1. Цели и задачи дисциплины

«Эконометрика» в учебном плане специальностям 08080165 – "Прикладная информатика в экономике" относится к циклу «Общепрофессиональные дисциплины». Она опирается, в основном, на дисциплины «Математика», «Теория вероятностей и математическая статистика», «Статистика».

1.1. Цель преподавания дисциплины.

В современном обществе эконометрика стала одним из важнейших инструментов управления народным хозяйством. Эконометрика собирает, обобщает и анализирует информацию, которая характеризует различные стороны общественной жизни и позволяет, в результате, увидеть стройную систему взаимосвязей, картину и динамику развития явлений социально-экономической жизни.

Курс «Эконометрика» имеет целью дать студентам представление о содержании эконометрики как научной дисциплины, объединяющей качественные методы экономической теории с количественными методами теории вероятностей, математической статистики и экономической статистики, познакомить с ее основными категориями, понятиями, методологией и методиками расчета важнейших статистических показателей. «Эконометрика» является основополагающей учебной дисциплиной, с изучением которой окончательно формируются необходимые профессиональные качества экономистов высшей квалификации, специалистов органов государственной статистики, менеджеров. Создается прочный фундамент для усвоения и квалифицированного применения в условиях рыночной экономики основных положений экономической теории на базе статистической методологии познания закономерностей развития социально-экономических явлений.

1.2. Задачи изучения дисциплины.

В результате изучения курса «Эконометрика» студенты должны овладеть знаниями объединения общих основ статистической и экономической науки и навыками проведения эконометрического исследования.

Согласно требованиям к уровню подготовки по специальности 08080165, специалист должен:

– иметь представление о принципах изучения взаимосвязей массовых общественных явлений, об изменениях в социально-экономических процессах;

– знать методы построения и анализа поведения основных экономических показателей и уметь использовать в профессиональной деятельности основные методы обработки и анализа данных наблюдений и эксперимента.

Теоретической основой эконометрики являются методы теории вероятностей, математической статистики и статистики, курс состоит из следующих разделов.

2. Содержание и структура дисциплины

Для изучения основных разделов дисциплины «Эконометрика» предусмотрены теоретические, лабораторные занятия, а также самостоятельная работа студентов. Контроль над самостоятельной работой студентов осуществляется в процессе проверки контрольных работ и в ходе консультаций

2.1. Лекции, их содержание и наименование тем

2.1.1. Особенности эконометрического подхода к изучению социально-экономических процессов и анализу данных. Предмет и методы эконометрических исследований. Место эконометрики в ряду математико-статистических и экономических дисциплин. Линейная модель множественной регрессии. Функциональные, статистические и корреляционные взаимосвязи экономических переменных. Суть регрессионного анализа, условия теоремы Гаусса- Маркова. Классическая линейная регрессионная модель. Оценки метода наименьших квадратов (МНК) параметров линейного уравнения регрессии, их статистические свойства. Анализ точности определения оценок параметров регрессии. Доверительные интервалы для параметров регрессии и объясняемой переменной. Проверка общего качества уравнения регрессии. Коэффициент детерминации R² Матричная форма множественной регрессии. Представление множественной линейной регрессии в естественной и стандартизованной форме. Коэффициенты частной и множественной корреляции. Ковариационная матрица, ее выборочная оценка. Мультиколлинеарность, последствия и методы устранения мультиколлинеарности. Оценки дисперсии параметров регрессии, их свойства. Ковариационная матрица оценок параметров линейной регрессии.

2.1.2. Интервальные оценки параметров теоретического уравнения регрессии. Анализ качества эмпирического уравнения множественной линейной регрессии. Особенности практического применения регрессионных моделей. Средние и частные коэффициенты эластичности.

Проверка общего качества уравнения регрессии и выполнимости предпосылок МНК. Оценка случайного члена регрессионной модели. Гетероскедастичность и автокоррелированность остатков регрессионных моделей. Обобщенный МНК. Гетероскедастичность. Суть и причины проявления гетероскедастичности. Последствия гетероскедастичности. Тест Голдфелда-Квандта. Диагностирование гетероскедастичности с помощью коэффициента ранговой корреляции Спирмена. Методы устранения гетероскедастичности. Автокорреляция. Суть и экономические причины автокорреляции. Последствия автокорреляции. Графическое обнаружение автокорреляции. Кажущаяся автокорреляция при неправильном выборе модели регрессии. Фиктивные переменные. Использование качественных объясняющих переменных. Фиктивные переменные во множественной линейной регрессии. Анализ сезонности с помощью фиктивных переменных. Нелинейная регрессия.Выбор модельной функции регрессии. Линеаризация по параметрам. Обратные, степенные и логарифмические преобразования факторных и результирующей переменных. Динамические модели. Временные ряды. Лаговые переменные и экономические модели с разновременными значениями объясняющих факторов. Оценка моделей с лагами в независимых переменных. Модели с распределенными лагами. Авторегрессионные модели, как эквивалентное представление моделей с распределенными лагами. Обнаружение и устранение автокорреляции остатков. Статистика Дарбина-Уотсона.

2.1.3. Необходимость использования систем одновременных уравнений. Составляющие систем уравнений. Смещенность и несостоятельность оценок МНК для систем одновременных уравнений. Проблема идентификации. Необходимые и достаточные условия идентифицируемости. Косвенный метод наименьших квадратов (КМНК). Оценка систем одновременных уравнений с помощью двухшагового и трехшагового МНК.