• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
14
Апрель

Эконометрика

2020/2021
Учебный год
RUS
Обучение ведется на русском языке
4
Кредиты

Преподаватель

Программа дисциплины

Аннотация

В результате освоения дисциплины студент ознакомиться с основными понятиями и инструменты эконометрических методов исследования; будет знать методы построения эконометрических моделей, объектов, явлений и процессов, получит умения анализа во взаимосвязи экономических явлений, процессов и институтов. 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 по полученному заданию, сбор, анализ данных, необходимых для решения поставленных экономических задач; осуществлять выбор инструментальных средств для обработки экономических данных в соответствии с поставленной задачей, анализировать результаты расчетов и обосновывать полученные выводы. Студент получит навыки построения на основе описания ситуаций теоретических и эконометрических моделей, анализа и содержательной интерпретации полученных результатов; прогнозирования на основе стандартных теоретических и эконометрических моделей поведение экономических агентов, развитие экономических процессов и явлений, на микро- и макроуровне.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целями освоения дисциплины «Эконометрика» являются овладение основами построения и оценки регрессионных уравнений.
Планируемые результаты обучения

Планируемые результаты обучения

  • умеет объяснить положение и взаимосвязь эконометрики со смежными дисциплинами
  • знает этапы эконометрического исследования и их содержание
  • знает основные характеристики случайных величин
  • знает основные законы распределения вероятности, используемые в эконометрике
  • умеет объяснить понятия регрессии, наилучшего линейного предсказания, среднеквадратической ошибки
  • знает свойства статистических оценок, проверяет оценки параметров на несмещенность, состоятельность, эффективность
  • вычисляет вероятность попадания случайной величины в заданный интервал значений
  • перечисляет типы данных и переменных в эконометрике
  • записывает и решает систему нормальных уравнений для парной и множественной регрессии
  • знает формулировку и доказательство теоремы Гаусса-Маркова
  • вычисляет оценки параметров парной регрессии по формулам
  • тестирует гипотезу о значимости оценок коэффициентов классической линейной регрессии
  • тестирует гипотезу о значимости линейных ограничений общего вида в классической регрессии
  • вычисляет коэффициент детерминации и интерпретирует его
  • оценивает параметры множественной регрессии с помощью эконометрического пакета (Stata или R) и интерпретирует их
  • тестирует гипотезу о значимости классической регрессии в целом
  • строит доверительный интервал для оценок коэффициентов классической линейной регрессии
  • строит прогноз по оцененной модели классической регрессии
  • знает определения гетероскедастичности, автокорреляции, мультиколлинеарности
  • знает последствия нарушений предпосылок теоремы Гаусса-Маркова
  • тестирует гипотезы о наличии гетероскедастичности, автокорреляции, мультиколлинеарности в классической регрессии
  • знает способы устранения последствий нарушений предпосылок теоремы Гаусса-Маркова (поправки Уайта, Ньюи-Веста)
  • тестирует гипотезу о наличии структурных сдвигов в классической регрессии
  • знает формулировку и доказательство теоремы Айткена
  • умеет объяснить суть ММП; умеет объяснить различие между тремя типами статистических тестов: LR, LM и W
  • знает модели бинарного выбора (линейную модель вероятности и ее недостатки, модель логит, модель пробит)
  • оценивает параметры моделей бинарного выбора с помощью эконометрического пакета (Stata или R) и интерпретирует их
  • считает предельные эффекты
  • вычисляет R2 МакФаддена и интерпретирует его
  • сравнивает оцененные модели бинарного выбора по качеству подгонки с помощью информационных критериев
  • сравнивает модели с ограничениями и без ограничений с помощью теста отношения правдоподобия (LR-тест)
  • вычисляет прогнозную вероятность для моделей бинарного выбора
  • знает формулировку и доказательство теоремы Гаусса-Маркова для случая стохастических регрессоров
  • умеет объяснить, какие проблемы возникают в случае стохастических регрессоров
  • знает определение эндогенности и инструментальных переменных
  • может аналитически вывести оценку коэффициентов множественной регрессии двухшаговым методом наименьших квадратов
  • тестирует гипотезу о состоятельности МНК-оценок коэффициентов классической регрессии с помощью теста Хаусмана
  • демонстрирует навыки владения эконометрическим инструментарием, полученные на семинарах
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Тема 1. Введение в эконометрику
    Предмет эконометрики. Методология эконометрического исследования. Математическая и эконометрическая модель. Три типа экономических данных: временные ряды, перекрестные (cross-section) данные, панельные данные. Повторение материала курсов по теории вероятности и математической статистике.
  • Тема 2. Классическая линейная регрессия
    Метод наименьших квадратов, оценка дисперсии шума, теорема Гаусса-Маркова, коэффициент детерминации, тест на значимость регрессии в целом, проверка гипотез, тест Чоу, бинарные (фиктивные) объясняющие переменные.
  • Тема 3. Нарушения предпосылок теоремы Гаусса-Маркова
    Гетероскедастичность, проверка на гомоскедастичность остатков, тест Уайта, тесты Парка, Глейзера, ранговой корреляции Спирмена, последствия гетероскедастичности, методы борьбы с проблемой гетероскедастичности. Взвешенный метод наименьших квадратов. Обобщенный метод наименьших квадратов и реализуемый обобщенный метод наименьших квадратов. Мультиколлинеарность. Автокорреляция, автокорреляция первого и высших порядков, проверка на автокорреляцию остатков, тест Дарбина-Уотсона, обобщенный метод наименьших квадратов для оценки регрессии при наличии автокорреляции, последствия автокорреляции, методы борьбы с проблемой автокорреляцией.
  • Тема 4. Метод максимального правдоподобия
    Метод максимального правдоподобия, модели с бинарными зависимыми переменными (probit, logit модели), проблемы линейной регрессионной модели. Модели с дискретными зависимыми переменными (ordered logit, ordered probit, multinomial logit), цензурированные выборки, tobit, tobit II, процедура Хекмана корректировки самоотбора наблюдений в выборке.
  • Тема 5. Проблема эндогенности
    Коррелированность регрессоров со случайной ошибкой. Причины эндогенности. Инструментальные переменные. Двухшаговый МНК.
  • Итоговый проект
Элементы контроля

Элементы контроля

  • неблокирующий Аудиторная работа
  • неблокирующий Итоговый проект
    Итоговый проект по курсу представляет собой выполнение ряда практических заданий по темам курса
  • неблокирующий Итоговый контроль
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.3 * Аудиторная работа + 0.4 * Итоговый контроль + 0.3 * Итоговый проект
Список литературы

Список литературы

Рекомендуемая основная литература

  • Кеннеди, П. Путеводитель по эконометрике / П. Кеннеди ; пер. с англ. ; под науч. ред. В.П. Носко. — Москва : Издательский дом «Дело» РАНХиГС, 2016. — 528 с. - (Академический учебник). - ISBN 978-5-7749-1155-4. - Режим доступа: https://new.znanium.com/catalog/product/1043270
  • Кеннеди, П. Путеводитель по эконометрике / П. Кеннеди ; пер. с англ.; под науч. ред. В.П. Носко. — Москва : Издательский дом «Дело» РАНХиГС, 2016. — 512 с. - (Академический учебник). - ISBN 978-5-7749-1156-1. - Режим доступа: https://new.znanium.com/catalog/product/1043268

Рекомендуемая дополнительная литература

  • Евсеев Е. А., Буре В. М. - ЭКОНОМЕТРИКА 2-е изд., испр. и доп. Учебное пособие для бакалавриата и специалитета - М.:Издательство Юрайт - 2019 - 186с. - ISBN: 978-5-534-10752-4 - Текст электронный // ЭБС ЮРАЙТ - URL: https://urait.ru/book/ekonometrika-431441