• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2020/2021

Эконометрика

Статус: Курс обязательный (Мировая экономика)
Направление: 38.03.01. Экономика
Когда читается: 3-й курс, 1-3 модуль
Формат изучения: с онлайн-курсом
Преподаватели: Жукова Людмила Вячеславовна, Погорелова Полина Вячеславовна, Поляков Константин Львович, Стебунова Ольга Ивановна
Язык: русский
Кредиты: 7
Контактные часы: 104

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления 38.03.01 "Экономика" подготовки бакалавра, изучающих дисциплину «Эконометрика».
Цель освоения дисциплины

Цель освоения дисциплины

  • Цель дисциплины — дать студентам научное представление о методах и моделях современной эконометрики, которые позволяют давать количественную оценку основным закономерностям экономической теории, а также прогнозировать социально-экономические процессы.
Планируемые результаты обучения

Планируемые результаты обучения

  • Интерпретирует основные понятия эконометрики, этапы построения эконометрических моделей,
  • Применяет основные методы оценивания неизвестных параметров моделей,
  • Применяет основные методы диагностики (проверки качества) эконометрических моделей.
  • Оперирует навыками обработки реальных статистических данных
  • Применяет методы анализа многомерных данных
  • Работает в эконометрических пакетах для построения и диагностики эконометрических моделей (например, ППП MS Excel, Eviews, STATA, Gretl, R).
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Предмет эконометрики. Основные Понятия и определения. Этапы построения эконометрической модели
    Цели и методы эконометрики. Этапы построения эконометрической модели. Взаимосвязи между переменными. Примеры простейших эконометрических моделей. Типы эконометрических данных: временные ряды, перекрестные данные, панельные данные. Методы оценивания. Верификация оцененной модели.
  • Модель множественной линейной регрессии. Оценка параметров модели. Верификация. Теорема Гаусса-Маркова
    Множественная линейная регрессия: спецификация модели в скалярной и матричной формах. Метод наименьших квадратов и его геометрическая интерпретация в многомерном случае. Нахождение оценок параметров модели. Теорема Гаусса – Маркова для случая множественной линейной регрессии (без доказательства). Коэффициент множественной детерминации и его свойства. Неприменимость коэффициента детерминации для оценки качества подгонки регрессии, проходящей через начало координат. Коэффициент множественной детерминации, скорректированный на число степеней свободы. Предположение о нормальности распределения случайной ошибки. Проверка гипотез о конкретном значении коэффициентов регрессии. Проверка гипотез o значимости коэффициентов регрессии. Построение доверительных интервалов для коэффициентов регрессии. Проверка гипотезы об адекватности регрессии в целом.
  • Модель множественной линейной регрессии. Введение в модель фиктивных (дамми) переменных. Тест Чоу
    Фиктивные переменные для дифференциации свободного члена и коэффициентов наклона. Сравнение двух регрессий с помощью фиктивных переменных и теста Чоу (Chow). Эквивалентность этих подходов. Анализ сезонности с помощью фиктивных переменных
  • Нарушения предпосылок теоремы Гаусса-Маркова: ошибки спецификации. Тест Рамсея
    Проблема выбора "наилучшей" модели. Свойства, которыми должна обладать "хорошая" модель. Типы ошибок спецификации модели. Пропущенные и излишние переменные. Неправильная функциональная форма модели. Смещение в оценках коэффициентов, вызываемое невключением существенных переменных. Ухудшение точности оценок (увеличение оценок дисперсий) при включении в модель излишних переменных. RESET тест Рамсея (Ramsey's RESET test) для проверки гипотезы о существовании упущенных переменных.
  • Нарушения предпосылок теоремы Гаусса-Маркова: мультиколлинеарность
    Совершенная и практическая мультиколлинеарность данных. Признаки наличия мультиколлинеарности. Теоретические последствия мультиколлинеарности для оценок параметров регрессионной модели. Неустойчивость оценок параметров регрессии и их дисперсий при малых изменениях исходных данных при наличии мультиколлинеарности. Показатели степени мультиколлинеарности. Показатель "вздутия" дисперсии (VIF). Методы борьбы с мультиколлинеарностью. Метод последовательного включения/ исключения факторов. Понятие о методе главных компонент.
  • Нарушения предпосылок теоремы Гаусса-Маркова: гетероскедастиность случайных возмущений
    Нарушение гипотезы о гомоскедастичности. Последствия гетероскедастичности для оценок коэффициентов регрессии методом наименьших квадратов. Применение тестов Уайта, Годфельда – Квандта, Бройша-Пагана и др. для диагностирования гетероскедастичности. Оценивание коэффициентов множественной линейной регрессии при гетероскедастичности. Понятие о взвешенном МНК. Стандартные ошибки, скорректированные с учетом гетероскедастичности, в форме Уайта.
  • Обнаружение резко выделяющихся наблюдений
    Сила воздействия измерения на подогнанное значение зависимой переменной. Понятие выброса. Критерии обнаружения выбросов.
  • Нарушения предпосылок теоремы Гаусса-Маркова: автокорреляция случайных возмущений
    Понятие об автокорреляции случайных возмущений. Последствия автокорреляции для оценок коэффициентов регрессии, полученных МНК. Диагностирование автокорреляции с помощью статистики Дарбина–Уотсона. Условия применимости статистики Дарбина-Уотсона. Методы оценки параметра автокорреляции. Преобразование исходных данных, позволяющее применить метод наименьших квадратов. Оценка параметра автокорреляции по значению статистики Дарбина-Уотсона и коэффициенту авторегрессии остатков. Тестирование модели на наличие автокорреляции более высокого порядка: тест Бройша-Годфри.
  • Модели бинарного выбора: логит- и пробит-модели. Метод максимального правдоподобия
    Применение моделей бинарного выбора к анализу социально-экономических процессов. Линейная вероятностная модель, ее недостатки. Логит- и пробит- модели: спецификация, предельные эффекты, оценивание параметров методом максимального правдоподобия, оценка качества моделей (псевдо R2,LR-статистика).
  • Введение в анализ временных рядов
    Основные определения: стохастический процесс, стационарность в узком и широком смыслах. Компоненты временного ряда. Аддитивная и мультипликативная модели временных рядов. Примеры экономических временных рядов с трендом и сезонностью. Автоковариационная и автокорреляционная функции (АКФ). Применение АКФ и частной АКФ для идентификации временных рядов
  • Введение в анализ временных рядов. Модели стационарных временных рядов с конечным числом лагов. Методология Бокса-Дженкинса
    Процесс «белого шума». Процесс случайного блуждания. Процессы авторегрессии AR(1) и AR(2): числовые характеристики, АКФ, частная АКФ (с выводом). Проверка на стационарность: графический анализ, анализ АКФ и частной АКФ, формальные тесты: статистика Бокса-Пирса, статистика Льюнга-Бокса, тест Дики-Фуллера. Методология Бокса-Дженкинса: ARIMA (p, d, q).
  • Модели панельных данных
    Основные определения. Преимущества и недостатки при работе с панельными данными. Основные предположения, лежащие в основе модели. Спецификация модели. Модель between. Модель с фиксированными эффектами (fixed effects). Модель со случайными эффектами (random effects). Какую модель предпочесть: тесты Вальда, Бройша-Пагана, Хаусмана.
Элементы контроля

Элементы контроля

  • неблокирующий работа на семинарах1
    Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
  • неблокирующий самостоятельная работа1
    Для отчета студенты представляют три вида документов: "Отчет о самостоятельной работе", файлы с данными в формате MS Excel и пакета, в котором выполнялись расчеты., презентацию проекта - 5-6 слайдов в MS Power Point. Обязательным условием получения оценок 9 и 10 является устное представление результатов проекта.
  • неблокирующий Экзамен
    Экзамен проводится в дистанционном формате
  • неблокирующий работа на семинарах2
    Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
  • неблокирующий самостоятельная работа2
    Для отчета студенты представляют три вида документов: "Отчет о самостоятельной работе", файлы с данными в формате MS Excel и пакета, в котором выполнялись расчеты., презентацию проекта - 5-6 слайдов в MS Power Point. Обязательным условием получения оценок 9 и 10 является устное представление результатов проекта.
  • неблокирующий работа на семинарах3
    Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (3 модуль)
    0.15 * работа на семинарах1 + 0.15 * работа на семинарах2 + 0.15 * работа на семинарах3 + 0.2 * самостоятельная работа1 + 0.2 * самостоятельная работа2 + 0.15 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Statistics for business and economics, Newbold, P., 2013
  • Введение в эконометрику : учебник для вузов, Доугерти, К., 2009

Рекомендуемая дополнительная литература

  • Практика эконометрики: классика и современность : учебник для вузов, Берндт, Э. Р., 2005
  • Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008