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

Эконометрика

Статус: Курс обязательный
Направление: 38.06.01. Экономика
Кто читает: Школа финансов
Когда читается: 1-й курс, 1 семестр
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 4

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям аспиранта по направлению подготовки «Менеджмент» и определяет содержание и виды учебных занятий и отчетности. Изучение данной дисциплины базируется на следующих базовых дисциплинах: • Линейная алгебра, • Математический анализ, • Теория вероятностей, • Математическая статистика. Основные положения дисциплины могут быть использованы в дальнейшем при написании эмпирической части диссертации.
Цель освоения дисциплины

Цель освоения дисциплины

  • • Получение аспирантами представления о теоретических основах эконометрики, основных эконометрических моделях и методах их оценивания, области их применения.
  • • Освоение аспирантами статистических пакетов, позволяющих применить эконометрические методы к анализу реальных статистических данных
  • • Развитие навыков выбирать и применять методы исследования, адекватные предмету и задачам исследования - способности предложить эконометрическую модель, приближающую и объясняющую происходящие в обществе процессы, а также адекватный метод ее оценивания
  • • Развитие навыка выбирать необходимые для исследования статистические данные
  • • Развитие способности оценивать необходимые эконометрические модели по имеющимся статистическим данным с использованием современных статистических пакетов
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать теоретическое обоснование основных эконометрических моделей и методов
  • Уметь применять эконометрические методы оценивания при работе с реальными статистическими данными
  • Иметь навыки (приобрести опыт) работы с модулями статистических пакетов Excel, Gretl и STATA , позволяющие применить эконометрические методы оценивания.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Основные понятия теории вероятностей
    Случайные события и случайные величины. Непрерывные и дискретные случайные величины и их основные числовые характеристики. Условное математическое ожидание. Нормальное и основные связанные с ним распределения. Генеральная совокупность и выборка. Статистическое оценивание. Точечные оценки. Линейность, несмещенность, эффективность и состоятельность оценок. Интервальные оценки. Метод максимального правдоподобия и метод моментов для получения оценок параметров.
  • Множественная линейная регрессия
    Множественная линейная регрессия. Метод наименьших квадратов и его геометрическая интерпретация в многомерном случае. Теорема Гаусса – Маркова для множественной линейной регрессии. 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.
  • Проверка гипотез для коэффициентов множественной регрессии
    Предположение о нормальном распределении случайной ошибки. Проверка гипотез о конкретном значении коэффициентов регрессии. Проверка гипотез о значимости коэффициентов регрессии. Доверительные интервалы для коэффициентов регрессии. Проверка гипотезы об адекватности регрессии. Проверка общей линейной гипотезы о наличии нескольких линейных соотношений между коэффициентами регрессии. Тесты Вальда, отношения правдоподобий и множителей Лагранжа для проверки общих ограничений в классической регрессионной модели.
  • Выбор функциональной формы модели
    Линейная в логарифмах регрессия как модель с постоянной эластичностью. Полулинейная модель как модель с постоянными темпами роста. Выбор между моделями с помощью теста Бокса-Кокса. Фиктивные (dummy) переменные и их использование для дифференциации свободных членов и коэффициентов наклона регрессии. Исследование структурной устойчивости коэффициентов регрессии с помощью теста Чоу (Chow).
  • Ошибки спецификации модели
    Смещение в оценках коэффициентов, вызванное невключением существенных переменных. Уменьшение эффективности оценок коэффициентов при включении в модель излишних переменных. RESET- тест Рамсея для проверки гипотезы о существовании упущенных переменных. Идеальная и практическая мультиколлинеарность данных. Диагностика и последствия наличия мультиколлинеарности для оценок параметров регрессионной модели. Методы борьбы с мультиколлинеарностью.
  • Гетероскедастичность. Обобщенный МНК
    Нарушение гипотезы о гомоскедастичности. Последствия гетероскедастичности для оценок коэффициентов регрессии методом наименьших квадратов. Применение тестов для диагностирования гетероскедастичности. Коррекция на гетероскедастичность. Стандартные ошибки в форме Уайта. Обобщенный метод наименьших квдратов.
  • Эндогенность
    Понятие об эндогенности. Метод инструментальных переменных. Сильные и слабые инструменты. Тест Хаусмана проверки экзогенности регрессоров. Обобщенный метод моментов.
  • Модели с ограниченными зависимыми переменными
    Логит и пробит - модели с бинарной зависимой переменной. Модели упорядоченного выбора. Мультиномиальные модели.
  • Тобит-модели и модели Хекмана. Модели счетных данных
    Тобит модели. Модели Хекмана. Регрессия Пуассона. Отрицательная биномиальная модель.
  • Модели панельных данных
    Модели сквозной регрессии. Модели с фиксированными эффектами. Модели со случайными эффектами. Тесты Бройша-Пагана и Хаусмана для выбора между моделями. Динамические модели панельных данных, их оценка методом Ареллано-Бонда
  • Введение в теорию временных рядов. Одномерные модели временных рядов
    Основные компоненты временного ряда. Выделение тренда и сезонной составляющей. Понятие об автокорреляции случайной составляющей. Последствия неучета автокорреляции. Диагностирование автокорреляции. Стационарные и нестационарные временные ряды. Тестирование наличия единичного корня. Методология Бокса-Дженкинса, модели ARIMA.
  • Многомерные модели временных рядов
    Модели с нестационарными переменными. Ложные регрессии. Коинтеграция. Тестирование на коинтеграцию. Векторные модели авторегрессии.
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
  • неблокирующий Письменный экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (I семестр)
    0.4 * Домашнее задание + 0.6 * Письменный экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Болдыревский П.Б., Зимина С.В. - Эконометрика. (Бакалавриат) - КноРус - 2019 - 177с. - ISBN: 978-5-406-04200-7 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/933017

Рекомендуемая дополнительная литература

  • Эконометрика : учебник / В.А. Колемаев. — М. : ИНФРА-М, 2017. — 160 с. — (Высшее образование: Бакалавриат). - Режим доступа: http://znanium.com/catalog/product/768143