Эконометрика

Дисциплина «Эконометрика» для подготовки бакалавров по направлению 09.03.03 Прикладная информатика.

Формы обучения – очная, заочная.

Форма отчетности: зачёт

Цели и задачи дисциплины

Целью освоения дисциплины «Эконометрика» является подготовка специалистов, владеющих современными методами построения и применения эконометрических моделей как для анализа состояния, так и для оценки закономерностей развития экономических и социальных систем в условиях взаимосвязей между их внутренними и внешними факторами.

Задачи изучения дисциплины:

·       ознакомить студентов с методологией и методикой построения и применения эконометрических моделей;

·       научить студентов владению специальными методами, которые позволяют преодолевать проблемы, приводящие к искажению результатов при применении классических статистических методов;

·       ознакомить студентов с наиболее типичными эконометрическими моделями и выработать у них навыки практической работы с моделями.

Основные дидактические единицы

Первый модуль «Основные аспекты эконометрического моделирования»

1.1. Введение в эконометрическое моделирование.

Понятие эконометрики, ее связь с другими науками. Эконометрические модели. Типы данных и виды переменных в эконометрическом моделировании. Этапы эконометрического моделирования.

1.2. Корреляционный анализ.

Виды связей между переменными. Функциональная, статистическая и корреляционная зависимости. Понятие и варианты корреляции. Ковариация. Линейный коэффициент парной корреляции. t-критерий Стьюдента.

1.3. Парный регрессионный анализ. Классическая нормальная модель парной линейной регрессии

Линейная парная регрессия. Коэффициент эластичности. Оценка параметров модели. Теорема Гаусса-Маркова. Метод наименьших квадратов. Экономическая интерпретация коэффициента регрессии. Интервальная оценка функции регрессии и ее параметров. Оценка значимости уравнения регрессии. Коэффициент детерминации. Средняя ошибка аппроксимации. Таблица дисперсионного анализа.F-критерий Фишера. Коэффициент ранговой корреляции Спирмена.

1.4. Нелинейные модели регрессии.

Классы нелинейных регрессий. Модели, нелинейные по переменным, но линейные по параметрам, и их линеаризация. Модели, нелинейные по оцениваемым параметрам и их линеаризация. Оценка тесноты связи нелинейной регрессии. Показатели корреляции и детерминации.

1.5. Множественный регрессионный анализ.

Классическая нормальная линейная модель множественной регрессии. Оценка параметров модели методом наименьших квадратов (МНК). Доверительные интервалы для коэффициентов и функции регрессии. Оценка значимости множественной регрессии. Коэффициенты детерминации R² и . Уравнение регрессии в стандартизированном масштабе. Сравнение влияния различных объясняющих переменных на зависимую переменную. Частные коэффициенты эластичности. Частная корреляция между переменными при элиминировании влияния одной или нескольких переменных. Нелинейные модели множественной регрессии. Производственная функция Кобба-Дугласа.

Второй модуль «Некоторые вопросы практического использования регрессионных моделей»

2.1. Проблема мультиколлинеарности факторов.

Понятие и причины возникновения мультиколлинеарности. Методы ее устранения или уменьшения.

2.2. Обобщенная линейная модель множественной регрессии.

Гетероскедастичность пространственной выборки. Тесты Гольдфельдта-Квандта и Уайта для оценки гетероскедастичности. Обобщенная линейная модель множественной регрессии. Обобщенный метод наименьших квадратов. Теорема Айткена. Устранение гетероскедастичности. Взвешенный метод наименьших квадратов.

2.3. Особенности включения в модель качественных признаков.

Использование в эконометрических моделях качественных признаков. Фиктивные переменные. Экономическая интерпретация коэффициентов при фиктивных переменных в эконометрической модели. Линейные регрессионные модели с переменной структурой. Критерий Г. Чоу.

 

Третий модуль «Системы эконометрических уравнений»

3.1. Проблема идентификации модели эконометрических уравнений.

Системы независимых регрессионных уравнений. Системы рекурсивных регрессионных уравнений. Системы линейных одновременных уравнений. Структурная и приведенная формы модели. Эндогенные и экзогенные переменные. Идентифицируемые, сверх-идентифицируемые и неидентифицируемые модели. Необходимое условие идентификации (счетное правило). Достаточное условие идентификации.

3.2. Методы оценивания параметров структурной модели.

Оценка точно идентифицированного уравнения. Косвенный метод наименьших квадратов. Оценка сверхидентифицированного уравнения. Двухшаговый и трехшаговый методы наименьших квадратов.

Четвертый модуль. «Модели временных рядов»

4.1. Общие сведения о временных рядах и задачах их анализа.

Понятие ряда динамики. Стационарные временные ряды. Факторы, формирующие уровни временного ряда. Общие составляющие уровней временного ряда. Коэффициент автокорреляции и его свойства. Автокорреляционная функция. Коррелограмма.

4.2. Моделирование на основе временных рядов.

Аддитивная и мультипликативная формы модели временного ряда. Моделирование тенденции временного ряда. Основные типы трендов: линейный, параболический, гиперболический, логистический, экспоненциальный. Этапы вычисления наличия тренда. Распознавание типа тренда. Моделирование сезонных и циклических колебаний временного ряда. Методы выявления сезонной компоненты и сезонная волна. Индексы сезонности.

4.3. Автокорреляция остатков временного ряда.

Автокорреляция и авторегрессия. Тест Дарбина-Уотсона на наличие автокорреляции. Методы уменьшения автокорреляции во временных рядах.

В результате изучения дисциплины студенты должны

знать:

−        основные математические предпосылки эконометрического моделирования;

−        типы экспериментальных данных и типы эконометрических моделей;

−        основные этапы, методы и проблемы эконометрического моделирования;

−        методы оценки тесноты и направления связи между признаками;

−        методы оценки параметров моделей;

−        методы оценки качества построенных моделей;

−        тесты на гетероскедастичность и наличие автокорреляции остатков;

−        методы оценивания параметров моделей в условиях нарушения некоторых из математических предпосылок моделирования;

−        моделирование нелинейных связей;

−        особенности включения в модели порядковых переменных и качественных признаков;

−        основные сведения о временных рядах и задачах их анализа, моделирование временных рядов;

−        основные понятия о системах уравнений, используемых в эконометрике, проблемах их идентификации и методах оценивания параметров моделей одновременных уравнений;

уметь:

-        осуществлять отбор наиболее существенных объясняющих переменных в регрессионную модель;

-        оценивать тесноту и направление связи между признаками;

-        проводить спецификацию моделей;

-        оценивать параметры модели и их проверять их статистическую значимость;

-        оценивать качество построенных моделей;

-        осуществлять проверку моделей на мультиколлинеарность, гетероскедастичность и наличие автокорреляции остатков;

-        оценивать параметры моделей в условиях нарушения некоторых из математических предпосылок моделирования;

-        осуществлять моделирование нелинейных связей, проводить линеаризацию нелинейных моделей;

-        использовать в модели порядковые переменные;

-        вводить в модель качественные признаки;

-        оценивать однородность выборки при помощи критерия Г. Чоу;

-        моделировать тенденцию и сезонные колебания на основе временных рядов;

-        проводить идентификацию моделей одновременных уравнений;

-        оценивать параметры моделей одновременных уравнений косвенным, двухшаговым и трёхшаговым методом наименьших квадратов;

-        прогнозировать на основе эконометрических моделей.

Иметь практический опыт:

-        применения современной методики построения эконометрических моделей,

-        владения методами и приемами анализа экономических явлений и процессов с помощью стандартных теоретических и эконометрических моделей;

-        владения навыками применения аппарата эконометрического исследования для решения конкретных задач, включая построение моделей, оценку параметров и проверку качества моделей.

 

Виды учебной работы

При изучении дисциплины используются следующие виды работ:

−    лекционные занятия;

−    практические занятия;

−    индивидуальные и групповые консультации;

−    самостоятельная работа.