UMK_Krasnoschekov_Ekonometrika_dlya_080500_62_-_Perm_2009
.pdfСпециальность: Финансы и кредит (080105) 6 лет
Налоги и налогообложение (080107) 6 лет Управление персоналом (080505) 6 лет
Направление: Менеджмент (080500) 5 лет
Тема 1. Введение в эконометрику
Эконометрика и ее место в ряду других экономических и стати-
стических дисциплин. Типы моделей, которые применяются для анализа или прогноза. Типы данных при моделировании экономических процессов. Основные стадии процесса эконометрического моделиро-
вания.
Тема 2. Модель парной регрессии
Понятие о функциональной, статистической и корреляционной связях. Основные задачи прикладного корреляционно-регрессионного анализа. Линейные и нелинейные виды уравнений регрессии. Метод наименьших квадратов. Классическая линейная регрессионная модель. Теорема Гаусса — Маркова. Оценка дисперсии ошибок. Критерий Стьюдента для проверки гипотез. Анализ вариации зависимой пере-
менной в регрессии. Коэффициент детерминации. F-статистика для проверки гипотез. Оценка параметров методом максимального правдо-
подобия.
Тема 3. Модель множественной регрессии
Понятие о множественной регрессии. Классическая линейная модель множественной регрессии. Оценка параметров КЛММР методом наименьших квадратов. Теорема Гаусса — Маркова. Статистические свойства МНК-оценок. Анализ вариации зависимой переменной в регрессии. Проверка статистических гипотез (t-критерий). Проверка стати-
стических гипотез (F-критерий).
Тема 4. Различные аспекты множественной регрессии
Мультиколлинеарность. Фиктивные переменные. Частная корреляция. Процедура пошагового отбора переменных. Спецификация модели. Объединение статистических выборок, тест Чоу. Нелинейные модели
регрессии и их линеаризация.
Тема 5. Обобщения множественной регрессии
Стохастические регрессоры. Обобщенный метод наименьших квад-
ратов. Гетероскедастичность. Корреляция по времени, авторегрессия.
12
Тема 6. Временные ряды в эконометрических исследованиях
Специфика временных рядов как источника данных в эконометриче-
ском моделировании. Автокорреляция уровней ряда. Виды моделей регрессии временных рядов. Метод отклонений от тренда. Автокорреляция в остатках. Критерий Дарбина — Уотсона. Модель с распределенным ла-
гом. Модели авторегрессии.
Специальность: Управление персоналом (080505) 3 года
Управление персоналом (080505) 4 года
Тема 1. Введение в эконометрику. Модель парной регрессии
Эконометрика и ее место в ряду других экономических и статистических дисциплин. Типы моделей, которые применяются для анализа или прогноза. Типы данных при моделировании экономических процессов. Основные стадии процесса эконометрического моделирования. Понятие о функциональной, статистической и корреляционной связях. Основные задачи прикладного корреляционно-регрессионного анализа. Линейные и нелинейные виды уравнений регрессии. Метод наименьших квадратов. Классическая линейная регрессионная модель. Теорема Гаусса — Маркова. Оценка дисперсии ошибок. Критерий Стьюдента для проверки гипотез. Анализ вариации зависимой переменной в регрессии. Ко-
эффициент детерминации. F-статистика для проверки гипотез. Оценка
параметров методом максимального правдоподобия.
Тема 2. Модель множественной регрессии. Различные аспекты множественной регрессии
Понятие о множественной регрессии. Классическая линейная модель множественной регрессии. Оценка параметров КЛММР методом наименьших квадратов. Теорема Гаусса — Маркова. Статистические свойства МНК-оценок. Анализ вариации зависимой переменной в регрессии. Проверка статистических гипотез (t-критерий). Проверка стати-
стических гипотез (F-критерий). Мультиколлинеарность. Фиктивные переменные. Частная корреляция. Процедура пошагового отбора переменных. Спецификация модели. Объединение статистических выборок, тест Чоу. Нелинейные модели регрессии и их линеаризация.
Тема 3. Обобщения множественной регрессии
Стохастические регрессоры. Обобщенный метод наименьших квадратов. Гетероскедастичность. Корреляция по времени, авторегрессия.
13
Тема 4. Временные ряды в эконометрических исследованиях
Специфика временных рядов как источника данных в эконометриче-
ском моделировании. Автокорреляция уровней ряда. Виды моделей регрессии временных рядов. Метод отклонений от тренда. Автокорреляция в остатках. Критерий Дарбина — Уотсона. Модель с распределенным
лагом. Модели авторегрессии.
5.2. Темы практических занятий
Специальность: Финансы и кредит (080105) 3 года
Финансы и кредит (080105) 4 года
Тема 1. Введение в эконометрику. Модель парной регрессии
1.Построение линейного уравнения парной регрессии. Метод наи-
меньших квадратов оценки для параметров линейного уравнения парной регрессии.
2.Криволинейные уравнения парной регрессии. Нормальная систе-
ма метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез.
Оценка параметров методом максимального правдоподобия.
Тема 2. Модель множественной регрессии. Обобщения множественной регрессии
1.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
2.Статистические свойства МНК-оценок. Анализ вариации зависи-
мой переменной в регрессии.
3.Проверка статистических гипотез (t-критерий и F-критерий).
4.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
5.Стохастические регрессоры. Обобщенный метод наименьших
квадратов.
Тема 3. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различ-
ными методами.
14
Специальность: Финансы и кредит (080105) 6 лет
Тема 2. Модель парной регрессии
1.Построение линейного уравнения парной регрессии. Метод наименьших квадратов оценки для параметров линейного уравнения парной регрессии.
2.Криволинейные уравнения парной регрессии. Нормальная систе-
ма метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез.
Оценка параметров методом максимального правдоподобия.
Тема 3. Модель множественной регрессии.
1.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
2.Статистические свойства МНК-оценок.
3.Проверка статистических гипотез (t-критерий и F-критерий).
4.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
Тема 5. Обобщения множественной регрессии
1.Стохастические регрессоры.
2.Обобщенный метод наименьших квадратов.
3.Гетероскедастичность. Корреляция по времени, авторегрессия.
Тема 6. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различ-
ными методами.
Специальность: Налоги и налогообложение (080107) 3 года
Налоги и налогообложение (080107) 4 года
Тема 2. Модели парной и множественной регрессии
1.Построение линейного уравнения парной регрессии. Метод наи-
меньших квадратов оценки для параметров линейного уравнения парной регрессии.
15
2.Криволинейные уравнения парной регрессии. Нормальная система метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез. Оценка параметров методом максимального правдоподобия.
5.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
6.Проверка статистических гипотез (t-критерий и F-критерий).
7.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
Тема 3. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различ-
ными методами.
Специальность: Налоги и налогообложение (080107) 6 лет
Тема 2. Модель парной регрессии
1.Построение линейного уравнения парной регрессии. Метод наи-
меньших квадратов оценки для параметров линейного уравнения парной регрессии.
2.Криволинейные уравнения парной регрессии. Нормальная систе-
ма метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез. Оценка параметров методом максимального правдоподобия.
Тема 3. Модель множественной регрессии
1.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
2.Статистические свойства МНК-оценок. Анализ вариации зависи-
мой переменной в регрессии.
3.Проверка статистических гипотез (t-критерий и F-критерий).
4.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
16
Тема 5. Обобщения множественной регрессии
1.Стохастические регрессоры.
2.Обобщенный метод наименьших квадратов.
3.Гетероскедастичность. Корреляция по времени, авторегрессия.
Тема 6. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различными методами.
Специальность: Управление персоналом (080505) 3 года
Управление персоналом (080505) 4 года
Тема 1. Введение в эконометрику. Модель парной регрессии
1.Построение линейного уравнения парной регрессии. Метод наи-
меньших квадратов оценки для параметров линейного уравнения парной регрессии.
2.Криволинейные уравнения парной регрессии. Нормальная систе-
ма метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез.
Оценка параметров методом максимального правдоподобия.
Тема 2. Модель множественной регрессии. Обобщения множественной регрессии
1.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
2.Статистические свойства МНК-оценок. Анализ вариации зависи-
мой переменной в регрессии.
3.Проверка статистических гипотез (t-критерий и F-критерий).
4.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
5.Стохастические регрессоры. Обобщенный метод наименьших
квадратов.
Тема 3. Обобщения множественной регрессии
1.Стохастические регрессоры.
2.Обобщенный метод наименьших квадратов.
3.Гетероскедастичность. Корреляция по времени, авторегрессия.
17
Тема 4. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различными методами.
Специальность: Управление персоналом (080505) 6 лет
Тема 2. Модель парной регрессии
1.Построение линейного уравнения парной регрессии. Метод наи-
меньших квадратов оценки для параметров линейного уравнения парной регрессии.
2.Криволинейные уравнения парной регрессии. Нормальная систе-
ма метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез.
Оценка параметров методом максимального правдоподобия.
Тема 3. Модель множественной регрессии
1.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
2.Статистические свойства МНК-оценок. Анализ вариации зависи-
мой переменной в регрессии.
3.Проверка статистических гипотез (t-критерий и F-критерий).
4.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
Тема 5. Обобщения множественной регрессии
1.Стохастические регрессоры.
2.Обобщенный метод наименьших квадратов.
3.Гетероскедастичность. Корреляция по времени, авторегрессия.
Тема 6. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различ-
ными методами.
18
Направление: Менеджмент (080500) 5 лет
Тема 2. Модель парной регрессии
1.Построение линейного уравнения парной регрессии. Метод наименьших квадратов оценки для параметров линейного уравнения парной регрессии.
2.Криволинейные уравнения парной регрессии. Нормальная систе-
ма метода наименьших квадратов оценки параметров.
3.Оценка дисперсии ошибок. Критерий Стьюдента для проверки ги-
потез.
4.Коэффициент детерминации. F-статистика для проверки гипотез.
Оценка параметров методом максимального правдоподобия.
Тема 3. Модель множественной регрессии.
1.Классическая линейная модель множественной регрессии. Оцен-
ка параметров КЛММР методом наименьших квадратов.
2.Статистические свойства МНК-оценок.
3.Проверка статистических гипотез (t-критерий и F-критерий).
4.Нелинейные модели множественной регрессии. Оценка парамет-
ров методом наименьших квадратов.
Тема 5. Обобщения множественной регрессии
1.Стохастические регрессоры.
2.Обобщенный метод наименьших квадратов.
3.Гетероскедастичность. Корреляция по времени, авторегрессия.
Тема 6. Временные ряды в эконометрических исследованиях
1.Показатели изменения уровней временного ряда.
2.Виды трендовых моделей временных рядов.
3.Оценка параметров трендовых моделей временных рядов различ-
ными методами.
6.Учебно-методическое обеспечение дисциплины
6.1.Литература
Основная
1. Кремер, Н.Ш. Эконометрика / Н. Ш. Кремер, Б. А. Путко ; Под ред. Кремера Н.Ш. -
М. : ЮНИТИ, 2010. - 328с.
2. Кремер, Н.Ш. Эконометрика / Н. Ш. Кремер, Б. А. Путко ; Под ред. Кремера Н.Ш. - М. : ЮНИТИ, 2003. - 311с.
6.2. Материально-техническое и информационное обеспечение
1. Компьютерное и мультимедийное оборудование.
2.Microsoft Excel.
3.Калькуляторы.
6.3. Методические указания студентам
Студент должен воспринимать эконометрику как дисциплину, тесно связанную с другими дисциплинами, такими, как теория вероятностей, математическая статистика, линейная алгебра, экономика, учитывая ее прикладной характер. Поэтому правильное восприятие эконометрики основывается на этих дисциплинах, что в свою очередь требует сначала повторения, а затем применения соответствующих знаний из перечисленных дисциплин. Кроме того, построение эконометрических моделей, анализ, проверка тестами требует от студента хороших знаний соответствующих математических методов и алгоритмов. Студент должен составить собственное представление об эконометрике и ее составных частях. Для быстрого решения эконометрических задач желательно хорошо владеть программируемым калькулятором или Microsoft Excel. Большое
значение имеет экономическая интерпретация полученных результатов.
6.4. Методические рекомендации преподавателю
В силу специфичности дисциплины «Эконометрика» преподавателю следует прежде всего обращать свое внимание на такое изложение теоретического и практического материала, которое бы обеспечивало межпредметные связи между такими дисциплинами, как математика,
экономика, статистика.
При чтении лекций рекомендуется выделять новые понятия, теоремы, термины, модели, алгоритмы, характерные для эконометрики с точ-
20
ки зрения теории экономики. Правильно обосновывать необходимость
соответствия между эмпирическими экономическими процессами, явлениями и теоретическими эконометрическими моделями в виде различ-
ных оценок, получаемых на основе нужных для этого тестов.
На практических занятиях и при формировании контрольных заданий рекомендуется подбирать такие математические методы, которые бы давали возможность быстро достигнуть результата задачи. В частности, при решении систем линейных уравнений наряду с методами Гаусса и Крамера применять метод алгебраического сложения. При других вычислительных операциях использовать калькуляторы или соответствующие компьютерные пакеты. Уделять внимание экономической или содержательной интерпретации полученных результатов, комментируя их
правильность, достоверность, практичность.