначение. Оценка параметров модели методом наименьших квадратов (МНК): система нормальных уравнений. Интерпретация коэффициентов уравнения регрессии. Понятие о функциональной, статистической и корреляционной связях. Основные задачи прикладного корреляционно-регрессионного анализа. Оценка степени тесноты связи между количественными переменными. Коэффициент ковариации. Показатели корреляции: линейный коэффициент корреляции, Коэффициент детерминации. Стандартная ошибка уравнения регрессии. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками. Оценка статистической значимости показателей корреляции, параметров уравнения регрессии, уравнения регрессии в целом: t-критерий Стьюдента, F-критерий Фишера. Прогнозирование на основе регрессионного уравнения. Доверительные интервалы для условного математического ожидания и индивидуального значения эндогенной переменной.
Тема 3. Парная нелинейная регрессия(лекции – 2/0,75 часа)
Типы нелинейности в регрессионной зависимости: нелинейность по экзогенным переменным, нелинейность по параметрам. Сведение нелинейного по переменным уравнения к линейному с помощью преобразований. Кривая Филлипса, кривые Энгеля. Экономические взаимосвязи, для которых целесообразно применение кривых Энгеля: соотношение между спросом на определенный товар и общей суммой дохода, соотношение между спросом на определенный товар и ценой товара. Коэффициент эластичности. Характеристическое свойство степенной функции: эластичность постоянна. Смещенность оценок параметров, полученных МНК. Коэффициент детерминации для нелинейных моделей. Метод последовательных приближений нахождения оценок параметров. Тема 4. Множественная регрессия и ее свойства (лекции – 2 часа/0,75
Понятие о множественной регрессии. Классическая линейная модель множественной регрессии (КЛММР). Определение параметров уравнения множественной регрессии методам наименьших квадратов. Стандартизованные коэффициенты регрессии, их интерпретация. Парные и частные коэффициенты корреляции. Множественный коэффициент корреляции и множественный коэффициент детерминации. Оценка надежности показателей корреляции. Оценка качества модели множественной регрессии: F-критерий Фишера, t-критерий Стьюдента. Мультиколлинеарность. Методы устранения мультиколлинеарности. Тема 5. Спецификация переменных в уравнениях регрессии (лекции – 2/0,75 часа)
Эконометрические модели: общая характеристика, различия статистического и эконометрического подхода к моделированию. Спецификация переменных в уравнениях регрессии. Ошибки спецификации. Обобщенная линейная модель множественной регрессии. Обобщенный метод наименьших квадратов. Проблема гетероскедастичности. Автокорреляция. Фиктивные переменные: общий случай. Множественные совокупности фиктивных переменных. Тест Чоу. Моделирование: влияние отсутствия переменной, которая должна быть включена; влияние включения в модель переменной, которая не должна быть включена. Тема 6. Временные ряды в эконометрических исследованиях (лекции – 2 /0,75часа)
Специфика временных рядов как источника данных в эконометрическом моделировании. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда. Автокорреляция в остатках, ее измерение и интерпретация. Критерий Дарбина-Уотсона в оценке качества трендового уравнения регрессии. Автокорреляция рядов динамики и методы ее устранения.. Метод отклонения уровней ряда от основной тенденции. Метод включения фактора времени. Тема 7. Системы эконометрических уравнений (лекции – 2/0,75 часа)
Виды систем эконометрических уравнений. Независимые системы. Рекурсивные системы. Системы одновременных (совместных) уравнений. Структурная и приведенная формы эконометрической модели. Проблемы идентификации. Применение эконометрических моделей. Тема 8. Динамические эконометрические модели(лекции – 3/0,75 часа)
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 (полиномиальные лаги Алмон) и бесконечномерные (метод Койка). Нелинейный метод наименьших квадратов. Неявные модели: модель адаптивных ожиданий, модель неполной корректировки, модель рациональных ожиданий.
- Корреляционная таблица, сводка, группировка
- Расчет коэффициентов корреляции, детерминации, построение линии тренда
- Оценка параметров парной регрессии и качества модели
- Расчет границ доверительного интервала
- Сведение нелинейных регрессионных моделей к линейным. Выбор наилучшей модели
-Построение модели множественной линейной регрессии
-Ранжирование факторов по степени значимости в модели множественной линейной регрессии
- Сравнение стандартизованных и естественных форм множественной регрессии
-Использование фиктивных переменных
- Исключение незначимых факторов
-- Определение параметров системы одновременных уравнений
Построение и исследование динамических рядов
-Построение мультипликативной модели временного ряда
Содержание практической структуры курса
Лекционные занятия (17/4 ч)
Тема 1. Предмет и задачи курса (2/0,5 часа)
Определение эконометрики. Эконометрика и экономико-математические методы. Области применения эконометрических моделей. Методологические вопросы построения эконометрических моделей: обзор используемых методов. Этапы эконометрического исследования: постановка проблемы, получение данных, анализ их качества, спецификация модели, оценка параметров, интерпретация результатов. Задачи, решаемые при эконометрическом исследовании: качественный анализ связей переменных – выделение объясняемых (эндогенных) yj и объясняющих (экзогенных) xk; подбор данных; спецификация формы связи между y и xk; Структуры данных (классификация): пространственные данные и временные ряды; количество переменных для каждой элементарной единицы (объекта); тип измерения; источник информации. Тема 2. Парная линейная регрессия и МНК (2/0,5часа)
Спецификация модели. Уравнение регрессии, его смысл и назначение. Оценка параметров модели методом наименьших квадратов (МНК): система нормальных уравнений. Интерпретация коэффициентов уравнения регрессии. Понятие о функциональной, статистической и корреляционной связях. Основные задачи прикладного корреляционно-регрессионного анализа. Оценка степени тесноты связи между количественными переменными. Коэффициент ковариации. Показатели корреляции: линейный коэффициент корреляции, Коэффициент детерминации. Стандартная ошибка уравнения регрессии. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками. Оценка статистической значимости показателей корреляции, параметров уравнения регрессии, уравнения регрессии в целом: t-критерий Стьюдента, F-критерий Фишера. Прогнозирование на основе регрессионного уравнения. Доверительные интервалы для условного математического ожидания и индивидуального значения эндогенной переменной.
|