Эконометрика

ЦЕЛИ И ЗАДАЧИ ОСВОЕНИЯ ДИСЦИПЛИНЫ Цели освоения дисциплины: углубить представление обучаемых о теоретических основах современных эконометрических методов анализа данных, и научить корректному использованию инструментов на практике при работе со специализированными эконометрическими программами. Задачи: научиться осуществлять сбор, обработку, анализ и систематизацию информации по теме исследования, выбор методов и средств решения задач исследования; разрабатывать теоретические и эконометрические модели исследуемых процессов, явлений и объектов, относящихся к сфере профессиональной деятельности, оценивать и интерпретировать полученные результаты; прогнозировать динамику основных социально-экономических показателей деятельности предприятия, отрасли, региона и экономики в целом. МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ОБРАЗОВАТЕЛЬНОЙ ПРОГРАММЫ Цикл (блок) ОП: Б1.Б Связь с другими дисциплинами учебного плана

Перечень предшествующих дисциплин	Перечень последующих дисциплин, видов работ
Макроэкономическая статистика Микроэкономика (продвинутый уровень) Макроэкономика (продвинутый уровень)	Выпускная квалификационная работа

ТРЕБОВАНИЯ К РЕЗУЛЬТАТАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ

Формируемые компетенции	Осваиваемые знания, умения, владения
Код	Наименование
Общекультурные компетенции
ОК-1	Способность к абстрактному мышлению, анализу, синтезу	Знать основы математического вывода
Уметь применять методы анализ и синтеза в предметной области
Владеть методикой совершенствования знаний в области эконометрики
Профессиональные компетенции
Аналитическая деятельность
ПК-8	Способность готовить аналитические материалы для оценки мероприятий в области экономической политики и принятия стратегических решений на микро - и макроуровне	Знать возможности современных информационных технологий в области эконометрики
Уметь применять эконометрические методы для решения прикладных задач; самостоятельно изучать эконометрические методы для решения задач в профессиональной сфере
Владеть прикладными эконометрическими методами анализа данных
ПК-9	Способность анализировать и использовать различные источники информации для проведения экономических расчетов;	Знать современные методы эконометрического анализа; возможные ограничения применения эконометрических методов
Уметь использовать современное программное обеспечение для решения экономико-статистических и эконометрических задач
Владеть прикладными эконометрическими методами анализа данных; современными пакетами прикладных эконометрических программ
ПК-10	Способность составлять прогноз основных социально-экономических показателей деятельности предприятия, отрасли, региона и экономики в целом	Знать теоретический материал по основам эконометрики
Уметь интерпретировать результаты эконометрического моделирования
Владеть прикладными эконометрическими методами анализа данных; современными пакетами прикладных эконометрических программ

СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ Аудиторные занятия ? очная форма обучения

Кол. час	в том числе в интерактивной форме, час.	Вид занятия, модуль, тема и краткое содержание	Формируемые компетенции
16	8	Лабораторные занятия
6	3	Модуль 1 «Линейная модель регрессии и ее спецификация. Модели дискретного выбора»
2	1	Тема 1.1 «Классическая линейная модель множественной регрессии» Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Обобщенный МНК. Фиктивные переменные. МНК с ограничениями на параметры. Метод максимального правдоподобия.	ПК-8 ПК-9 ПК-10
2	1	Тема 1.2 «Спецификация уравнения регрессии» Мультиколлинеарность и методы устранения. Ошибки спецификации и их диагностика. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости. Гетероскедастичность случайного возмущения и ее причины, методы диагностики и устранения. Взвешенный МНК. Автокорреляция случайного возмущения и ее причины, методы диагностики и устранения. Эндогенность переменных. Случай коррелированности регрессоров и случайной ошибки. Ошибки измерений переменных. Инструментальные переменные. Тест Хаусмана.	ОК-1 ПК-8 ПК-9 ПК-10
2	1	Тема 1.3 «Логит и пробит модели» Дискретные зависимые переменные: номинальные, ранжированные, количественные. Модели бинарного выбора. Probit и Logit модели. Интерпретация коэффициентов в моделях бинарного выбора. Метод максимального правдоподобия в Probit и Logit моделях. Критерии качества моделей.	ПК-9 ПК-10
10	5	Модуль 2 «Модели временных рядов и на панельных данных»
4	1	Тема 2.1 «Модели временных рядов». Модель Бокса-Дженкинса. Модели с распределенными лагами (модель частичного приспособления, модель адаптивных ожиданий). Тест Грейнджера на причинно-следственную зависимость.	ОК-1 ПК-8 ПК-9 ПК-10
2	1	Тема 2.2 «Нестационарные временные ряды». Мнимая регрессия. Единичный корень. Тесты на единичный корень. Коинтеграция временных рядов. Модель коррекции ошибок.	ОК-1 ПК-8 ПК-9 ПК-10
2	1	Тема 2.3 «Панельные данные». Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными. Понятие о модели однокомпонентной ошибки. Спецификация модели. Детерминированный и случайный индивидуальный  эффект.	ОК-1 ПК-8 ПК-9 ПК-10
2	2	Тема 2.4 «Модели на панельных данных». Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок. Тестирование спецификации в моделях панельных данных. Тест Хаусмана. Тест на наличие случайного индивидуального эффекта. Тест на наличие детерминированного индивидуального эффекта.	ОК-1 ПК-8 ПК-9 ПК-10
16	8	Практические занятия
6	3	Модуль 1 «Линейная модель регрессии и ее спецификация. Модели дискретного выбора»
2	1	Тема 1.1 «Классическая линейная модель множественной регрессии» Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Обобщенный МНК. Фиктивные переменные. МНК с ограничениями на параметры. Метод максимального правдоподобия.	ПК-8 ПК-9 ПК-10
2	1	Тема 1.2 «Спецификация уравнения регрессии» Мультиколлинеарность и методы устранения. Ошибки спецификации и их диагностика. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости. Гетероскедастичность случайного возмущения и ее причины, методы диагностики и устранения. Взвешенный МНК. Автокорреляция случайного возмущения и ее причины, методы диагностики и устранения. Эндогенность переменных. Случай коррелированности регрессоров и случайной ошибки. Ошибки измерений переменных. Инструментальные переменные. Тест Хаусмана.	ОК-1 ПК-8 ПК-9 ПК-10
2	1	Тема 1.3 «Логит и пробит модели» Дискретные зависимые переменные: номинальные, ранжированные, количественные. Модели бинарного выбора. Probit и Logit модели. Интерпретация коэффициентов в моделях бинарного выбора. Метод максимального правдоподобия в Probit и Logit моделях. Критерии качества моделей.	ПК-9 ПК-10
10	5	Модуль 2 «Модели временных рядов и на панельных данных»
4	1	Тема 2.1 «Модели временных рядов». Модель Бокса-Дженкинса. Модели с распределенными лагами (модель частичного приспособления, модель адаптивных ожиданий). Тест Грейнджера на причинно-следственную зависимость.	ОК-1 ПК-8 ПК-9 ПК-10
2	1	Тема 2.2 «Нестационарные временные ряды». Мнимая регрессия. Единичный корень. Тесты на единичный корень. Коинтеграция временных рядов. Модель коррекции ошибок.	ОК-1 ПК-8 ПК-9 ПК-10
2	1	Тема 3.1 «Панельные данные». Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными. Понятие о модели однокомпонентной ошибки. Спецификация модели. Детерминированный и случайный индивидуальный  эффект.	ОК-1 ПК-8 ПК-9 ПК-10
2	2	Тема 3.2 «Модели на панельных данных». Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок. Тестирование спецификации в моделях панельных данных. Тест Хаусмана. Тест на наличие случайного индивидуального эффекта. Тест на наличие детерминированного индивидуального эффекта.	ОК-1 ПК-8 ПК-9 ПК-10

Аудиторные занятия – заочная форма обучения

Кол. час	в том числе в интерактивной форме, час.	Вид занятия, модуль, тема и краткое содержание	Формируемые компетенции
2	2	Лабораторные занятия
1	1	Модуль 1 «Линейная модель регрессии и ее спецификация. Модели дискретного выбора»
1	1	Тема 1.1 «Классическая линейная модель множественной регрессии» Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Обобщенный МНК. Фиктивные переменные. МНК с ограничениями на параметры. Метод максимального правдоподобия.	ОК-1 ПК-8 ПК-9 ПК-10
1	1	Модуль 2 «Модели временных рядов и на панельных данных»
1	1	Тема 2.1 «Модели временных рядов». Модель Бокса-Дженкинса. Модели с распределенными лагами (модель частичного приспособления, модель адаптивных ожиданий). Тест Грейнджера на причинно-следственную зависимость.	ОК-1 ПК-8 ПК-9 ПК-10
4	2	Практические занятия
2	2	Модуль 1 «Линейная модель регрессии и ее спецификация. Модели дискретного выбора»
2	2	Тема 1.1 «Классическая линейная модель множественной регрессии» Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Обобщенный МНК. Фиктивные переменные. МНК с ограничениями на параметры. Метод максимального правдоподобия.	ПК-8 ПК-9 ПК-10
2	Модуль 2 «Модели временных рядов и на панельных данных»
2	Тема 2.1 «Модели временных рядов». Модель Бокса-Дженкинса. Модели с распределенными лагами (модель частичного приспособления, модель адаптивных ожиданий). Тест Грейнджера на причинно-следственную зависимость.	ПК-8 ПК-9 ПК-10

Самостоятельная работа студента – очная форма обучения

Кол. час	Темы, разделы, вынесенные на самостоятельную подготовку, тематика рефератной работы, контрольных работ, рекомендации по использованию литературы, ЭВМ и др.	Формируемые компетенции
30	Темы, разделы, вынесенные на самостоятельную подготовку
2	Классическая линейная модель множественной регрессии	ОК-1, ПК-8 ПК-9, ПК-10
2	Спецификация уравнения регрессии	ОК-1, ПК-8 ПК-9, ПК-10
4	Логит и пробит модели	ОК-1, ПК-8 ПК-9, ПК-10
6	Модели временных рядов. Нестационарные временные ряды	ОК-1, ПК-8 ПК-9, ПК-10
4	Модели на панельных данных	ОК-1, ПК-8 ПК-9, ПК-10
12	Системы уравнений	ОК-1, ПК-8 ПК-9, ПК-10
10	Темы и вопросы, определяемые преподавателем с учетом интересов студента Вариант задания: Напишите рецензию на представленную статью. 1) Рассматривает ли данная статья интересные вопросы? 2) Насколько обоснованы ответы авторов на данные вопросы? 3) Знакомы ли авторы с литературой по данному вопросу? 4) Проводится ли теоретический анализ в данной статье и является ли теория оригинальной? 5) Проводится ли эмпирический анализ и является ли эмпирический анализ оригинальным? 6) Используют ли авторы подходящие данные? 7) Как необходимо авторам улучшить анализ?	ОК-1, ПК-8 ПК-9, ПК-10
40	Общая трудоемкость самостоятельной работы (час)

Самостоятельная работа студента – заочная форма обучения

Кол. час	Темы, разделы, вынесенные на самостоятельную подготовку, тематика рефератной работы, контрольных работ, рекомендации по использованию литературы, ЭВМ и др.	Формируемые компетенции
50	Темы, разделы, вынесенные на самостоятельную подготовку
4	Классическая линейная модель множественной регрессии	ОК-1, ПК-8 ПК-9, ПК-10
4	Спецификация уравнения регрессии	ОК-1, ПК-8 ПК-9, ПК-10
8	Логит и пробит модели	ОК-1, ПК-8 ПК-9, ПК-10
10	Модели временных рядов. Нестационарные временные ряды	ОК-1, ПК-8 ПК-9, ПК-10
10	Модели на панельных данных	ОК-1, ПК-8 ПК-9, ПК-10
14	Системы уравнений	ОК-1, ПК-8 ПК-9, ПК-10
12	Темы и вопросы, определяемые преподавателем с учетом интересов студента Вариант задания: Напишите рецензию на представленную статью. 1) Рассматривает ли данная статья интересные вопросы? 2) Насколько обоснованы ответы авторов на данные вопросы? 3) Знакомы ли авторы с литературой по данному вопросу? 4) Проводится ли теоретический анализ в данной статье и является ли теория оригинальной? 5) Проводится ли эмпирический анализ и является ли эмпирический анализ оригинальным? 6) Используют ли авторы подходящие данные? 7) Как необходимо авторам улучшить анализ?	ОК-1, ПК-8 ПК-9, ПК-10
62	Общая трудоемкость самостоятельной работы (час)
4	Подготовка к зачету	ОК-1, ПК-8 ПК-9, ПК-10

ФОНД ОЦЕНОЧНЫХ СРЕДСТВ Фонд оценочных средств для проведения текущего контроля

Модуль 1. Линейная модель регрессии и ее спецификация. Модели дискретного выбора

Вопросы для собеседования

Линейная модель множественной регрессии. Метод наименьших квадратов (МНК).

Разноуровневые задачи

Рассмотрим модель бинарного выбора Докажите, что модель, неразрешима, если n10=0 для любой функции распределения ошибок Оцените коэффициенты logit-модели: Покажите, что для logit-модели Оцените LP-модель (?~Uniform[-1, 1]). Чему равна Предположим, что вы оценивали бы probit-модель и обнаружили бы, что ее коэффициенты пропорциональны коэффициентам LP-модели (?~Uniform[-1, 1]). Чему примерно должен равняться коэффициент пропорциональности? Рассмотрим tobit-модель: ,

где ошибки имеют плотность распределения f(z)

Найдите распределение y Найдите логарифмическую функцию правдоподобия для оценивания вектора ? Найдите

Лабораторные работы

Описание файлов данных

1). В файле MROZ содержится 753 наблюдений о случайно выбранных замужних женщинах в USA (1975 г.) из которых первые 428 работают, а остальные 325 не работают.

Переменные (для женщин, если не оговорено иное):

LFP ? фиктивная переменная равна 1, если женщина работала в 1975 году, иначе 0;

WHRS ? количество часов работы в 1975 году;

KL6 ? число детей до 6 лет в домохозяйстве;

K618 ? число детей от 6 до 18 лет в домохозяйстве;

WA ? возраст;

WE ? образование в годах;

WW ? средняя часовая заработная плата в долларах 1975 г.;

RPWG ? заработная плата, сообщенная во время опроса в 1976 году (не то же самое, что WW). Для использования подвыборки с этой переменной, необходимо выбрать работников 1975 г., для которых LFP=1;

HHRS ? число часов работы мужа в 1975 году;

HA ? возраст мужа;

HE ? образование мужа в годах;

HW ? зарплата мужа в 1975 г.;

FAMINC ? доход семьи. Переменная используется для конструирования переменной нетрудового дохода;

MTR ? предельная ставка налогового процента;

WMED ? образование матери в годах;

WFED ? образование отца в годах;

UN ? уровень безработицы в штате места проживания, в %;

CIT фиктивная переменная равна 1, если женщина живет в большом городе, иначе 0;

AX ? количество лет опыта работы.

Упражнение 1. Обзор фактов

а) Используя данные из MROZ, вычислите матожидание и стандартное отклонение, минимум и максимум для всех 19 переменных. Прокомментируйте полученные результаты.

б) Выполните п. а отдельно для работающих женщин (428 наблюдений) и не работающих (325 наблюдений). Прокомментируйте результаты. Отличаются ли подвыборки по переменным WA, WE, K618, HA, HE, HHRS? Что можно сказать о дескриптивных статистиках для перменных KL6 и HW? Проинтерпретируйте разницу в AX.

в) Сконструируйте переменную PRIN нетрудового дохода по правилу PRIN=FAMINC?(WHRS•WW). Вычислите дескриптивные статистики.

г) Для подвыборки работающих 428 женщин вычислите значения новой переменной LWW=LN(WW). Для всей выборки постройте переменные AX2=AX•AX, WA2=WA•WA. Постройте МНК минцеровское уравнение регрессии LWW на константу, WA, WE, CIT, AX и AX2 только для работающих женщин. Прокомментируйте результаты. Используя оценки параметров регрессии, вычислите прогнозные значения логарифма зарплаты для неработающих женщин и назовите эту переменную FLWW. Сравните средние значения переменных LWW и FLWW. Как вы проинтерпретируете результат? Постройте новую переменную LWW1, равную LWW для работающих, и равную FLWW для не работающих. Вычислите среднее и стандартное отклонение, должно получиться 1,10432 и 0,58268 соответственно.

Упражнение 2. Оценка уравнения предложения труда (процедура I)

а) Проверьте, что WHRS=0, когда LFP=0. Постройте МНК регрессию по всей выборке WHRS на константу и KL6, K618, WA, WE, LWW1 и PRIN. Знаки коэффициентов соответствуют экономической теории? Если нет – почему? Каково R2? Почему оно мало?

б) Некомпенсированный эффект зарплаты на количество часов работы по Mroz может быть вычислен как ?Hi/?Wi=a1/Wi и эффект дохода ? как ?Hi/?Vi=a2. Соответствующие эластичности вычисляются как ?lnHi/?lnWi=a1/Hi и ?lnHi/?lnVi=a2Vi/Hi, где a1 и a2 – коэффициенты регрессии при переменных lnWi и Vi соответственно. Вычислите эластичности предложения часов работы для регрессии п. а по зарплате и нетрудовому доходу. Эластичность по зарплате компенсированная или нет? Почему? Вычислите некомпенсированный эффект зарплаты на количество часов работы и эффект дохода по Mroz. Дайте интерпретацию результатов.

в) Поясните принципиальные недостатки использованной в п. а процедуры оценивания предложения труда.

Структура и содержание фонда оценочных средств представлены в Приложении 1 к рабочей программе дисциплины.

Фонд оценочных средств для проведения промежуточной аттестации

               в форме зачета

Вопросы для зачета

Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Обобщенный МНК. Фиктивные переменные. МНК с ограничениями на параметры. Метод максимального правдоподобия. Мультиколлинеарность и методы устранения. Ошибки спецификации и их диагностика. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости. Гетероскедастичность случайного возмущения и ее причины, методы диагностики и устранения. Взвешенный МНК. Автокорреляция случайного возмущения и ее причины, методы диагностики и устранения. Эндогенность переменных. Случай коррелированности регрессоров и случайной ошибки. Ошибки измерений переменных. Инструментальные переменные. Тест Хаусмана. Дискретные зависимые переменные: номинальные, ранжированные, количественные. Модели бинарного выбора. Probit и Logit модели. Интерпретация коэффициентов в моделях бинарного выбора. Метод максимального правдоподобия в Probit и Logit моделях. Критерии качества моделей. Модель Бокса-Дженкинса. Модели с распределенными лагами (модель частичного приспособления, модель адаптивных ожиданий). Тест Грейнджера на причинно-следственную зависимость. Мнимая регрессия. Единичный корень. Тесты на единичный корень. Коинтеграция временных рядов. Модель коррекции ошибок. Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными. Понятие о модели однокомпонентной ошибки. Спецификация модели. Детерминированный и случайный индивидуальный  эффект. Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок. Тестирование спецификации в моделях панельных данных. Тест Хаусмана. Тест на наличие случайного индивидуального эффекта. Тест на наличие детерминированного индивидуального эффекта. Понятие о системах уравнений, используемых в эконометрике. Структурная и приведенная формы моделей. Системы одновременных уравнений. Эндогенность и причинность. Проблемы идентификации. Условия порядка и ранга. Методы оценивания. Косвенный МНК. Двухшаговый МНК и метод инструментальных переменных. Трехшаговый МНК. Динамические системы.
УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ Основная и дополнительная литература

№	Выходные данные	Количество экземпляров
Основная литература
1	Эконометрика [Текст]: учеб. для вузов / ред. . - М.: Проспект, 2014.	50
2	Путко, : учебник / , ; под ред. . - 3-е изд., перераб. и доп. - М. : Юнити-Дана, 2012. - 329 с. - (Золотой фонд российских учебников). - ISBN 978-5-238-01720-4 ; То же [Электронный ресурс]. - URL: http://biblioclub. ru/index. php? page=book&id=118251	Неограниченный доступ для зарегистрированных пользователей
Дополнительная литература
1	Эконометрика. Начальный курс [Текст] : учеб. для студентов высш. учеб. заведений, обучающихся по экон. спец. / , , . - 7-е изд., испр. - М. : Дело, 2005.	2
2	Прикладная статистика и основы эконометрики [Текст] : Учеб. пособие / , . - М. : ЮНИТИ, 1998.	48
3	Елисеева, : учебник / , , ; под ред. . - 2-е изд., доп. и перераб. - М. : Финансы и статистика, 2005. - 576 с. : ил., табл. - Библиогр.: с. 556-557. - ISBN 5-279-02786-3 ; То же [Электронный ресурс]. - URL: http://biblioclub. ru/index. php? page=book&id=260409	Неограниченный доступ для зарегистрированных пользователей
Методические разработки
1	, Эконометрика в Eviews. Практикум. Ростов н/Д: РГЭУ, 2010.	10

Перечень ресурсов информационно-телекоммуникационной сети «Интернет»

№	Выходные данные
1	Журнал «Прикладная эконометрика». Электронный ресурс http://appliedeconometrics. cemi. rssi. ru/

Перечень программного обеспечения

№	Наименование программного обеспечения
1.	Econometric Views 6.0
2.	Statistica 6.0
3.	MS Excel

Перечень информационно-справочных систем

№	Наименование информационно-справочных систем
1.	Базы данных Росстата: http://www. gks. ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/databases/
2.	Статистика ЦБ РФ: http://www. cbr. ru/statistics/
3.	Интернет ресурсы www. econ. kuleuven. ac. be/gme  www. statsoft. ru

МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Помещения для проведения всех видов работ, предусмотренных учебным планом, укомплектованы необходимой специализированной учебной мебелью и техническими средствами обучения. Для проведения лекционных занятий используется демонстрационное оборудование. Лабораторные занятия проводятся в компьютерных классах, рабочие места в которых оборудованы необходимыми лицензионными программными средствами и выходом в Интернет.

Специализированные аудитории: 513, 516.

МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ОСВОЕНИЮ ДИСЦИПЛИНЫ

Учебным планом по направлению подготовки «Экономика» предусмотрены следующие виды занятий:

– практические занятия;

– лабораторные занятия.

В ходе лабораторных занятий развиваются навыки применения эконометрических методов для решения конкретных задач.

При подготовке к лабораторным занятиям студент должен: 

– изучить рекомендованную учебную литературу; 

– подготовить ответы на все вопросы по изучаемой теме; 

–письменно решить домашние задания, рекомендованные преподавателем при изучении каждой темы.

В процессе подготовки к лабораторным занятиям студенты могут  воспользоваться  консультациями преподавателя. 

При подготовке к практическим занятиям каждый студент должен: 

– изучить рекомендованную учебную литературу; 

– подготовить ответы на все вопросы по изучаемой теме; 

–письменно решить домашнее задание, рекомендованные преподавателем при изучении каждой темы. 

По согласованию с  преподавателем  студент  может  подготовить реферат, доклад или сообщение по теме занятия. В процессе подготовки к практическим занятиям студенты  могут  воспользоваться  консультациями преподавателя. 

Вопросы, не рассмотренные на лекциях, практических и  лабораторных занятиях, должны быть изучены студентами в ходе самостоятельной  работы. Студент должен готовиться к предстоящему  лабораторному занятию по всем, обозначенным в  рабочей программе дисциплины вопросам. 

При  реализации  различных  видов  учебной  работы  используются разнообразные (в т. ч. интерактивные) методы обучения, в частности: 

- интерактивная доска для подготовки и проведения лекционных и семинарских занятий; 

- размещение материалов курса в системе дистанционного обучения http://elearning. rsue. ru/

Для подготовки к занятиям, текущему контролю и промежуточной аттестации обучающиеся могут  воспользоваться электронной библиотекой вуза http://library. rsue. ru/ . Также обучающиеся могут  взять  на  дом необходимую  литературу  на абонементе  вузовской библиотеки или воспользоваться читальными залами вуза.