• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Бакалаврская программа «Экономика»

Прикладная микроэконометрика

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
5
Кредиты
Статус:
Курс по выбору
Когда читается:
4-й курс, 1, 2 модуль

Преподаватели

Программа дисциплины

Аннотация

Курс «Прикладная микроэконометрика» рассчитан на студентов 4-го курса бакалавриата факультета экономических наук. Задача курса – дать студентам представление о многообразии современных подходов эконометрического исследования данных, поступающих из опросов домохозяйств, предприятий, индивидов и т.п. Научить пониманию и использованию математического языка, на котором принято описывать современные эконометрические методы в этой области, привить критический подход при отборе инструментов анализа и осознание необходимости тщательного тестирования статистической адекватности получаемых моделей, а также развить навыки содержательной интерпретации результатов. Материал курса предназначен для использования в дисциплинах, связанных с эмпирическим анализом реальных экономических явлений, в курсах макро- и микро- экономики, при выполнении исследований в ходе подготовки ВКР.
Цель освоения дисциплины

Цель освоения дисциплины

  • Научить слушателей грамотно выбирать, оценивать и интерпретировать эконометрические модели, применяемые для анализа микро-данных, то есть данных, поступающих из опросов домохозяйств, предприятий, индивидов и т.п.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Умение оценивать и интерпретировать вероятностные модели бинарного выбора
  • Умение оценивать и интерпретировать системы бинарных уравнений с коррелированными ошибками
  • Умение грамотно выбирать и оценивать эконометрические модели по усечённым, цензурированным данным и данным, подверженным смещению отбора наблюдений
  • Умение правильно интерпретировать результаты оценивания моделей с ограниченными значениями зависимой переменной
  • Умение обосновывать необходимость применения панельного анализа данных в исследованиях, понимание того, как содержательно интерпретируется смысл ненаблюдаемых индивидуальных и временных эффектов в моделях
  • Умение находить в интернете и загружать в Stata процедуры для тестирования гетероскедастичности, автокорреляции и пространственной корреляции ошибок панельных регрессий. Способность подбирать подходящий метод коррекции моделей.
  • Способность анализировать объясняющие переменные модели на предмет выделения источников эндогенности, умение подбирать и тестировать на релевантность и валидность инструментов
  • Владение теорией, лежащей в основе обобщенного метода моментов, умение тестировать результаты процедур Ареллано-Бонда и Бланделла-Бонда на адекватность, способность подбирать метод оценивания, адекватный особенностям выборки
  • Умение проводить предварительный визуальный анализ данных на предмет выявления степени неоднородности данных, владение тестовыми процедурами для статистической диагностики соответствия степени неоднородности данных и возможности ее учета моделями
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Модели бинарного выбора
    Линейная вероятностная модель. Probit и logit модели. Предельные эффекты. Тестирование общей линейной гипотезы. Прогнозирование. Ошибки спецификации.
  • Системы бинарных уравнений с коррелированными ошибками
    Внешне несвязанные и иерархические системы бинарных уравнений. Условия идентификации. Особенности оценивания и интерпретации результатов. Предельные эффекты совместных и условных вероятностей.
  • Оценивание вероятностей по сгруппированным данным
    Группировка данных по значениям качественных объясняющих переменных. Использование взвешенного метода наименьших квадратов для оценивания вероятности при различных предположениях о распределении случайных ошибок.
  • Модели множественного выбора
    Порядковые (ordered) модели. Латентная переменная и ее интерпретация. Предельные эффекты. Проверка гипотезы о независимости границ латентной переменной от объясняющих переменных. Обобщенная порядковая модель. Модели последовательных значений. Множественная Logit-модель Мак Фаддена. Интерпретация с точки зрения полезности. Предположение и проверка гипотезы о независимости от посторонних альтернатив. Множественная probit модель.
  • Модели с ограниченными значениями зависимой переменной
    Усечённые и цензурированные выборки. Особенности функции правдоподобия. Truncated модели. Модель Тобина. Предельные эффекты и прогнозирование безусловного и условного математического ожидания зависимой переменной. Смещение отбора. Модель Хекмана. Предельные эффекты, прогнозирование и тестирование гипотез. Выбор между моделями Тобина, Хекмана и классической линейной регрессионной моделью. Модели с переключением.
  • Специфика моделирования по панельным данным
    Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными. Основные понятия и обозначения. Классификация методов анализа панельных данных в зависимости от степени учета неоднородности. .
  • Тестирование спецификации.
    Выбор между моделями индивидуальных регрессий, объединенной регрессии (Pool), регрессией с детерминированными эффектами на константу (ANCOVA) . Выбор между моделями Pool, FE, RE. Тест Хаусмана-Мундлака
  • Особенности оценивания моделей с панельными данными в условиях гетероскедастичности и серийных корреляций случайных возмущений
    Источники и способ учета гетероскедастичности ошибок наблюдений в моделях с индивидуальным специфическим эффектом. Методы оценивания и тестирования моделей с серийно коррелированными ошибками наблюдений. Методы оценивания и тестирования моделей с пространственной корреляцией объектов
  • Оценивание коэффициентов панельных регрессий в условиях эндогенности
    Оценивание коэффициентов панельных регрессий при наличии инвариантных по времени регрессоров в условиях коррелированности регрессоров и индивидуальных эффектов. Метод Хаусмана-Тейлора. Оценивание панелей при наличии общей коррелированности ошибок и регрессоров. Метод инструментальных переменных. Тестирование релевантности и валидности инструментов. Тест Саргана-Хансена.
  • Обобщенный метод моментов и оценивание динамических моделей
    Причина несостоятельности оценок динамических моделей FE. Метод Ареллано-Бонда, метод Бланделла-Бонда. Тестирование валидности инструментов и автокорреляции ошибок. Проблема нестационарности и понятие о панельной коинтеграции.
Элементы контроля

Элементы контроля

  • неблокирующий домашнее задание №1
  • неблокирующий домашнее задание №2
  • неблокирующий контрольная работа
  • неблокирующий экзамен
  • неблокирующий аудиторная активность
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.05 * аудиторная активность + 0.3 * домашнее задание №1 + 0.25 * домашнее задание №2 + 0.2 * контрольная работа + 0.2 * экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics : Methods and Applications. New York, NY: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=138992
  • Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics. Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.cup.cbooks.9780521848053
  • Econometric analysis of cross section and panel data, Wooldridge J. M., 2002
  • Анализ панельных данных в пакете STATA : методические указания к компьютерному практикуму по курсу "Эконометрический анализ панельных данных", Ратникова Т. А., 2005
  • Введение в эконометрический анализ панельных данных : учеб. пособие, Ратникова Т. А., 2010

Рекомендуемая дополнительная литература

  • A. Colin Cameron, & Pravin K. Trivedi. (2010). Microeconometrics Using Stata, Revised Edition. StataCorp LP. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.tsj.spbook.musr