Реферат: Ческими методами, применяемыми при анализе экономических процессов, их взаимосвязей, овладение основными методами и приемами статистического анализа в экономике



МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

РОССИЙСКОЙ ФЕДЕРАЦИИ


Томский государственный университет

ФАКУЛЬТЕТ ПРИКЛАДНОЙ МАТЕМАТИКИ

И КИБЕРНЕТИКИ






Утверждаю

Декан ФПМК

____________ А. М. Горцев

«___» _____________ 20_ г.



Эконометрика


Направление подготовки

080100 Экономика

Профиль

Математические методы в экономике

Квалификация выпускника

Бакалавр

Форма обучения

очная


Томск

2011

Цель курса

Целью освоения дисциплины «Эконометрика» является ознакомление студентов с основными статистическими методами, применяемыми при анализе экономических процессов, их взаимосвязей, овладение основными методами и приемами статистического анализа в экономике.

^ Место дисциплины в структуре ООП бакалавриата

Эконометрика – общеобразовательная дисциплина, которая знакомит с вероятностными моделями взаимодействия экономических признаков. Входит в базовую часть профессионального цикла Б. 3, изучается в 6-ом и 7-ом семестрах. Изучение предмета базируется на дисциплинах: математически анализ, линейная алгебра, теория вероятностей, теория случайных процессов, математическая статистика.

^ Компетенции обучающегося, формируемые в результате освоения дисциплины

В совокупности с другими дисциплинами базовой (общепрофессиональной) части профессионального цикла ФГОС ВПО дисциплина «Эконометрика» обеспечивает инструментарий формирования следующих компетенций бакалавра экономики:

- владение культурой мышления, способность к обобщению, анализу, восприятию информации, постановки цели и выбору путей ее достижения (ОК-1);

- способность анализировать социально значимые проблемы и процессы, происходящие в обществе и прогнозировать возможное и х развитие в будущем (ОК-4);

- способность логически верно, аргументировано и ясно строить устную и письменную речь (ОК-6);

- владеть основными методами, способами и средствами получения, хранения и переработки информации, иметь навыки работы с компьютером как средством управления информацией, способность работы с информацией в глобальных компьютерных сетях (ОК-13);

- способность собрать и проанализировать исходные данные, необходимые для расчета экономических и социально экономических показателей, характеризующих деятельность хозяйствующих субъектов (ПК-1);

- способность осуществлять сбор, анализ и обработку данных, необходимых для решения поставленных экономических задач (ПК-4);

- способность выбрать инструментальные средства для обработки экономических данных в соответствии с поставленной задачей, проанализировать результаты расчетов и обосновать полученные выводы (ПК-5);

- способность на основании описания экономических процессов и явлений строить стандартные теоретические и эконометрические модели, анализировать и содержательно интерпретировать полученные результаты (ПК-6).


В результате изучения курса студенты должны:

Знать:

– методы построения эконометрических моделей объектов, явлений и процессов;

Уметь:

– осуществлять сбор и анализ данных, необходимых для решения поставленной экономической задачи;

– осуществлять выбор инструментальных средств для обработки экономических данных в соответствии с поставленной задачей, анализировать результаты расчетов и обосновывать полученные выводы;

– строить на основе описания ситуаций стандартные теоретические и эконометрические модели, анализировать и содержательно интерпретировать полученные результаты;

– строить прогнозы на основе стандартных теоретических и эконометрических моделей;

Владеть:

– современными методами сбора, обработки и анализа экономических и социальных данных;

– современной методикой построения эконометрических моделей;

– методами и приемами анализа экономических явлений и процессов с помощью эконометрических моделей.



^ Темы и краткое содержание

Общая трудоемкость дисциплины «Эконометрика» составляет 6,1 зачетных единицы (219 часов).






п/п



Раздел

Дисциплины

Семестр

Неделя семестра

Виды учебной работы, включая самостоятельную работу студентов и трудоемкость (в часах)

^ Формы текущего контроля успеваемости (по неделям семестра)

Форма промежуточной аттестации (по семестрам)













лекции

лаб.

сам. раб





1

Первичная обработка данных

6

1-2

4

2

4

Контрольная работа,

коллоквиум

(8 неделя)

2

Регрессионный анализ.

6

3-8

12

14

16

3

Корреляционный анализ

6

9-12

8

10

10

Экзамен

(в конце 6 семестра)

4

Дисперсионный анализ.

6

12-16

6

4

10

5

Ряды динамики в экономических задачах.

7

1-4

8

16

20

Контрольная работа,

коллоквиум

(4 неделя)

6

Системы эконометрических уравнений.

7

5-8

8

16

20

Экзамен

(в конце 7 семестра)




Итого







46

62

80

31



Тема 1. Первичная обработка данных


Сбор данных, способы формирования выборки. Виды статистических наблюдений. Репрезентативность выборки. Способы задания выборки.

Первичная обработка выборки. Вариационный ряд для выборки из дискретной генеральной совокупности и интервальный вариационный ряд. Полигон частот, полигон относительных частот, гистограммы частот и относительных частот. Эмпирическая функция распределения. Выборочные числовые характеристики.

Оценки параметров и их свойства: несмещенность, состоятельность, эффективность.

Оценка неизвестной вероятности и ее свойства. Доверительный интервал.

Проверка статистических гипотез. Вывод критерия Хи-квадрат и его применение. Метод моментов. Критерий Колмогорова-Смирнова.


^ Тема 2. Регрессионный анализ и его применение в экономической статистике

Линейная модель парной регрессии. Простая регрессия. Оценка параметров линейного уравнения парной регрессии. Коэффициент корреляции, коэффициент детерминации. Доверительные интервалы для параметров линейного уравнения регрессии, проверка их значимости. Дисперсия линии регрессии и доверительный интервал для кривой регрессии. Прогноз и интервал прогнозирования. Множественная регрессия. Оценки параметров множественного уравнения регрессии и их свойства. Доверительные интервалы для функции регрессии и для коэффициентов уравнения регрессии. Оценка параметров линейного уравнения регрессии при зависимых наблюдениях. Теорема Айткена. ОМНК. ДОМНК. Оценка параметров уравнения регрессии при наличии гетероскедастичности. Тесты на гетероскедастичность. Коррекция гетероскедастичности. Оценка параметров уравнения регрессии при наличии ограничений на параметры. Итерационная процедура оценки параметров нелинейного уравнения регрессии.


^ Тема 3. Корреляционный анализ.

Корреляционный анализ количественных данных. Коэффициент детерминации. Парный коэффициент корреляции. Z-преобразование Фишера. Корреляционное отношение. Частный и множественный коэффициенты корреляции. Ранговая корреляция. Коэффициент корреляции Спирмена. Коэффициент корреляции Кендалла. Коэффициент конкордации. Корреляционный анализ категоризованных данных. Таблицы сопряженности двух признаков.


^ Тема 4. Дисперсионный анализ.

Вывод F-критерия.

Однофакторный дисперсионный анализ. Множественные сравнения.

Двухфакторный дисперсионный анализ.

Неполные сбалансированные блоки и их применение при неоднородном исходном материале.

Латинские квадраты и их применение в экономических задачах.


^ Тема 5. Ряды динамики в экономических задачах.

Моментные ряды, интервальные ряды. Простейшие показатели динамики: абсолютный прирост (базисные и цепные), темпы роста и темпы прироста (базисные и цепные) и их средние значения.

Сглаживание или выравнивание рядов динамики. Выравнивание методом скользящего среднего. Свойства сглаженных значений.

Краевые эффекты. Метод аналитического выравнивания. Рекомендации по выбору функции тренда.

Циклические тренды. Ряды Фурье и их применение для выравнивания рядов динамики. Прогнозирование.

Оценка параметров уравнения регрессии при наличии автокорреляции случайной составляющей. Проверка на случайность. Сериальные корреляции, коррелограмма. Проверка выполнения условий теоремы Гаусса–Маркова.


^ Тема 6. Системы эконометрических уравнений.

Системы независимых уравнений. Системы эконометрических уравнений при зависимых остатках. Системы рекурсивных уравнений. Системы взаимозависимых уравнений. Структурная и приведенная форма модели. Необходимые и достаточные условия идентификации. Оценка параметров структурной модели системы эконометрических уравнений. КМНК. ДМНК.


^ Образовательные технологии

В качестве образовательной технологии выбрана традиционная система обучения, представляющая собой лекционные занятия и лабораторный практикум на ЭВМ, которая является наиболее информационноемкой. Она пригодна для решения таких задач как передача большого объема информации, развития памяти, внимания, некоторых логических умений обучающихся (выделять главное и существенное, структурировать учебный материал, подбирать доказательство). Составляющие технологии:

поточно-групповая организация занятий;

еженедельная передача информации небольшими порциями;

постановка преподавателем четких целей обучения;

фронтальная и индивидуальная работа преподавателя со студентами;

индивидуальная работа студентов с учебной литературой;

фрагментарная проверка выполнения самостоятельной работы студентов;

Условием эффективного усвоения содержания курса является обязательное сочетание теоретических занятий с лабораторными работами, на которых отрабатываются выделенные общие умения, входящие в них знания, а также их применение при организации процесса обучения.

Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства текущего контроля успеваемости, промежуточной аттестации по итогам усвоения дисциплины.

Самостоятельная работа студентов заключается в выполнении практических работ на ЭВМ, индивидуальных работ, подготовке теоретических вопросов, в том числе систематизации знаний.

Для текущего контроля самостоятельной работы в каждом семестре предусмотрено проведение контрольных работ и коллоквиумов по основным разделам дисциплины.


Темы лабораторных работ

1. Генерирование и первичная статистическая обработка данных.

2. Точечные и интервальные оценки параметров распределения выборки.

3. Определение типа неизвестного распределения по выборке.

4. Простая регрессия.

5. Нелинейная парная регрессия.

6. Множественная регрессия.

7. Ранговая корреляция.

8. Проверка гипотезы о независимости двух признаков по таблицам сопряженности.

9. Одно- и двухфакторный дисперсионный анализ.

10. Неполные сбалансированные блоки и латинские квадраты.

11. Анализ временных рядов (выделение тренда, сглаживание, прогнозирование).

Экзаменационные (контрольные) вопросы

1.  Регрессия. Общая постановка задачи.

2. Простая регрессия. МНК-оценка параметров простой регрессии.

3. Числовые характеристики параметров простой регрессии.

4. Оценивание дисперсии ошибок. Оценка линии регрессии.

5. Проверка качества уравнения парной регрессии.

6. Множественная регрессия. Линейная модель и ее матричная запись.

7. Числовые характеристики параметров линейной модели множественной регрессии.

8.  Свойства МНК-оценок параметров линейной регрессии.

9.  Обобщение оценок параметров линейной регрессии для случая коррелированных гомоскедастичных наблюдений.

10. Обобщение оценок параметров линейной регрессии для случая некоррелированных гетероскедастичных наблюдений.

11. Оценки параметров линейной регрессии при связывающих эти параметры ограничениях.

12. Нелинейные модели регрессии, допускающие линеаризацию. Проверка гипотезы об адекватности модели регрессии.

13. Итерационные алгоритмы оценивания параметров регрессии.

14. Доверительные интервалы для параметров регрессии и функции регрессии.

15. Интервал предсказания.

16. Коэффициенты детерминации и парной корреляции, корреляционное отношение: определения и свойства.

17. Частный и множественный коэффициенты корреляции: определения и свойства.

18. Понятие ранговой корреляции. Основные типы задач анализа ранговых связей.

19. Коэффициенты ранговой корреляции Кендалла и Спирмена. Обобщенный коэффициент ранговой корреляции.

20. Коэффициент конкордации и его свойства. Проверка гипотезы о равенстве нулю выборочного коэффициента конкордации.

21. Категоризованные данные. Анализ зависимости признаков по таблицам сопряженности.

22. Общая постановка задачи дисперсионного анализа.

23. Однофакторный дисперсионный анализ. Проверка гипотезы о влиянии фактора на исследуемый объект.

24. Исследование влияния на объект уровней фактора методами множественного сравнения.

25. Общее решение задачи двухфакторного дисперсионного анализа.

26. Неполные сбалансированные блоки в задачах дисперсионного анализа.

27. Стационарные временные ряды и их основные характеристики. Проверка гипотезы о случайности.

28. Выявление циклической составляющей временного ряда.

29. Выделение тренда. Сглаживание временного ряда методом простого скользящего среднего.

30. Сглаживание временного ряда методом взвешенного скользящего среднего. Выбор порядка аппроксимирующего полинома.

31. Точеные и интервальные оценки прогноза будущих значений временного ряда.

32. Системы эконометрических уравнений. Общая постановка задачи. Основные типы.

33. Внешне несвязанные, независимые, рекурсивные уравнения.

34. Системы одновременных (взаимозависимых) уравнений.

35. Структурная и приведенная формы. Необходимые и достаточные условия идентификации.

36. Косвенный метод наименьших квадратов.

37. Двухшаговый метод наименьших квадратов.



Учебно-методическое и информационное обеспечение дисциплины (модуля)

а) основная литература:


1. Кремер Н. Ш., Путко Б.А., Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2002. - 311 с.

2. Луговская Л.В. Эконометрика в вопросах и ответах: учеб. пособие. – М.:ТК Велби, Изд-во Проспект, 2006. – 208 с.

3. Магнус Я.Р., Катышев П.К., Пересецкий А.А., Эконометрика. Начальный курс. – М.: Дело, 2005. – 504 с.

4. Новак Эдвард, Введение в методы эконометрики. Сборник задач: Пер. с польск / Под ред. И. И. Елисеевой. – М.: Финансы и статистика, 2004.

5. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева, Курышева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. – М.: Финансы и статистика. 2003. – 192 с.: ил.

6. Эконометрика: Учебник/ И.И. Елисеева, Курышева, Т.В. Костеева и др.; Под ред. И.И. Елисеевой. – 2-ое изд., перераб. и доп. – М.: Финансы и статистика. 2005. – 576 с.: ил.


б) дополнительная литература:


1.  Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Основы моделирования и первичная обработка данных: Справ. изд. – М.: Финансы и статистика, 1983. – 471 с.: ил.

2.  Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Исследование зависимостей: Справ. изд. – М.: Финансы и статистика, 1985. – 487 с.: ил.

3. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: Справ. изд. – М.: Финансы и статистика, 1989. – 607 с.: ил.

4. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. – М.: ЮНИТИ, 1998.

5. Афифи А., Эйзен С. Статистический анализ. – М.: Мир, 1982.

6. Дюге Д. Теоретическая прикладная статистика. – М.: Наука. Гл. ред. физ.-мат. лит., 1972. – 384 с.

7. Кендалл М. Дж., Стьюарт А. Статистические выводы и связи. – М.: Наука, 1973.

8. Кендалл М. Дж., Стьюарт А. Многомерный статистический анализ и временные ряды. – М.: Наука, 1976.

9. Мельник М. Основы прикладной статистики: Пер. с англ. – М.: Энергоатомиздат, 1983. – 416 с., ил.

10. Рао С.Р. Линейные статистические методы и их применение. - М.: Наука, 1968.

11. Справочник по прикладной статистике. В 2-х т. Т. 1: Пер. с англ. / Под ред. Ллойда Л., Ледермана У. – М.: Финансы и статистика, 1989. – 510 с: ил.

12. Справочник по прикладной статистике. В 2-х т. Т. 2: Пер. с англ. / Под ред. Ллойда Л., Ледермана У. – М.: Финансы и статистика, 1990. – 526 с: ил.

13. Шефе Г. Дисперсионный анализ. – М.: Наука, 1980.



Материально-техническое обеспечение дисциплины (модуля)

В распоряжении преподавателей и обучающихся имеется основное необходимое материально-техническое оборудование, а именно компьютеры с соответствующим компьютерным и программным обеспечением, Интернет-ресурсы, доступ к полнотекстовым электронным базам, книжный фонд (3,8 млн. экземпляров) Научной библиотеки Томского университета.


Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению «Экономика».


Автор: Кабанова Татьяна Валерьевна, кандидат физико-математических наук, доцент кафедры Теории вероятностей и математической статистики.

Рецензент: Зенкова Жанна Николаевна, кандидат физико-математических наук, доцент кафедры Теоретической кибернетики.


Программа одобрена на заседании Ученого совета ФПМК, протокол № 282 от 24.02.2011г.

еще рефераты
Еще работы по разное