4. Требования к критериям оценки выполнения практических заданий, контрольных работ.

Для текущего контроля достаточно представить пять выполненных заданий по каждой теме. Оценка выполнения практического задания проводится по 50-бальной системе (10 баллов на каждую из пяти задач). 40-50 баллов, набранных студентом, соответствуют оценке "отлично", 30-39 баллов – оценке "хорошо", 20-29 баллов – оценке "удовлетворительно", 0-19 баллов – оценке "неудовлетворительно".

В случае если задача решена в целом правильно, но допущены 1-2 арифметические ошибки, либо не объяснен какой-либо ключевой момент решения, решение оценивается в 8-10 баллов. Если решение задачи не доведено до конца, либо окончание решения ошибочно, но имеется правильный план ре­шения и получены существенные, важные для решения результаты, задача оце­нивается в 4-8 баллов. Если задача не решена, отсутствует общий план реше­ния либо допущены грубые ошибки, но есть продвижения в нужном направле­нии или правильно сделаны отдельные шаги решения, задача оценивается в 1-4 балла.

Контрольная работа предназначена для итогового контроля зна­ний и навыков студентов по всем темам дисциплины. В отличие от практических заданий, оценка за каждую задачу контрольной работы - зачте­но или не зачтено.

Оценка зачтено ставится за правильное и полное решение задачи, допускаются небольшие погрешности в изложении и вычислениях. Оценка за контрольную работу – зачтено, если зачтены все контрольные задания по всем темам дисциплины.

Если практические задания по всем темам дисциплины выполнены на оценку не ниже «удовлетворительно», и получена оценка «зачтено» за контрольную работу, то студент допускается к итоговой аттестации – зачету.

В случае неудовлетворительной оценки за практическое задание по отдельной теме студент должен выполнить работу над ошибками и дополнительно решить другие примеры из тех же тем, за которые получены неудовлетворительные оценки (за каждый неправильно решенный пример – один дополнительно).

Если контрольная работа не зачтена, то студент должен выполнить работу над ошибками и затем заново написать другой вариант контрольной работы, предложенный преподавателем.

Краткий курс лекций

1. Предмет, метод и задачи курса «Эконометрика».

1.1. Соотношения между экономическими переменными.

Одна из наиболее общих задач в экономических исследованиях состоит в оценивании степени зависимости изучаемой величины Y от одной или нескольких случайных (или неслучайных) величин X, называемых факторами. Зависимость может быть функциональной, статистической, либо отсутствовать вовсе.

Строгая функциональная зависимость между экономическими показателями (наличие всегда выполняющегося равенства Y=f(X)) реализуется редко, так как они подвержены влиянию случайных факторов. При статистической зависимости изменение одной из величин влечет изменение распределения другой (в частности, среднего значения; в этом случае статистическую зависимость называют корреляционной).

Причем, всегда есть несколько величин, которые определяют главные тенденции изменения рассматриваемой величины, и в экономической теории и практике ограничиваются тем или иным кругом таких величин (объясняющих переменных). Однако всегда существует и воздействие большого числа других, менее важных или трудно идентифицируемых факторов, приводящее к отклонению значений объясняемой (зависимой) переменной от конкретной формулы ее связи с объясняющими переменными, сколь бы точной эта формула ни была. Нахождение, оценка и анализ таких связей, идентификация объясняющих переменных, построение формул зависимости и оценка их параметров и составляют предмет корреляционно-регрессионного анализа, при этом корреляционный анализ занимается исследованием взаимозависимости случайных величин, тогда как регрессионный анализ на базе выборочных данных исследует зависимость случайной величины от ряда неслучайных и случайных величин.

Примерами корреляционно, но не функционально, связанных величин являются объемы производства и себестоимость продукции, объемы продаж и прибыль, урожай зерна и количество внесенных удобрений. Действительно, в последнем примере с одинаковых по площади участков земли при равных количествах внесенных удобрений снимают различный урожай, т.е. отсутствует функциональная связь. Это объясняется влиянием случайных факторов (осадки, температура, качество семян и др.). Вместе с тем, как показывает опыт, средний урожай меняется с изменением количества удобрений, т.е. прослеживается корреляционная зависимость.

2. Регрессионные модели как инструмент анализа и прогнозирования экономических явлений.

Регрессионная модель экономического объекта (или производственного процесса), отражая основные его свойства и абстрагируясь от второстепенных, позволяет судить о его поведении при определенных значениях объясняющих факторов.

К числу основных факторов относят обычно трудовые ресурсы в той или иной мере, а также энергетические, сырьевые, материальные ресурсы, оборудование, здания, сооружения и т.д. Кроме того, в модели должны быть отражены факторы, определяющие состояние внешней среды (экономические, политические, природные и т.п.).

Несмотря на развитие экономики, на протяжении относительно небольших временных периодов и в пределах отдельных экономических подсистем имеет место стабильность в условиях совершения массовых событий. При прогнозировании экономических процессов подразумевается возможность многократного повторения производственной ситуации, быть может, при других значениях существенных и несущественных факторов, однако при относительно стабильном комплексе внешних условий и сохраняющейся тенденции влияния объясняющих факторов на анализируемый экономический показатель.

Таким образом, при анализе и прогнозировании экономических явлений результирующий показатель у является функцией существенных (х₁,х₂,…,х_m) и несущественных (₁,₂,…,_k) факторов

у=f(х₁,х₂,…,х_m,₁,₂,…,_k) (1)

и вычисляется посредством подстановки в (1) значений объясняющих факторов. В силу относительной малости несущественных факторов (в смысле влияния на результат), ими можно пренебречь, при этом рассматриваемый ниже аппарат позволяет оценить возникшую вследствие данного усечения модели погрешность.

2. Линейные однофакторные регрессионные модели эконометрики.