- вопросы для самопроверки;
- тесты (по разделам дисциплины, тренировочные, общие);
- одна контрольная работа (для очно-заочной и заочной форм обучения);
- практические занятия – 16 часов для очной формы обучения,
– 8 часов для очно-заочной формы обучения;
– 4 часа для заочной формы обучения;
- экзамен.
2. Рабочие учебные материалы
2.1. Рабочая программа
(Объем дисциплины 100 часов)
Введение (2 часа)
[1], с. 9-49
Предмет и задачи дисциплины.
Предварительные сведения из теории вероятностей и математической статистики: условные распределения, функция регрессии. Коэффициент корреляции и его свойства. Выборочные ковариация и коэффициент корреляции.
Раздел 1. Парная линейная регрессия (18 часов)
[1], c. 50-81
Функциональная, статистическая и корреляционная зависимости. Результирующий признак и объясняющий фактор, детерминированная составляющая, случайная составляющая. Сумма квадратов остатков, метод наименьших квадратов, линия регрессии, коэффициенты регрессии. Теорема Гаусса-Маркова, экономическая интерпретация коэффициентов регрессии. Коэффициент детерминации R 2 и его свойства, связь коэффициента детерминации и коэффициента корреляции в парной регрессии. Статистические свойства МНК-оценок параметров парной регрессии. Стандартные ошибки коэффициентов регрессии. Проверка гипотезы о наличии зависимости между объясняющим фактором и результирующим признаком по t- статистике, построение интервала для коэффициента регрессии b 1. Построение доверительного интервала прогнозов в парной регрессии.
|
|
Раздел 2. Множественная регрессия (30 часов)
[1], с. 82-107, c. 115-128
Основные предположения классической линейной модели множественной регрессии. Метод наименьших квадратов, матричная форма записи коэффициентов множественной регрессии. Экономическая интерпретация частных коэффициентов множественной регрессии. Свойства оценок МНК. Теорема Гаусса-Маркова. Множественный коэффициент детерминации, скорректированный коэффициент детерминации. Проверка гипотезы о значимости коэффициентов множественной регрессии по t- статистике. Доверительные интервалы параметров множественной регрессии. Проверка значимости уравнения регрессии в целом по F -статистике.
Линейные регрессионные модели с переменной структурой. Фиктивные переменные.
Регрессии нелинейные по объясняющим переменным и нелинейные по параметрам. Индексы множественной корреляции и детерминации. Средняя ошибка аппроксимации. Коэффициент эластичности. Средний коэффициент эластичности. Степенная регрессия и сведение ее к линейной. Производственная функция Кобба-Дугласа. Кривая Филипса: уровень безработицы и темп роста заработной платы.
|
|
Раздел 3. Нарушения предпосылок классической регрессионной модели (20 часов)
[1], с. 108-115, с. 128-132, с. 150-178
Гетероскедастичность случайного возмущения. Причины и последствия гетероскедастичности. Тест Голдфельда-Квандта, тест ранговой корреляции Спирмена. Автокорреляция случайного возмущения. Авторегрессия первого порядка. Статистика Дарбина-Уотсона. Обобщенный метод наименьших квадратов.
Мультиколлинеарность случайного возмущения. Причины и последствия мультиколлинеарности. Матрица парных корреляций. Частные коэффициенты корреляции. Множественные коэффициенты корреляции и детерминации. Пошаговая регрессия.
Раздел 4. Временные ряды (16 часов)
[1], c. 133-150, c. 178-190
Основные компоненты временного ряда. Аддитивная и мультипликативная модели. Стационарные временные ряды и их характеристики. Выборочная автокорреляционная функция, выявление структуры временного ряда. Сглаживание временного ряда. Представление тренда в аналитическом виде. Прогнозирование временных рядов.
Динамические эконометрические модели. Оценивание моделей с распределенными лагами. Модели авторегрессии, интерпретация параметров. Метод инструментальных переменных.
Раздел 5. Системы одновременных уравнений (12 часов)
[1], c. 224-242
Структурная и приведенная форма модели. Проблема идентификации. Необходимое и достаточное условие идентификации модели. Модель Кейнса функции потребления. Косвенный метод наименьших квадратов. Двухшаговый и трехшаговый методы наименьших квадратов.
Заключение (2 часа)
Эконометрические модели и методы представляют собой мощный инструментарий для принятия практических решений, получения новых знаний и прогнозирования в экономике в условиях стремительного развития социально-экономических процессов.
2.2. Тематический план дисциплины
Тематический план дисциплины для студентов очной формы обучения
№ п/п | Наименование раздела (отдельной темы) | Кол-во часов по дневной форме обучения | Виды занятий и контроля | ||||||||
лекции | ПЗ (С) | ЛР | Самостоятельная работа | Тесты | Контрольные работы | ||||||
аудит. | ДОТ | аудит. | ДОТ | аудит. | ДОТ | ||||||
ВСЕГО | |||||||||||
Введение | |||||||||||
1. | Раздел 1. Парная линейная регрессия | 1,5 | 0,5 | ||||||||
1.1 | Классическая линейная модель парной регрессии | 0,5 | |||||||||
1.2 | Оценка качества модели | 0,5 | |||||||||
1.3 | Прогноз по модели парной регрессии | 0,5 | |||||||||
2. | Раздел 2. Множественная регрессия | 2,5 | 2,5 | ||||||||
2.1. | Линейная модель множественной регрессии | ||||||||||
2.2 | Оценка качества модели | ||||||||||
2.3 | Модели регрессии с переменной структурой | ||||||||||
2.4 | Нелинейные модели регрессии | 0,5 | 0,5 | ||||||||
Раздел 3. Нарушения предпосылок классической регрессионной модели | |||||||||||
3.1 | Гетероскедастичность случайного возмущения | 0,5 | |||||||||
3.2 | Автокорреляция случайного возмущения | 0,5 | |||||||||
3.3 | Обобщенный метод наименьших квадратов | 0,5 | |||||||||
3.4 | Мультиколлинеарность | 0,5 | |||||||||
Раздел 4. Временные ряды | |||||||||||
4.1 | Основные элементы и структура временного ряда | 0,5 | |||||||||
4.2 | Стационарные временные ряды и их характеристики | 0,5 | |||||||||
4.3 | Моделирование тенденции временного ряда | ||||||||||
4.4 | Динамические эконометрические модели | ||||||||||
Раздел 5. Системы одновременных уравнений | |||||||||||
5.1 | Основные понятия | 0,5 | |||||||||
5.2 | Косвенный МНК | 0,5 | |||||||||
5.3 | Двухшаговый и трехшаговый МНК | ||||||||||
Заключение |
Тематический план дисциплины
|
|