Международный Институт XXI Века

�Эконометрика�

Рабочая программа

I. Цели и задачи дисциплины

         Целью курса является ознакомление студентов с основными методами, используемыми в эконометрике и их применениями в бизнесе и экономике. По окончании курса студенты должны знать, как теоретические основы эконометрического моделирования, так и уметь строить соответствующие модели на компьютере с помощью EXCEL.

II. Требования к уровню  и содержанию дисциплины

         Предполагается, что студенты хорошо овладели знаниями, полученными ими при изучении курсов по линейной алгебре, анализу и теории вероятности.

III. Объем дисциплины

         Объем курса соответствует стандартному полугодовому курсу по эконометрике по специальности � экономика.

IV. Содержание дисциплины

Раздел I. Линейная модель парной регрессии.

Тема 1. Кривые подгонки. Метод наименьших квадратов. (Гл. 2 [Д]; гл. 1 [С])

Тема 2. Различные оценки адекватности модели. (Гл. 2 [Д]; гл. 2 [С])

Тема 3. Основные статистические понятия и методы, используемые в

эконометрике. (Гл. 1 [Д]; гл. 4 [С])

Тема 4. Статистические оценки параметров линейной модели. (Гл. 3 [Д]; гл. 4 [С])

Тема 5. Прогнозирование с помощью модели линейной регрессии. (Гл. 12 (5) [Д]; гл. 2, 4 [С])

КОНТРОЛЬНАЯ РАБОТА � 1

Раздел II. Линейная модель множественной регрессии.

Тема 6. Формулировка модели множественной регрессии. (Гл. 4 [Д]; гл. 5 [С])

Тема 7. Различные виды представления линейного уравнения регрессии. (гл. 5 [С])

Тема 8. Значимость регрессоров. (Гл. 3 [Д]; гл. 5 [С])

Тема 9. Мультиколлинеарность. (Гл. 4 [Д]; гл. 5 [С])

Тема 10. Применение моделей множественной регрессии при планировании. (гл. 6 (1) [С])

Раздел III. Другие виды моделей, применяемых в эконометрике.

         Тема 11. Нелинейные модели, приводимые к линейным. (Гл. 5 (кроме 5) [Д]; гл. 5 [С])

         Тема 12. Фиктивные переменные. Сезонные модели. (Гл. 6 (1 и 2) [Д]; гл. 6 (4) [С])

КОНТРОЛЬНАЯ РАБОТА � 2

Раздел IV. Обобщенный метод наименьших квадратов.

Тема 13. Регрессионные модели с гетероскедастичными остатками. (Гл. 8 [Д])

         Тема 14. Регрессионные модели с автокорреляционными остатками. (Гл. 13 (1, 2 и 3) [Д])

Раздел V. Стационарные и нестационарные временные ряды.

Тема 15. Случайное блуждание. (Гл. 14 (1) [Д])

Тема 16. Авторегрессионная модель первого порядка (AR1). (Гл. 14 (1, 3, 5) [Д])

Раздел VI. Системы одновременных уравнений.

Тема 17. Эндогенные и экзогенные переменные. (Гл. 10 (1) [Д])

Тема 18. Косвенный и двухшаговый методы наименьших квадратов. (Гл. 10 (3) [Д])

КОНТРОЛЬНАЯ РАБОТА � 3

Зачет

Литература:

1.     Доугерти К., Введение в эконометрику, 2 изд. � М.: ИНФРА-М, 2004.

2.     Макарова Н. В., Трофимец В. Я., Статистика в Excel, � М.: Финансы и Статистика, 2002.

3.     Слуцкин Л. Н., Прогнозирование бизнеса, � М.: Альпина Бизнес Букс, 2006.

Вопросы к зачету по эконометрике

1.     Основные понятия теории вероятности и статистики. Кривые подгонки. Метод наименьших квадратов. Формулы для коэффициентов линейного уравнения регрессии. Свойства отклонений линейного уравнения регрессии.

2.     Коэффициент детерминации. Формулы для коэффициента детерминации. Формула разложения дисперсии. Другие способы оценки модели (MAD и MAPE).

3.     Случайные величины и их свойства. Независимые случайные величины. Стандартизованные случайные величины. Математическое ожидание и дисперсия случайной величины .

4.     Нормальные случайные величины и их свойства. Стандартная случайная величина. Несмещенные оценки. t-распределение. Доверительные интервалы для математического ожидания нормальной случайной величины.

5.     Модель парной линейной регрессии. Статистические оценки коэффициентов регрессии. Стандартная ошибка регрессии. Доверительные интервалы для коэффициентов регрессии. Прогнозирование с помощью модели линейной регрессии. 95% полоса. Ex post прогнозирование.

6.     Множественная регрессия. Матричная запись. Формула для коэффициентов. Стандартная ошибка регрессии. Ковариационная матрица для коэффициентов.

7.     Линейное уравнение регрессии в форме отклонений от средних. Бета-представление. Коэффициент детерминации. Скорректированный коэффициент детерминации.

8.      Виды нелинейных моделей приводимых к модели множественной регрессии. Оценка коэффициентов нелинейных моделей. Полулогарифмическая и модель постоянной эластичности.

9.      Уровень значимости для коэффициентов множественной регрессии. Доверительные интервалы для коэффициентов регрессии.

10.  Мультиколлинеарность. Методы избавления от мультиколлинеарности. Методология построения модели множественной регрессии.

11.  Распределение Фишера. Методология проверки гипотезы. Проверка гипотезы, что коэффициенты при всех регрессорах одновременно равны нулю.

12.  Гомоскедастичность и гетероскедастичность. Тест Goldfeld-Quandt на наличие гетероскедастичности. Методология построения гетероскедастичной модели.

13.  Эконометрическое моделирование. Теорема Гаусса-Маркова. Обобщенный метод наименьших квадратов.

14.  Фиктивные переменные. Использование фиктивных переменных при построении сезонных моделей и определения коэффициентов сезонности.

15.  Модель линейной регрессии с автокорреляционными остатками. Тест Durbin-Watson.

16.  Стационарные и нестационарные временные ряды. Случайное блуждание. Случайное блуждание с дрейфом. Коэффициенты автокорреляции. Методы сведения нестационарных процессов к стационарным.

17.  Авторегрессионная модель первого порядка (AR1). Коррелограмма. Прогнозирование AR1 процесса.

18.  Системы одновременных уравнений. Эндогенные и экзогенные переменные.

19.  Косвенный, двухшаговый и трехшаговый методы наименьших квадратов.