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

Эконометрика

2023/2024
Учебный год
RUS
Обучение ведется на русском языке
9
Кредиты

Преподаватели

Программа дисциплины

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

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

Планируемые результаты обучения

  • Демонстрирует навыки владения эконометрическим инструментарием в соответствии с темами.
  • Знает отличия структурных и приведенных моделей; знает условия идентифицируемости модели; понимает, как оцениваются системы одновременных уравнений
  • 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

Содержание учебной дисциплины

  • Тема 1. Предмет эконометрики. Методология эконометрического исследования
  • Тема 2. Основные понятия теории вероятностей. Распределения: нормальное, t-F-, Хи-квадрат и др.
  • Тема 3. Выборка и статистическое оценивание. Проверка статистических гипотез
  • Тема 4. Линейная регрессионная модель для случая одной объясняющей переменной
  • Тема 5. Метод наименьших квадратов (МНК)
  • Тема 6. Теорема Гаусса-Маркова
  • Тема 7. Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия
  • Тема 8. Дисперсионный анализ
  • Тема 9. Особенности регрессии, проходящей через начало координат (без свободного члена).
  • Тема 11. Множественная линейная регрессия. Оценка параметров МНК. Теорема Гаусса-Маркова
  • Тема 10. Геометрическая интерпретация МНК
  • Тема 12. Проверка линейных гипотез о значениях параметров множественной линейной регрессии
  • Тема 13. Функциональные преобразования переменных в линейной регрессионной модели
  • Тема 15. Мультиколлинеарность данных: Отрицательные последствия, признаки, методы борьбы с мультиколлинеарностью..
  • Тема 14. Фиктивные (dummy) переменные
  • Тема 16. Гетероскедастичность. Тесты на обнаружение. Проблемы МНК-оценок. Методы борьбы.
  • Тема 17. Автокорреляция случайной составляющей: отрицательные последствия, тесты, выполнение оценок в условиях автокорреляции
  • Тема 18. Выбор "наилучшей" модели. Ошибка спецификации модели. Пропущенные и излишние переменные
  • Тема 19.. 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)
  • Тема 21. Модели с дискретной зависимой переменной. Модели бинарного выбора Проблемы линейной регрессионной модели. Вероятностная интерпретация. Логит и Пробит модели.
  • Тема 22. Стохастические регрессоры. Инструментальные переменные. Оценки IV.. Метод инструментальных переменных
  • Тема 23. Система регрессионных уравнений
  • Тема 24. Авторегрессионная модель и модель с распределенными лагами
  • Тема 25. Понятие о стационарных и нестационарных временных рядах. Понятие о коинтеграции временных рядов
  • Подготовка и проведение текущего контроля
Элементы контроля

Элементы контроля

  • неблокирующий Активность
  • неблокирующий Кр1
  • неблокирующий Экзамен
  • неблокирующий Кр3
  • неблокирующий ДКР
  • неблокирующий Экз_И
  • неблокирующий Активность34
Промежуточная аттестация

Промежуточная аттестация

  • 2023/2024 учебный год 2 модуль
    0.2 * Активность + 0.25 * Кр1 + 0.55 * Экзамен
  • 2023/2024 учебный год 4 модуль
    0.1 * 2023/2024 учебный год 2 модуль + 0.1 * Активность34 + 0.2 * ДКР + 0.2 * Кр3 + 0.4 * Экз_И
Список литературы

Список литературы

Рекомендуемая основная литература

  • Демидова, О. А.  Эконометрика : учебник и практикум для прикладного бакалавриата / О. А. Демидова, Д. И. Малахов. — Москва : Издательство Юрайт, 2019. — 334 с. — (Бакалавр. Прикладной курс). — ISBN 978-5-534-00625-4. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/432950 (дата обращения: 28.08.2023).
  • Евсеев, Е. А.  Эконометрика : учебное пособие для бакалавриата и специалитета / Е. А. Евсеев, В. М. Буре. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2019. — 186 с. — (Бакалавр и специалист). — ISBN 978-5-534-10752-4. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/431441 (дата обращения: 28.08.2023).
  • Тимофеев, В. С.  Эконометрика : учебник для академического бакалавриата / В. С. Тимофеев, А. В. Фаддеенков, В. Ю. Щеколдин. — 2-е изд., перераб. и доп. — Москва : Издательство Юрайт, 2019. — 328 с. — (Бакалавр. Академический курс). — ISBN 978-5-9916-4366-5. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/425245 (дата обращения: 28.08.2023).
  • Эконометрика : учебник для бакалавриата и магистратуры / И. И. Елисеева [и др.] ; под редакцией И. И. Елисеевой. — Москва : Издательство Юрайт, 2019. — 449 с. — (Бакалавр и магистр. Академический курс). — ISBN 978-5-534-00313-0. — Текст : электронный // Образовательная платформа Юрайт [сайт]. — URL: https://urait.ru/bcode/431129 (дата обращения: 28.08.2023).

Рекомендуемая дополнительная литература

  • Практическая эконометрика в кейсах : учеб. пособие / В.П. Невежин, Ю.В. Невежин. — М. : ИД «ФОРУМ» : ИНФРА-М, 2019. — 317 с. + Доп. материалы [Электронный ресурс; Режим доступа: http://www.znanium.com]. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/20052.