Эконометрика

Бакалавриат 2024/2025

Статус: Курс обязательный (Международный бакалавриат по бизнесу и экономике)

Направление: 38.03.01. Экономика

Кто читает: Департамент экономики и анализа данных

Где читается: Факультет менеджмента (Нижний Новгород)

Когда читается: 3-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Максимов Андрей Геннадьевич, Писарева Галина Алексеевна, Тарунина Елена Николаевна

Язык: русский

Кредиты: 4

Дополнительные материалы в LMS Задать вопрос

Аннотация

В результате изучения курса студент освоит основные понятия эконометрики, овладеет аппаратом эконометрического исследования, научится применять его для решения конкретных задач в области экономики и бизнеса. Будет уметь анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических процессов; осуществлять поиск информации; сбор и анализ данных, необходимых для решения поставленных экономических задач. В рамках курса студенты знакомятся с регрессионным анализом и методами машинного обучения, учатся выбирать инструментальные средства для обработки данных в соответствии с поставленной задачей. Студент получит навыки построения на основе описания ситуаций теоретических и эконометрических моделей, использования алгоритмов машинного обучения; прогнозирования на основе стандартных регрессионных моделей и алгоритма решающих деревьев.

Цель освоения дисциплины

В результате изучения курса студент должен освоить основные понятия эконометрики, овладеть основным аппаратом эконометрического исследования, уметь применять его для решения конкретных задач. В результате освоения дисциплины студент должен: • Знать основные понятия и инструменты эконометрических методов исследования. • Знать методы построения эконометрических моделей, объектов, явлений и процессов. • Уметь анализировать во взаимосвязи экономические явления, процессы и институты. • Уметь анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических процессов. • Уметь осуществлять поиск информации по полученному заданию, сбор, анализ данных, необходимых для решения поставленных экономических задач. • Уметь осуществлять выбор инструментальных средств для обработки экономических данных в соответствии с поставленной задачей, анализировать результаты расчетов и обосновывать полученные выводы. • Уметь строить на основе описания ситуаций теоретические и эконометрические модели, анализировать и содержательно интерпретировать полученные результаты. • Уметь прогнозировать на основе стандартных теоретических и эконометрических моделей поведение экономических агентов, развитие экономических процессов и явлений, на микро- и макроуровне. • Владеть современной методикой построения эконометрических моделей • Владеть методами и приемами анализа экономических явлений и процессов с помощью теоретических и эконометрических моделей.

Планируемые результаты обучения

Демонстрирует навыки владения эконометрическим инструментарием в соответствии с темами.
Знает условия состоятельности МНК-оценок для случайной составляющей и регрессоров
Интерпретирует результаты оценки модели, вычисляет предельные эффекты
Оценивает параметры парных регрессионных моделей (вручную и с применением эконометрического пакета EViews), интерпретирует результаты оценки, проверяет гипотезы

Содержание учебной дисциплины

Предмет эконометрики. Методология эконометрического исследования
.
Основные понятия теории вероятностей. Распределения: нормальное, t-F-, Хи-квадрат и др.
Выборка и статистическое оценивание. Проверка статистических гипотез
Линейная регрессионная модель для случая одной объясняющей переменной
Метод наименьших квадратов (МНК)
Теорема Гаусса-Маркова
Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия
Дисперсионный анализ
Особенности регрессии, проходящей через начало координат (без свободного члена).
Геометрическая интерпретация МНК
Множественная линейная регрессия. Оценка параметров МНК. Теорема Гаусса-Маркова
Проверка линейных гипотез о значениях параметров множественной линейной регрессии
Фиктивные (dummy) переменные
Функциональные преобразования переменных в линейной регрессионной модели
Мультиколлинеарность данных: Отрицательные последствия, признаки, методы борьбы с мультиколлинеарностью..
Гетероскедастичность. Тесты на обнаружение. Проблемы МНК-оценок. Методы борьбы.
Автокорреляция случайной составляющей: отрицательные последствия, тесты, выполнение оценок в условиях автокорреляции
Тема 18. Выбор "наилучшей" модели. Ошибка спецификации модели. Пропущенные и излишние переменные
Прогнозирование по регрессионной модели и его точность. Доверительный интервал для прогнозных значений. Зависимость точности от горизонта прогноза
Тема 20. Оценка коэффициентов линейной регрессии методом максимального правдоподобия (ММП)
Стохастические регрессоры. Инструментальные переменные. Оценки IV.. Метод инструментальных переменных
Модели с дискретной зависимой переменной. Модели бинарного выбора Проблемы линейной регрессионной модели. Вероятностная интерпретация. Логит и Пробит модели.
Подготовка и проведение текущего контроля

Элементы контроля

Кр1
Содержит тестовые вопросы и задачи
Активность/семинары
Оценивается активность на практических занятиях
Экзамен

Промежуточная аттестация

2024/2025 2nd module
0.25 * Активность/семинары + 0.25 * Кр1 + 0.5 * Экзамен

Список литературы

Авторы

Максимов Андрей Геннадьевич
Тарунина Елена Николаевна

Программа дисциплины