Тема 1. Классические линейные модели

Лекция 1-2. Предмет эконометрики. Задачи эконометрики в области социально- экономических исследований.

1. Предмет и задачи эконометрики. Информационные технологии на базе ПЭВМ в эконометрических исследованиях.

2. Классификация исходных данных и переменных в эконометрических моделях. Понятия спецификации и идентифицируемости модели. Примеры эконометрических моделей (модель предложения и спроса на конкурентном рынке).

3. Основные задачи регрессионного анализа. Функциональная, статистическая и корреляционная зависимости. Модель парной линейной регрессии. Метод наименьших квадратов (МНК), его графическая интерпретация. Стандартизированное уравнение регрессии. Коэффициент корреляции.

4. Предпосылки МНК. Теорема Гаусса-Маркова. Оценка качества уравнения регрессии. Коэффициент детерминации. Дисперсионный анализ. Проверка значимости уравнения (критерий Фишера). Прогнозирование по регрессионной модели. Доверительные интервалы для функции и параметров регрессии

Лабораторная работа 1. Модели парной линейной регрессии

Основные встроенные статистические функции MS Excel. Вычисление параметров парной линейной регрессии как непосредственно по формулам МНК-оценок, так с помощью встроенных функций MS Excel. Интерпретация коэффициентов регрессии. Графические программные средства, построение поля корреляции и прямой линии регрессии. Вычисление коэффициента корреляции, проверка статистической значимости.

Критерий Фишера. Предпосылки МНК. Теорема Гаусса-Маркова. Проверка значимости уравнения регрессии. Коэффициент детерминации, его интерпретация. Средняя ошибка аппроксимации. Использование модуля «Анализ данных: регрессия» MS Excel. Эконометрическая модель парной линейной регрессии «Цена-спрос». Интервальные оценки параметров и функции регрессии.

Лабораторная работа 2. Модели множественной регрессии.

Основные встроенные статистические функции MS Excel. Вычисление параметров множественной линейной регрессии как непосредственно по формулам МНК-оценок с помощью матричных функций (МУМНОЖ, МОПРЕД, МОБР) и формул массива, так с помощью модуля «Анализ данных» MS Excel.

Проверка мультиколлинеарности. Частная корреляция. Коэффициент детерминации, его интерпретация. Вычисление коэффициента множественной корреляции, проверка статистической значимости. Проверка значимости уравнения регрессии.

Критерий Фишера. Использование модуля «Анализ данных» MS Excel. Интервальные оценки параметров и функции регрессии.

Обзор тестов на гетероскедастичность (ранговой корреляции Спирмена, Голдфелда-Квандта, Уайта, Глейзера). Устранение гетероскедастичности.

Положительная и отрицательная автокорреляция. Тест Дарбина-Уотсона. Тест серий (Бруша-Годфри). Тест Льюига-Бокса.

Тема 2. Временные ряды

Лекция 3-4. Понятие о временных рядах. Основные составляющие временного ряда..

1. Понятие о временных рядах. Основные составляющие временного ряда. Мультипликативная и аддитивная модели временных рядов, их связь. Задачи анализа временных рядов. Автокорреляционная функция.

2. Методы сглаживания временных рядов (скользящего среднего, экспоненциального сглаживания, последовательных разностей). Прогнозирование на основе моделей временных рядов. Точечный и интервальный прогноз.

3. Графическое представление временного ряда. Предмодельный анализ временного ряда. Этапы выделения компонент мультипликативной и аддитивной модели временных рядов.

4. Методы сглаживания временных рядов (скользящего среднего, экспоненциального сглаживания, последовательных разностей). Прогнозирование на основе моделей временных рядов. Точечный и интервальный прогноз.

Лабораторная работа 3. Модели стационарных временных рядов.

Графическое представление временного ряда. Предмодельный анализ временного ряда. Этапы выделения компонент мультипликативной и аддитивной модели временных рядов.

Лабораторная работа 4. Модели стационарных временных рядов.

Методы сглаживания временных рядов (скользящего среднего, экспоненциального сглаживания, последовательных разностей). Прогнозирование на основе моделей временных рядов. Точечный и интервальный прогноз.