• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2024/2025

Эконометрика 1 (углубленный курс)

Статус: Курс по выбору (Экономика и анализ данных)
Направление: 01.03.02. Прикладная математика и информатика
Когда читается: 3-й курс, 1, 2 модуль
Формат изучения: без онлайн-курса
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 5

Программа дисциплины

Аннотация

Изучение дисциплины «Эконометрика 1» базируется на следующих дисциплинах: линейная алгебра, математический анализ, теория вероятностей и статистика. Дисциплина направлена на получение студентами представления о методах анализа данных, проверки статистических гипотез, а также основных эконометрических моделях и методах их оценивания, области их применения. В рамках курса студенты получат навыки работы в статистических пакетах, позволяющих проводить анализ данных, и применять эконометрические методы для решения реальных экономических задач.
Цель освоения дисциплины

Цель освоения дисциплины

  • Получить научное представление об эконометрических методах и моделях, позволяющих получать количественные оценки закономерностей экономической теории на базе статистических данных с использованием эконометрического инструментария.
Планируемые результаты обучения

Планируемые результаты обучения

  • Владеть навыками диагностики моделей
  • Владеть навыками интерпретации основных результатов оценки моделей
  • Владеть навыками оценки регрессионных моделей
  • Владеть навыками работы в основных статистических пакетах
  • Владеть навыками эконометрического исследования
  • Знать основные типы эконометрических данных
  • Знать основные эконометрические модели для перекрестных данных
  • Уметь находить данные, необходимые для проведения эконометрического исследования
  • Уметь формулировать задачу в пригодном для эконометрического исследования виде
  • Уметь проверять статистические гипотезы.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Что такое эконометрика и зачем она нужна?
  • Линейная регрессионная модель для случая одной объясняющей переменной. Метод наименьших квадратов.
  • Множественная регрессия в скалярной и матричной форме. Степень соответствия модели данным.
  • Теорема Гаусса-Маркова.
  • Классическая линейная регрессия. Проверка гипотез о коэффициентах модели.
  • Прогнозирование по регрессионной модели.
  • Фиктивные переменные. Тест Чоу.
  • Нетипичные наблюдения (выбросы).
  • Мультиколлинеарность данных. Метод главных компонент. Lasso и Ridge регрессии.
  • Гетероскедастичность и автокорреляция. Обобщенный метод наименьших квадратов, робастные стандартные ошибки.
  • Функциональные преобразования переменных в линейной регрессионной модели.
  • Ошибки спецификации модели регрессии.
  • Стохастические регрессоры. Эндогенность. Метод инструментальных переменных.
Элементы контроля

Элементы контроля

  • неблокирующий Работа на семинарах и лекциях
  • неблокирующий Контрольная работа 3 модуль
  • неблокирующий Оценка за 1 семестр
  • неблокирующий Экзамен
  • неблокирующий Контрольная работа
  • неблокирующий Финальный экзамен
  • неблокирующий Проект
  • неблокирующий Работа на семинарах во 2 семестре
  • неблокирующий Домашняя работа 2
  • неблокирующий Домашняя работа
Промежуточная аттестация

Промежуточная аттестация

  • 2024/2025 2nd module
    0.2 * Домашняя работа + 0.25 * Контрольная работа + 0.15 * Работа на семинарах и лекциях + 0.4 * Экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • A guide to modern econometrics, Verbeek, M., 2017
  • Эконометрика. Начальный курс, учебник, 8-е изд., 504 с., Магнус, Я. Р., Катышев, П. К., Пересецкий, А. А., 2007

Рекомендуемая дополнительная литература

  • Basic econometrics, Gujarati, D. N., 2009
  • Gareth James, Daniela Witten, Trevor Hastie, Rob Tibshirani, & Maintainer Trevor Hastie. (2013). Type Package Title Data for An Introduction to Statistical Learning with Applications in R Version 1.0. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.28D80286
  • Greene, W. H. (2012). Econometric Analysis: International Edition : Global Edition (Vol. 7th ed., International ed). Boston: Pearson Education. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1417839
  • Introductory econometrics : a modern approach, Wooldridge, J. M., 2020
  • Mostly harmless econometrics : an empiricist's companion, Angrist, J. D., 2009
  • Анализ качества и образа жизни населения : эконометрический подход, Айвазян, С. А., 2012
  • Вакуленко, Е. С.  Эконометрика (продвинутый курс). Применение пакета Stata : учебное пособие для вузов / Е. С. Вакуленко, Т. А. Ратникова, К. К. Фурманов. — Москва : Издательство Юрайт, 2021. — 246 с. — (Высшее образование). — ISBN 978-5-534-12244-2. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/476410 (дата обращения: 27.08.2024).
  • Введение в эконометрику : учебник для вузов, Доугерти, К., 2010
  • Методы эконометрики : учебник для вузов, Айвазян, С. А., 2010
  • Практика эконометрики: классика и современность : учебник для вузов, Берндт, Э. Р., 2005
  • Сборник задач к начальному курсу эконометрики, Катышев, П. К., 2002
  • Эконометрика в задачах и упражнениях, Борзых, Д. А., 2017
  • Эконометрика: работа с данными на компьютере : практикум, Борзых, Д. А., 2021
  • Экспресс-курс по теории вероятностей для начинающего эконометриста : учебное пособие, Борзых, Д. А., 2021

Авторы

  • Вакуленко Елена Сергеевна
  • Шевелев Максим Борисович