Реферат: Программа дисциплины Эконометрика для направления 080100. 62 «Экономика»









Программа дисциплины
Эконометрика

для направления 080100.62 «Экономика»



Утверждена

Учебно-методическим Советом ПФ ГУ-ВШЭ

Председатель _________________Г.Е. Володина

«_______» ______________________20___ г.


Одобрена на заседании кафедры Прикладной математики и моделирования в социальных системах

Зав.кафедрой______________ Потапов Д.Б.

«_______» ___________________20___ г.




Пермь 2010 г.


^ Обязательный минимум содержания дисциплины по ГОС

Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Свойства оценок МНК. Показатели качества регрессии. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками. Обобщенный метод наименьших квадратов (ОМНК). Регрессионные модели с переменной структурой (фиктивные переменные). Нелинейные модели регрессии и их линеаризация. Характеристики временных рядов. Модели стационарных и нестационарных временных рядов, их идентификация. Система линейных одновременных уравнений. Косвенный, двухшаговый и трехшаговый метод наименьших квадратов.


Пояснительная записка

Автор программы: к.ф.-м.н., Кадырова Елена Мухаметзяновна.




Требования к студентам: необходимо знание курсов «Математического анализа», «Линейной алгебры», «Теории вероятностей и математической статистики».




Аннотация: Курс предназначен для знакомства студентов третьего курса направления 080100.62 «Экономика» для последующего его использования в курсах, связанных с количественных анализом реальных экономических явлений, таких как прикладная микро- и макроэкономика, финансовая математика, маркетинг, математические модели в экономике и другие. Полученные знания могут быть применены при подготовке курсовых работ и выпускной работы бакалавра, использующих методы количественного анализа статистических данных и моделирование экономических процессов. Программа курса предусматривает проведение лекций, а также практических занятий в аудитории и компьютерном классе. В ходе обучения студенты самостоятельно выполняют два эконометрических исследования в форме эссе. От студентов требуется систематическое посещение лекций и практических занятий.




^ Учебная задача курса:

Основная цель курса – изучение математического аппарата, необходимого при изучении курсов экономического профиля, выполнения курсовых и дипломных работ, отработка навыков использования инструментов на практике при работе со специализированными эконометрическими программами Eviews.

В результате изучения курса студент должен:

Знать основные понятия и утверждения эконометрики в их взаимосвязи

Уметь доказывать элементарные утверждения, выводимые из определений и исходных предположений, самостоятельно пользоваться эконометрическими методами без использования и с использованием специального программного обеспечения; грамотно интерпретировать получаемые в ходе вычислений результаты

Иметь представление об основных проблемах, возникающих в процессе применения эконометрических методов, и способах их разрешения

Обладать навыками построения эконометрических моделей, включая проверку их адекватности реальным данным


5. Формы контроля:

Текущий контроль: согласно графику контрольных мероприятий проводятся тематические контрольные работы в форме теста и домашние задания.

Промежуточный контроль: по окончанию второго модуля проводится письменный зачет в форме теста. В течение всего курса выполняются минитесты, микроконтроли, самостоятельные работы по тематике семинарского занятия; обсуждаются практические ситуации перед аудиторией. Результирующая оценка промежуточного контроля (баллы за работу на семинарских занятиях) складывается из результатов минитестов, микроконтролей, самостоятельных работ по тематике семинарского занятия; обсуждений практических ситуаций перед аудиторией.

Итоговый контроль: по окончанию курса проводится письменный экзамен в форме теста.

Итоговая оценка: складывается в соответствии с «Положением о рейтинге…», принятом в ПФ ГУ-ВШЭ.




Содержание программы.



^ Раздел 1. Введение в эконометрику
Тема 1. Основные понятия эконометрики.

Тема 2. Виды эконометрических моделей.

Раздел 2. Вспомогательные сведения из теории вероятностей, математической статистики и линейной алгебры

Тема 3. Случайные величины. Описательные статистики. Виды распределений.

Тема 4. Операции над матрицами.
^ Раздел 3. Анализ однофакторной регрессионной модели
Тема 5. Модель парной линейной регрессии.

Тема 6. Метод наименьших квадратов. Теорема Гаусса-Маркова.

Тема 7. Нелинейные модели парной регрессии.

Тема 8. Доверительные интервалы. Построение прогнозов.

Раздел 4. Анализ общей линейной модели наблюдений при классических предположениях

Тема 9. Общая линейная модель наблюдений (ОЛМН) с классическими предположениями.

Тема 10. Свойства МНК-оценок вектора коэффициентов модели. Теорема Гаусса-Маркова для ОЛМН.

Тема 11. Основные показатели качества множественной линейной регрессионной модели: коэффициент детерминации, скорректированный коэффициент детерминации, остаточная сумма квадратов и оценка дисперсии ошибки модели.

Тема 12. Фиктивные переменные и их применение в множественных регрессионных моделях для анализа сезонности; для описания структурных изменений; к исследованию влияния неколичественной переменной.

Тема 13. Тест Чоу для сравнения двух регрессий.

Раздел 5. Анализ линейной модели наблюдений при отклонениях от классических предположений

Тема 14. Возможные отклонения от предположений классической ОЛМН: автокорреляция, гетероскедастичность различных наблюдений, закон распределения, отличный от нормального.

Тема 15. Метод максимального правдоподобия.
^ Раздел 6. Модели стационарных и нестационарных временных рядов
Тема 16. Понятия временного ряда и стационарной случайной последовательности.

Тема 17. Анализ модели авторегрессии первого порядка. Критерий Дарбина – Уотсона.

Тема 18. Модель АРСС (ARMA).

Раздел 7. Регрессионная модель со стохастическими объясняющими переменными

Тема 19. Понятие модели со стохастическими объясняющими переменными.

Тема 20. Полная и квази-мультиколлинеарность.

Тема 21. Метод главных компонент.
^ Раздел 8. Модели с распределенными лагами
Тема 22. Лаговая структура Койка.

Тема 23. Полиномиально распределенный лаг Алмонд.

Раздел 9. Системы одновременных уравнений

Тема 24. Одновременные уравнения.

Тема 25. Косвенный, двухшаговый и трехшаговый методы наименьших квадратов.


Учебно-методическое обеспечение дисциплины:

Литература

Базовый учебник

Магнус Я., Катышев П.К., Пересецкий А.А. Эконометрика (начальный курс). М.: Дело, 1997.

Основная:

Айвазян С.А., Мхитарян В.С. Прикладная статистика в задачах и упражнениях. М.: ЮНИТИ, 2001.

Мхитарян В.С., Архипова М.Ю., Балаш В.А. Эконометрика. М.: Проспект, 2009.

Дополнительная:

Доугерти К. Введение в эконометрику, 3-е издание. М.: ИНФА-М, 2007.

Бывшев В.А. Эконометрика. М.: Финансы и статистика, 2008.

Магнус Я., Нейдеккер Х. Матричное дифференциальное исчисление с приложениями к статистике и эконометрике. М.: Физматлит, 2002.




Тематика заданий для текущего контроля:

Приложение 1. Темы контрольных работ. Темы домашних работ.

Приложение 2. Вопросы для самоконтроля студентов.


3. Методические рекомендации преподавателю:

Уделять внимание анализу теоретических основ изучаемой темы.

Акцентировать внимание на возможности использования эконометрики для исследования экономических систем.


^ 4. Методические указания студентам:

При подготовке к семинарским занятиям и выполнении контрольных заданий студентам следует использовать литературу из приведенного в данной программе списка, а также руководствоваться указаниями и рекомендациями преподавателя.

Перед каждым семинарским занятием студент изучает план семинарского занятия с перечнем тем и вопросов, списком литературы и домашним заданием по вынесенному на семинар материалу. Студенту рекомендуется следующая схема подготовки к семинарскому занятию:

проработать конспект лекций;

проанализировать основную и дополнительную литературу, рекомендованную по изучаемому разделу;

изучить решения типовых задач;

решить заданные домашние задания;

при затруднениях сформулировать вопросы к преподавателю.

Домашние задания необходимо выполнять к каждому семинарскому занятию. Сложные вопросы можно вынести на обсуждение на семинар или на индивидуальные консультации. Контрольные работы состоят из вопросов и задач, аналогичным задачам домашних заданий.

Для более глубокого освоения дисциплины студентам рекомендуется больше решать задач из базового учебного пособия и задачника с тестами из списка основной литературы.

На семинарских занятиях приветствуется способность на основе полученных знаний находить наиболее эффективное решение поставленных проблем.




^ Рекомендации по использованию информационных технологий.

Практическая часть курса требует исследований, проводимых в программе Evews.


Автор программы:___________________________________ / Е.М. Кадырова/

^ Тематический расчет часов.


^ Наименование разделов и тем
Аудиторные часы

Самост. работа

Всего часов
Лекции
Семинарские или практ. занятия

Всего






^ Раздел 1. Введение в эконометрику
1

Основные понятия эконометрики.

0,5

-

0,5

1

1,5

2

Виды эконометрических моделей.

0,5

-

0,5

1

1,5

^ Раздел 2. Вспомогательные сведения из теории вероятностей, математической статистики и линейной алгебры

3

Случайные величины. Описательные статистики. Виды распределений.

2

1

3

6

9

4

Операции над матрицами.

1

1

2

2

4
^ Раздел 3. Анализ однофакторной регрессионной модели
5

Модель парной линейной регрессии.

2

2

4

4

8

6

Метод наименьших квадратов. Теорема Гаусса-Маркова.

2

4

6

2

8

7

Нелинейные модели парной регрессии.

2

2

4

2

6

8

Доверительные интервалы. Построение прогнозов.

2

4

6

2

8

^ Раздел 4. Анализ общей линейной модели наблюдений при классических предположениях

9

Общая линейная модель наблюдений (ОЛМН) с классическими предположениями.

2

2

4

4

8

10

Свойства МНК-оценок вектора коэффициентов модели. Теорема Гаусса-Маркова для ОЛМН.

2

2

4

2

6

11

Основные показатели качества множественной линейной регрессионной модели: коэффициент детерминации, скорректированный коэффициент детерминации, остаточная сумма квадратов и оценка дисперсии ошибки модели.

2

4

6

2

8

12

Фиктивные переменные и их применение в множественных регрессионных моделях для анализа сезонности; для описания структурных изменений; к исследованию влияния неколичественной переменной.

2

2

4

2

6

13

Тест Чоу для сравнения двух регрессий.

-

4

4

2

6

^ Раздел 5. Анализ линейной модели наблюдений при отклонениях от классических предположениях

14

Возможные отклонения от предположений классической ОЛМН: автокорреляция, гетероскедастичность различных наблюдений; закон распределения отличный от нормального.

2

4

6

4

10

15

Метод максимального правдоподобия

2

2

4

2

6
^ Раздел 6. Модели стационарных и нестационарных временных рядов
16

Понятия временного ряда и стационарной случайной последовательности.

2

2

4

2

6

17

Анализ модели авторегрессии первого порядка. Критерий Дарбина – Уотсона.

2

4

6

4

10

18

Модель АРСС (ARMA).

2

4

6

2

8

^ Раздел 7. Регрессионная модель со стохастическими объясняющими переменными

19

Понятие модели со стохастическими объясняющими переменными.

1

-

1

2

3

20

Полная и квази-мультиколлинеарность.

1

2

3

4

7

21

Метод главных компонент.

2

2

4

4

8
^ Раздел 8. Модели с распределенными лагами
22

Лаговая структура Койка.

1

2

3

2

5

23

Полиномиально распределенный лаг Алмонд.

1

2

3

2

5

^ Раздел 9. Системы одновременных уравнений

24

Одновременные уравнения.

1

1

2

2

4

25

Косвенный, двухшаговый и трехшаговый методы наименьших квадратов.

3

3

6

4

10




Итого

40

56

96

66

162



Автор программы:___________________________________ / Е.М. Кадырова/


Приложение 1

Темы контрольных работ

Анализ общей линейной модели при отклонениях от классических предположений.

Модели с распределенными лагами.


Темы домашних работ

Анализ общей линейной модели при классических предположениях.

Модели одновременных уравнений.

Приложение 2

Вопросы для самоконтроля студентов


Пусть случайная величина X имеет стандартное нормальное распределение, найти ее третий и четвертый центральный моменты.

Среднее время жизни электрической лампочки по выборке из 25 наблюдений оценивается в 450 часов, а стандартное отклонение в 50 часов. Найдите доверительный интервал для ожидаемого срока службы лампочки. Какие предположения вам необходимо сделать?

Статистика по страховому обществу утверждает, что только 3 из 10 визитов агента заканчиваются заключением договора о страховании. Однако агент Иванов в результате 100 визитов за месяц заключил 40 договоров. Если вы – начальник Иванова, то вы сочтете результат случайным или оцените высокую квалификацию Иванова?

Доказать, что при линейных преобразованиях зависимой и независимой переменных коэффициент детерминации не изменяется.

Доказать, что если ранг матрицы Х меньше максимального, то система нормальных уравнений имеет бесконечное множество решений на всех решениях системы достигается минимум суммы квадратов остатков регрессии

При исключении из регрессии со свободным членом переменной, t-статистика коэффициента при которой меньше 1:

Коэффициент множественной детерминации не увеличится;

Коэффициент множественной детерминации не увеличится;

Коэффициент множественной детерминации может как увеличится, так и уменьшится;

Скорректированный коэффициент детерминации не увеличится;

Скорректированный коэффициент детерминации не увеличится;

Скорректированный коэффициент детерминации может как увеличится, так и уменьшится.

Необходимыми условиями Гаусса-Маркова являются:

Правильная спецификация модели;

Полный ранг матрицы X;

Нормальность распределения случайных остатков;

Равенство нулю математического ожидания вектора случайной составляющей;

Скалярность (пропорциональность единичной матрице) ковариационной матрицы случайной составляющей;

Детерминированность матрицы X;

Наличие в матрице X единичного столбца.

В модели , оцененной исследователем, t-статистики оценок коэффициентов имеют следующий вид:



Это означает, что нужно проверить гипотезу об удалении следующей группы регрессоров:

Рассматривается простая линейная регрессия , где случайные ошибки независимо распределены, и - нестохастический регрессор. Опишите процесс тестирования гипотезы : гомоскедастичность, против альтернативы; .

Оценки метода наименьших квадратов коэффициентов линейной регрессии при выполнении условий теоремы Гаусса – Маркова имеют наименьшую дисперсию

в классе всех нелинейных оценок;

в классе всех линейных оценок;

в классе всех нелинейных несмещенных оценок;

в классе всех линейных несмещенных оценок.

Статистика Дарбина-Уотсона, используемая для диагностики автокорреляции, в отсутствие автокорреляции:

Подчиняется F-распределению;

Подчиняется нормальному распределению;

Подчиняется -распределению;

Подчиняется стандартному нормальному распределению;

Подчиняется t-распределению;

Не подчиняется ни одному из нормальных распределений.

Средний лаг в модели равен:



Для модели найти приведенную форму и выписать два ограничения на коэффициенты приведенной формы.

Для оцененной по 20 наблюдениям регрессии с константой и двумя объясняющими факторами сумма квадратов остатков RSS оказалась равна 25.

а) Найти точечную оценку дисперсии ошибок регрессии.

б) Найти симметричный по вероятности 80% доверительный интервал для дисперсии ошибок регрессии.

в) Найти 90% доверительный интервал для дисперсии ошибок регрессии с наименьшей верхней границей.

Для того чтобы определить, зависит ли уровень зарплаты Y от наличия высшего образования или только от стажа работы X, достаточно

1) Ввести в регрессию со свободным членом фиктивную переменную D, равную 1 только для имеющих и 0 для не имеющих высшее образование.

2) Ввести в регрессию со свободным членом фиктивную переменную D1, равную 1 только для имеющих высшее образование и 0 в противном случае, а также фиктивную переменную D2, равную 1 только для не имеющих высшее образование и 0 в противном случае.

3) Оценить регрессии Y на X отдельно для имеющих и не имеющих высшее образование и проверить, совпадают ли коэффициенты.

4) Оценить регрессии Y на X отдельно для имеющих и не имеющих высшее образование, а также по общей выборке и провести тест Chow.

16.



Приложение 3

План семинарских занятий

Семинары 1-2. Введение в Eviews.

Вопросы:

Структура программы.

Импорт данных из файлов других форматов.

Математические и графические функции.

Знания и умения:

Студент должен знать структуру программы, логику записи команд в программном пакете, уметь преобразовывать данные из формата xls и обратно.


Семинары 3-6. Парная регрессионная модель.

Вопросы:

Описательные статистики, корреляция и ковариация.

Способы построения регрессии.

Понятие качества модели.

Построение прогнозов.

Оценка условий Гаусса-Маркова.

Знания и умения:

Студент должен уметь охарактеризовать статистические свойства имеющихся данных, преобразовать выборку, построить линейную регрессионную модель, провести проверку выполнения условий Гаусса-Маркова.


Семинары 7-12. Парная регрессионная модель.

Вопросы:

Построение обобщенной модели МНК.

Выбор наилучшей модели.

Проведение теста Чоу.

Построение доверительных интервалов.

Знания и умения:

Студент должен уметь построить регрессионную модель, провести проверку выполнения условий Гаусса-Маркова, на основании качества модели выбрать наилучшую, построить прогноз и доверительный интервал, провести тест на структурные изменения модели.


Семинары 13-15. Нарушение условий Гаусса-Маркова

Вопросы:

Тест Уайта.

Тест Бреуш-Пагана.

Тесты на автокорреляцию.

Знания и умения:

Студент должен уметь проверить наличие гетероскедастичности и автокорреляции в модели. Найти способы избавиться от нарушений условий Гаусса-Маркова, сделать выводы по построенной модели.


Семинары 16-18. Временные ряды

Вопросы:

Исследование статистических характеристик временных рядов.

Построением моделей АРСС, АР(1).

Знания и умения:

Студент должен знать способы построения моделей временных рядов, уметь проводить проверку модели на нестационарность.


Семинары 19-20. Стохастические объясняющие переменные.

Вопросы:

Полная и квази-мультиколлинеарность.

Метод главных компонент.

Знания и умения:

Студент должен знать способы борьбы с мультиколлинеарностью, уметь применять метод главных компонент, выбирать факторы пошаговыми методами.


Семинары 21-22. Модели с распределенными лагами.

Вопросы:

Лаговая структура Койка.

Модель частичной корректировки.

Модель адаптивных ожиданий.

Знания и умения:

Студент должен знать способы построения моделей и экономической интерпретации.


Семинары 21-22. Системы одновременных уравнений.

Вопросы:

Идентификация модели.

Метод наименьших квадратов.

Знания и умения:

Студент должен знать метод идентификации моделей, уметь применять МНК для данного типа моделей.


еще рефераты
Еще работы по разное