• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2019/2020

Эконометрика (продвинутый уровень)

Статус: Курс обязательный (Мировая экономика)
Направление: 38.04.01. Экономика
Когда читается: 1-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Преподаватели: Семерикова Елена Вячеславовна, Хабибуллин Рамис Арсланович
Прогр. обучения: Мировая экономика
Язык: русский
Кредиты: 6
Контактные часы: 88

Программа дисциплины

Аннотация

Эконометрика - наука, изучающая количественные и качественные экономические взаимосвязи с помощью математических и статистических методов и моделей. Мы будем подробно изучать линейные регрессионные модели, рассмотрим наиболее частые отклонения от предпосылок классической линейной регрессии, изучим метод максимального правдоподобия, погрузимся в базовый анализ временных рядов и панельных данных. А также изучим базовые модели (logit и probit) для качественных зависимых переменных. Наряду с теоретической основой мы будем работать с реальными данными, используя статистический пакет STATA.
Цель освоения дисциплины

Цель освоения дисциплины

  • Сформировать представление о теоретических основах современных эконометрических методов анализа данных
  • Продемонстрировать широкий спектр инструментов анализа данных, описывающих экономические процессы
  • Ознакомить с наиболее важными эконометрическими подходами
  • Сформировать навык корректного использования инструментов на практике при работе со специализированной эконометрической программой STATA.
Планируемые результаты обучения

Планируемые результаты обучения

  • Описывает специфические методы математической статистики и эконометрики; инструменты и средства, необходимые для решения прикладных задач
  • Оценивает и перерабатывает освоенные научные методы и способы деятельности; предлагает концепции, модели, изобретает и апробирует способы и инструменты профессиональной деятельности; анализирует, верифицирует, оценивает полноту информации в ходе профессиональной деятельности, при необходимости восполняет и синтезирует недостающую информацию и работает в условиях неопределённости
  • Проводит самостоятельные исследования в соответствии с разработанной программой, находит данные, необходимые для анализа и проведения экономических расчётов, используя различные источники информации
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Предмет и метод эконометрики
    Предмет эконометрики. Цели эконометрического исследования. Взаимоотношение между экономической теорией и эконометрикой. Метод эконометрики. Эконометрика и математическая статистика.
  • Тема 3. Классическая линейная нормальная регрессионная модель (КЛНРМ
    Метод наименьших квадратов (МНК). Предпосылки КЛНРМ и теорема Гаусса-Маркова. Несмещённая оценка дисперсии случайной составляющей уравнения регрессии. Свойства оценок МНК и оценки дисперсии. Обычный и скорректированный коэффициенты детерминации, их связь с коэффициентом корреляции. Оценка ковариационной матрицы оценок МНК. Доверительные интервалы и проверка гипотез относительно параметров регрессионной модели. Прогнозирование в КЛНРМ. Качественные переменные и перекрёстные члены в регрессионной модели. Мультколлинеарность
  • Тема 4. Нарушения предпосылок классической модели
    Ошибки спецификации и их последствия, выбор функциональной формы уравнения регрессии. Гетероскедастичность и автокорреляция: последствия для оценок МНК, диагностика. Обобщённая модель регрессии, обобщённый и доступный обобщённый метод наименьших квадратов. Состоятельные в случае гетероскедастичности и автокорреляции оценки ковариационной матрицы оценок МНК.
  • Тема 13. Метод максимального правдоподобия. Тесты Вальда, отношения правдоподобия, множителей Лагранжа
    Метод максимального правдоподобия. Свойства оценок метода максимального правдоподобия. Соотношение между оценками коэффициентов линейной регрессии, полученными методом максимального правдоподобия и методом наименьших квадратов в случае нормально распре-деленной случайной составляющей. Свойства оценки дисперсии случайной составляющей, полученной методом максимального правдоподобия. Проверка гипотез с помощью теста Вальда, теста отношения правдоподобия, теста множителей Лагранжа.
  • Тема 8. Модели с качественной объясняемой переменной
    Линейная модель вероятности, модели логит и пробит. Оценивание моделей бинарного выбора методом максимального правдоподобия. Построение доверительных интервалов и проверка гипотез: критерии Вальда и отношения правдоподобия. Меры качества модели: псевдо-R2, классификационная таблица, чувствительность и специфичность. Проверка функциональной формы. Модели логит и пробит для упорядоченного и неупорядоченного множественного выбора. Предельные эффекты в моделях качественных данных.
  • Эндогенность
    Понятие об эндогенности. Метод инструментальных переменных. Сильные и слабые инструменты. Тест Хаусмана проверки экзогенности регрессоров. Обобщенный метод моментов.
  • Тема 6. Анализ временных рядов
    Составляющие временного ряда, классическая декомпозиция. Методы экспоненциального сглаживания. Вероятностные модели временного ряда. Стационарность рядов. Модели ARMA, оценивание их параметров, выбор порядка авторегрессии и скользящего среднего. Автокорреляционная и частная автокорреляционная функции. Критерии Акаике и Шварца. Нестационарные ряды. Модели с детерминированным и стохастическим трендом, сезонность во временных рядах. Модели ARIMA и SARIMA. Оценивание регрессионных моделей по временным рядам. Динамические модели со стационарными переменными. Модели векторной авторегрессии. Причинность по Грэнджеру. Нестационарные переменные и кажущиеся регрессии. Понятие коинтеграции.
  • Тема 7. Анализ панельных данных
    Разнородность моделируемых объектов и её учёт с помощью панельных данных. Модель сквозной (pooled) регрессии. Модели со случайным и детерминированным индивидуальным эффектом, преобразования between и within. Последствия неправильной спецификации модели. Выбор модели с помощью F-теста, теста множителей Лагранжа и теста Хаусмана. Представление о динамических моделях панельных данных.
Элементы контроля

Элементы контроля

  • неблокирующий Домашние задания №1 и №2
    Составляют 5% от итоговой оценки.
  • неблокирующий Квизы
    Представляют собой письменные опросы на лекциях продолжительностью 15 минут. Составляют 5% от итоговой оценки.
  • неблокирующий Проект
    Большое домашнее задание, выполняемое на реальных данных. Составляет 20% от итоговой оценки.
  • неблокирующий Контрольная по итогам 1-го модуля
    Составляет 10% от итоговой отметки.
  • неблокирующий Финальный письменный экзамен
    Составляет 60% итоговой отметки.
  • неблокирующий Активность на семинарах
    К итоговой сумме добавляются баллы за активность на семинарах (т.е. теоретически итоговая оценка может быть более 100 баллов).
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.09 * Домашние задания №1 и №2 + 0.01 * Квизы + 0.1 * Контрольная по итогам 1-го модуля + 0.2 * Проект + 0.6 * Финальный письменный экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Эконометрика. Начальный курс : учебник для вузов, Магнус, Я. Р., 2004

Рекомендуемая дополнительная литература

  • Klaus Neusser. (2016). Time Series Econometrics. Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.spr.sptbec.978.3.319.32862.1