Технология Ethernet

Эконометрика
Эконометрика исследует конкретные
количественные и качественные
взаимосвязи экономических объектов и
процессов с помощью математических и
статистических методов и моделей.
Общие сведения по дисциплине
Название: Эконометрика
Читается для специальности: для
студентов специальности
080105 «Финансы и кредит»
Важность изучения дисциплины
Эконометрика является одной из фундаментальных дисциплин
экономико-математического цикла. Она изучает методы построения
экономических моделей, которые численно описывают взаимосвязь
между экономическими показателями, даёт навыки использования
этих моделей в экономических исследованиях
Сфера профессионального использования
Сегодня деятельность в любой области экономики (управлении,
финансово-кредитной сфере, маркетинге, учете, аудите) требует от
специалиста применения современных методов работы, знания
достижений мировой экономической мысли, понимания научного
языка. Большинство новых методов основано на эконометрических
моделях, концепциях, приемах. Без глубоких знаний эконометрики
научиться их использовать невозможно.
2
Краткое описание дисциплины
Курс посвящен изложению общего представления
об эконометрике, соответствующего общепринятому.
3
Цели и задачи преподавания дисциплины
Целью изучения учебной дисциплины "Эконометрика"
является овладение современными эконометрическими
методами анализа конкретных экономических данных на
уровне, достаточном для использования в практической
деятельности специалиста в области финансов и кредита.
Основные задачи курса – изучение современных
эконометрических методов и моделей, в том числе
методов прикладной статистики (статистики случайных
величин, многомерного статистического анализа,
временных рядов и др.).
4
Место дисциплины среди смежных
дисциплин
Как учебная дисциплина эконометрика
изучается после прохождения курса теории
вероятностей и математической статистики.
5
Начальные знания
Теоретическую базу эконометрики составляют
математические дисциплины – общий курс (математический
анализ, линейная алгебра), теория вероятностей и
математическая статистика, дискретная математика.
6
Итоговые знания, умения и навыки
В результате изучения дисциплины студент должен:
иметь представление
• о роли эконометрики и перспективах ее применения в
экономических исследованиях;
знать
• этапы эконометрического моделирования;
• структуру регрессионной модели;
• методы оценки параметров парной и множественной регрессии;
• алгоритмы получения и методику эконометрического анализа
основных характеристик регрессионной модели;
• знать методику верификации эконометрических моделей для целей
краткосрочного и среднесрочного прогнозирования;
• правила проведения расчетов на ЭВМ характеристик регрессионной
модели с использованием табличного процессора и пакетов прикладных
программ;
уметь
• выявить экономическую проблему, построить и реализовать
модель решения проблемы с использованием ЭВМ.
7
Содержание лекционного курса
Тема 1. Множественный регрессионный анализ. Линейная модель
множественной регрессии. Метод наименьших квадратов (МНК).
Свойства оценок МНК. Показатели качества регрессии.
Тема 2. Обобщенная линейная модель. Линейные регрессионные
модели с гетероскедастичными и автокоррелированными остатками.
Обобщенный метод наименьших квадратов ОМНК). Регрессионные
модели с переменной структурой (фиктивные переменные)
Тема 3. Нелинейные модели регрессии и их линеаризация.
Тема 4. Временные ряды и прогнозирование. Характеристики
временных рядов. Модели стационарных и нестационарных
временных рядов, их идентификация.
Тема 5. Система линейных одновременных уравнений. Общий вид
системы одновременных равнений. Косвенный, двухшаговый и
трехшаговый метод наименьших квадратов.
8
Тема 1. Моделирование. Линейная модель
множественной регрессии. Метод наименьших
квадратов.
Первая тема дисциплины посвящена
рассмотрению нахождения оценок множественной
регрессионной модели методом наименьших квадратов, а
также статистическому исследованию свойств
построенной модели применительно к экономическим
задачам.
9
Тема 2. Характеристики обобщенной линейной модели.
Линейные модели с переменной структурой.
Данная тема посвящена линейным регрессионным
моделям с гетероскедастичными и автокоррелированными
остатками, применению для их оценивания обобщенного
метода наименьших квадратов ОМНК), а также
регрессионным моделям с переменной структурой
(фиктивные переменные)
10
Тема 3. Нелинейные модели регрессии и их
линеаризация
В данной теме рассматриваются вопросы построения
нелинейных эконометрических моделей с использованием
техники линеаризации, а также некоторые особенности и
сложности решения подобных задач.
11
Тема 4. Временные ряды и прогнозирование
В рамках данной темы рассмотрены модели
стационарных и нестационарных временных рядов,
методы их идентификации и использование для
прогнозирования тех или иных экономических
показателей
12
Тема 5. Структурная и приведенная формы модели
систем одновременных уравнений. Рекурсивные
системы одновременных уравнений
Материал четвертой темы связан с так называемыми
системами одновременных уравнений. Рассмотрены общий
вид системы одновременных равнений, косвенный,
двухшаговый и трехшаговый метод наименьших квадратов.
13
Контрольные мероприятия
Предварительный контроль
Ответы на контрольные вопросы по каждой теме
(тестирование)
Текущий контроль
Индивидуальное (расчетное) задание
Итоговый контроль
Зачет (Тестирование)
14
Глоссарий
идентификация модели – статистическое оценивание ее параметров
коэффициент корреляции – мера линейной согласованности между переменными
коэффициент множественной корреляции – обобщение парного коэффициента корреляции
для многомерного случая
МНК – метод наименьших квадратов.
мультиколлинеарность – взаимосвязь независимых переменных уравнения регрессии
множественная регрессия – регрессия результативного признака с двумя и большим числом
факторов
нелинейная модель (по входным переменным) – модель, для которой не выполняется
свойство суперпозиции
нестационарный временной ряд – это такой временной ряд, характеристики которого
изменяются во времени
предпосылки регрессионного анализа – принимаемые предположения о характере случайного
возмущения:
простая регрессия – между двумя переменными
сезонная компонента: под временными рядами, содержащими сезонную компоненту, понимаются
процессы, при формировании значений которых обязательно присутствовали сезонные и/или
циклические факторы
стационарный временной ряд – это такой временной ряд, свойства которого не меняются со
временем
экзогенные переменные – это задаваемые извне, автономно, в определенной степени
управляемые переменные
эконометрика – это наука, изучающая конкретные количественные и качественные взаимосвязи
экономических объектов и процессов с помощью математических и статистических методов и моделей
экономическая величина – некоторое количество определенного экономического "качества"
экстраполяция – прогнозирование значений временного ряда по имеющимся наблюдениям,
полученным до текущего момента времени
эндогенные переменные – это такие переменные, значения которых формируются в процессе и
внутри функционирования анализируемой социально-экономической системы в существенной мере под
воздействием экзогенных переменных; в эконометрической модели они являются предметом объяснения
15
Список литературы
Основная:
Круглов В.В. Эконометрика: Учебное пособие. Смоленск:
НОУ ВПО «Смоленский институт бизнеса и
предпринимательства» (СИБП), 2010.
Эконометрика/ Под ред. И.И.Елисеевой. Учебник для вузов. М.:
Проспект, 2009.
Белокопытов А.В. Эконометрика: Учебное пособие. Ч. 1 и 2.
Смоленск: СИБП, 2006.
Дополнительная литература:
Практикум по эконометрике/ Под ред. И.И.Елисеевой.
Учебное пособие для вузов. М.: Финансы и
статистика, 2005-2007 гг.
Свириденкова М.А. Эконометрика: Методические
указания. Смоленск: СИБП, 2001.
Яновский Л.П. Введение в эконометрику: Электронный
учебник. M.: КноРус, 2009 (на CD).
Айвазян С.А., Мхитарян В.С. Прикладная статистика и
основы эконометрики: Учебник для вузов. М.:
ЮНИТИ, 1998.
16