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

Course type:: Compulsory course

When:: 3 year, 1, 2 module

Instructor

Maksimov, Andrey G.

Дополнительные материалы в LMS 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

Предмет эконометрики. Методология эконометрического исследования
.
Основные понятия теории вероятностей. Распределения: нормальное, t-F-, Хи-квадрат и др.
Выборка и статистическое оценивание. Проверка статистических гипотез
Линейная регрессионная модель для случая одной объясняющей переменной
Метод наименьших квадратов (МНК)
Теорема Гаусса-Маркова
Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия
Дисперсионный анализ
Особенности регрессии, проходящей через начало координат (без свободного члена).
Геометрическая интерпретация МНК
Множественная линейная регрессия. Оценка параметров МНК. Теорема Гаусса-Маркова
Проверка линейных гипотез о значениях параметров множественной линейной регрессии
Прогнозирование по регрессионной модели и его точность. Доверительный интервал для прогнозных значений. Зависимость точности от горизонта прогноза
Функциональные преобразования переменных в линейной регрессионной модели
Фиктивные (dummy) переменные
Мультиколлинеарность данных: Отрицательные последствия, признаки, методы борьбы с мультиколлинеарностью..
Подготовка и проведение текущего контроля

Элементы контроля

Кр1
Содержит тестовые вопросы и задачи
Экзамен
Активность/семинары
Оценивается активность на практических занятиях

Промежуточная аттестация

2025/2026 2nd module
0.25 * Активность/семинары + 0.25 * Кр1 + 0.5 * Экзамен

Список литературы

Авторы

Максимов Андрей Геннадьевич

Bachelor’s Programme 'International Bachelor's in Business and Economics'

Econometrics

Instructor

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература

Авторы

Bachelor’s Programme '﻿International Bachelor's in Business and Economics'

Econometrics

Instructor

Программа дисциплины

Аннотация

Цель освоения дисциплины

Планируемые результаты обучения

Содержание учебной дисциплины

Элементы контроля

Промежуточная аттестация

Список литературы

Рекомендуемая основная литература

Рекомендуемая дополнительная литература

Авторы

Bachelor’s Programme 'International Bachelor's in Business and Economics'