• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2021/2022

Эконометрика

Статус: Курс обязательный (Экономика)
Направление: 38.03.01. Экономика
Когда читается: 3-й курс, 1, 2 модуль
Формат изучения: с онлайн-курсом
Охват аудитории: для всех кампусов НИУ ВШЭ
Язык: русский
Кредиты: 6

Программа дисциплины

Аннотация

Курс эконометрики знакомит студентов с базовыми методами эконометрического анализа, необходимыми для проведения эмпирического исследования в практически любой области (экономики. менеджмента и пр.). Курс освещает следующие разделы: линейные модели, основы моделей с дискретной зависимой переменной, основы моделей на панельных данных, знакомит с методами работы с временными рядами и пространственной эконометрики.
Цель освоения дисциплины

Цель освоения дисциплины

  • овладение студентами навыков применения эконометрики на практике, на основе знаний, полученных в курсах микро- и макроэкономики, теории отраслевых рынков и мировой экономики, т.е. предоставить аппарат количественной оценки анализа экономических моделей и закономерностей.
Планируемые результаты обучения

Планируемые результаты обучения

  • Анализирует данные и на их основе находит взаимосвязи Использует статистические зависимости
  • Владеет методами исследования математических моделей в профессиональной деятельности. Обосновывает результаты решения задачи. Обосновывает выбор переменных, анализирует допущения к методам.
  • Знает общие принципы и законы эконометрики. Понимает цели и задачи курса. Ознакомлен с содержанием курса
  • Использует современные технологии
  • Обрабатывает данные с использованием современных программ
  • Применяет исследовательские результаты для решения практических ситуаций
  • Применяет исследовательские результаты для решения практических ситуаций Использует современные технологии
  • Применяет программные продукты для нахождения взаимосвязей и взаимозависимостей экономических процессов
  • Строит модели, соответствующие поставленным задачам и применяет модели для анализа данных
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в курс. Правила игры. Предмет эконометрики.
    Правила игры. Приветствия, цели и задачи курса. Формат курса и рекомендации по работе с материалами. Программа курса и правила оценивания. Учебники. Краткие инструкции по контролю (самоконтроль, регистрация в онлайн платформе для летучек, сбор команд для проекта). Примерный календарь курса. Дорожная карта эконометрического трека на программе. Предмет эконометрики. Экономический вопрос и данные. Примеры вопросов и обсуждение. Причинность vs корреляция. Причинность vs прогноз. Эконометрический софт. Краткий обзор софта и правила использования для выполнения заданий. Правила использования пакетов. Источники данных. Примеры источников данных. Поиск данных. Правила использования для выполнения заданий по курсу. Академическая честность. Принципы академической честности и их применение к данному курсу. Кооперативная работа. Взаимопомощь. Недопустимое поведение.
  • Необходимые сведения из теории вероятностей и статистики.
    Краткий обзор необходимых сведений из теории вероятностей, математической статистики и статистики. Руководство по самостоятельному повторению. Самоконтроль. Теория вероятностей. Случайные величины и распределения. Моменты случайных величин, математическое ожидание, дисперсия, стандартное отклонение. Совместное распределение. Условное распределение, условное математическое ожидание. Закон итеративных математических ожиданий. Нормальное распределение и связанные с ним: хи-квадрат, t-распределение, F-распределение, логнормальное распределение. Последовательности случайных величин. Асимптотика и Асимптотия. Сходимости в разных смыслах. Предельные теоремы, законы больших чисел, центральные предельные теоремы. Математическая статистика. Выборка, типы выборок. Случайная выборка. Популяционные характеристики и выборочные аналоги. Параметрический подход и статистическая оценка. Принцип аналогии и другие методы оценивания. Метод моментов. Метод максимального правдоподобия. Оценки, как функции данных, свойства оценок (точные и асимптотические). Статистические гипотезы и задача проверки гипотезы, критерий, характеристики критерия, ошибки, размер, мощность. Критерии согласия, точные критерии и асимптотические. Классические t-критерий и z-критерий, вариации. Доверительные интервалы. Выборочное совместное распределение, диаграммы рассеивания, выборочная ковариация и корреляция. Статистика. Выборочные данные, шкалы измерения. Непрерывные и дискретные величины, категориальные данные, индикаторы. Единицы измерения и преобразования. Логарифмы и проценты. Относительные величины.
  • Множественная линейная регрессия
    Постановка модели. Снова о постановке экономического вопроса: причинность и корреляция. Пропущенные переменные. Роль и важность контрольных переменных. Модель множественной линейной регрессии: расширение модели до случая многих регрессоров, расширенные предпосылки о модели. Оценка. Популяционная регрессия. Обоснование МНК. Алгебра МНК для множественной регрессии. Свойства оценок и связь с предпосылками. Идентификация. Проблема идентификации в популяции. Выборочная идентификация. Мультиколлинеарность. Линейно зависимые переменные. Включение бинарных и категориальных переменных. Модель с константой и без. Инференция. Стандартная ошибка регрессии и R-квадрат. Проверка гипотез об отдельном параметре, доверительные интервалы. Проверка сложных гипотез, критерий Вальда, случай линейных и нелинейных ограничений. Интерпретация. Интерпретация значений коэффициентов, предельные эффекты и прогнозы. Предельные эффекты в случае бинарных и категориальных переменных. Предельные эффекты в лог-форме. Предельные эффекты полиномиальных регрессоров. Интерпретация инференции, примеры интерпретации результатов проверки гипотез, тест Чоу, тест RESET.
  • Различные подходы к эконометрике. Модели и параметры. Данные.
    Подходы. Вероятностный подход к эконометрике vs байесовский подход. Случайные переменные vs детерминированные переменные. Параметрический подход vs непараметрика (полу-параметрика). Модели и параметры. Эконометрическая терминология в области моделирования. Переменные, модели, параметры, истинные параметры, данные, оценки параметров. Структуры данных. Случайные выборки. Экспериментальные данные и псевдо-экспериментальные данные. Временные ряды. Панельные данные. Сетевые данные. Кластерные данные. Пространственные данные.
  • Эконометрика линейной регрессии
    Регрессия. Снова условное математическое ожидание, линейная проекция и линейная регрессия. Постановка модели линейной регрессии в парном случае: модель регрессии, предположения об остатках. Оценка. Случайная выборка и постановка задачи оценивания. Оценка методом наименьших квадратов. Обоснование МНК по принципу аналогии. Свойства оценок МНК и их связь с предпосылками модели. Инференция.Проверка гипотез о параметре. t-критерий. Доверительный интервал. Стандартная ошибка регрессии, R-квадрат. Дельта-метод и более сложные гипотезы. Интерпретация. Предельный эффект. Прогноз. Стандартная ошибка предельного эффекта и прогноза. Дополнительно. Бинарный регрессор: оценка параметра и интерпретация. Ошибка измерения регрессора и ее эффект. Пропущенные переменные и возможные эффекты.
  • Эндогенность и инструментальные переменные
    Эндогенность. Математическая постановка проблемы эндогенности в модели регрессии. Потенциальные источники эндогенности в эконометрической практике. Ошибки измерения. Пропущенные переменные. Взаимовлияние. Инструментальные переменные. Суть инструментальных переменных. Годность и сила инструментов. Экзогенные регрессоры в роли инструментов. Оценка с инструментальными переменными. Постановка задачи оценивания. Двух-шаговый метод наименьших квадратов. Свойства оценок, связь с предпосылками модели. Проблема слабых инструментов. Проблема негодных инструментов. Инференция. Проверка гипотез в модели с инструментами. Интерпретация результатов.
  • Метод максимального правдоподобия и бинарный выбор
    Бинарный выбор. Общая постановка модели бинарного выбора. Бинарный пробит. Бинарный логит. Оценка ММП. Свойства оценок, проверка гипотез. Интерпретация результатов. Предельные эффекты. Прогнозы индекса, прогнозы вероятности, прогнозы события. Ошибки прогнозов.
  • Выбор спецификации. Усреднение моделей.
  • Большие данные и машинное обучение
Элементы контроля

Элементы контроля

  • неблокирующий Летучки
    Оценка за короткие проверочные работы ОЛЕТУЧКИ определяется по формуле: ОЛЕТУЧКИ = ⌈ (О1 + … + ОN) / N ⌉, где N - количество таких работ по факту, а О1, … ОN - оценки по 10-бальной шкале за отдельные работы. При этом если имело место переписывание, то оценка за соответствующую работу заменяется на полученную в результате переписывания оценку.
  • неблокирующий Контрольная работа
    Контрольная работа и итоговый экзамен проводятся в виде самостоятельных письменных работ в режиме “closed-book” (использование каких-либо материалов запрещено). Задание на контрольную работу и экзамен включают ряд заданий и вопросов, ответы на которые имеют фиксированную стоимость в баллах. Стоимость конкретного вопроса соответствует его сложности и предположительному времени и усилиям, которые студент должен затратить для ответа на него. При проверке работы студента каждый данный ответ оценивается по степени полноты ответа в процентных пунктах от 0% (ответ отсутствует) до 100% (ответ полностью верен и не содержит лишней нерелевантной информации). Возможны штрафы в виде отрицательных пунктов в случае категорически нерелевантного ответа. Возможны бонусные пункты за ценное уточнение к полностью верному ответу. Общая сумма баллов за работу определяется, как взвешенная сумма стоимостей всех вопросов задания с оценками степени верности ответов в качестве весов. Оценка за работу или экзамен по 10-балльной шкале определяется в соответствии со шкалой перевода. Конкретные значения границ баллов, необходимых для получения той или иной оценки уточняются непосредственно в задании на работу, как и стоимости вопросов. Задание на контрольную работу и экзамен составляется таким образом, чтобы итоговая оценка за работу отвечала степени освоения студентом материалов курса в соответствии с критериями.
  • неблокирующий Проект
    Проект оценивается по совокупности критериев качества как письменной части (отчета), так и устной презентации (защиты). Учитывается оценка индивидуального вклада участников группы в итоговую работу. Учитывается своевременное выполнение отдельных промежуточных заданий (следование календарю дедлайнов). В целом, если нет отдельных замечаний к индивидуальным вкладам конкретных студентов, а также случаев нарушения дедлайнов группой
  • неблокирующий Экзамен
    Контрольная работа и итоговый экзамен проводятся в виде самостоятельных письменных работ в режиме “closed-book” (использование каких-либо материалов запрещено). Задание на контрольную работу и экзамен включают ряд заданий и вопросов, ответы на которые имеют фиксированную стоимость в баллах. Стоимость конкретного вопроса соответствует его сложности и предположительному времени и усилиям, которые студент должен затратить для ответа на него. При проверке работы студента каждый данный ответ оценивается по степени полноты ответа в процентных пунктах от 0% (ответ отсутствует) до 100% (ответ полностью верен и не содержит лишней нерелевантной информации). Возможны штрафы в виде отрицательных пунктов в случае категорически нерелевантного ответа. Возможны бонусные пункты за ценное уточнение к полностью верному ответу. Общая сумма баллов за работу определяется, как взвешенная сумма стоимостей всех вопросов задания с оценками степени верности ответов в качестве весов. Оценка за работу или экзамен по 10-балльной шкале определяется в соответствии со шкалой перевода. Конкретные значения границ баллов, необходимых для получения той или иной оценки уточняются непосредственно в задании на работу, как и стоимости вопросов.
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.29 * Контрольная работа + 0.12 * Летучки + 0.29 * Проект + 0.3 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Bruce E. Hansen. (2013). Econometrics. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.C0DB9E1E
  • Jeffrey M. Wooldridge. (2019). Introductory Econometrics: A Modern Approach, Edition 7. Cengage Learning.
  • Stock, J. H., & Watson, M. W. (2015). Introduction to Econometrics, Update, Global Edition (Vol. Updated third edition). Boston: Pearson Education. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1419285

Рекомендуемая дополнительная литература

  • Econometric analysis of cross section and panel data, Wooldridge, J.M., 2010