Эконометрика

Магистратура 2018/2019

Статус: Курс по выбору (Городское развитие и управление)

Направление: 38.04.04. Государственное и муниципальное управление

Кто читает: Департамент государственного администрирования

Где читается: Санкт-Петербургская школа социальных наук

Когда читается: 1-й курс, 2 модуль

Формат изучения: с онлайн-курсом

Преподаватели: Несена Марина Васильевна

Прогр. обучения: Городское развитие и управление

Язык: русский

Кредиты: 2

Контактные часы: 8

Полная версия программы учебной дисциплины

Аннотация

Настоящая рабочая программа дисциплины устанавливает минимальные требования к образовательным результатам, а также определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Эконометрика», учебных ассистентов и студентов образовательной программы «Городское развитие и управление» направления 38.04.04 «Государственное и муниципальное управление». Программа разработана в соответствии с: • Образовательным стандартом НИУ ВШЭ по направлению подготовки 38.04.04 «Государственное и муниципальное управление» (квалификация «магистр»), утвержденным ученым советом Национального исследовательского университета «Высшая школа экономики», протокол от 06.12.2013 №50. • Образовательной программой подготовки магистров по направлению 38.04.04 «Государственное и муниципальное управление» «Городское развитие и управление» . • Объединенным учебным планом университета по образовательной программе «Городское развитие и управление», утвержденным в 2018 г.

Цель освоения дисциплины

Целями освоения дисциплины являются формирование у студентов теоретических знаний и практических навыков исследования закономерностей в реальных данных, необходимых для приобретения профессиональных компетенций по самостоятельному осуществлению научно-исследовательской работы в сфере государственного и муниципального управления, использованию в управленческой деятельности современных информационно-коммуникационных технологий.

Планируемые результаты обучения

Умеет оценивать линейную парную и множественную регрессии методом МНК в программной среде R-Studio. Знает статистические статистические свойства оценок коэффициентов. Умеет интерпретировать линейные модели.
Знает о последствиях мультиколлинеарности, гетероскедастичности и автокорреляции для свойств МНК-оценки линейной регрессии. Умеет осуществлять тестирование на наличие мультиколлинеарности, гетероскедастичности и автокорреляции. Умеет предлагать решения или условия устранения мультиколлинеарности, гетероскедастичности и автокорреляции.
Понимает общие свойства метода максимального правдоподобия. Понимает отличие моделей с бинарной зависимой переменной от нормальных моделей линейной регрессии. Умеет оценивать logit и probit модели в R-Studio и интерпретировать результаты оценок параметров.
Понимает примеры моделей одномерных временных рядов. Умеет проверять стационарность временного ряда. Умеет выбирать спецификацию модели временного ряда на основе оценки автокорреляционной и частной автокорреляционной функции.Умеет прогнозировать на основе модели временного ряда.
Понимает причины и последствия эндогенности. Умеет выявлять причины эндогенности и предлагает пути ее устранения. Умеет оценивать регрессии с инструментальными переменными в R-Studio.

Содержание учебной дисциплины

Введение в линейную модель регрессии
Метод наименьших квадратов. Линейная модель множественной регрессии. Свойства МНК-оценок. Проверка статистических гипотез. Асимптотические свойства МНК-оценок. Дамми-переменные, сравнение вложенных моделей.
Последствия и условия устранения в множественных регрессиях мультиколлинеарности, гетороскедастичности и автокорреляции
Понятия мультиколлинеарности, гетероскедастичности и автокорреляции в моделях линейных регрессий. Последствия для свойств МНК-оценки. Тестирование на наличие мультиколлинеарности, гетероскедастичности и автокорреляции. Изучение условий устранения этих явлений.
Метод максимального правдоподобия. Модели бинарного выбора.
Введение в метод максимального правдоподобия. Модели с бинарной зависимой переменной и их оценка ММП (logit и probit-модели).
Стационарные временные ряды
Примеры временных рядов. Стационарность и автокорреляционная функция. Общие процессы авторегрессии-скользящего среднего. Стационарность и единичные корни. Выбор модели: оценка коэффициентов автокорреляций и частных автокорреляций. Прогнозирование с помощью моделей авторегрессии-скользящего среднего.
Эндогенность в моделях линейной регрессии
Последствия нарушение предположения об экзогенности регрессоров. Причины: пропуск существенных переменных; ошибки измерения регрессоров; самоотбор; одновременность. Метод инструментальных переменных. Двухшаговый МНК.

Элементы контроля

письменная итоговая контрольная работа
устное собеседование по пройденному материалу

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.7 * письменная итоговая контрольная работа + 0.3 * устное собеседование по пройденному материалу

Программа дисциплины