Практические и семинарские занятия и их содержание.Нет

· привить умение самостоятельно изучать учебную и научную литературу по эконометрическому моделированию;

· привить умение самостоятельно использовать методы эконометрики при решении практических задач;

· развивать логическое мышление.

Задачи дисциплины:

Студент, успешно освоивший данную дисциплину, должен:

· знать основные эконометрические модели, области их использования и этапы эконометрического моделирования;

· знать и уметь использовать основные математические методы парного регрессионного анализа эконометрических моделей;

· знать и уметь использовать основные математические методы множественного регрессионного анализа эконометрических моделей;

· знать и уметь использовать основные математические методы анализа временных рядов;

· уметь использовать табличный процессор Excel в решении задач эконометрического моделирования;

· уметь использовать методы эконометрического моделирования в анализе реальных экономических и социальных процессов и систем;

· анализировать полученные результаты.


Содержание дисциплины

Темы учебной дисциплины.

Тема 1. Эконометрика, эконометрические модели, эконометрическое моделирование и основные этапы эконометрического моделирования.

Наука эконометрика: история развития и основные задачи. Основные виды эконометрических моделей и области их применения. Эконометрическое моделирование. Примеры использования некоторых эконометрических моделей. Типы данных для построения эконометрических моделей. Основные этапы эконометрического моделирования.

Электронные ресурсы дисциплины «Эконометрика» в Интернете.

Тема 2. Парный регрессионный анализ эконометрических моделей.

Определение парной регрессии и основные задачи парного регрессионного анализа эконометрических моделей. Линейная парная регрессия. Вычисление оценок для коэффициентов линейной парной регрессии на основе метода наименьших квадратов. Условия Гаусса-Маркова и свойства полученных оценок. Интервальные оценки для коэффициентов линейной парной регрессии. Проверка значимости полученных оценок и построенного уравнения регрессии. Коэффициент детерминации. Построение линейной парной регрессии в Excel. Нелинейная парная регрессия, виды нелинейности. Вычисление оценок для коэффициентов нелинейной парной регрессии на основе метода наименьших квадратов в Excel. Индекс детерминации для нелинейной парной регрессии. Примеры построения парных регрессионных моделей.

Тема 3. Множественный регрессионный анализ эконометрических моделей.

Определение множественной регрессии и основные задачи множественного регрессионного анализа эконометрических моделей. Линейная множественная регрессия. Вычисление оценок для коэффициентов линейной множественной регрессии на основе метода наименьших квадратов. Условия Гаусса-Маркова и свойства полученных оценок. Интервальные оценки для коэффициентов линейной множественной регрессии. Проверка значимости полученных оценок и построенного уравнения регрессии. Коэффициент детерминации. Построение линейной множественной регрессии в Excel. Нелинейная множественная регрессия, виды нелинейности. Вычисление оценок для коэффициентов нелинейной множественной регрессии на основе метода наименьших квадратов в Excel. Оценивание коэффициентов модели Кобба-Дугласа. Индекс детерминации для нелинейной множественной регрессии. Решение задач множественного регрессионного анализа в современных статистических пакетах.

Тема 4. Практические аспекты множественного регрессионного анализа.

Мультиколлинеарность модели множественной регрессии: причины, признаки и способы устранения. Методы отбора значимых объясняющих переменных множественной регрессии. Фиктивные переменные в линейной множественной регрессии. Частная корреляция. Гетероскедастичность модели и метод взвешенных наименьших квадратов.

Тема 5. Анализ временных рядов в эконометрическом моделировании.

Временные ряды и их числовые характеристики. Стационарные временные ряды. Выделение трендовой составляющей временного ряда. Выделение периодических составляющих временного ряда. Построение авторегрессионных моделей временного ряда. Временные ряды с коррелированными возмущениями. Выделение тренда временного ряда обобщенным методом наименьших квадратов. Построение моделей для случайной составляющей временного ряда. Примеры построения моделей временных рядов, часто используемых в эконометрическом моделировании. Решение задач анализа временных рядов в современных статистических пакетах.

Тема 6. Системы одновременных уравнений в эконометрическом моделировании.

Общий вид системы одновременных уравнений. Модель спроса и предложений. Косвенный метод наименьших квадратов. Проблема идентифицируемости. Метод инструментальных переменных. Одновременное оценивание регрессионных уравнений. Трехшаговый метод наименьших квадратов. Экономически значимые примеры систем одновременных уравнений. Решение систем одновременных уравнений  в современных статистических пакетах.

Практические и семинарские занятия и их содержание.

1. Программирование вычисления оценок коэффициентов линейной парной регрессии в Excel. Вычисление дисперсий оценок. Проверка их значимости. Построение доверительных интервалов для коэффициентов и для функции линейной парной регрессии.

2. Построение нелинейной парной регрессии в Excel: команда «Добавить линию тренда» и команда «Поиск решения». Решение условных задач минимизации при построении нелинейной парной регрессии. Вычисление индекса детерминации.

3. Программирование вычисления оценок коэффициентов линейной множественной регрессии в Excel: матричные операции в Excel, решение системы нормальных уравнений. Вычисление дисперсий оценок. Проверка их значимости. Построение доверительных интервалов для коэффициентов и для функции линейной множественной регрессии. Режим Регрессия табличного процессора Excel для построения линейной множественной регрессии.

4. Построение нелинейной множественной регрессии с использованием команды «Поиск решения». Решение условных задач минимизации при построении нелинейной множественной регрессии на примере модели Кобба-Дугласа.

5. Выявление мультиколлинеарности линейной множественной регрессии. Отбор значимых объясняющих переменных линейной множественной регрессии. Вычисление коэффициентов линейной множественной регрессии при нарушении условия гомоскедастичности.

6. Выделение тренда временного ряда с использованием функций и режимов табличного процессора Excel: команда «Добавить линию тренда», режимы «Скользящее среднее», «Экспоненциальное сглаживание».

7. Авторегрессионные модели. Методы оценивания коэффициентов авторегрессионных моделей. Построение авторегрессионных моделей в табличном процессоре Excel.


Прочитайте также: