• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Эконометрика (продвинутый уровень)

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
6
Кредиты
Статус:
Курс обязательный
Когда читается:
1-й курс, 3, 4 модуль

Преподаватель

Программа дисциплины

Аннотация

Курс предполагает изучение основных эконометрических понятий и утверждений о продвинутом уровне и их взаимодействии; расширение навыка доказывания элементарных утверждений, которые происходят из определений и исходных положений; а также навыки самостоятельного применения эконометрических методов с использованием и без использования специализированного программного обеспечения; навыки формирования эконометрических моделей, в том числе их проверка на соответствие реальным данным.
Цель освоения дисциплины

Цель освоения дисциплины

  • формирование у студентов профессиональных компетенций, связанных с использованием статистических и эконометрических методов в области мировой экономики;
  • получение практических навыков применения эконометрических методов;
  • получение студентами навыков самостоятельной исследовательской работы, предполагающей изучение академической литературы, применение специфических методов математической статистики и эконометрики, инструментов и средств, необходимых для решения прикладных задач.
Результаты освоения дисциплины

Результаты освоения дисциплины

  • Описывает специфические методы математической статистики и эконометрики; инструменты и средства, необходимые для решения прикладных задач
  • Оценивает и перерабатывает освоенные научные методы и способы деятельности; предлагает концепции, модели, изобретает и апробирует способы и инструменты профессиональной деятельности; анализирует, верифицирует, оценивает полноту информации в ходе профессиональной деятельности, при необходимости восполняет и синтезирует недостающую информацию и работает в условиях неопределённости
  • Проводит самостоятельные исследования в соответствии с разработанной программой, находит данные, необходимые для анализа и проведения экономических расчётов, используя различные источники информации
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Предмет и метод эконометрики
    Предмет эконометрики. Цели эконометрического исследования. Взаимоотношение между экономической теорией и эконометрикой. Метод эконометрики. Эконометрика и математическая статистика.
  • Тема 2. Вероятностно-статистические основы эконометрики
    Случайные события и случайные величины, независимость случайных событий и величин. Закон распределения вероятностей случайной величины, способы его описания: ряд распределения, функция распределения, функция плотности. Числовые характеристики случайных величин: математическое ожидание, дисперсия, стандартное отклонение, ковариация и корреляция. Нормальное распределение вероятностей, свойства нормальных случайных величин. Статистическая теория оценивания. Точечные оценки, их свойства: несмещённость, состоятельность, эффективность. Доверительные интервалы. Проверка гипотез: основная и альтернативная гипотезы, статистический критерий. Ошибки первого и второго рода, уровень значимости и мощность критерия. P-значение (точный значимый уровень).
  • Тема 3. Классическая линейная нормальная регрессионная модель (КЛНРМ
    Метод наименьших квадратов (МНК). Предпосылки КЛНРМ и теорема Гаусса-Маркова. Несмещённая оценка дисперсии случайной составляющей уравнения регрессии. Свойства оценок МНК и оценки дисперсии. Обычный и скорректированный коэффициенты детерминации, их связь с коэффициентом корреляции. Оценка ковариационной матрицы оценок МНК. Доверительные интервалы и проверка гипотез относительно параметров регрессионной модели. Прогнозирование в КЛНРМ. Качественные переменные и перекрёстные члены в регрессионной модели. Мультколлинеарность
  • Тема 4. Нарушения предпосылок классической модели
    Ошибки спецификации и их последствия, выбор функциональной формы уравнения регрессии. Гетероскедастичность и автокорреляция: последствия для оценок МНК, диагностика. Обобщённая модель регрессии, обобщённый и доступный обобщённый метод наименьших квадратов. Состоятельные в случае гетероскедастичности и автокорреляции оценки ковариационной матрицы оценок МНК.
  • Тема 5. Стохастические регрессоры, эндогенность
    Регрессионная модель со стохастическими регрессорами, свойства оценок МНК. Корреляция случайной составляющей с объясняющими переменными, её последствия для оценок МНК. Примеры моделей с эндогенными объясняющими переменными. Представление о системах эконометрических уравнений. Структурная и разрешённая (приведённая) форма системы уравнений. Косвенный метод наименьших квадратов и метод инструментальных переменных. Тест Хаусмана.
  • Тема 6. Анализ временных рядов
    Составляющие временного ряда, классическая декомпозиция. Методы экспоненциального сглаживания. Вероятностные модели временного ряда. Стационарность рядов. Модели ARMA, оценивание их параметров, выбор порядка авторегрессии и скользящего среднего. Автокорреляционная и частная автокорреляционная функции. Критерии Акаике и Шварца. Нестационарные ряды. Модели с детерминированным и стохастическим трендом, сезонность во временных рядах. Модели ARIMA и SARIMA. Оценивание регрессионных моделей по временным рядам. Динамические модели со стационарными переменными. Модели векторной авторегрессии. Причинность по Грэнджеру. Нестационарные переменные и кажущиеся регрессии. Понятие коинтеграции.
  • Тема 7. Анализ панельных данных
    Разнородность моделируемых объектов и её учёт с помощью панельных данных. Модель сквозной (pooled) регрессии. Модели со случайным и детерминированным индивидуальным эффектом, преобразования between и within. Последствия неправильной спецификации модели. Выбор модели с помощью F-теста, теста множителей Лагранжа и теста Хаусмана. Представление о динамических моделях панельных данных.
  • Тема 8. Модели с качественной объясняемой переменной
    Линейная модель вероятности, модели логит и пробит. Оценивание моделей бинарного выбора методом максимального правдоподобия. Построение доверительных интервалов и проверка гипотез: критерии Вальда и отношения правдоподобия. Меры качества модели: псевдо-R2, классификационная таблица, чувствительность и специфичность. Проверка функциональной формы. Модели логит и пробит для упорядоченного и неупорядоченного множественного выбора. Предельные эффекты в моделях качественных данных.
Элементы контроля

Элементы контроля

  • неблокирующий Created with Sketch. реферат
  • неблокирующий Created with Sketch. Контрольная работа
  • неблокирующий Created with Sketch. участие в семинарах и дискуссиях
  • неблокирующий Created with Sketch. Письменный экзамен
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.25 * Контрольная работа + 0.5 * Письменный экзамен + 0.125 * реферат + 0.125 * участие в семинарах и дискуссиях
Список литературы

Список литературы

Рекомендуемая основная литература

  • Эконометрика: начальный курс : учебник для вузов, Магнус Я. Р., Катышев П. К., 2004

Рекомендуемая дополнительная литература

  • Klaus Neusser. (2016). Time Series Econometrics. Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.spr.sptbec.978.3.319.32862.1