Реферат: Программа дисциплины по кафедре "Экономическая кибернетика" эконометрика

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственное образовательное учреждение высшего профессионального образования

Тихоокеанский государственный университет



Утверждаю

Проректор по учебной работе

______________ С.В. Шалобанов

“_____” ________________200_ г.



Программа дисциплины

по кафедре "Экономическая кибернетика"


ЭКОНОМЕТРИКА


Утверждена научно-методическим советом университета для направлений подготовки (специальностей) в области экономики и управления


Специальности: 010502.65 «Прикладная информатика в экономике»


Хабаровск 2008 г.


Программа разработана в соответствии с требованиями государственного образовательного стандарта, предъявляемыми к минимуму содержания дисциплины и в соответствии с примерной программой дисциплины, утвержденной департаментом образовательных программ и стандартов профессионального образования с учетом особенностей региона и условий организации учебного процесса Тихоокеанского государственного технического университета.


Программу составил (и)





Порошина Л.А.




Старший преподаватель, кафедра «Экономическая кибернетика»




Ф.И.О. автора (ов)
Ученая степень, звание, кафедра






Программа рассмотрена и утверждена на заседании кафедры

протокол № ______ от «____»__________________ 2007 г.

Зав. кафедрой_________«__»______ 200_г

___________^ Пазюк К.Т.

Подпись дата

Ф.И.О.







Программа рассмотрена и утверждена на заседании УМК и рекомендована к изданию

протокол № ______ от «____»_____________ 200_г







Председатель  УМК  _______«__»_______ 200_г

___________________

Подпись дата

Ф.И.О.



Директор  института  _______«__»_______ 200_г

Зубарев А.Е. _

(декан факультета) Подпись дата

Ф.И.О.

Директор  института  _______«__»_______ 200_г

________________ _

(декан факультета) Подпись дата

Ф.И.О.




^ ЦЕЛИ И ЗАДАЧА ДИСЦИПЛИНЫ

Эконометрика – это совокупность методов анализа связей между различными экономическими показателями на основании реальных статистических данных, с использованием аппарата теории вероятностей и математической статистики. При помощи этих методов выявляют новые, ранее неизвестные связи, уточняют или отвергают гипотезы о существовании определенных связей между экономическими показателями, предлагаемые экономической теорией. Это - вводный курс эконометрики для студентов, специализирующихся в области экономики.

Акцент в курсе делается на содержательном смысле фактов, методов и подходов эконометрического анализа. Выводы и доказательства даются для ряда базовых формул и моделей, что позволяет студентам понять принципы построения эконометрической теории. Главный акцент делается на экономической интерпретации и приложениях рассматриваемых эконометрических моделей.

Эконометрика объединяет совокупность методов и моделей, позволяющих на базе экономической теории, экономической статистики и математико-статистического инструментария исследовать количественные выражения качественных зависимостей. При изучении дисциплины «Эконометрика» предполагается, что студент владеет основами теории вероятностей, математической статистики и матричной алгебры в объеме курса высшей математики для экономических специальностей.

Студенты должны получить базовые знания и навыки эконометрического анализа. Они должны уметь применять их в исследовании экономических процессов, а также понимать эконометрические методы, идеи, результаты и выводы, встречаемые в большинстве экономических книг и статей. В данном курсе студенты должны освоить традиционные эконометрические методы, предназначенные в основном для работы с данными перекрестных выборок.

В то же время, студенты должны понимать содержательные различия данных перекрестных выборок и временных рядов и те специфические эконометрические проблемы, которые возникают при работе с данными этих типов. Студенты должны приобрести навыки построения и развития моделей парной и множественной линейной регрессии, познакомиться с некоторыми видами нелинейных моделей и специальными методами эконометрического анализа и оценивания, понимая область и границы их применения в экономике. Рассматриваемые методы и модели должны быть освоены на практике с использованием реальных массивов экономических данных и современного эконометрического программного обеспечения.

Конечной целью изучения дисциплины является:

- ознакомление студентов с проблемами, возникающими при практическом применении различных количественных моделей экономической теории, таких как модели спроса, производства, совокупного потребления, инвестиций;

- формирование у будущих специалистов теоретических знаний и практических навыков по применению статистических методов для исследования и обобщения эмпирических зависимостей экономических переменных, а также построения надежных прогнозов в банковском деле, финансах, различных сферах предпринимательской деятельности с целью обоснования принимаемых решений.

Основные задачи курса:

-   освоение методов эконометрического анализа статистических данных;

-   освоение методов построения адекватных статистическим данным моделей, имеющих соответствующую экономическую интерпретацию;

-   освоение методов статистического анализа стационарных и нестационарных временных рядов;

-   овладение навыками применения пакетов компьютерных программ эконометрического анализа статистических данных.


^ ТРЕБОВАНИЯ К УРОВНЮ ОСВОЕНИЯ СОДЕРЖАНИЯ ДИСЦИПЛИНЫ


Студент должен знать:

- место, роль и возможности эконометрики в современной экономической науке и практике;

- особенности эконометрического метода;

- собирать и проводить статистическую обработку экономической информации с целью выявления основных характеристик числовой совокупности;

- особенности измерений в экономике;

- основные понятия и методы эконометрического моделирования;

- основные понятия, связанные с регрессионными моделями, временными рядами и системами одновременных уравнений;

- методы и особенности эконометрического прогнозирования социально-экономических процессов.

^ Студент должен уметь:

- осуществлять спецификацию эконометрической модели;

- обоснованно применять метод наименьших квадратов и его модификации;

- оценивать параметры эконометрической модели;

- оценивать значимость уравнений и параметров эконометрических моделей;

- использовать основные приемы и правила моделирования временных рядов;

- применять основные методы эконометрического прогнозирования.


^ 3. ОБЪЕМ ДИСЦИПЛИНЫ И ВИДЫ УЧЕБНОЙ РАБОТЫ

Таблица 1. Объем дисциплины и виды учебной работы

Наименование

По учебным планам (УП)

с максимальной трудоёмкостью

с минимальной трудоёмкостью

Общая трудоёмкость дисциплины

по ГОС

по УП


120

136




Изучается в семестрах

7




Вид итогового контроля по семестрам

зачёт

экзамен

курсовой проект (КП)

курсовая работа (КР)

расчётно-графическая работа (РГР)

реферат (РФ)

домашние задания (ДЗ)



7






Аудиторные занятия по семестрам

Всего

лекции (Л)

лабораторные занятия (ЛР)

практические занятия (ПЗ)

7




68




34

-

34

Самостоятельная работа

Общий объем часов (С2)

В т.ч. на подготовку к лекциям

на подготовку к лабораторным занятиям

на подготовку к практическим занятиям

на выполнение КР

на выполнение РГР

на написание РФ

на выполнение ДЗ

7




68




34

-

34

-

-

-

-

^ 4. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ-


4.1. Разделы дисциплины и виды занятий и работ


Таблица 2. Разделы дисциплины и виды занятий и работ

№

Раздел дисциплины

Л

ПЗ

С2

1

Методологические основы курса

1

 

1

2

Парная регрессия и корреляция

7

8

15

3

Множественная регрессия и корреляция

7

5

13

4

Метод наименьших квадратов

2

2

4

5

Системы экономических уравнений

3

2

7

6

Моделирование одномерных временных рядов

8

9

15

7

Динамические эконометрические модели

6

8

13




Содержание разделов дисциплин


4.2.1. Методологические основы курса.

Предмет эконометрики. Место эконометрики в ряду экономических и математико-статистических дисциплин.


4.2.2. Парная регрессия и корреляция.

Содержание корреляционного анализа. Понятия функциональной, статистической и корреляционной зависимости. Типы связи экономических переменных: линейные и нелинейные связи. Статистическая зависимость (независимость) случайных переменных. Анализ линейной статистической связи экономических данных, корреляция. Нелинейная статистическая связь. Меры тесноты линейной связи переменных: парный, частный и множественный коэффициент корреляции. Проверка статистических гипотез для оценки значимости корреляции.

Задачи регрессионного анализа. Понятия регрессионного анализа: результирующая (зависимая, эндогенная) переменная у и объясняющие (прели кг орные, экзогенные) переменные X, функция регрессии у по X, возмущения. Регрессионные модели. Дисперсионный анализ в регрессии

Основные предпосылки регрессионного анализа. Уравнение регрессионной связи между у и X. Геометрическая интерпретация регрессии.

Метод наименьших квадратов для оценки параметров регрессионной модели, Статистические свойства оценок параметров. Стандартизованные коэффициенты регрессии и коэффициенты эластичности.

Построение точечных и интервальных прогнозов, основанных на моделях линейной регрессии. Построение и интерпретация доверительных интервалов. Общее качество регрессии: коэффициент детерминации R2. F-статистика и F-тест. Связь R2 с коэффициентами корреляции.

Статистическая значимость оценок коэффициентов парной ЛР: проверка гипотез с помощью t-статистик.

Нелинейные модели регрессии и линеаризующие преобразования.

Анализ вариации результирующего показателя и выборочный коэффициент детерминации. Проверка значимости уравнения регрессии и коэффициентов уравнения регрессии. Оценка качества регрессионной зависимости.

Линеаризация нелинейных зависимостей и их оценивание с помощью МНК. Спецификация случайного члена. Интерпретация линейных, логарифмических и линейно-логарифмических зависимостей.

4.2.3. Множественная регрессия и корреляция.

Классическая линейная модель множественной регрессии.

Описание и интерпретация модели с двумя и m объясняющими переменными. Примеры: функции спроса, функции заработка, производственные функции. Оценивание по МНК модели с двумя объясняющими переменными. Свойства коэффициентов модели. Мультиколлинеарность. Коэффициент детерминации . Скорректированный . Проверка гипотез с помощью t-статистик и F-статистик.

МНК-оценки модели с m объясняющими переменными в векторно-матричной форме. Свойства коэффициентов. F-тест для групп переменных. Оценивание производственных функций в объемной и темповой записи как моделей множественной регрессии.

Понятие мультиколлинеарности. Признаки и причины мультиколинеарности. Методы устранения мультиколлинеарности. Отбор наиболее существенных переменных в классической линейной модели множественной регрессии. Скорректированный коэффициент детерминации.

Линейные регрессионные модели с переменной структурой. Фиктивные переменные в моделях линейной регрессии. Типы фиктивных переменных. Тест Чоу.


4.2.4. Метод наименьших квадратов.

Предпосылки использования МНК.

Понятие, последствия, обнаружение гетероскедастичности. Обнаружение автокорреляции. Тест Дарбина-Уотсона и его практическое использование. Взвешенный метод наименьших квадратов.


4.2.5. Системы экономических уравнений.

Понятие системы одновременных уравнений. Смещение и несостоятельность оценок при непосредственном оценивании. Структурная и приведенная формы эконометрической модели, построенной на базе систем одновременных уравнений.

Условия идентифицируемости уравнений системы. Идентификация систем одновременных уравнений (статистическое оценивание неизвестных значений параметров системы): идентификации рекурсивных систем, косвенный метод наименьших квадратов, двухшаговый МНК оценивания структурных параметров отдельного уравнения.


4.2.6. Моделирование одномерных временных рядов.

Понятие временного ряда и его отличия от случайной выборки. Составляющие временного ряда. Проверка гипотезы о неизменности среднего значения временного ряда как процедура проверки наличия тренда. Процедуры аналитического выравнивания (сглаживания) временного ряда. Подбор порядка аппроксимирующего полинома с помощью метода последовательных разностей.

Стационарные временные ряды и их характеристики. Понятия автокорреляции, автокорреляционной функции, временного лага, коэффициента автокорреляции, коррелограммы. Интерпретация коррелограмм.

Способы построения множественной регрессионной модели по временным рядам. Модели рядов, содержащих сезонную компоненту.


4.2.7. Динамические эконометрические модели.

Распределенные лаги: геометрический лаг, полиномиальный лаг. Преобразование Койка и непосредственное нелинейное оценивание параметров геометрического лага.

^ 5. ПРАКТИЧЕСКИЕ ЗАНЯТИЯ

Таблица 3. Практические занятия


№

№ раздела дисциплины

Наименование тем

1

2

Линейная регрессия и корреляция

2

2

Дисперсионный анализ

3

2

Построение интервального прогноза по линейному уравнению регрессии

4

2

Нелинейная регрессия

5

2

Корреляция для нелинейной регрессии

6

3

Множественные уравнения регрессии

7

3

Уравнения регрессии с фиктивными переменными

8

4

Исследование случайной составляющей : (предпосылки МНК)

9

5

Структурные модели

10

6

Аддитивная модель. Мультипликативная модель.

11

6

Автокорреляция

12

6

Авторегрессия

13

7

Модели с распределенным лагом


Краткие характеристики практических занятий.

^ Парная регрессия и корреляция.

Задание. Эконометрический анализ парной регрессии и корреляции.

Исполнение. Решение задач по теме «Парная регрессия и корреляция».

Оценка. Формирует необходимые представления о применимости того или иного статистического инструментария к заданному классу задач.

^ Время выполнения заданий: 8 часов.


Множественная регрессия и корреляция.

Задание. Эконометрический анализ множественной регрессии и корреляции.

Исполнение. Решение задач по теме «Множественная регрессия и корреляция».

Оценка. Формирует типологию множественной регрессии, способы оценки значимости модели и возможность использования моделей для моделирования экономических процессов.

^ Время выполнения задания: 5 часов.


Метод наименьших квадратов.

Задание. Проведение анализа предпосылок МНК.

Исполнение: решение задачи. Использование математико-статистического инструментария подготовки исходных данных и метода решения. Интерпретация результатов решения.

^ Оценка. Формирует необходимые представления о возможностях использования МНК.

Время выполнения заданий: 2 часа.


Системы экономических уравнений.

Задание. Проведение идентификации системы. Нахождение параметров уравнений системы.

Исполнение: решение задачи. Интерпретация результатов решения.

Оценка. Формирует необходимые представления о возможностях использования систем эконометрических уравнений в экономическом анализе.

^ Время выполнения заданий: 2 часа.

Моделирование одномерных временных рядов.

Задание. Анализ рядов динамики. Построение трендовых моделей, аддитивных и мультипликативных моделей. Анализ автокорреляции уровней и остатков временных рядов.

Исполнение: решение задачи. Интерпретация результатов решения.

^ Оценка. Формирует необходимые представления о возможностях использования трендовых моделей в экономическом анализе.

Время выполнения заданий: 13 часов.


Динамические эконометрические модели.

Задание. Анализ временных рядов. Построение моделей авторегрессии, моделей с распределенным лагом.

Исполнение: решение задачи. Интерпретация результатов решения.

Оценка. Формирует необходимые представления о возможностях использования динамических эконометрических моделей в экономическом анализе.

Время выполнения заданий: 4 часа.


^ 6. Контроль самостоятельной работы студентов-заочников


В седьмом семестре для студентов заочников предусмотрено выполнение контрольной работы по дисциплине. Целью контрольной работы является формирование и контроль знаний по основным разделам дисциплины. Студенту рекомендуется, руководствуясь предлагаемой программой и используя литературу, самостоятельно изучить ряд вопросов и примеров. Затем следует выполнить задание. Контрольная работа разработана и имеется в электронном виде на кафедре.

^ Содержание задания контрольной работы:

- построение парной регрессии; оценка надёжности модели по основным статистическим показателям; определение силы связи между показателями; расчет прогноза по модели;

- построение уравнение множественной регрессии; отбор факторов в модель; оценка надёжности модели;

- идентификация эконометрических систем;

- анализ рядов динамики; подбор трендовой модели; оценка автокорреляции уровней временного ряда; оценка качества модели.


^ 7. КОНТРОЛЬ ЗНАНИЙ СТУДЕНТА


7.1. Входной контроль

Входной контроль осуществляется в форме контрольного задания по разделам дисциплины базового курса «Теория вероятностей и математическая статистика».


7.2. Тематика текущего контроля

Текущий контроль знаний осуществляется в процессе выполнения практических заданий путём индивидуального и группового опроса, собеседования и тестового контроля. Результаты текущего контроля знаний учитываются при промежуточной аттестации.


7.3. Выходной контроль


Выходной контроль осуществляется в форме экзамена по дисциплине.


Примерный набор тестов на экзамен:

Вариант 1

Парный линейный коэффициент корреляции характеризует наличие тесной обратной связи. Он может принимать следующие значения:

А) 1,2; б) –0,82; В) 0,23; Г) 0,92; Д) –0,24.

2. Коэффициент уравнения парной регрессии показывает:

а) тесноту связи между зависимой и независимой переменными;

б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на единицу;

в) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

г) на сколько ед. изменится зависимая переменная, если независимая переменная изменится на 1 ед.

3. Если лаговые воздействия фактора не имеют тенденцию к убыванию во времени, то графическое представление структуры лага примет вид:









4. Величину, характеризующую влияние лаговых переменных на результат, называют:

А) медиана; Б) мода; В) лаг; Г) мультипликатор; Д) регрессор.

5. Наличие гомоскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу; Г) критерий Энгеля-Грангера;

Д) критерий Уайта; Е) критерий Дарбина-Уотсона.

6. Оценить значимость парного линейного коэффициента корреляции можно при помощи:

А) критерия Фишера;

Б) коэффициента автокорреляции;

В) критерия Стьюдента;

Г) критерия Энгеля-Грангера;

Д) критерия Дарбина-Уотсона.

7. Автокорреляция уровней может быть вызвана следующими причинами:

А) ошибка измерения результативного признака;

Б) ошибка в спецификации модели;

В) ошибка в вычислениях;

Д) нет правильного ответа.

8. В ситуациях, когда остатки содержат циклические колебания, график примет вид:







9. Изложите алгоритм использования критерия Энгеля-Грангера.

10. Степень влияния неучтенных факторов в рассматриваемой модели можно определить на основе:

А) парного линейного коэффициента корреляции;

Б) частного коэффициента корреляции;

В) индекса корреляции;

Г) коэффициента детерминации;

Д) коэффициента регрессии.

11. Частный критерий Фишера вычисляется по формуле:

А) ; Б);

В) ; Г) .

12. Факторная дисперсия вычисляется по формуле:

А) ; б) ; В) ; Г) ; Д) ; е) ; Ж) .

13. Что характеризует -коэффициент в уравнениях множественной регрессии?

14. Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?

А) x12; Б) x1>x2; B) x1=x2.

15. Для двух видов продукции А и В модели зависимости удельных постоянных расходов от объема выпускаемой продукции выглядят следующим образом:

уА=85+0,5х,

уВ=20х0,3.

Определите, каким должен быть объем выпускаемой продукции, чтобы коэффициенты эластичности для продукции А и В были равны.

А) 73; Б) 0,02; В) 0,3; Г) 85; Д) 20.

Вариант 2

1. Автокорреляция остатков уравнения регрессии означает:

а) наличие ошибки в спецификации уравнения регрессии;

б) незначимость уравнения регрессии;

в) отсутствие зависимости между переменными;

г) их случайность.

2. h-критерий Фишера используется для оценки:

А) Наличия коинтеграции временных рядов.

Б) Наличия коинтеграции рядов распределения.

В) Автокорреляции остатков.

Г) Автокорреляции уровней рядов динамики.

Д) Автокорреляции уровней рядов распределения.

3. Если лаговые воздействия фактора имеют тенденцию к убыванию во времени, то графическое представление структуры лага примет вид:









4. Коэффициент детерминации показывает:

а) на сколько единиц изменится зависимая переменная, если независимая переменная изменится на 1 единицу;

б) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

в) на сколько процентов изменение зависимой переменной зависит от изменения независимой переменной;

г) долю вариации независимой переменной, обусловленную вариацией независимой переменной.

5. Наличие гетероскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу; Г) критерий Энгеля-Грангера;

Д) критерий Спирмена; Е) критерий Дарбина-Уотсона.

6. Оценить значимость коэффициентов регрессии в множественной линейной модели можно при помощи:

А) коэффициента корреляции;

Б) коэффициента автокорреляции;

В) критерия Стьюдента;

Г) критерия Энгеля-Грангера;

Д) критерия Дарбина-Уотсона.

7. Парный линейный коэффициент корреляции определяется по формуле:

А) ;

Б) ;

В) .

8. В ситуациях, когда остатки содержат циклические колебания, график примет вид:







9. Изложите алгоритм использования критерия Спирмена.

10. Степень усредненного влияния неучтенных факторов в рассматриваемой модели можно определить на основе:

А) парного линейного коэффициента корреляции;

Б) частного коэффициента корреляции;

В) индекса корреляции;

Г) коэффициента детерминации;

Д) коэффициента регрессии;

Е) свободного члена уравнения регрессии.

11 . Как вычисляется коэффициент эластичности для модели у=а+b lnx?

12. Критерий Пирсона используется:

А) для оценки автокорреляции уровней;

Б) для оценки автокорреляции остатков;

В) для оценки мультиколлиниарности факторов;

Г) для оценки коинтеграциии.

13. Что характеризует t-критерий Стьюдента?

14. Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?

А) x12; Б) x1>x2; B) x1=x2.

15. Модель имеет вид:

Y1 = a1+b11X1+ b12X2+C12Y2+1,

Y2 = a2+b22X2+ C21Y1 +2,

Y3 = a3+b31X1 + b33X3+3.

А) модель идентифицируема;

Б) модель сверхидентифицируема;

В) модель неидентифицируема.


Вариант 3

1. Модель авторегрессии с распределенным лагом имеет вид:

а) , где - эмпирически ненаблюдаемая переменная результативного признака, хt – фактическое значение факторного признака; t – ошибка модели;

б) , где - фактическое значение результативного признака, –ожидаемое значение факторного признака; t – ошибка модели;

в) , где - эмпирически ненаблюдаемая переменная результативного признака, – ожидаемое значение факторного признака; t – ошибка модели;

г) , где - фактическое значение результативного признака, хt – фактическое значение факторного признака; t – ошибка модели;

д) нет правильного ответа.

2. Модель Койка является:

А) моделью авторегрессии с бесконечной структурой лага;

Б) моделью авторегрессии с конечной структурой лага;

В) моделью авторегрессии.

3. Графическая модель параболы имеет вид:









4. Дисперсионный анализ уравнения парной регрессии проверяет:

а) значимость коэффициента корреляции;

б) значимость уравнения регрессии;

в) значимость коэффициента регрессии;

г) значимость свободного члена уравнения регрессии.

5. Наличие гетероскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу; Г) критерий Энгеля-Грангера;

Д) критерий Спирмена; Е) критерий Дарбина-Уотсона.

Коэффициент множественной детерминации показывает

а) на сколько процентов изменится зависимая переменная, если независимая переменная изменится на 1%;

б) долю вариации зависимой переменной, обусловленную вариацией независимых переменных;

в) на какую часть своего стандартного отклонения изменится зависимая переменная, если независимая переменная изменится на величину своего стандартного отклонения;

г) насколько изменится зависимая переменная, если независимая переменная изменится на единицу.

Критерий Дарбина-Уотсона определяется:

А) ; Б) ; В) ;

Г); Е) .

8. Изложите алгоритм использования критерия Энгеля-Грангера.

9. В ситуациях, когда остатки не содержат циклические колебания, график примет вид:







10.Лаговые переменные в системах одновременных уравнений обычно рассматриваются как

а) независимые.

б) зависимые.

в) эндогенные.

г) экзогенные.

11 . Как вычисляется коэффициент эластичности для параболы II порядка?

12. Прямая неопределенности используется при определении:

А) Наличия коинтеграции временных рядов.

Б) Наличия коинтеграции рядов распределения.

В) Автокорреляции остатков.

Г) Автокорреляции уровней рядов динамики.

Д) Автокорреляции уровней рядов распределения.

13. Что характеризует -коэффициент?

14. Уравнение множественной регрессии в стандартизованном виде имеет вид: . Сила влияния какого фактора выше на результативный признак?

А) x12; Б) x1>x2; B) x1=x2.

15. Модель имеет вид:

Y1 = a1+b11X1+ b13X3+C12Y2+1,

Y2 = a