Министерство образования и науки Российской Федерации
Владивостокский государственный университет
экономики и сервиса
________________________________________________________
ЭКОНОМЕТРИКА
Рабочая программа учебной дисциплины
по направлению
080100.62. Экономика
Владивосток
Издательство ВГУЭС
2014
ББК 65в. я73
Рабочая программа по дисциплине «Эконометрика» составлена в
соответствии с требованиями государственного стандарта России.
Предназначена для студентов направления 08010.62 Экономика
.
Составитель: Мазелис Л.С.,
математики и моделирования.
д-р.экон.наук,
доц.
кафедры
Утверждена на заседании кафедры математики и
моделирования от 7.02.2011 г., протокол № 7, редакция 2014г.
Рекомендована к изданию учебно-методической комиссией
Института информатики, инноваций и бизнес – систем.
©
Издательство Владивостокского
государственного университета
экономики и сервиса, 2014
ВВЕДЕНИЕ
Современное экономическое образование держится на трёх
опорах: макроэкономике, микроэкономике и эконометрике –
утверждает академик В.Л. Макаров. В последнее десятилетие на западе
курсы эконометрики, ранее читаемые в магистерских программах,
стали активно включаться и в бакалаврские программы по экономике.
Однако в российском образовании в связи с идеологическими
барьерами только в последние годы эконометрика стала занимать
соответствующее
ей
место.
Только
в
Государственных
образовательных стандартах второго поколения эконометрика впервые
включена в основную образовательную программу подготовки
экономистов как дисциплина федерального компонента по циклу
общих математических и естественно-научных дисциплин.
Деятельность в любой области экономики требует от бакалавра
при принятии управленческих решений применения современных
количественных
методов,
позволяющих
анализировать
информационные массивы и строить модели, описывающие реальные
экономические процессы. Высказывание известного эконометриста,
президента
Американской экономической ассоцииации Цви
Гриллихеса «Эконометрика является одновременно нашим телескопом
и нашим микроскопом для изучения окружающего экономического
мира» говорит о значении эконометрических методов как на макроуровне, так и на микро-уровне. Эконометрические методы дают
мощный инструмент для прогнозирования в бизнесе с учётом
неопределённости внешних и внутренних условий экономического
процесса.
Дисциплина «Эконометрика» тесно связан с дисциплинами
«Экономическая теория», «Макроэкономика», «Микроэкономика»,
«Статистика». Для изучения курса «Эконометрика» необходимо
владение материалом дисциплин «Высшая математика» (разделами
«Теория
вероятностей»,
«Математическая
статистика»),
«Экономическая
теория».
Освоенные
студентами
методика
моделирования процессов и техника прогнозирования несомненно
найдут применение в деятельности любого менеджера при принятии
управленческих решений.
Данная программа построена в соответствии с требованиями
Государственного образовательного стандарта России к дисциплине
3
«Эконометрика». Рабочая программа разработана на основе учебных
планов направления 080100.62 Экономика
1. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ
1.1. Цели и задачи изучения дисциплины
Целью изучения дисциплины «Эконометрика» является
ознакомление с методами количественного выражения взаимосвязей
экономических процессов и явлений и освоение методов анализа
информации и прогнозирования развития бизнес-процессов.
Задачи дисциплины:
– изучение пространственных и временных эконометрических
моделей, описывающих поведение экономических агентов;
– освоение методов бизнес-прогнозирования;
– освоение современных эконометрических пакетов прикладных
программ.
1.2. Знания, умения и навыки, которые должен приобрести
студент в результате изучения дисциплины
В результате изучения дисциплины «Эконометрика» студент
должен знать основные определения и понятия изучаемых разделов
эконометрики, уметь формулировать и доказывать основные
результаты этих разделов. В ходе лабораторных работ студент должен
приобрести навыки решения типовых эконометрических задач с
применением пакетов прикладных программ.
Студент должен освоить методику построения регрессионных
моделей для пространственных данных и моделей временных рядов:
- анализ исходных данных и спецификация модели,
- оценка адекватности построенной модели,
- прогноз развития реальной ситуации на основе модели.
1.3. Объём и сроки изучения курса
Дисциплина «Эконометрика» для очной формы обучения общим
объёмом 168 часов изучается в 5 семестре и включает 34 часа лекций и
34 часа лабораторных работ. Для не дневных форм обучения – общий
объём 168 часов изучается на втором курсе и включает 8 часов лекций
4
и 4 часа лабораторных работ, на самостоятельную работу отводится
156 часов.
1.4. Основные виды занятий и особенности их проведения
при изучении данного курса
1.4.1. Лекционные занятия
Построены как типичные лекционные занятия в соответствии с
требованиями государственных стандартов для подготовки бакалавров
вышеперечисленных специальностей. При чтении лекций используется
мульти медийное оборудование, позволяющее демонстрацию слайдов
и методики применения программных продуктов в эконометрических
исследованиях.
1.4.2. Лабораторные работы
Лабораторные работы проводятся в компьютерном классе с
использование ППП Excel и одного из специализированных
эконометрических пакетов (STATISTIKA, Eviews).
1.5. Взаимосвязь аудиторной и самостоятельной работы
студентов при изучении курса
В ходе изучения данного курса студент слушает лекции по
основным темам, выполняет лабораторные работы, занимается
индивидуально.
Освоение
курса
предполагает
выполнение
контрольных заданий. Особое место в овладении данным курсом
отводится самостоятельной работе по решению текущих и
индивидуальных домашних заданий. Индивидуальные домашние
задания представляют собой исследование реальной ситуации,
построение адекватной модели для неё.
Учебным планом предусмотрены консультации, которые студент
может посещать по желанию.
1.6. Виды контроля знаний студентов и их отчётности
Для контроля знаний студентов используется рейтинговая
система. Итоговая оценка выставляется в зависимости от набранных
студентом баллов в шкале [0;100]. В процессе обучения студент 5
очник
должен выполнить шесть лабораторных работ, 3
индивидуальных домашних задания, написать две контрольные
работы. Студент – заочник или вечерник должен выполнить две
лабораторные работы и одну контрольную работу. Контрольные
работы включают тест с мульти ответами по теоретическому
материалу и задачи. Курс завершается экзаменом. Обязательным
условием допуска студента к экзамену является то, что он в течение
семестра набрал не менее 50% от максимально возможного количества
баллов. Экзамен проводится письменно, в экзаменационные билеты
включаются теоретические и практические вопросы.
2. СОДЕРЖАНИЕ КУРСА
Тема 1. Предмет эконометрики и методы эконометрического
исследования
История возникновения и развития эконометрики как
самостоятельной области знания. «Политические арифметики» (XVII
век), статистическая теория (Ф. Гальтон, К. Пирсон, Ф. Эджворт, XIX
век), теория спроса (конец XIX века), анализ временных рядов для
макроэкономических проблем (конец XIX века), экономические
барометры (начало XX века), создание эконометрического
общества(1930 г.).
Различные определения эконометрики, высказывания известных
учёных. Три составляющих эконометрики: статистика, экономическая
теория и математика. Цели эконометрического исследования.
Этапы эконометрического исследования: постановка проблемы,
получение данных, анализ их качества, спецификация модели, оценка
параметров, интерпретация результатов.
Задачи, решаемые при эконометрическом исследовании:
качественный анализ связей переменных – выделение объясняемых
(эндогенных) yj и объясняющих (экзогенных) xk; подбор данных;
спецификация формы связи между y и xk; оценка параметров модели;
анализ мультиколлинеарности объясняющих переменных; выявление
автокорреляции, лагов; выявление тренда, циклической и случайной
компонент; моделирование на основе системы временных рядов.
Структуры данных (классификация): пространственные данные и
временные ряды; количество переменных для каждой элементарной
единицы (объекта);
тип измерения; источник информации.
6
Обобщающие количественные показатели набора данных: выборочное
среднее, взвешенное среднее, медиана, мода, перцентили, квартили.
Возможности нахождения количественных показателей в различных
шкалах. Количественные характеристики изменчивости данных:
дисперсия, среднее квадратическое отклонение, коэффициент
вариации. Графическое описание данных.
Тема 2. Парная линейная регрессия
Спецификация модели. Оценка параметров модели методом
наименьших квадратов (МНК): система нормальных уравнений.
Интерпретация коэффициентов уравнения регрессии.
Оценка адекватности модели: наличие связи между переменными,
анализ дисперсии, коэффициент детерминации R2, F-критерий Фишера
значимости уравнения в целом, средняя ошибка аппроксимации.
Свойства оценок коэффициентов регрессии: несмещенность,
точность, эффективность, состоятельность. Теорема Гаусса-Маркова.
Оценки стандартных отклонений оценок параметров регрессии.
Доверительные интервалы коэффициентов регрессии. оценка
значимости коэффициентов модели по критерию Стьюдента. Метод
максимального правдоподобия нахождения оценок параметров
регрессии.
Прогнозирование
на
основе
регрессионного
уравнения.
Доверительные интервалы для условного математического ожидания и
индивидуального значения эндогенной переменной.
Построение регрессионного уравнения с помощью ППП Excel.
Статистическая функция ЛИНЕЙН. Инструмент «Пакет анализа»,
программа РЕГРЕССИЯ.
Тема 3. Парная нелинейная регрессия
Типы нелинейности в регрессионной зависимости: нелинейность
по экзогенным переменным, нелинейность по параметрам. Сведение
нелинейного по переменным уравнения к линейному с помощью
преобразований. Кривая Филлипса, кривые Энгеля. Экономические
взаимосвязи, для которых целесообразно применение кривых Энгеля:
соотношение между спросом на определенный товар и общей суммой
дохода, соотношение между спросом на определенный товар и ценой
товара. Коэффициент эластичности. Характеристическое свойство
степенной функции: эластичность постоянна.
Смещенность
оценок
параметров,
полученных
МНК.
Коэффициент детерминации для нелинейных моделей.
7
Метод последовательных приближений нахождения оценок
параметров.
Построение регрессионных нелинейных уравнений с помощью
диаграмм ППП Excel.
Тема 4. Множественная регрессия, оценка параметров
методом наименьших квадратов
Спецификация модели. Отбор факторов, требования к
включаемым факторам. Анализ корреляционной матрицы. Пути
преодоления сильной межфакторной корреляции. Выбор формы
уравнения регрессии.
Оценка параметров уравнения регрессии. Метод наименьших
квадратов для уравнений в обычном и стандартизованном масштабах.
Формулы связи между «чистыми» и «стандартизованными»
коэффициентами.
Ранжирование
факторов
с
помощью
«стандартизованных» коэффициентов.
Оценка адекватности модели: анализ дисперсии, коэффициент
детерминации R2, F-критерий Фишера значимости уравнения в целом.
Частные
уравнения
регрессии.
Частные
коэффициенты
эластичности.
Тема 5. Спецификация переменных в уравнениях
множественной регрессии
Последствия неправильной спецификации модели: включения
лишней переменной, невключения необходимой переменной,
использования «заменителей».
Свойства оценок коэффициентов регрессии: несмещенность,
точность, эффективность, состоятельность. Теорема Гаусса-Маркова.
«Стандартные ошибки» коэффициентов регрессии.
Мультиколлинеарность экзогенных факторов. Статистика,
используемая для проверки факторов на мультиколлинеарность,
теорема об асимптотическом 2-распределении данной статистики.
Методы смягчения мультиколлинеарности.
Оценка значимости совместного предельного вклада группы
переменных с помощью F-теста. Зависимость между F- и tстатистиками. Скорректированный коэффициент детерминации R2.
Замещающие переменные, непреднамеренное использование
замещающих переменных.
Тема 6. Гетероскедастичность и автокоррелированность
случайного члена
8
Гетероскедастичность: определение, причины и последствия
гетероскедастичности. Методы обнаружения гетероскедастичности:
тест ранговой корреляции Спирмена, тест Голдфелда-Квандта., тест
Глейзера. Обобщённый метод наименьших квадратов.
Автокорреляция:
определение,
причины
и
последствия
автокорреляции.
Критерий
Дарбина-Уотсона
проверки
на
автокорреляцию. Авторегрессионная схема первого порядка.
Итеративный метод Кокрана-Орката. Поправка Прайса-Уинстона для
малых выборок.
Тема 7. Фиктивные переменные
Типы ситуаций: выбор из двух или нескольких альтернатив;
ранжированный выбор; количественная целочисленная переменная.
Методы использования в моделях качественных переменных: метод
фиктивных переменных для экзогенных факторов, logit- и probitмодели для бинарных эндогенных переменных. Множественные
совокупности фиктивных переменных, интерпретация коэффициентов
при фиктивных переменных. Фиктивные переменные для
коэффициента наклона. Взаимодействие между фиктивными
переменными. Тест Чоу проверки целесообразности объединения
подвыборок.
Тема 8. Системы эконометрических уравнений
Классификация систем эконометрических уравнений: внешне не
связанные уравнения, система рекурсивных уравнений, система
одновременных уравнений. Структурная и приведённая формы
модели.
Идентифицируемые,
недентифицируемые,
сверхидентифицируемые модели.
Методы оценивания параметров структурной модели модели:
косвенный МНК, двухшаговый МНК, метод максимального
правдоподобия.
Примеры применения систем эконометрических уравнений:
статическая модель Кейнса, динамическая модель Кейнса,
динамическая модель макроэкономики Клейна, модель Хохенбалкена и
Тинтнера экономики стран ЕЭС.
Тема 9. Моделирование одномерных временных рядов
9
Аддитивная и мультипликативная модели временного ряда.
Циклическая, трендовая и случайная компоненты ряда. Задачи
эконометрического исследования временных рядов.
Автокорреляционная функция ряда и выявление структуры ряда.
Аналитическое выравнивание методом скользящей средней.
Моделирование сезонных и циклических колебаний, десезонализация
данных. Моделирование тенденции временного ряда.
Тема 10. Динамические эконометрические модели
Явные модели Бокса-Дженкинса (ARIMA модели). Компоненты
авторегрессии и скользящего среднего. Итеративная стратегия
разработки модели: проверка стационарности ряда, выбор исходной
модели, оценка параметров, анализ остатков. Построение ARIMA
модели с использованием пакета Eveiws.
Стохастические регрессоры. Коррелированность регрессоров и
случайного члена: причины и последствия. Модель авторегрессии с
распределённым лагом первого порядка (ADL модель), сведение
ADL(0,1) модели обратным преобразованием Койка к модели Койка.
Модели с распределённым лагом (DL модели): конечномерные
(полиномиальные лаги Алмон) и бесконечномерные (метод Койка).
Нелинейный метод наименьших квадратов.
Неявные модели: модель адаптивных ожиданий, модель неполной
корректировки, модель рациональных ожиданий. Сведение модели
адаптивных
ожиданий
к
модели
авторегрессии.
Модель
гиперинфляции Кейгана, модель потребления Фридмена. Модель
Линтнера корректировки размера дивидендов.
Авторегрессионная условно гетероскедастичная модель (ARCH) и
обобщённая авторегрессионная условно гетероскедастичная модель
(GARCH). Применение ARCH и GARCH моделей к финансовым
рынкам.
10
3. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ
ПО ИЗУЧЕНИЮ КУРСА
3.1. Перечень и тематика
самостоятельных работ студентов по курсу
Самостоятельная работа студентов заключается в выполнении
текущих и индивидуальных домашних заданий и выполнении
аудиторных контрольных работ. В семестре студентами выполняются
две аудиторные контрольные работы и 3 индивидуальных домашних
заданий (ИДЗ).
Текущие домашние задания выдаются каждую неделю на
лабораторных работах.
Индивидуальные домашние задания (ИДЗ) выдаются на
лабораторных работах в начале изучения соответствующих тем. ИДЗ
выполняются с использованием ППП Excel и сдаются на электронных
носителях в соответствующую папку на сервере. Темы ИДЗ:
 Парная регрессия.
 Множественная регрессия.
 Моделирование одномерных временных рядов.
Аудиторные контрольные работы по 2 часа каждая проводятся по
темам:
 Парная регрессия.
 Множественная регрессия.
3.2. Обзор рекомендованной литературы
В процессе изучения дисциплины помимо материала, изложенного
преподавателем на лекционных занятиях и имеющегося в электронном
виде на сервере (слайды в PowerPoint), а так же раздаточного
материала для выполнения лабораторных работ, может возникнуть
необходимость в использовании учебной литературы.
Наиболее просто, на среднем математическом уровне, без строгих
доказательств и использования матричных обозначений большинство
тем изложено в учебнике [1]. Этого уровня достаточно для студентов
большинства экономических специальностей. В практикуме [2]
приведено значительное количество типовых задач с подробным
решением, а так же много задач (без решений) учебного плана,
11
помогающих пониманию сути эконометрического исследования. Кроме
того, имеются задачи с решениями, реализованными с помощью ППП
Excel и Statistica.
Учебник [3] требует более основательной математической
подготовки, содержит доказательства многих утверждений. Тем не
менее, изложение материала вполне доступно студентам большинства
экономических специальностей. Материал сопровождается большим
количеством иллюстрирующих его примеров и задач. В каждой главе
приведены задачи и упражнения для самостоятельного решения.
Учебник [4] содержит систематическое изложение основ
эконометрики и является в настоящее время наиболее полным и
строгим учебным пособием по основам эконометрики на русском
языке. Требует высокой математической подготовки, содержит строгое
изложение классической теории линейных регрессионных моделей и
их основных обобщений. Может быть рекомендован студентам
направления «математические методы в экономике», а так же
студентам других специальностей, желающим изучить эконометрику
на магистерском уровне. Сборник задач [5] является дополнением [4] и
соответствует ему как по темам, так и по уровню задач.
Учебник [6] является одним из самых популярных на Западе
вводных учебников по эконометрике для студентов-экономистов.
Несмотря на то, что учебник не требует основательной математической
подготовки, он хорошо помогает уяснению сути моделей и методов на
качественном уровне, содержит очень много реальных примеров из
микро- и макроэкономики.
Книги [7] – [12] являются переводами классических западных
учебников по эконометрике.
Учебник [13] охватывает очень широкий круг тем и является
фундаментальным учебником по математической и прикладной
статистике и эконометрике.
Учебник [14] включен в список литературы в качестве
справочного пособия по теории вероятностей и математической
статистике, так как для понимания и освоения эконометрических
методов необходимо хорошее владение этими разделами математики.
12
3.3. Методические указания по самостоятельному
выполнению практических заданий
При выполнении индивидуальных домашних заданий необходимо
использовать
теоретический
материал,
делать
ссылки
на
соответствующие теоремы, свойства, формулы и пр. Решение ИДЗ
излагается подробно, отчёт состоит из двух частей: файла с расчётами
и пояснительной записки с обоснованиями полученных результатов.
3.4. Контрольные вопросы для самостоятельной оценки
качества освоения дисциплины
1. Сформулируйте определение эконометрики.
2. Этапы эконометрического исследования, какие задачи
приходится решать при эконометрическом моделировании?
3. Какие типы данных используются в эконометрическом
исследовании? Какие количественные показатели набора данных
возможно использовать в различных типах шкал?
4. В чём состоят ошибки спецификации модели?
5. Из решения какой экстремальной задачи находятся оценки
коэффициентов регрессии?
6. В чём состоит анализ дисперсии? Как может быть представлена
общая сумма квадратов?
7. Как проверяется адекватность регрессионной модели?
8. Миллиардные доходы компании Ростелеком были оценены с
использованием показателя ВВП. Соответствующее уравнение
регрессии имеет вид Y = 0,067 + 0,05 X, где X – ВВП, выраженный в
миллиардах.
а) дайте интерпретацию угловому коэффициенту уравнения,
б) дайте интерпретацию свободному члену уравнения.
9. Какая из следующих ситуаций невозможна?
а) y  26 1,25x , rxy  0,8 ;
б) y  40 2x ,
rxy  0,6 ;
в) y  10 1,5x , rxy  0,5 ;
г) y  5  3x ,
rxy  0,86 .
10. Может ли уравнение парной регрессии быть значимым, а
коэффициент регрессии не значимым?
13
11. Как определяются коэффициенты эластичности для различных
регрессионных моделей?
12. Какие свойства оценок коэффициентов регрессии следуют из
теоремы Гаусса-Маркова?
13. Сформулируйте, в чём состоит спецификация модели
множественной регрессии.
14. Что измеряет в многомерной регрессии стандартная ошибка
оценки?
15. Объясните каждое из следующих понятий:
а) корреляционная матрица;
б) R2;
в) мультиколлинеарность;
г) остатки;
д) фиктивная переменная.
16. К чему приводит наличие мультиколлинеарности факторов,
включённых в модель?
17. Как можно смягчить влияние мультиколлинеарности на
результат моделирования?
18. По
каким
причинам
целесообразно
построение
«стандартизованного» уравнения регрессии?
19. Зачем
вычисляется
скорректированный
коэффициент
детерминации?
20. Для чего используется частный F-критерий?
21. Чем объясняется ситуация: уравнение в целом значимо по Fкритерию, а каждый коэффициент уравнения не значим по t-критерию?
22. Что такое фиктивные переменные и для чего они вводятся?
23. Какова интерпретация коэффициентов при фиктивных
переменных?
24. Для чего используется тест Чоу и в чём его суть?
25. К чему приводит нарушение предпосылок теоремы ГауссаМаркова?
26. Как проверяется наличие гетероскедастичности остатков?
27. Что делать при наличии гетероскедастичности остатков?
28. Почему наличие автокорреляции создаёт проблемы при
анализе данных?
29. Что является основной причиной автокорреляции?
30. Какое из предположений регрессии наиболее часто
нарушается при анализе данных временных рядов?
14
31. Как проверить наличие автокорреляции остатков?
32. Требуется проверить наличие автокорреляции на уровне
значимости 0,05 для 43 остатков регрессии с двумя независимыми
переменными. Какое следует принять решение, если вычисленное
значение статистики Дарбина-Уотсона равно 1,65?
33. Какова методика построения модели при наличии
автокорреляции остатков?
34. Сформулируйте
алгоритм,
описывающий
выполнение
процедуры Кокрана-Оркатта.
35. Сформулируйте методы построения систем уравнений.
36. Как связаны между собой структурная и приведённая формы
модели?
37. Сформулируйте и необходимые достаточные условия
идентификации модели.
38. В чём суть косвенного метода наименьших квадратов?
39. В какой ситуации применяется двухшаговый метод
наименьших квадратов?
40. Что представляют собой модели кейнсианского типа?
41. Приведите пример динамической макроэкономической модели.
42. Сформулируйте задачи эконометрического исследования
временного ряда.
43. Поясните, в чём состоят характерные отличия временных
рядов от пространственных выборок.
44. Под воздействием каких групп факторов формируются
значения уровней временного ряда и к какой структуре ряда это
приводит?
45. Как на стадии графического анализа динамики временного
ряда можно определить характер сезонности (аддитивный или
мультипликативный)?
46. Что
такое
автокорреляционная
(АКФ)
и
частная
автокорреляционная функции (ЧАКФ)? В чём их различие?
47. Объясните
идею
декомпозиции
временных
последовательностей.
48. Объясните назначение скользящих средних. Влияние каких
компонент временного ряда устраняется с их помощью?
49. Как рассчитываются простые скользящие средние при чётной
длине интервала сглаживания?
15
50. Объясните, в каких случаях метод мультипликативной
декомпозиции является более подходящим, чем метод аддитивной
декомпозиции.
51. Какие основные типы воздействий оказывают наибольшее
влияние на сезонную компоненту?
52. В чём состоят отличия подходов к оцениванию сезонной
составляющей в случае мультипликативного и аддитивного характера
сезонности?
53. Чему равна сумма оценок коэффициентов сезонной
составляющей для полного сезонного цикла (характер сезонности –
аддитивный)?
54. Чему равна сумма оценок коэффициентов сезонности для
полного сезонного цикла (характер сезонности – мультипликативный)?
55. Какие модели тренда должны быть использованы в каждом из
следующих случаев?
а) переменная возрастает с постоянным отношением,
б) переменная возрастает с постоянной скоростью до момента
насыщения, а далее выравнивается,
в) переменная возрастает на постоянное значение.
56. Какие методики используются для количественного описания
компонент временного ряда?
57. Каждое из следующих утверждений описывает стационарный
или нестационарный ряд. Определите к какому типу относится каждый
из них:
а) ряд, имеющий тренд;
б) ряд, у которого среднее значение и дисперсия остаются
постоянными во времени;
в) ряд, у которого среднее значение изменяется с течением времени;
г) ряд, не содержащий ни подъёма, ни спада.
58. Сформулируйте типы явных динамических эконометрических
моделей.
59. Сформулируйте суть методов Бокса-Дженкинса.
60. Если все коэффициенты автокорреляции попадают внутрь
95%-ного доверительного интервала и в них не наблюдается
определённой структуры, то что, в таком случае, можно сказать о
процессе и модели ARIMA?
61. Охарактеризуйте поведение АКФ и ЧАКФ для AR(2) и для
MA(2).
16
62. Наблюдается квартальный процесс. Если коэффициенты
автокорреляции r4, r8 и r12 значительно больше нуля, то что можно
сказать о процессе?
63. Если
три
первых
коэффициента
автокорреляции
положительны, существенно отличны от нуля и в совокупности все
значения коэффициентов плавно убывают к нулю, то какие выводы
можно сделать о процессе и ARIMA модели?
64. Приведите вид моделей с распределённым лагом и моделей
авторегрессии.
65. Приведите примеры экономических задач, для которых
требуется использование моделей авторегрессии и с распределённым
лагом.
66. Сформулируйте основное предположение метода Алмон.
Когда имеет смысл его применять?
67. Дайте описание метода Койка для построения модели с
распределённым лагом.
68. Напишите виды неявных динамических эконометрических
моделей.
69. В чём сущность модели адаптивных ожиданий? Какова
методика оценки её параметров?
70. В чём сущность модели неполной корректировки? Какова
методика оценки её параметров?
71. В каких ситуациях целесообразно использование GARCH
моделей? В чём их суть?
4. СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ
4.1. Основная литература
1. Эконометрика: Учебник / Под ред. И.И.Елисеевой. – М.:
Финансы и статистика, 2002. – 344 с.: ил.
2. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева,
С.В. Курышева, Н.М. Гордеенко и др.; Под ред. И.И. Елисеевой. – М.:
Финансы и статистика, 2002. – 192 с.: ил.
3. Н. Ш. Кремер, Б. А. Путко, Эконометрика. 328 с., 2010
4. Я. Магнус, П. К. Катышев, А. А. Пересецкий, Эконометрика.М.: Дело, 2005.
5. Катышев П.К., Магнус Я.Р., Пересецкий А.А. Сборник задач к
начальному курсу эконометрики. – 3-е изд., испр. – М.: Дело, 2003. –
208 с.
17
4.2. Дополнительная литература
6. Доугерти К. Введение в эконометрику. – М.: Финансы и
статистика, 1999.
7. Джонстон Дж. Эконометрические методы. – М.: Статистика,
1980.
8. Кейн Э. Экономическая статистика и эконометрия. Введение в
количественный экономический анализ. Вып. 1. – М.: Статистика,
1977.
9. Ланге О. Введение в эконометрику / Пер. с польск. – М.:
Прогресс, 1964.
10. Лизер С. Эконометрические методы и задачи. – М.:
Статистика, 1971.
11. Маленво Э. Статистические методы эконометрии. – М.:
Статистика, 1976.
12. Тинтнер Г. Введение в эконометрию. – М.: Финансы и
статистика, 1965.
13. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы
эконометрики: Учебник для вузов. – М.: ЮНИТИ, 1998.
14. Вентцель Е.С. Теория вероятностей: Учебник для вузов. – 6-е
изд. – М.: Высш. шк., 1999.
18
СОДЕРЖАНИЕ
ВВЕДЕНИЕ ................................................................................................. 3
1. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ .................... 4
2. СОДЕРЖАНИЕ КУРСА ........................................................................ 6
3. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ
ПО ИЗУЧЕНИЮ КУРСА ......................................................................... 11
4. СПИСОК РЕКОМЕНДУЕМОЙ ЛИТЕРАТУРЫ ............................... 17
Скачать