
- •Автор-составитель:
- •1. Цели и задачи дисциплины
- •2. Требования к уровню освоения дисциплины
- •3. Объем дисциплины
- •3.1 Объем дисциплины и виды учебной работы
- •3.2 Распределение часов по темам и видам учебной работы
- •4. Содержание курса
- •Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок 2
- •Тема 5. Системы линейных одновременных уравнений. Идентификация систем одновременных уравнений. Двухшаговый, трехшаговый и косвенный мнк.
- •Тема 6. Обобщенный метод наименьших квадратов. Теорема Айткена. Фиктивные переменные. Построение регрессионных моделей по неоднородным данным. Тест Чоу.
- •Тема 7. Нелинейные регрессионные модели и их линеаризация.
- •Тема 8. Модели стационарных и нестационарных рядов. Прогнозирование, основанное на использовании моделей временных рядов.
- •5. Темы практических занятий
- •Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок 2
- •Тема 5. Системы линейных одновременных уравнений. Идентификация систем одновременных уравнений. Двухшаговый, трехшаговый и косвенный мнк.
- •Тема 6. Обобщенный метод наименьших квадратов. Теорема Айткена. Фиктивные переменные. Построение регрессионных моделей по неоднородным данным. Тест Чоу.
- •Тема 7. Нелинейные регрессионные модели и их линеаризация.
- •Тема 8. Модели стационарных и нестационарных рядов. Прогнозирование, основанное на использовании моделей временных рядов.
- •6. Задания для самостоятельной работы студентов
- •Задача 2.1.
- •Задача 2.2.
- •Задача 2.3.
- •Задача 2.4.
- •Задача 3.1.
- •Задача 3.2.
- •Задача 3.3.
- •Задача 4.2.
- •Задача 4.3.
- •Задача 4.4.
- •Задача 4.5.
- •Задача 4.6.
- •Задача 7.1.
- •Задача 7.2.
- •Задача 7.3.
- •Задача 7.4.
- •Задача 8.1.
- •Задача 8.2.
- •Задача 8.3.
- •Вариант 1.
- •Вариант 2.
- •Вариант 3.
- •Вариант 4.
- •Вариант 5.
- •Вариант 6.
- •Вариант 7.
- •Вариант 8.
- •Вариант 9.
- •Вариант 10.
- •Вариант 11.
- •Вариант 12.
- •Вариант 13.
- •Вариант 14.
- •Вариант 15.
- •Вариант 16.
- •Вариант 17.
- •Вариант 18.
- •Вариант 19.
- •Вариант 20.
- •Вариант 21.
- •Вариант 22.
- •Вариант 23.
- •Вариант 24.
- •Вариант 25.
- •6.3. Примерные темы рефератов
- •7. Варианты контрольных работ и методические указания по их выполнению
- •Регрессионные модели с одним уравнением
- •Системы одновременных уравнений
- •Тема 2. Модель парной регрессии. Метод наименьших квадратов. Геометрическая интерпретация. Матричная форма записи. Линейная регрессионная модель. Теорема Гаусса-Маркова. Оценка дисперсии ошибок 2
- •Метод наименьших квадратов (мнк)
- •Геометрическая интерпретация
- •Матричная форма записи
- •Тема 5. Системы линейных одновременных уравнений. Идентификация систем одновременных уравнений. Двухшаговый, трехшаговый и косвенный мнк.
- •Тема 6. Обобщенный метод наименьших квадратов. Теорема Айткена. Фиктивные переменные. Построение регрессионных моделей по неоднородным данным. Тест Чоу.
- •Тема 7. Нелинейные регрессионные модели и их линеаризация.
- •Тема 8. Модели стационарных и нестационарных рядов. Прогнозирование, основанное на использовании моделей временных рядов.
- •Варианты контрольных работ.
- •8. Вопросы для подготовки к зачету
- •9. Учебно-методическое обеспечение дисциплины
- •9.1 Литература
- •9.2 Методическое обеспечение дисциплины
- •9.3 Материально-техническое и информационное обеспечение дисциплин
- •10. Инновационные технологии, используемые в преподавании курса «экономико-математические методы и модели в таможенной статистике»
Задача 7.1.
Какие из приведенных ниже функций являются нелинейными по оцениваемым параметрам, а какие – нелинейными по включенным переменным:
;
;
;
;
.
Параметры каких моделей можно оценить методом наименьших квадратов? Ответ обоснуйте.
Задача 7.2.
Оценка множественной линейной регрессии между расходами на жилищные услуги, располагаемым личным доходом и индексом относительных цен дает следующий результат:
Y = -43,4 + 0,181X + 0,137p+ ε.
Уравнение логарифмической регрессии по тем же исходным данным имеет вид:
lgY = -1,60 + 1,18 lgX - 0,34 lgp+ ε
Задание:
Запишите полученное уравнение регрессии в степенной форме.
Дайте интерпретацию параметров полученных уравнений.
Задача 7.3.
Производственная функция Кобба-Дугласа имеет вид:
Y = 0,26 K0,82 L0,29 ε
Задание:
Дайте экономическую интерпретацию параметров модели.
Как изменится объем производства при увеличении затрат капитала на 1%?
Чему равен коэффициент эластичности объема производства по затратам капитала?
Верно ли утверждение, что при увеличении затрат капитала и труда в 1,5 раза объем производства возрастет менее, чем в 1,5 раза?
Задача 7.4.
Производственная функция Кобба-Дугласа характеризуется следующим уравнением:
R2
= 0,96.
(0,41) (0,07) (0,22) F = 276,4
В скобках указаны значения стандартных ошибок для коэффициентов регрессии.
Задание:
Оцените значимость коэффициентов модели по t-критерию Стьюдента и сделайте вывод о целесообразности включения факторов в модель.
Запишите уравнение в степенной форме и дайте интерпретацию параметров.
Что можно сказать об эффекте от масштаба производства?
Задача 8.1.
Как называются приведенные ниже модели:
yt = -0,7yt-1 + 0,3yt-2 + εt;
yt = εt + 0,5εt-1;
yt = 0,4yt-1 + εt - 0,2εt-1;
yt = -0,5yt-1 - 0,3yt-2 + εt + 0,2εt-1;
yt = 0,7yt-1 -0,3yt-2 - 0,1yt-3 + εt;
Задача 8.2.
Временной ряд описывается следующей моделью:
yt = 0,7yt-1 + εt,
где εt - белый шум.
Задание:
Как называется полученная модель?
Является ли исходный временной ряд стационарным?
Рассчитайте значения автокорреляционной функции для лагов τ = 1, 2, 3.
Нарисуйте автокорреляционную и частную автокорреляционную функции временного ряда yt.
Задача 8.3.
По ежемесячным данным изучается зависимость объема ВВП (Y, млрд. долл.) от уровня прибыли в экономике (Хt, млрд. долл.). Получена следующая модель с распределенными лагами:
Yt = -5 + 1,5∙Xt + 2∙Xt-1 + 4∙Xt-2 + 2,5∙Xt-3 + 2∙Xt-4 + εt.
(2,2) (2,3) (2,5) (2,3) (2,4)
В скобках указаны значения t-критерия Стьюдента для коэффициентов регрессии. R2 = 0,9.
Задание:
Проанализируйте полученные результаты регрессионного анализа.
Дайте интерпретацию параметров модели: определите краткосрочный и долгосрочный мультипликаторы.
Определите величину среднего лага и медианного лага.
6.2. ВАРИАНТЫ ТЕСТОВЫХ ЗАДАНИЙ