Document 209375

ЭКОНОМЕТРИКА - 2
4 модуль, 2006/2007
Профессор:
Павел Катышев , pkatish@nes.ru, к. 908
Ассистенты:
Общие сведения.
Данный курс является продолжением курса "Эконометрика-1". Лекционные занятия проходят по
понедельникам и средам, семинары - по средам. Приемное время лектора - среда, комната 908,
17:45 - 18:45. Если у вас есть вопросы - приходите и задавайте.
Учебники.
Основным учебником по данному курсу является книга:
П.К.Катышев, Я.Р.Магнус, А.А.Пересецкий. Эконометрика. Начальный курс. 6-е издание, Дело,
Москва, 2001.
Дополнительное литература.
1) С.А.Айвазян, В.С.Мхитарян, Прикладная статистика и основы эконометрики, ЮНИТИ, Москва,
1998.
2) R.S. Pindyck & D.L. Rubinfeld, Econometric Models and Economic Forecasts, 3rd edition, McGraw
Hill, 1991.
3) J.Johnston, J.DiNardo, Econometrics Methods, 4th edition, McGraw-Hill, 1997.
4) J.D.Hamilton, Time Series Analysis, Princeton University Press, 1994.
5) П.К.Катышев, А.А.Пересецкий, Сборник задач к начальному курсу эконометрики. Дело, Москва,
3-е издание, 2001.
Проект.
Студентам будет предложено два проекта. Студенты могут работать над проектом в командах (не
больше чем четыре студента в команде). Первый проект необходимо сдать до 31 марта, второй до 21 апреля.
Домашнее задание и экзамены.
Домашние задания будет выдаваться и собираться по средам. Домашние задания оцениваются.
Будет только один итоговый экзамен. Ориентировочные даты:
Сдача проектов: 31марта и 21 апреля, 2003 года
Итоговый экзамен: по расписанию
Формат экзамена.
Лист формата A4 с Вашими собственными записями. Ксерокопии, отпечатанные листы, книги не
разрешаются.
Итоговая оценка.
Домашнее задание, проект, итоговый экзамен имеют следующие веса:
Домашнее задание 0.15
Проект 0.25
Итоговый экзамен 0.60
Итоговая оценка будет поставлена исходя из итогового количества очков, которое определяется
как взвешенное среднее очков за домашние работы, проекты и за итоговый экзамен.
Бонусные очки.
Студенты, которые будут активны на занятиях, могут получить дополнительные очки.
ОПИСАНИЕ КУРСА
1. ОЦЕНКА МАКСИМАЛЬНОГО ПРАВДОПОДОБИЯ
Две лекции
1. Оценка максимального правдоподобия (ОМП): примеры и формальное рассмотрение.
2. Свойства ОМП.
3. Три основных теста спецификации: тест отношения правдоподобия, тест Вальда, тест
множителей Лагранжа.
4. ОМП для линейной регрессионной модели.
5. Тесты отношения правдоподобия, Вальда и множителей Лагранжа в классической
регрессионной модели при тестировании гипотез о наличии линейных ограничений на параметры.
2. МОДЕЛИ С ОГРАНИЧЕННОЙ ЗАВИСИМОЙ ПЕРЕМЕННОЙ
Четыре лекции
1. Дискретные зависимые переменные.
2. Модели бинарного выбора. Линейные вероятностные модели. Probit и Logit модели.
Интерпретация коэффициентов в модели бинарного выбора. Оценки максимального
правдоподобия в Probit и Logit моделях.
3. Ошибки спецификации в моделях бинарного выбора. Модели множественного выбора.
4. Модели с цензурированными и урезанными зависимыми переменными. Tobit модель.
Смещенность и несостоятельность OLS оценки. Оценки максимального правдоподобия.
5. Tobit-2 модель (модель Heckman): описание, оценивание, интерпретация.
6. Модели времени жизни.
3. МОДЕЛИ С ЛАГИРОВАННЫМИ ПЕРЕМЕННЫМИ И ВРЕМЕННЫЕ РЯДЫ
Шесть лекций
1. Модели с лагированными переменными.
Модель распределенных лагов. Оценка модели распределенных лагов. Полиномиальные лаги
(модель Алмона). Геометрические лаги (модель Койка).
2. Динамические модели.
Авторегрессионные модели и модели с автокорреляцией. Оценка. Тест на автокорреляцию (тесты
Дарбина и множителей Лагранжа ). Примеры моделей с лагированными переменными (модели
частичного выравнивания, адаптивных ожиданий, коррекции ошибок). Тест Гранжера на причинноследственную зависимость.
3. Единичный корень и коинтеграция.
Стационарность. Случайное блуждание. AR(p) процесс. Единичные корни. Статистика ДикиФуллера. Мнимая регрессия. Коинтеграция. Подходы Энгеля и Гранжера. Статистика Маккикона.
Коинтегрирующий вектор. Долгосрочное динамическое равновесие.
4. ARIMA-модели и методолгия Бокса-Дженкинса (Box-Jenkins).
Тренд, сезонность, взятие разностей. Тесты на стационарность. ACF и PACF. Уравнения ЮлаУолкера. MA модели. Обратимость. Свойства ARMA моделей.
5. Модели авторегрессии с условной гетероскедастичностью/
ARCH, GARCH, ARCH-M, E-GARCH модели. Тест множителей Лагранжа для ARCH. Методы
оценивания.
4. СИСТЕМЫ РЕГРЕССИОННЫХ УРАВНЕНИЙ
Две лекции
1. Внешне не связанные уравнения (SUR).
2. Системы одновременных уравнений. Структурная и урезанная форма. Порядковое и ранговон
условия.
3. Оценка систем одновременных уравнений: косвенный МНК, двух шаговый МНК.