0721_Hairullina_Ekonometrika_ProdUroven_Praktik_2021

МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«ПЕРМСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНО-ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ ИМЕНИ АКАДЕМИКА Д.Н. ПРЯНИШНИКОВА»

О.И. Хайруллина

ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ УРОВЕНЬ)

Практикум

Пермь

ИПЦ «ПрокростЪ»

2021

1

УДК 657 ББК 65.052

Х 156

Рецензенты:

Л.В. Шалаева – канд. экон. наук, доцент, зав. кафедрой бухгалтерского учета и финансов, ФГБОУ ВО Пермский ГАТУ;

Т.М. Яркова– д-р. экон. наук, доцент, профессор кафедры организации аграрного производства, ФГБОУ ВО Пермский ГАТУ.

Х 156 Хайруллина, О.И.

Эконометрика (продвинутый уровень) : практикум / О.И. Хайруллина; Министерство сельского хозяйства Российской Федерации, федеральное государственное бюджетное образовательное учреждение высшего образования «Пермский государственный аграрно-технологический университет имени академика Д.Н. Прянишникова». – Пермь : ИПЦ «Прокростъ», 2021 – 80 с : ил. ; 20 см. – Библиогр.: с. 75. – 35 экз. – ISBN 978- 5-94279-518-4 – Текст : непосредственный

Практикум содержит задания для практической работы обучающихся по дисциплине «Эконометрика (продвинутый уровень)», в том числе изучаемые вопросы, практические задания. Представлен перечень рекомендуемых источников, в том числе электронных ресурсов.

Практикум предназначен для обучающихся очной и заочной форм обучения по направлению подготовки 38.04.01 Экономика, направленность (профиль) «Бухгалтерский учет и налогообложение».

УДК 657

ББК 65.052

Практикум рекомендован к изданию методической комиссией факультета экономики и информационных технологий ФГБОУ ВО Пермский ГАТУ, протокол № 8 от «15» декабря 2020 г.

Учебное издание Хайруллина Ольга Ивановна

ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ УРОВЕНЬ)

Практикум

Подписано в печать 11.03.21. Формат 60x84 1 /16. Усл. печ. л. 5,0. Тираж 35 экз. Заказ № 22

ИПЦ «Прокростъ»

Пермского государственного аграрно-технологического университета имени академика Д.Н. Прянишникова, 614990, Россия, Пермь, ул. Петропавловская, 23

2

3

Введение

Практикум предназначен для закрепления полученных в процессе контактной работы с обучающимися знаний об эконометрике (продвинутый уровень).

Практическая работа обучающихся является одной из основных форм аудиторной работы при реализации рабочей программы дисциплины «Эконометрика (продвинутый уровень)».

Практикум по дисциплине «Эконометрика (продвинутый уровень)» разработан с учетом требований основной профессиональной образовательной программы высшего образования (далее – ОПОП ВО) по направлению подготовки 38.04.01 Экономика, направленность (профиль) «Бухгалтерский учет и налогообложение».

Структура практикума включает следующие разделы: введение, изучаемые вопросы, практические задания обучающихся, заключение и справочно-библиографический аппарат.

4

1. Эконометрические модели

Цель практического занятия: усвоить вопросы, связан-

ные с сущностью, концепцией и основной целью эконометрического моделирования.

1.1.Изучаемые вопросы

1.Предмет и основные задачи эконометрики.

2.Базовые элементы эконометрики.

3.Этапы эконометрического исследования. Проблемы, которые приходится решать эконометристу.

4.Разница между экономическими и эконометрическими моделями.

5.Типы моделей, используемых в практических исследованиях.

6.Данные, которые используются в эконометрическом моделировании.

7.Примеры постановок задач эконометрического моделирования.

1.2.Практические задания

Задание 1.2.1

Исходные данные. Основным этапом эконометрического моделирования является выбор модели. Модель, построенная и верифицированная на основе данных наблюдений над объясняемыми и объясняющими переменными, может быть использована для прогноза значений зависимых переменных в будущем или для других наборов значений объясняющих переменных, а также для анализа взаимосвязей изучаемых экономических переменных. Имеется три класса моделей, таблица 1.

5

Требуется:

- заполнить недостающие данные в таблице 1.

Задание 1.2.2

Исходные данные. Процессы эконометрического анализа могут характеризоваться тремя типами обрабатываемых данных: пространственными данными, временными рядами, панельными данными.

Пространственные данные – это относящиеся к одному и тому же моменту времени данные о каком-либо экономическом показателе, характеризующем однотипные объекты, характеризующих одни и те же объекты в различные моменты времени.

Временные ряды – это данные о каких-либо показателях, характеризующих одни и те же объекты в различные моменты времени.

Панельные данные сочетают в себе признаки пространственных данных и временных рядов.

Требуется:

- заполнить недостающие данные в таблице 2.

Таблица 2

Базы данных для исследования экономических объектов

6

Задание 1.2.3

Исходные данные. В современной практике используется достаточно широкий перечень баз данных для эконометрических исследований, которые характеризуют состояние экономики в целом и отдельных отраслей. Базы данных (Data) отличаются и по уровню формирования: национальный и международный.

Требуется:

- используя информацию из сети Интернет, найти открытые базы данных для характеристики объектов, представленных в таблице 3, заполнить недостающие данные.

Таблица 3

Базы данных для исследования экономических объектов

7

2. Модели парной регрессии и корреляции

Цель практического занятия: получить практические навыки в построении уравнений парной регрессии и корреляции.

2.1.Изучаемые вопросы

1.Основные гипотезы регрессионного анализа.

2.Источники случайной составляющей регрессионной

модели.

3.Классический метод наименьших квадратов (МНК).

4.Проверка гипотез о значимости коэффициентов парной регрессии и корреляции.

5.Доверительные интервалы теоретических коэффициентов моделей.

6.Определение качества модели парной регрессии и корреляции.

7.Вычисление критериев и оценка F –статистики.

8.Экономическое толкование результатов оценивания регрессий.

9.Точечный и интервальный прогнозы.

10.Преобразование нелинейных уравнений в уравнения, линейные по параметрам.

11.Логарифмические регрессии.

2.2.Практические задания

Задание 2.2.1

Исходные данные. Уравнение регрессии с одной объясняющей переменной имеет следующий вид:

Y= f (Х)+ ε = Ŷ + ε,

где Y – зависимая, объясняемая, результирующая, эндогенная переменная (показатель). Y-случайная (стохастичная)

8

величина. Ее значения формируются в процессе и внутри функционирования этой системы под воздействием других переменных и факторов, часть из которых поддаются регистрации и в определенной степени, управлению и планированию; X – независимая, объясняющая, факторная, экзогенная переменная (признак-фактор, регрессор). Это переменная, которая может задаваться извне анализируемой системы, может

быть, как случайной, так и неслучайной величиной; ε – регрессионные остатки или стохастическая перемен-

ная, отражающая возможные неучтенные в модели факторы. Основные типы моделей представлены на рисунке 1. Для оценки параметров а0, а1, а2, а3 уравнения регрессии

используют метод наименьших квадратов (далее МНК). Метод наименьших квадратов (МНК) — метод оценивания параметров уравнения регрессии, минимизирующий сумму квадратов отклонении фактических значений результативной переменной от теоретических (расчетных) ух минимальна.

Рисунок 1. Основные типы функций f (X) для регрессионной модели

Экономическая интерпретация параметров уравнения линейной парной регрессии: параметр а1 показывает среднее

9

изменение результативной переменной Y с изменением фактора X на одну единицу.

Параметр а0 = у, когда х=0. Если х не может быть равен нулю, то а0 не имеет экономического смысла.

Интерпретировать можно только знак при а0: если а0 > 0, то относительное изменение результативной переменной Y происходит медленнее, чем изменение фактора X.

Свойства оценок параметров, полученных МНК:

-несмещенность – математическое ожидание коэффициентов модели должно равняться их истинному значению при любом объеме выборки;

-состоятельность – с ростом объема выборки численное значение коэффициентов модели должно стремиться к соответствующему параметру генеральной совокупности;

-эффективность – выборки равного объема имеют минимальную дисперсию.

Нахождение оценок параметров МНК и вида регрессионной модели опирается на следующие предположения относительно случайной составляющей ε:

-случайный характер остатков;

-нулевая средняя величина остатков, не зависящая от

Xj: М(ε) = 0;

-гомоскедастичность – дисперсия каждого отклонения одинакова для всех значений Хj: D(ε) = σ2 = const < ∞;

-любые пары значений ε i, ε j величины Ɛ являются некоррелированными, т.е. значения остатков Ɛi распределены независимо друг от друга: при i ≠ j имеет место M (ε i, ε j) = 0;

-величина подчиняется нормальному распределению. Имеются следующие официальные статистические дан-

ные, представленные в таблице 4.

10