Delivered at:: Department of Economic Theory and Econometrics (Faculty of Economics)

Course type:: Compulsory course

When:: 3 year, 1-4 module

Instructors

Maksimov, Andrey G.

Tarunina, Elena N.

Kharcheva, Anna

Полная версия программы учебной дисциплины 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 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

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
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
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)
Модели с дискретной зависимой переменной. Модели бинарного выбора Проблемы линейной регрессионной модели. Вероятностная интерпретация. Логит и Пробит модели.
Стохастические регрессоры. Инструментальные переменные. Оценки IV.. Метод инструментальных переменных
Система регрессионных уравнений
Авторегрессионная модель и модель с распределенными лагами
Понятие о стационарных и нестационарных временных рядах. Понятие о коинтеграции временных рядов
Подготовка и проведение текущего контроля

Элементы контроля

Активность
Кр1
Экзамен
Кр3
ДКР
Экз_И
Активность34

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

Авторы

Силаева Вера Андреевна
Ларин Александр Владимирович
Максимов Андрей Геннадьевич
Лакшина Валерия Владимировна

Bachelor’s Programme 'Economics'

Econometrics

Instructors

Программа дисциплины