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

Эконометрика

Статус: Курс адаптационный (Менеджмент в ритейле)
Направление: 38.04.02. Менеджмент
Кто читает: Кафедра маркетинга фирмы
Когда читается: 1-й курс, 1, 2 модуль
Формат изучения: с онлайн-курсом
Прогр. обучения: Менеджмент в ритейле
Язык: русский
Кредиты: 2

Программа дисциплины

Аннотация

В рамках курса "Эконометрика" студенты получат представление об основных эконометрических методах и их применении для решения конкретных задач с помощью программного обеспечения. Программа учебной дисциплины разработана в соответствии с федеральным государственным образовательным стандартом высшего образования по направлению подготовки 090301 Информатика и вычислительная техника, утвержденным приказом Минобрнауки России от 19.09.2017 N 929, зарегистрированным в Минюсте России 10.10.2017 N 48489.Для освоения курса необходимо знание теории вероятностей и математической статистики. Также, в изучении курса помогут знания в области линейной алгебры.
Цель освоения дисциплины

Цель освоения дисциплины

  • Дать студентам научное представление о методах и моделях, позволяющих получать количественные выражения закономерностям экономической теории на базе экономической статистики с использованием статистического инструментария.
Планируемые результаты обучения

Планируемые результаты обучения

  • Объясняет смысл метода наименьших квадратов.
  • Объясняет геометрическую интерпретацию МНК.
  • Рассчитывает коэффициент детерминации и объясняет его смысл.
  • Объясняет статистические свойства оценок коэффициентов.
  • Владеет основами работы в R.
  • Использует дамми-переменные.
  • Проверяет гипотезы о линейных ограничениях.
  • Интерпретирует графики в R.
  • Умеет строить прогнозы в R.
  • Владеет понятием мультиколлинеарности и способами борьбы с ней.
  • Владеет методом главных компонент.
  • Определяет понятие гетероскедастичности и называет её виды.
  • Перечисляет последствия гетероскедастичности.
  • Определяет мультиколлинеарность и гетероскедастичность в R.
  • Формулирует определение автокорреляции.
  • Называет последствия автокорреляции.
  • Тестирует модель на наличие автокорреляции.
  • Объясняет суть метода максимального правдоподобия.
  • Строит доверительные интервалы и проверяет гипотезы.
  • Описывает особенности логит-моделей.
  • Владеет базовыми действиями с временными рядами в R.
  • Проводит тесты на автокорреляцию в R.
  • Определяет понятие стационарности.
  • Описывает AR и MA процессы.
  • Определяет понятие эндогенности и описывает её причины.
  • Описывает метод борьбы с эндогенностью.
  • Объясняет особенности двухшагового метода наименьших квадратов.
  • Различает искусственно сгенерированные стационарные и нестационарные процессы.
  • Называет нестандартные регрессии.
  • Реализует байесовский подход, апостериорное распределение и МСМС в R.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Метод наименьших квадратов
    Суть МНК с примерами. Геометрическая интерпретация МНК. Ликбез по линейной алгебре. Геометрическая иллюстрация МНК без регрессеров. Геометрическая иллюстрация МНК для множества регрессеров. Коэффициент детерминации. Мораль первой лекции.
  • Статистические свойства оценок коэффициентов
    Условное математическое ожидание. Ковариационная матрица МНК. Проверка гипотез и доверительные интервалы.
  • Введение в R
    R: начало работы и МНК. R: ложно-значимые регрессоры, загрузка данных.
  • Дамми-переменные, сравнение вложенных моделей
    Прогнозирование и дамми-переменные. Проверка гипотезы о линейных ограничениях.
  • Графики, фиктивные переменные и прогнозы в R
    R: графики и переход к логарифмам. R: графики для качественных и количественных переменных. Оценивание моделей с дамми-переменными в R. Построение прогнозов в R.
  • Мультиколлинеарность
    Мультиколлинеарность: понятие и методы борьбы. Определение мультиколлинеарности. Что поделать с мультиколлинеарностью? Ридж и LASSO регрессия. Метод главных компонент. Идея метода главных компонент. Пример нахождения главной компоненты. Свойства главных компонент.
  • Гетероскедастичность
    Гетероскедастичность: понятия и последствия. Условная гетероскедастичность. Безусловная гетероскедастичность. Последствия гетероскедастичности для малых выборок. Последствия гетероскедастичности: нормальность и большие выборки.
  • Мультиколлинеарность и гетероскедастичность в R
    R: доверительные интервалы при мультиколлинеарности. LASSO регрессия в R. R: ридж-регрессия и идея оценки лямбды. Метод главных компонент в R. Гетероскедастичность в R. Написание функции в R. Написание циклов в R. Прежние оценки для сравнения. Доверительные интервалы при гетероскедастичности в R. Тесты на гетероскедастичность в R.
  • Автокорреляция
    Автокорреляция и ее последствия. Свойства автокорреляции первого порядка. Последствия автокорреляции. Робастные стандартные ошибки и тест Дарбина-Уотсона. Тест Бройша-Годфри. Пример тестирования автокорреляции.
  • Метод максимального правдоподобия, модели бинарного выбора
    Суть метода максимального правдоподобия. ML в непрерывном случае. ML и построение доверительных интервалов. Проверка гипотез. LR тест. Логит-модель. Вероятность и отношение шансов. Предельные эффекты и прогнозы. Несуществование оценок логит-модели. Заключение.
  • Автокорреляция и модели бинарного выбора в R.
    R: даты и временные ряды, загрузка данных и тесты на автокорреляцию. Работа с датами в R. Базовые действия с временными рядами. Загрузка данных из внешних источников. R: построение робастных доверительных интервалов. Тесты на автокорреляцию в R.
  • Временные ряды
    Определение стационарности, AR и MA процессы. Стационарные и нестационарные ряды. Процесс скользящего среднего. Автокорреляционная функция. Частная автокорреляционная функция. Процесс авторегрессии. Пример подсчета частной автокорреляционной функции AR(1) процесса. Множественность решений уравнения AR(1) процесса. Проверка на стационарность, прогонзирование и ARMA процесс.
  • Эндогенность
    Эндогенность: определение и причины. Различные формы записи одной модели. Определение эндогенности. Ошибка измерения регрессора. Пропущенная объясняющая переменная. Метод борьбы с эндогенностью, корреляция и причинность. Три иллюстрации к данным наблюдений.
  • Временные ряды и эндогенность в R
    Примеры анализа временных рядов в R. Искусственно сгенерированные стационарные процессы. Искусственно сгенерированные нестационарные процессы. Анализ уровня воды озера Гурон. Анализ стоимости акций компании Гугл и численности населения России. Анализ индекса потребительских цен. Деление выборки на две части и двухшаговый МНК. Деление выборки на обучающую и тестовую. Двухшаговый метод наименьших квадратов в парной регрессии. Пара нюансов двухшагового метода наименьших квадратов.
  • Дополнительные главы эконометрики
    Нестандартные регрессии и алгоритм случайного леса. Байесовский подход, апостериорное распределение и МСМС. R: реализация описанных методов.
Элементы контроля

Элементы контроля

  • неблокирующий Тесты
    Тесты проводятся после каждой темы. Студент допускается к сдаче экзамена при наборе как минимум 40% от максимально возможного количества баллов по результатам текущего контроля знаний по онлайн-курсу на платформе openedu.ru.
  • блокирующий Экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.6 * Тесты + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Введение в эконометрику : учебник для вузов, Доугерти К., Замкова О. О., 2010
  • Путеводитель по современной эконометрике : учеб. пособие для вузов, Вербик М., Банникова В. А., 2008
  • Эконометрика : учебник и практикум для прикладного бакалавриата, Демидова, О. А., Малахов, Д. И., 2017

Рекомендуемая дополнительная литература

  • Эконометрика в задачах и упражнениях, Борзых, Д. А., Демешев, Б. Б., 2017