Эконометрика

Бакалавриат 2021/2022

Лучший по критерию «Новизна полученных знаний»

Статус: Курс обязательный (Экономика и статистика)

Направление: 38.03.01. Экономика

Кто читает: Департамент статистики и анализа данных

Где читается: Факультет экономических наук

Когда читается: 4-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Родионова Лилия Анатольевна

Язык: русский

Кредиты: 5

Контактные часы: 56

Полная версия программы учебной дисциплины

Аннотация

Анализ статистических показателей, представленных временными рядами, стало неотъемлемой частью современных научных прикладных исследований во многих областях науки. Временная структура данных накладывает ограничения на используемые эконометрические модели в силу того, что временные данные упорядочены во времени и наблюдения в близкие моменты времени зависимы. В курсе Эконометрики будут подробно обсуждаться вопросы моделирования детерминированных составляющих временного ряда, стационарности процессов, адаптивные модели, модели ARIMA, моделирование сезонности, проблемы анализа нестационарных временных рядов и многомерных моделей. В предлагаемом курсе будет рассмотрено большое количество прикладных задач с использованием современных пакетов прикладных программ (Stata, Gretl).

Цель освоения дисциплины

Целью освоения дисциплины Эконометрика является формирование у студентов научного представления о методах, моделях и приемах, позволяющих получать количественные выражения закономерностям экономической теории на базе экономической статистики с использованием математико-статистического инструментария анализа временных рядов.
Целью освоения эконометрики является формирование у студентов научного представления о методах, моделях и приемах, позволяющих получать количественные выражения закономерностям экономической теории на базе экономической статистики с использованием математико-статистического инструментария.
выработка у студентов навыков критического анализа различных источников информации о временных рядах
подготовка студента к решению профессиональных задач в области анализа временных рядов

Планируемые результаты обучения

Знать и уметь решать основные проблемы спецификации регрессионной модели
Знать основные принципы и уметь использовать классическую линейную модель множественной регрессии
Знать основные принципы и уметь применять метод максимального правдоподобия (ММП) в эконометрическом анализе
Знать основные принципы и уметь работать с обобщенной линейной моделью множественной регрессии
Знать основные принципы моделирования регрессионных зависимостей с дискретными и дискретно-непрерывными зависимыми переменными и уметь с ними работать
Знать основные принципы моделирования с использованием систем регрессионных уравнений и уметь с ними работать
Знать основные принципы проблемы эндогенности в регрессионном анализе и уметь работать с моделями со стохастическими регрессорами
Знать основные принципы эконометрических моделей и уметь работать с ними
Знать основные принципы регрессионного анализа панельных данных и уметь с ними работать
Знать основные принципы и уметь использовать методы оценивания моделей ARMA/ARIMA, моделей с авторегрессионной условной гетероскедастичностью, уметь применять тесты единичного корня.
Знать основные принципы и уметь использовать модели сезонных колебаний с фиктивными переменными, модели SARIMA, адаптивные сезонные модели временных рядов, применять тесты на сезонные единичные корни.
Знать основные принципы и уметь использовать основные модели многомерных временных рядов: модели коинтеграции, модели коррекции ошибками, авторегрессионная модели распределенных лагов, модели векторной авторегрессии.

Содержание учебной дисциплины

Тема12. Основные модели многомерных временных рядов
Тема11. Анализ и моделирование сезонных колебаний во временных рядах
Тема10. Анализ одномерных временных рядов
Тема 1. Основные понятия и определения, цель и задачи эконометрики. Особенности эконометрических моделей
Тема 2. Классическая линейная модель множественной регрессии.
Тема 3. Проблемы спецификации регрессионных моделей
Тема 4. Обобщенная линейная модель множественной регрессии (ОЛММР)
Тема 5. Стохастические регрессоры
Тема 6. Системы регрессионных уравнений
Тема 7. Метод максимального правдоподобия (ММП) в регрессионном анализе
Тема 8. Модели с дискретными и дискретно-непрерывными зависимыми переменными
Тема 9. Модели, оцениваемые по панельным данным

Элементы контроля

Активность на семинарах
ТДЗ
ТДЗ (Текущее Домашнее Задание) по каждой теме нацелено на ее предварительное изучение в ходе подготовки студентов к семинару. Это задание высылается студентам до семинара после лекции по соответствующей теме.
Активность на семинарах
Текущие домашние работы
ТДР выполняются еженедельно, в группе по 2 человека и состоят из нескольких заданий по пройденной теме. На проверку отчет загружается в LMS.
Самостоятельная работа 1
СР1 и СР2 (Самостоятельные работы 1 и 2) выполняются на компьютерах в соответствии с требованиями. В итоге студенты представляют на проверку текстовый отчет и расчетный файл через LMS.
Контрольная работа
КР (Контрольная работа) выполняются в форме аудиторной контрольной работы с решением теоретических, а также расчетных задач, не связанных с обработкой больших массивов данных, с использованием калькулятора.
Самостоятельная работа 2
СР1 и СР2 (Самостоятельные работы 1 и 2) выполняются на компьютерах в соответствии с требованиями. В итоге студенты представляют на проверку текстовый отчет и расчетный файл через LMS.
СР1
СР1 и СР2 (Самостоятельные Работы 1 и 2) выполняются на компьютерах. В итоге студенты представляют на проверку текстовый отчет и расчетный файл. Если СР1 не сдается в срок без уважительной причины, то она не подлежит пересдаче.
СР2
Если СР2 не сдается в срок без уважительной причины, то она не подлежит пересдаче.

Промежуточная аттестация

2020/2021 учебный год 4 модуль
2021/2022 учебный год 2 модуль
0.2 * Контрольная работа + 0.2 * Самостоятельная работа 2

Программа дисциплины