ЭК.АНАЛИЗ КАЧ.ДАННЫХ Покровский Д.А

Правительство Российской Федерации
Государственное образовательное бюджетное учреждение
высшего профессионального образования
«Государственный университет Высшая школа экономики»
Санкт-Петербургский филиал
Факультет экономики
Программа дисциплины
_Эконометрический анализ панельных и качественных данных__
для направлений 080100.62 (Экономика), 080105.65 (Финансы и кредит),
080502.65 (Экономика и управление на предприятии) подготовки бакалавра
Автор _Покровский Д.А.__________________
Рекомендована секцией УМС
_____________________________
Председатель
_____________________________
«_____» __________________ 200 г.
г
Одобрена на заседании кафедры
Экономической теории_________
Зав. кафедрой
________________________________
«____»_____________________ 2010
Утверждена УС факультета
_________________________________
Ученый секретарь
_________________________________
« ____» ___________________200 г.
Санкт-Петербург
I. Пояснительная записка.
Курс " Эконометрический анализ качественных данных " рассчитан на студентов
первого года обучения магистратуры по специальности «экономико-математическое
моделирование» факультета экономики .
Материал учебной дисциплины предназначен для использования в курсах,
связанных с качественным анализом реальных экономических явлений, таких как,
например, прикладная микро- и макроэкономика, маркетинг и других. Может быть
использован в спецкурсах по теории случайных процессов, математическим моделям в
экономике, оптимальному управлению, статистическому прогнозированию, применению
методов теории вероятностей в финансовой математике, принятию решений в условиях
неопределенности.
Требования к студентам: курс " Эконометрический анализ качественных данных "
рассчитан на студентов, прослушавших курсы математического анализа, линейной
алгебры, методов оптимальных решений, экономической статистики, теории вероятностей,
математической статистики и базового курса эконометрики.
Аннотация: учебный процесс состоит из посещения студентами лекций (16 часов)
и семинарских занятий (16 часов), освоения основных методов анализа качественных
данных на основе практических задач, выполняемые на компьютерах и защиты
выполненных самостоятельных исследований.
В ходе курса рассматриваются методы исследования моделей с дискретными
переменными, приводятся примеры их применения в различных областях экономики и
управления, дается обзор современных статистических пакетов, используемых при
построении моделей с качественными зависимыми переменными.
Формы работы студентов
Учебный процесс состоит из посещения студентами лекций и семинарских занятий,
решения основных типов задач, выполнения практических работ на компьютерах, защиты
выполненных домашних заданий.
Предусмотрена сдача еженедельных домашних заданий, написания 1 контрольной
работы и 1 отчетной работы (эссе) в течение курса.
Формы контроля.
Промежуточные формы контроля – оценки за выполнение домашних работ,
письменной контрольной работы и отчетной работы. Итоговая форма контроля –
письменный экзамен в конце курса, оценка выставляется по 10 бальной системе.
Необходимым условием отличной оценки за курс является полное владение
теоретическим материалом, отлично выполненные контрольная и отчетная работа,
отличная оценка за экзаменационную работу.
-
-
текущий контроль осуществляется путем проверки домашних заданий и отчетной
работы (о/р) (объемом до 20 стр.), выполненных в эконометрических пакетах,
проведения тестов на семинарских занятиях, выполнения элективных задач по
лекционному материалу;
промежуточный контроль осуществляется в форме письменной проверочной
контрольной работы (к/р) продолжительностью ~120 мин.
итоговый контроль - в форме письменного экзамена по окончании курса. (~120 мин)
Каждая форма контроля оценивается по 10 бальной шкале.
Система оценивания - накопительная.
Оценка за курс выставляется в форме 10-бальной оценки и формируется на основе
оценок, полученных в течение всего курса следующим образом:
0.1 (тесты) + 0.1 (активность1) + 0.25 (к/р) + 0.25 (о/р) + 0.3 (э/р)
Максимум – 10 баллов
 если экзаменационная работа написана на оценку не ниже, чем «4» по десятибалльной
системе, и накопленная оценка за весь курс - не ниже «4», то оценка за курс совпадает с
накопленной оценкой
 если экзаменационная работа написана неудовлетворительно (на оценку «1», «2» или
«3» по десятибалльной системе), то оценка за курс также считается
неудовлетворительной.
II. Содержание программы.
Часть 1 Панельные данные
Введение
Преимущества и трудности при использовании панельных данных, общий обзор
проблематики анализа панельных данных. Модель составной ошибки (error component
model). Типы моделей с панельными данными.
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 13.1, 13.2
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.1
3. Анатольев С. Курс лекций Эконометрика-4, РЭШ,1983 (электронное
издание), глава 4.1
Раздел 1. Модель однонаправленной ошибки со специфическим индивидуальным
эффектом
Спецификация модели, детерминированный и случайный специфический эффект,
операторы “Between” и “Within”
Виды оценок: МНК, “Between” и “Within”, оценки ОМНК и доступного МНК,
декомпозиция оценок, сравнительный анализ оценок.
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 13.3, 13.4
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.2, 3.3
3. Анатольев С. Курс лекций Эконометрика-4, РЭШ,1983 (электронное
издание), глава 4.2, 4.4
4. Baltagi B. Econometric analysis of Panel Data”, 1986, ch2
Раздел 2. Тестирование спецификации модели однонаправленной ошибки со
специфическим индивидуальным эффектом
Критика Мундлака спецификации модели сложной ошибки.
Тест Вальда на индивидуальные детерменированные эффекты.
Тест Бреуш-Пагана на случайные индивидуальные эффекты
Тест Хаусмана на выбор между случайным и детерминированным эффектом,
принцип теста, применение к модели сложной ошибки, тест на наличие индивидуального
эффекта, границы применимости теста
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 13.6
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.5
3. Анатольев С. Курс лекций Эконометрика-4, РЭШ,1983 (электронное
издание), глава 4.5
4. Baltagi B. Econometric analysis of Panel Data”, 1986, ch4
Раздел 3. Оценивание моделей панельных данных в условиях гетероскедастичности
Источники и способ учета гетероскедастичности ошибок в моделях со
специфическим индивидуальным эффектом, метод оценивания и тестирования моделей с
серийно коррелированными ошибками
Литература:
1. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.6
2. Baltagi B. Econometric analysis of Panel Data”, 1986, ch5
Раздел 4. Качество подгонки в модели однонаправленной ошибки со специфическим
индивидуальным эффектом
Уточнение понятия коэффицента детереминации.
Модификации коэффицента детерминации
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 13.5
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.4
Раздел 5. Подходы к оцениванию других видов моделей составной ошибки
Модель составной ошибки с динамическим специфическим эффектом.
Модель двунаправленной составной ошибки
Динамическая модель панельных данных.
Специфические эффекты для собственных регрессоров
Оценивание моделей с несбалансированными панелями, псевдопанелей и панелей с
замещением
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 13.7, 13.9
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.7, 3.10, 3.11
3. Анатольев С. Курс лекций Эконометрика-4, РЭШ,1983 (электронное
издание), глава 4.3, 4.6
4. Baltagi B. Econometric analysis of Panel Data”, 1986, ch3, ch6-ch10
Часть 2 Модели дискретного выбора
Введение
Модели с дискретными переменными и область их применения
Количественные зависимые переменные, принимающие дискретные значения
неупорядоченные, упорядоченные и последовательные, модели голосования
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 12.1
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 1.1.1
3. Green W.H. Econometric analysis. New Jersey: Prentice Hall, 2003. Ch 21.121.2.
Раздел 1. Модели бинарного выбора
Линейная вероятностная модель, Probit, Logit
Метод максимального правдоподобия, асимптотика МП оценок
Проверка гипотез в моделях бинарного выбора.
Прогнозирование и интерпретация в моделях бинарного выбора: оценка
вероятностей и предельных эффектов сосбтвенных регрессоров.
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 12.1
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 1.1.2, 1.14
3. Green W.H. Econometric analysis. New Jersey: Prentice Hall, 2003. Ch 21.321.4.2
Раздел 2. Оценка качества модели бинарного выбора
Неадекванность коэффициента детерминции R2
Другие показатели качества: модификация коэффицента детерминации, псевдо-R2,
LR –статистика,
коэффициент детерминации Мак-Фаддена LRI (индекс отношения
правдоподобий), информационный критерии, таблицы сопряженности.
Литература:
1. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 1.1.3
2. Green W.H. Econometric analysis. New Jersey: Prentice Hall, 2003. Ch 21.4.5
Раздел 3. Модели множественного выбора
Модели последовательного выбора, иерархические деревья.
Модель с ранговой зависимой перменной
Модели сравнения альтернатив, множественная логистическая регрессия и ее
модификации
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 12.1
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 1.1.6
3. Green W.H. Econometric analysis. New Jersey: Prentice Hall, 2003. Ch 21.721.8
Раздел 4. Подходы к оцениванию других видов моделей множественного выбора
Оценивание по сгруппированным данным
Модели дискретного выбора с панельными данными
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 13.8
2. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 3.12
3. Green W.H. Econometric analysis. New Jersey: Prentice Hall, 2003. Ch 21.5,
21.9
Раздел 5. Модели с цензурированными и усеченными выборками
Урезание и цензурирование.
Оценивание параметров нормального усеченного распределения
Смещенность МНК оценок в урезанных выборках
Оценивание моделей с цензурированием: модель Тобина, модель Хекмана
Литература:
1. Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный
курс. М., «Дело» 2006, глава 12.2
2. Носко В.П. Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005, глава 1.7, 1.8
3. Green W.H. Econometric analysis. New Jersey: Prentice Hall, 2003. Ch 22.222.4
III. Учебно-методическое обеспечение дисциплины:
Базовый учебник
Я. Магнус, П. Катышев, А. Пересецкий. Эконометрика. Начальный курс. М., «Дело»
2006
к Части1: глава 13
к Части2: глава 12
Дополнительная литература
1. Носко В.П. «Эконометрика для начинающих. Дополнительные главы»,
М.: ИЭПП , 2005
к Части1: глава 3
к Части 2: глава 1
2. Анатольев С. Курс лекций Эконометрика-4, РЭШ,1983 (электронное
издание).
к Части1: глава 4
3. Цыплаков А. Некоторые эконометрические методы, НГУ (электронное
издание).
к Части2: глава 3
4. В. И. Суслов, Н. М. Ибрагимов, Л. П. Талышева, А. А. Цыплаков.
Эконометрия. Новосибирский государственный университет, 2005 г.
к Части2: глава 21
Учебники на английском языке
к Части 1:
5. Baltagi B. Econometric analysis of Panel Data”, 1986
к Части 2:
6. Maddala G.S. Limited-Depended and Qualitive Varibles in Econometrics,
Cambridge University Press, 1983
IV. Тематический расчет часов
Наименование разделов и тем
Аудиторные часы
Лек Семи Всеции нары го
Самосто
ятельная
работа
Всего
Часов
1
1
2
7
7
14
Часть1
Введение.
1
Раздел 1.
Модель однонаправленной ошибки
со специфическим индивидуальным
эффектом
3
4
Раздел 2.
Тестирование спецификации модели
однонаправленной ошибки со
специфическим индивидуальным
эффектом.
Раздел 3.
Оценивание моделей панельных
данных в условиях
гетероскедастичности
Раздел 4.
Качество подгонки в модели
однонаправленной ошибки со
специфическим индивидуальным
эффектом
Раздел 5.
Подходы к оцениванию других
видов моделей составной ошибки
Часть 2
Введение.
Раздел1.
Модели бинарного выбора
Раздел2.
Оценка качества модели бинарного
выбора
Раздел 3.
Модели множественного выбора
Раздел 4.
Подходы к оцениванию других
видов моделей
множественного
выбора
Раздел 5.
Модели с цензурированными и
усеченными выборками
Всего
2
2
4
4
8
2
2
4
4
8
3
2
5
5
10
2
2
4
4
6
1
1
2
1
3
4
7
7
14
2
2
4
4
8
2
4
6
6
12
2
2
4
4
8
3
4
7
7
14
26
28
54
54
108
V. ТЕМАТИКА контрольной и отчетной работ:
контрольная работа
1. Операторы «Between» и «Within», их свойства
2. Модели со случайным и фиксированным эффектом
3. Тесты на выбор наилучшей модели оценивания панельных данных
4. Оценка качества в модели с панельными данными.
5. Модель бинарного выбора Probit, Logit
6. Модель множественного выбора Multinominal Logit
7. Оценка качества модели дискретного выбора
8. Оценка предельных эффектов в моделях дискретного выбора
9. Модель Tobit
10. Model Heckit
отчетная работа
Отчетная работа является самостоятельным эконометрическим исследованием, тема
которой определяется самим студентом. Единственным необходимым требованием к
тематике отчетной работы является обязательное требование применение аппарата для
работы с панельными данными или/и с моделями дискретного выбора.
Приблизительная тематика для отчетной работы может быть такой:
1. Моделирование голосования и политического выбора
2. Моделирование выбора товара среди товаров-заменителей
3. Оценивание множественного выбора по набору упорядоченных альтернатив
4. Оценивание множественного выбора по набору неупорядоченных альтернатив
5. Оценивание параметров моделей по усеченным и цензурированным выборкам.
6. Оценка поправки Хекмана в смешанных моделях в цензурированных выборках
7. Оценивание коэффициентах в моделях с панельными данными
8. Сравнение коэффициентов при разных моделях оценивания в панельных данных
9. Сравнение моделей с фиксированными и случайными эффектами в панельных
данных
10. Оценивание моделей выбора в панельных данных
VI. Вопросы к зачету/экзамену:
1. Модель многокомпонентной ошибки.
2. Модель со специфическим индивидуальным эффектом.
3. Оператор “Between”
4. Оператор “Within”
5. Виды оценок
6. Тест Хаусмана
7. Классификация линейных регрессионных моделей анализа панельных данных
8. Источники
и
способ
учета
гетероскедастичности
ошибок
в
моделях
со
специфическим индивидуальным эффектом
9. Метод оценивания и тестирования моделей с серийно коррелированными ошибками
10. Оценивание динамических моделей
11. Оценивание моделей с несбалансированными панелями
12. Оценивание псевдо панелей и панелей с замещением
13. Модели с дискретными переменными и область их применения
14. Модели бинарного выбора
15. Линейная вероятностная модель, Probit, Logit
16. Метод максимального правдоподобия
17. Модели с линейными ограничениями
18. LM тест
19. Тест Вальда
20. Проверка адекватности модели и значимости регрессоров
21. Прогнозирование
22. Ошибки спецификации- гетероскедастичность и недоопределенность
23. Probit для панельных данных
24. Logit для панельных данных
25. Модели множественного выбора по сгруппированным данным
26. Модели множественного выбора
27. Усеченные выборки
28. Цензурированные выборки
29. Tobit модель
30. Heckit модель
VII. Вариант контрольной работы.
*
1, y     x    0
1. Рассмотрим модель бинарного выбора y  
*
0, y     x    0
y\x
0
1
0
n00
n01
1
n10
n11
a) Докажите, что модель, неразрешима, если n10=0 для любой функции
распределения ошибок F  z  : f  z   0

b) Оцените коэффициенты logit-модели: P  y  1      x
c) Покажите, что для logit-модели P̂  y  1 

n10  n11
n10  n11  n01  n00
d) Оцените LP-модель (ε~Uniform[-1, 1]). Чему равна P̂  y  1
e) Предположим, что вы оценивали бы probit-модель и обнаружили бы, что ее
коэффициенты пропорциональны коэффициентам LP-модели (ε~Uniform[-1,
1]). Чему примерно должен равняться коэффициент пропорциональности?
1 , y*  1

2. Рассмотрим tobit-модель: y   y* , 1  y*   2 , y*  xβ   ,

*
 2 , y   2
где ошибки имеют плотность распределения f(z)
a) Найдите распределение y
b) Найдите логарифмическую функцию правдоподобия для оценивания вектора
β
c) Найдите
E y
x
Автор программы: Покровский Д.А.