- •Учебно-методический комплекс
- •Рабочая учебная программа утверждаю:
- •Основание
- •1. Цели и задачи дисциплины
- •1.2. Требования к уровню усвоения дисциплины
- •1.3. Связь с другими дисциплинами Учебного плана
- •2. Содержание дисциплины, способы и методы учебной деятельности преподавателя
- •Очная форма обучения
- •Заочная форма обучения (5,6)
- •Заочная форма обучения (3)
- •Заочная форма обучения (3,6)
- •2. Краткое изложение программного материала (курс лекций)1 Введение
- •1. Предмет и задачи дисциплины "Эконометрика"
- •1.1. Определение эконометрики
- •1.2. Взаимосвязь эконометрики с экономической теорией, статистикой и экономико-математическими методами
- •1.3. Области применения эконометрических моделей
- •1.4. Методологические вопросы построения эконометрических моделей
- •2. Парная регрессия
- •2.1. Основные цели и задачи прикладного корреляционно-регрессионного анализа
- •2.2. Постановка задачи регрессии
- •2.3. Парная регрессия и метод наименьших квадратов
- •2.4. Коэффициент корреляции, коэффициент детерминации, корреляционное отношение
- •2.5. Оценка статистической значимости регрессии
- •2.6. Интерпретация уравнения регрессии
- •3. Классическая линейная модель множественной регрессии
- •3.1. Предположения модели
- •3.2. Оценивание коэффициентов клммр методом наименьших квадратов
- •3.3 Парная и частная корреляция в клммр
- •Множественный коэффициент корреляции и множественный коэффициент детерминации
- •3.5. Оценка качества модели множественной регрессии
- •3.6 Мультиколлинеарность и методы ее устранения
- •4. Спецификация переменных в уравнениях регрессии
- •4.1. Спецификация уравнения регрессии и ошибки спецификации
- •4.2. Обобщенный метод наименьших квадратов
- •4.3 Линейная модель множественной регрессии
- •Проверка гомоскедастичности дисперсии по критерию Бартлетта
- •4.4. Линейная модель множественной регрессии с автокорреляцией остатков
- •4.5. Фиктивные переменные. Тест Чоу
- •Данные для расчета модели с фиктивной переменной
- •5. Временные ряды
- •5.1.Специфика временных рядов
- •5.2. Проверка гипотезы о существовании тренда
- •5.3. Аналитическое выравнивание временных рядов, оценка параметров уравнения тренда
- •5.4. Метод последовательных разностей
- •5.5. Аддитивная и мультипликативная модели временного ряда
- •5.6. Модели стационарных и нестационарных временных рядов и их идентификация
- •5.7. Тестирование стационарности временного ряда
- •5.8. Эконометрический анализ взаимосвязанных временных рядов
- •Библиографический список
- •3. Методические указания к решению типовых задач7
- •"Парная регрессия и корреляция"
- •"Множественная регрессия и корреляция"
- •"Временные ряды в эконометрических исследованиях"
- •"Системы эконометрических уравнений"
- •4. Методические указания по изучению курса
- •5. Контроль знаний Вопросы к зачету
- •6. Сведения о ппс
- •7. Деловые игры
- •8. Использование инновационных методов
- •9. Дополнительный материал (глоссарий, статистические таблицы)
- •95% Квантили распределения Фишера f(n1,n2)
Заочная форма обучения (3,6)
Кол. час |
Вид занятия, тема и краткое содержание |
Методы |
1 |
Лекция. «Предмет и задачи курса». Определение эконометрики. Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и экономико-математические методы. Области применения эконометрических моделей. Методологические вопросы построения эконометрических моделей: обзор используемых методов. |
М, П |
3 |
Лекция. «Парная регрессия и корреляция». Понятие о функциональной, статистической и корреляционной связях. Основные задачи прикладного корреляционно-регрессионного анализа. Уравнение регрессии, его смысл и назначение. Выбор типа математической функции при построении уравнения регрессии. Парная регрессия. Метод наименьших квадратов и условия его применения для определения параметров уравнения парной регрессии. Нелинейные модели регрессии и их линеаризация. Оценка степени тесноты связи между количественными переменными. Коэффициент ковариации. Показатели корреляции: линейный коэффициент корреляции, индекс корреляции, теоретическое корреляционное отношение. Коэффициент детерминации. Стандартная ошибка уравнения регрессии. Оценка статистической значимости показателей корреляции, параметров уравнения регрессии в целом: t - критерий Стьюдента, F - критерий Фишера. |
М, П, Д |
2 |
Лекция. «Множественная регрессия и корреляция». Понятие о множественной регрессии. Классическая линейная модель множественной регрессии (КЛММР). Определение параметров уравнения множественной регрессии методом наименьших квадратов. Парные и частные коэффициенты корреляции. Множественный коэффициент корреляции и множественный коэффициент детерминации. Оценка качества модели множественной регрессии: F – критерий Фишера, t - критерий Стьюдента. |
|
2 |
Практическое занятие. «Парная регрессия и корреляция». Расчет коэффициента детерминации. Расчет стандартной ошибки уравнения регрессии. Процедура оценки статистической значимости показателей корреляции, параметров уравнения регрессии в целом по t - критерию Стьюдента и F - критерию Фишера. Процедура лианеризации нелинейных моделей регрессии. Оценка степени тесноты связи между количественными переменными. Расчет коэффициента ковариации. Расчет показателей корреляции: линейного коэффициента корреляции, индекса корреляции, теоретического корреляционного отношения. |
Э, И |
2 |
Практическое занятие. «Множественная регрессия и корреляция». Расчет и интерпретация стандартизованных коэффициентов регрессии. Парные и частные коэффициенты корреляции. Область применения множественной регрессии. Особенности классической линейной модели множественной регрессии (КЛММР). МНК при определении параметров уравнения множественной регрессии. |
Э, И |
Индивидуальная работа преподавателя со студентом
Неделя |
Кол. час |
Темы, разделы, вынесенные на индивидуальную подготовку, по докладам на НОК, рефератам, темы контрольных работ, промежуточный контроль уровня усвоения дисциплины и др. |
Методы |
2 |
3 |
Контрольная работа на остаточные знания из курсов ТВиМС, Теории статистики |
|
4 |
6 |
Контрольная работа на парную регрессию |
|
4 |
6 |
Подготовка отчета по исследованию экономического явления с помощью парной регрессии |
Э |
8 |
6 |
Контрольная работа на множественную регрессию |
|
8 |
6 |
Подготовка отчета по исследованию экономического явления с помощью множественной регрессии |
Э |
11 |
6 |
Контрольная работа на проблемы спецификации эконометрической модели |
|
11 |
6 |
Подготовка отчета по проблеме подбора спецификации эконометрической модели |
Э |
15 |
6 |
Контрольная работа на временные ряды |
|
15 |
45 |
Подготовка отчета по исследованию экономических временных рядов |
Э |
Самостоятельная работа студента
Очная форма обучения
Неделя |
Кол. час |
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и лабораторным занятиям; тематика рефератной работы; курсовые работы и проекты, контрольные, рекомендации по использованию литературы и ЭВМ и др. |
Методы |
1 |
4 |
Подготовка к практическому занятию. Повторение основных понятий математической статистики и теории вероятностей. |
И |
2 |
6 |
Работа с MS Excel и пакетом прикладных программ Eviews. |
И |
2-8 |
6 |
Корреляционно-регрессионный анализ. Линейное уравнение множественной регрессии. Метод наименьших квадратов. Методы оценки нелинейных уравнений регрессии. Поиск примеров линейных и нелинейных моделей. |
И |
4 |
10 |
Множественная регрессия. Примеры моделей множественной регрессии, интерпретация. Проблема пропущенных переменных. Мультиколлинеарность – причины возникновения. |
И |
5 |
10 |
Временные ряды. Примеры временных рядов из финансов. Модель CAPM. |
И |
16 |
8 |
Использование систем одновременных уравнений в моделировании экономических процессов и систем. Подбор примеров. |
ПГ |
18 |
28 |
Подготовка к зачету по дисциплине. |
И, ПГ |
Заочная форма обучения (5,6)
Кол. час |
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и лабораторным занятиям; тематика рефератной работы; курсовые работы и проекты, контрольные, рекомендации по использованию литературы и ЭВМ и др. |
Методы |
16 |
Множественная регрессия и корреляция Мультиколлинеарность: причины и последствия. Методы обнаружения мультиколлинеарности. Методы устранения мультиколлинеарности. |
И |
36 |
Спецификация переменных в уравнениях регрессии Эконометрические модели: общая характеристика, различия статистического и эконометрического подхода к моделированию. Спецификация переменных в уравнениях регрессии. Ошибки спецификации. Обобщенная линейная модель множественной регрессии. Обобщенный метод наименьших квадратов. Проблема гетероскедастичности. Автокорреляция. Анализ линейной модели множественной регрессии при гетероскедастичности и автокорреляции Фиктивные переменные: общий случай. Множественные совокупности фиктивных переменных. Фиктивные переменные для коэффициентов наклона. Тест Чоу. Моделирование: влияние отсутствия переменной, которая должна быть включена; влияние включения в модель переменной, которая не должна быть включена. Замещающие переменные. |
И |
40 |
Временные ряды в эконометрических исследованиях Специфика временных рядов как источника данных в эконометрическом моделировании. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда. Автокорреляция в остатках, ее измерение и интерпретация. Критерий Дарбина-Уотсона в оценке качества трендового уравнения регрессии. Анализ временных рядов при наличии периодических колебаний: аддитивная и мультипликативная модели. Особенности изучения взаимосвязанных временных рядов. Автокорреляция рядов динамики и методы ее устранения. Метод последовательных разностей. Интерпретация параметров уравнения регрессии, построенного по первым и вторым разностям. Метод отклонения уровней ряда от основной тенденции. Метод включения фактора времени. |
И |
24 |
Системы эконометрических уравнений Виды систем эконометрических уравнений. Независимые системы. Рекурсивные системы. Системы одновременных (совместных) уравнений. Структурная и приведенная формы эконометрической модели. Проблемы идентификации. Косвенный и двухшаговый метод наименьших квадратов, общая схема алгоритма расчетов. Применение эконометрических моделей. Модель Кейнса (статистическая и динамическая формы). Модель Клейна. |
И |
Заочная форма обучения (3)
Кол. час |
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и лабораторным занятиям; тематика рефератной работы; курсовые работы и проекты, контрольные, рекомендации по использованию литературы и ЭВМ и др. |
Методы |
16 |
Множественная регрессия и корреляция Мультиколлинеарность: причины и последствия. Методы обнаружения мультиколлинеарности. Методы устранения мультиколлинеарности. |
И |
36 |
Спецификация переменных в уравнениях регрессии Эконометрические модели: общая характеристика, различия статистического и эконометрического подхода к моделированию. Спецификация переменных в уравнениях регрессии. Ошибки спецификации. Обобщенная линейная модель множественной регрессии. Обобщенный метод наименьших квадратов. Проблема гетероскедастичности. Автокорреляция. Анализ линейной модели множественной регрессии при гетероскедастичности и автокорреляции Фиктивные переменные: общий случай. Множественные совокупности фиктивных переменных. Фиктивные переменные для коэффициентов наклона. Тест Чоу. Моделирование: влияние отсутствия переменной, которая должна быть включена; влияние включения в модель переменной, которая не должна быть включена. Замещающие переменные. |
И |
40 |
Временные ряды в эконометрических исследованиях Специфика временных рядов как источника данных в эконометрическом моделировании. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда. Автокорреляция в остатках, ее измерение и интерпретация. Критерий Дарбина-Уотсона в оценке качества трендового уравнения регрессии. Анализ временных рядов при наличии периодических колебаний: аддитивная и мультипликативная модели. Особенности изучения взаимосвязанных временных рядов. Автокорреляция рядов динамики и методы ее устранения. Метод последовательных разностей. Интерпретация параметров уравнения регрессии, построенного по первым и вторым разностям. Метод отклонения уровней ряда от основной тенденции. Метод включения фактора времени. |
И |
24 |
Системы эконометрических уравнений Виды систем эконометрических уравнений. Независимые системы. Рекурсивные системы. Системы одновременных (совместных) уравнений. Структурная и приведенная формы эконометрической модели. Проблемы идентификации. Косвенный и двухшаговый метод наименьших квадратов, общая схема алгоритма расчетов. Применение эконометрических моделей. Модель Кейнса (статистическая и динамическая формы). Модель Клейна. |
И |
Заочная форма обучения (3,6)
Кол. час |
Темы, разделы, вынесенные на самостоятельную подготовку, вопросы к практическим и лабораторным занятиям; тематика рефератной работы; курсовые работы и проекты, контрольные, рекомендации по использованию литературы и ЭВМ и др. |
Методы |
16 |
Множественная регрессия и корреляция Мультиколлинеарность: причины и последствия. Методы обнаружения мультиколлинеарности. Методы устранения мультиколлинеарности. |
И |
36 |
Спецификация переменных в уравнениях регрессии Эконометрические модели: общая характеристика, различия статистического и эконометрического подхода к моделированию. Спецификация переменных в уравнениях регрессии. Ошибки спецификации. Обобщенная линейная модель множественной регрессии. Обобщенный метод наименьших квадратов. Проблема гетероскедастичности. Автокорреляция. Анализ линейной модели множественной регрессии при гетероскедастичности и автокорреляции Фиктивные переменные: общий случай. Множественные совокупности фиктивных переменных. Фиктивные переменные для коэффициентов наклона. Тест Чоу. Моделирование: влияние отсутствия переменной, которая должна быть включена; влияние включения в модель переменной, которая не должна быть включена. Замещающие переменные. |
И |
40 |
Временные ряды в эконометрических исследованиях Специфика временных рядов как источника данных в эконометрическом моделировании. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда. Автокорреляция в остатках, ее измерение и интерпретация. Критерий Дарбина-Уотсона в оценке качества трендового уравнения регрессии. Анализ временных рядов при наличии периодических колебаний: аддитивная и мультипликативная модели. Особенности изучения взаимосвязанных временных рядов. Автокорреляция рядов динамики и методы ее устранения. Метод последовательных разностей. Интерпретация параметров уравнения регрессии, построенного по первым и вторым разностям. Метод отклонения уровней ряда от основной тенденции. Метод включения фактора времени. |
И |
24 |
Системы эконометрических уравнений Виды систем эконометрических уравнений. Независимые системы. Рекурсивные системы. Системы одновременных (совместных) уравнений. Структурная и приведенная формы эконометрической модели. Проблемы идентификации. Косвенный и двухшаговый метод наименьших квадратов, общая схема алгоритма расчетов. Применение эконометрических моделей. Модель Кейнса (статистическая и динамическая формы). Модель Клейна. |
И |
Инновационные способы и методы, используемые в образовательном процессе
Основаны на использовании современных достижений науки и информационных технологий. Направлены на повышение качества подготовки путем развития у студентов творческих способностей и самостоятельности (методы проблемного обучения, исследовательские методы, тренинговые формы, рейтинговые системы обучения и контроля знаний и др.). Нацелены на активизацию творческого потенциала и самостоятельности студентов и могут реализовываться на базе инновационных структур (научных лабораторий, центов, предприятий и организаций и др.).
№ |
Наименование основных методов |
Краткое описание и примеры, использования в темах и разделах, место проведения |
1. |
Использование информационных ресурсов и баз данных |
Для осуществления моделирования на реальных выборочных данных используется данные статистических сборников и данные Интернет сайтов (как реальные данные с сайта Росстата и др., так и учебные упражнении, например, www.econ.kuleuven.ac.be/gme , www.econometrics.nes.ru/mkp/ и др.) Данные используется как на лабораторных работах, так и при самостоятельной работе студентов. Для работы с данными используется MS Excel и пакет прикладных программ Eviews. |
2. |
Применение электронных мультимедийных учебников и учебных пособий |
Применение справки MS Excel, Eviews, а также электронных ресурсов разработчика Eviews: www.eviews.com. |
3. |
Ориентация содержания на лучшие отечественные аналоги образовательных программ |
Содержание дисциплины ориентируется на образовательную программу Московского государственного университета экономики, статистики и информатики «МЭСИ». |
4. |
Применение предпринимательских идей в содержании курса |
Студенты предлагают идеи использования эконометрических методов для решения предпринимательских задач, востребованных практикой. |
5. |
Использование проблемно-ориентированного междисциплинарного подхода к изучению наук |
Для закрепления полученных теоретических и практических знаний студенты выполняют лабораторные работы, в которых требуется знание экономической теории, статистики (теории статистики, социально-экономической статистики) и применение эконометрических знаний. При выполнении задания от студента требуется: 1) Постановка проблемы и формулировка гипотез требующих проверки (с привлечением знаний из экономической теории); 2) Сбор необходимых статистических данных; 3) Непосредственно построение модели и проверка ее качества; 4) Содержательная интерпретация полученных результатов (в том числе ответ на вопрос: соответствует ли построенная модель нашим представлениям об изучаемом явлении?). |
6. |
Применение активных методов обучения, на основе опыта и др. |
Используются интерактивные методы обучения: творческие задания; работа в малых группах; обучающие деловые игры; изучение и закрепление нового материала (интерактивная лекция, работа с наглядными пособиями, видео- и аудиоматериалами); обсуждение сложных и дискуссионных вопросов и проблем. |
7. |
Использование методов, основанных на изучении практики (case studies) |
Использование в качестве кейсов примеров применения эконометрических методов в социально-экономических исследованиях обсуждаемых в книге Берндта Е. |
8. |
Использование проектно-организованных технологий обучения работе в команде над комплексным решением практических задач |
Деловая игра. Проводится как игровая форма выполнения и защиты одного из домашних заданий по дисциплине с целью закрепления у студентов навыков эконометрического моделирования, начиная с постановки задачи, затем спецификации модели, идентификации параметров модели и заканчивая выводами и рекомендациями для принятия решений; а также развитие творческого (критического) подхода к исследованию экономических процессов. Результатом игры является постановка и решение конкретной практической экономической задачи с помощью эконометрических методов с интерпретацией результатов и формулировкой выводов. Студенты разбиваются на 4 группы по 5-6 человек, выбирают руководителей групп. Каждая группа презентует свои результаты и защищает свои выводы. |
Средства обучения
Информационно-методические
№ |
Перечень основной и дополнительной литературы, методических разработок; с указанием наличия в библиотеке, на кафедре |
Основная литература: | |
1. |
Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. Учебник для вузов. – М.: ЮНИТИ, 1998. |
2. |
Анатольев С. Эконометрика для подготовленных. Курс лекций. – М.: РЭШ, 2003. |
3. |
Арженовский С.В. Системы одновременных уравнений. Учебное пособие. РГЭУ «РИНХ», Ростов-на-Дону, 2002. |
4. |
Берндт Е. Практика эконометрики: классика и современность. М.: ЮНИТИ, 2005. |
5. |
Джонстон Дж. Эконометрические методы/Пер. с англ.-М.: Статистика, 1980. |
6. |
Доугерти К. Введение в эконометрику. – М. ИНФРА-М, 2004. |
7. |
Замков О.О. Эконометрические методы в макроэкономическом анализе. -М.: Изд-во МГУ, 2000. |
8. |
Катышев П.К., Магнус Я.Р. и др. Сборник задач к начальному курсу эконометрики. - М.: Дело,2007. |
9. |
Кремер Н., Путко Б. Эконометрика. М.: ЮНИТИ-ДАНА, 2002. |
10. |
Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: Дело, 2004. |
11. |
Практикум по эконометрике/ Под ред. И.И. Елисеевой. М.: Финансы и статистика, 2001. |
12 |
Ниворожкина Л.И., Кокина Е.П., Кравцов В.Б. Эконометрическое моделирование с использованием пакета программ «EconometricViews». - Ростов-на-Дону: РГЭУ «РИНХ», 2005. |
13. |
Эконометрика./Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2005. |
Дополнительная литература: | |
1. |
Алексахин С.В., Балдин А.В., Кривицин В.В. и др. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения: Учебно-практическое пособие для вузов. Книга 1, 2. /под.ред. Криницына В.В. – М.: «Издательство ПРИОР», 1998. |
2. |
Арженовский С.В., Федосова О.Н. Эконометрика. Учебное пособие. - Ростов-на-Дону: РГЭУ, 2002. |
3. |
Балдин К.В., Быстров О.Ф., Соколов М.М. Эконометрика. М.: Юнити, 2004. |
4. |
Дрейпер Н., Смит Г. Прикладной регрессионный анализ. - М: Финансы и статистика,1986. |
5. |
Кейн Э. Экономическая статистика и эконометрика. Введение в количественный анализ. Пер. с англ. - М.: Статистика, 1977. |
6. |
Колемаев В.А., Калинина В.Н. Теория вероятностей и математическая статистика: Учебник - М.: ИНФРА - М, 1997 г. |
7. |
Сирл.С., Госман У. Матричная алгебра в экономике - М.: Финансы и статистика, 1974 г. |
8. |
Справочник по прикладной статистике. В 2-х т. Пер.с англ. /под ред. Э.Ллойда, У. Ледермана, Ю.Н.Тюрина. – М.: Финансы и статистика, 1989. |
9. |
Уотшем Т.Дж., Паррамоу К. Количественные методы в финансах. М.:Финансы, ЮНИТИ, 1999. |
10. |
Фёрстер Э., Рёнц Б. Методы корреляционного и регрессионного анализа: руководство для экономистов - М.: Финансы и статистика, 1983 г. |
11. |
Фишер Ф. Проблема идентификации в эконометрии. – М.: Статистика, 1978. |
12. |
Verbeek M. A guide to modern econometrics. John Wiley & Sons Ltd, 2000. |
13. |
Green W.H. Econometrics Analysis, fourth edition. Prentice Hall International Inc, 2000. |
Материально-технические
№ ауд. |
Основное оборудование, стенды, макеты, компьютерная техника, наглядные пособия и другие дидактические материалы, обеспечивающие проведение лабораторных и практических занятий, научно-исследовательской работы студентов с указанием наличия |
Основное назначение (опытное, обучающее, контролирующее) и краткая характеристика использования при изучении явлений и процессов, выполнении расчетов. |
513, 516 |
Компьютерная техника, телевизионная техника для презентаций |
ППП Eviews 6.0, MS Excel. |
Текущий, промежуточный контроль знаний студентов
№ |
Тесты, вопросы для текущего контроля, для подготовки к зачету, экзамену |
1. |
Вопросы для подготовке к зачету
|
2. |
Тесты
А) В. Парето; Б) Р. Фришем; В) Дж. Кейнсом Г) Гукером.
А) экзогенные; Б) эндогенные; В) пространственные; Г) предопределенные.
А) односторонняя стохастическая зависимость; Б) функциональная зависимость; В) двухсторонняя стохастическая зависимость; Г) детерминированная зависимость.
А) в зависимости от экономического смысла задачи. Чаще всего отражает совокупное воздействие на Y неучтенных X-ом факторов; Б) как показатель изменения Y при изменении X на единицу измерения признака; В) не имеет интерпретации.
А) мера вариации относительно среднего X; Б) мера вариации относительно среднего Y; В) мера вариации относительно линии регрессии.
А) ; Б) ; В) ; Г) .
А) ; Б); В).
8. Частный коэффициент корреляции характеризует: А) тесноту связи между результативным и факторным признаками; Б) тесноту связи между результативным и факторным признаками при фиксированном воздействии других факторов, включенных в уравнение регрессии; В) тесноту связи между факторными признаками.
9. Для измерения эффекта мультиколлинеарности используют: А) ; Б); В). 10. Модель временного ряда с аддитивной компонентой выглядит как: А) Фактическое значение = Трендовое значение + Сезонная вариация + Ошибка (A = T + S + E); Б) Фактическое значение = Трендовое значение·Сезонная вариация·Ошибка (A =T · S · E); В) Фактическое значение =Трендовое значение + Сезонная вариция·Ошибка (A=T+S ·E).
А) экономической теории; Б) статистики; В) кибернетики; Г) математики.
А) мегауровень; Б) макроуровень; В) мезоуровень ; С)микроуровень.
А) простую (парную) регрессию; Б) сложную регрессию; В) множественную регрессию; Г) единственную регрессию.
А) максимизирует сумму квадратов отклонений ; Б) минимизирует сумму квадратов отклонений ; В) оптимизирует сумму квадратов отклонений .
А) ; Б); В)
А) доля вариации, которая не объясняется зависимыми переменными в регрессионной модели; Б) доля вариации, которая не объясняется независимыми переменными в регрессионной модели. В) доля вариации, которая объясняется зависимыми переменными в регрессионной модели; Г) доля вариации, которая объясняется независимыми переменными в регрессионной модели.
А) хи- квадрат; Б) F-критерий Фишера; ) t-критерий Стьюдента.
18. Множественный коэффициент детерминации оценивает: А) степень тесноты связи между результативным признаком и каждым факторным; Б) совокупное влияние факторыных признаков на результативный; В) какой из факторных признаков в большей степени влияет на результативный.
А) остатки модели eiимеют постоянную дисперсию; Б) распределение остатков eiявляется нормальным; В) остатки eiносят случайный характер
А) мультиколлинеарности; Б) гомоскедастичности; В) гетероскедастичности; Г) автокорреляции.
А) стохастическим характером зависимости между X и Y; Б) функциональным характером зависимости между X и Y; В) детерминированным характером зависимости между X и Y.
А) пространственные данные; Б) экзогенные данные; В) временные ряды.
А) в зависимости от экономического смысла задачи. Чаще всего отражает совокупное воздействие на Y неучтенных X-ом факторов; Б) как показатель изменения Y при изменении X на единицу измерения признака; В) не имеет интерпретации.
А) ; Б); В); Г).
А) от 0 до +1; Б) от –1 до 0; В) от –1 до +1; Г) от –1 до +∞.
А) ; Б); В); Г).
А) хи-квадрат; Б) F-критерий Фишера; ) t-критерий Стьюдента.
необходимо: А) оценить статистическую значимость параметров уравнения регрессии; Б) найти средние значения факторных признаков, включенных в уравнение множественной регрессии; В) подставить в уравнение множественной регрессии значенияx.
29.Скорректированный коэффициент детерминации в модели множественной регрессии находят как: А) ; Б); В).
А) замена данных, имеющих отношение к мелким временным периодам, данными по более крупным периодам; Б) выравнивание уровней ряда по аналитическим формулам; В) зависимость между последовательными (соседними) уровнями временного ряда.
А) неучтенные факторы; Б) недетерминированность индивидуального поведения; В) ошибки измерения; Г) детерминированный характер зависимости.
А) регрессионные модели с одним уравнением; Б) модели временных рядов; В) системы одновременных уравнений; Г) Logit– модели.
А) линейную регрессию; Б) нелинейную регрессию; В) множественную регрессию; Г) простую регрессию.
А) нахождения параметров регрессии; Б) интерпретации параметров регрессии; В) определения формы регрессионной зависимости.
А) ; Б); В).
А) ; Б); В); Г).
А) ; Б); В). 38. Явление мультиколлинеарности состоит в следующем: А) две или более независимых переменных, включенных в уравнение множественной регрессии, связаны между собой линейной корреляционной зависимостью; Б) две или более независимых переменных и зависимая переменная связаны между собой линейной корреляционной зависимостью; В) правильного ответа нет
А) остатки модели eiимеют непостоянную дисперсию; Б) распределение остатков eiявляется нормальным; В) остатки eiносят случайный характер.
40. Модель временного ряда с аддитивной компонентой выглядит как: А) Фактическое значение=Трендовое значение + Сезонная вариация + Ошибка (A = T + S + E); Б) Фактическое значение = Трендовое значение·Сезонная вариация·Ошибка (A=T· S ·E); В) Фактическое значение = Трендовое значение + Сезонная вариация · Ошибка (А = T + S · E).
41. Модель временного ряда с мультипликативной компонентой выглядит как: А) Фактическое значение=Трендовое значение + Сезонная вариация + Ошибка (A = T + S + E); Б) Фактическое значение = Трендовое значение·Сезонная вариация·Ошибка (A=T·S ·E); В) Фактическое значение = Трендовое значение + Сезонная вариация · Ошибка (А = T +S · E).
|
3. |
Задание для студентов заочной формы обучения содержатся в методических рекомендациях: Арженовский С.В., Федосова О.Н. Эконометрика. Методические указания и задания к контрольной работе. Ростов-на-Дону: РГЭУ, 2003. |
Дополнения и изменения в рабочей программе на учебный год _____/______
|
Следующие записи относятся к п.п. |
Автор |
Зав. кафедрой |
Принято УМУ__________________________________ Дата:_____________________
Выписка из ГОС ВПО по специальности «Бухгалтерский учет, анализ и аудит».
Индекс |
Наименование дисциплин и их основные разделы |
Всего часов |
ЕН.Ф.05.
|
ЭКОНОМЕТРИКА Линейная модель множественной регрессии; метод наименьших квадратов (мнк); свойства оценок мнк; показатели качества регрессии; линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками; обобщенный метод наименьших квадратов (омнк); регрессионные модели с переменной структурой (фиктивные переменные); нелинейные модели регрессии и их линеаризация; характеристики временных рядов; модели стационарных и нестационарных временных рядов, их идентификация; система линейных одновременных уравнений; косвенный, двухшаговый и трехшаговый метод наименьших квадратов. |
180 |