Учебно-методический комплекс

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

НЧОУ ВПО «АРМАВИРСКИЙ СОЦИАЛЬНО-ПСИХОЛОГИЧЕСКИЙ ИНСТИТУТ»

Утверждаю

Зав. кафедрой___________________

_____________/_______________

подпись ФИО

протокол «____»_____________20__ г.

Учебно-методический комплекс

ЕН. Ф.5 ЭКОНОМЕТРИКА

Специальность 060500 (080109 по ОКСО) «Бухгалтерский учет, анализ и аудит»

Квалификация ЭКОНОМИСТ

1.1.  ПОЯСНИТЕЛЬНАЯ ЗАПИСКА

Эконометрика является одной из базовых дисциплин современного экономического образо - вания. Под эконометрикой понимается самостоятельная научная дисциплина, объединяющая со - вокупность теоретических результатов, приемов, методов и моделей, предназначенных для того, чтобы на базе экономической теории, экономической статистики, математико-статистического ин - струментария придавать конкретное количественное выражение общим закономерностям, обу - словленным экономической теорией.

В соответствии с этим определением суть эконометрики состоит в синтезе экономики, эко - номической статистики и математики.

Основная задача эконометрики – наполнить эмпирическим содержанием априорные эконо - мические рассуждения. Целью дисциплины «Эконометрика» является развитие у студентов:

¾  навыков экономического анализа на основе математико-статистических расходов;

¾  навыков использования математических методов и математического моделирования для решения практических задач;

навыков проведения экспериментов, основанных на компьютерном моделировании случай - ных величин.

ТРЕБОВАНИЯ К УРОВНЮ УСВОЕНИЯ СОДЕРЖАНИЯ ДИСЦИПЛИНЫ

В результате изучения дисциплины студент должен:

Зн ат ь :

¾  эконометрические методы исследований экономических процессов и явлений.

Умет ь :

¾  применять эти методы к конкретным областям экономики построением их математических моделей.

Иметь навыки:

¾  осуществления планирования, проведения имитационных экспериментов по исследуемым проблемам;

обработки экспериментальной информации и применять решения по анализу или синтезу поставленных проблем.

Виды контроля знаний студентов

Система контрольных мероприятий по дисциплине «Эконометрика» включает в себя:

–  опрос студентов;

–  самостоятельные и лабораторные работы;

–зачет.

1.2.  СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

Тема 1. Основныепонятияиопределенияэконометрики иэконометрического моделирования.

Взаимосвязи между экономическими переменными. Объясняемые и объясняющие переменные. Экономические модели. Роль эконометрических исследований. Эконометрическое моделирование. Экзо - генные, эндогенные и предопределенные переменные. Структурная и приведенная форма модели. Этапы эконометрического моделирования: калибровка, спецификация, идентификация, верификация модели.

Математико-статистические методы эконометрики:

·  линейная модель множественной регрессии (ЛММР) и классический метод наименьших квадратов (МНК);

·  обобщенная ЛММР и обобщенный МНК;

·  модели и методы статистического анализа и временных рядов;

·  анализ систем одновременных эконометрических уравнений.

Для современного этапа развития экономики эти разделы должны быть дополнены методами мно - гомерного статистического анализа.

При изучении этой темы следует обратить внимание на следующие аспекты эконометрики.

Эконометрика - самостоятельная экономико-математическая научная дисциплина, позволяющая на базе положений экономической теории и исходных данных экономической статистики с использованием не - обходимого математико-статистического инструментария, придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией.

Эконометрическое моделирование преследует прогноз экономических и социально - экономических показателей, имитацию социально-экономического развития анализируемой системы.

Эконометрическая модель содержит равнения регрессионного типа, описывающие исследуемые стохастические связи между анализируемыми экономическими показателями. Наиболее распространенным видом математических связей является линейная и аддитивная форма.

Эконометрическая модель может быть выражена в структурной или приведенной форме.

Основными проблемами эконометрического моделирования является спецификация модели, ее идентифицируемость и верификация.

Математико-статистический инструментарий эконометрики определяется следующими основными разделами: классификация модель регрессии и классической метод наименьших квадратов (МНК), обоб - щенная линейная модель регрессии и обобщенный МНК, статистический анализ временных рядов и анализ систем одновременных уравнений.

Тема 2. Введениеврегрессионныйанализ. Модельпарнойрегрессии.

Результирующая (зависимая, эндогенная) переменная. Объясняющие (эндогенные, экзогенные) пе - ременные. Функции регрессии. Уравнения регрессионной связи между у и х.. Коэффициент детерминации. Исходные статистические данные. Задачи прикладного регрессионного анализа.

Модель парной регрессии. Подгонка кривой. Метод наименьших квадратов. Линейная регрессионная модель с двумя переменными. Теорема Гаусса-Маркова. Оценка дисперсии ошибок. Статистические свой - ства МНК - оценок параметров регрессии. Доверительные интервалы для коэффициентов регрессии. Анализ зависимой переменной в регрессии. Коэффициент детерминации. Оценка максимального правдоподобия коэффициентов регрессии.

Тема 3. Линейнаямодельмножественнойрегрессии.

Классическая линейная модель множественной регрессии (КЛММР). Оценивание параметров мно - жественной регрессии. Метод наименьших квадратов. Свойства оценок МНК. Метод максимального прав - доподобия. Показатели качества регрессии. Анализ вариации результирующего показателя у, выборочной коэффициент детерминации. Статистические свойства оценок параметров. Построение доверительного ин - тервала регрессии.

Мультиколлинеарность и методы ее устранения, смещенные методы оценивания. Линейные регрес - сионные модели с гетероскедастичными и автокоррелированными остатками. Применение метода главных компонентов к ортогонализированным переменным, отбор наиболее существенных переменных Метод всех возможных регрессий и метод пошаговой регрессии отбора существенных переменных из априорного набора объясняющих переменных.

Тема 4. Обобщеннаялинейнаямодельмножественнойрегрессии(ОЛММР).

Отличие ОЛММР от классической ЛММР. Линейная модель регрессии с гетероске - дастическими регрессионными остатками.

Обобщенный метод наименьших квадратов (ОМНК). Оценки по ОМНК. Сравнительный анализ оце - нок ОМНК и МНК с гетероскедастическими остатками.

ОЛММР с авитокоррелированнами остатками. Проверка гипотезы о наличии авто - корррелированности регрессионных остатков и рекомендации по анализу моделей.

Практические рекомендации по построению, анализу и интерпретации регрессионной модели. Прак - тически реализуемый ОМНК. Точечный и интервальный прогноз, основанный на моделях линейной регрес- сии. Точностьреальной регрессионной модели. Анализ эластичностей сиспользованиеммоделейрегрессии.

Линейные модели регрессии со стохастическими объясняющими переменными. Метод инструментальных переменных.

Тема 5. Линейные регрессионные модели с переменной структурой и нелинейные регрессионные модели.

Понятия о линейных регрессионных моделях с переменной структурой (по неоднородными регрессионны - миданными).

Проблемы неоднородных данных. Фиктивные переменные в модели регрессии. оупроверки регрессионной однородности. Построение КЛММРпооднороднымданным.

Нелинейные модели регрессии и их линеаризация. Некоторые виды нелинейных зависимостей, поддаю - щиесянепосредственной линеаризации. Подборлинеаризующего преобразования.

Тема 6. Временные ряды и их характеристики.

Определение, примеры и формулировка основных задач исследований на базе временных рядов. Стационарные временные ряды и их основные характеристики. Автокорреляционные функции.

Спектральная плотность. Неслучайная составляющая временного ряда и методы его сглаживания. Проверка гипотезы о неизменности среднего значения временного ряда. Методы сглаживания временного ряда: ана - литические и алгоритмические методы. Выделения неслучайной составляющей методы скользящего сред - него. Метод экспоненциального взвешенного скользящего среднего. Подбор порядка аппроксимирующего полинома методом последовательных разностей.

Модели стационарных временных рядов и их идентификация. Модели авторегрессии различных порядков. Модели скользящего среднего порядка q.

Авторегрессионные модели со скользящим средними в остатках. Векторные модели авторегрессии скользящего среднего. Простая и обобщенная модели авторегрессионных условно гетероскедистичных остатков.

Модели нестационарных временных рядов и их идентификация. Модель авторегрессии - проинтег- рированного скользящего среднего. Модель рядов с сезонной компонентой. Регрессионные модели с рас - пределенными лагами. Логовые структуры, основанные на вероятностной параметризации.

Прогнозирование экономических показателей, основанные на использовании моделей временных рядов.

1.1.  ТЕМАТИЧЕСКОЕ ПЛАНИРОВАНИЕ

Наименование	Количество часов
Общая нормативная и фактическая трудоемкость	110
Часов на самостоятельную работу студента	62
Аудиторные	48
Форма аттестации	зачет
Наименование разделов и тем	Всего	Количество аудиторных часов	Само - стоя - тельная работа
в том числе по видам учебных заня - тий
лекции	лабораторные за - нятия
1	2	3	5	6
Основные понятия и определения эконо - метрики и эконометрического моделирова - ния.	12	2	2	8
Введение в регрессионный анализ. Модель парной регрессии.	16	4	4	8
Линейная модель множественной регрес - сии.	16	4	4	8
Обобщенная линейная модель множест - венной регрессии (ОЛММР).	18	4	4	10
Линейные регрессионные модели с пе - ременной структурой и нелинейные рег - рессионные модели.	18	4	4	10
Временные ряды и их характеристики.	18	4	4	10
Системы линейных одновременных уравнений и их идентификация.	14	2	2	10
Итого	110	24	24	64

1.2.  УЧЕБНО-МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ ПО ДИСЦИПЛИНЕ

Основная литература

1.  , Мхитарян статистика и основы эконометрики. – М.: ЮНИТИ, 1998.

2.  Джонстон Дж. Эконометрические методы. – М.: Статистика, 1980.

Дополнительная литература

1.  , Ивченко в системе STATISTICA в среде Windows. – М.: Финансы и статистика, 1999.

2.  , STATISTICA. – М.: 1998.

3.  , Овчаров вероятностей и ее инженерные приложения. – М.: Наука,1988.

4.  , Овчаров случайных процессов и ее инженерное прило - жение. – М.: Наука, 2000.

5.  Дрейпер Н, рикладной регрессионный анализ КН.1, КН. 2. – М.: Финансы и статистика, 1987.

1.3.  ТЕМЫ ДЛЯ САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ

1.  Системы одновременных уравнений.

2.  Экономически значимые примеры систем одновременных уравнений.

2.1.  Кейсианская модель формирования доходов.

2.2.  Модель формирования спроса и предложения.

3.  Косвенный метод наименьших квадратов. Оценки косвенного МНК.

4.  Проблемы идентифицируемости.

5.  Метод инструментальных переменных.

6.  Одновременное оценивание регрессионных уравнений.

Итоговый контроль:

– зачет.