Document 871991

Содержание
1. Пояснительная записка
1.1. Цели и задачи освоения дисциплины
1.2. Обязательный минимум содержания дисциплины
1.3. Место дисциплины в структуре ООП ВПО
2. Компетенции обучающегося, формируемые в результате
освоения дисциплины
3. Структура и содержание дисциплины
3.1.Тематический план дисциплины
3.2.Содержание дисциплины
3.3.Темы практических занятий
4. Образовательные технологии
5. Оценочные средства для текущего контроля успеваемости,
промежуточной
аттестации по итогам освоения дисциплины
и учебно-методическоеобеспечение самостоятельной работы
студентов
5.1. Примерные темы рефератов и научно-исследовательской работы
5.2. Вопросы к зачету
5.3. Варианты тестовых заданий
6. Учебно-методическое и информационное обеспечение
дисциплины
7. Материально-техническое обеспечение дисциплины
4
4
5
5
6
7
7
9
11
13
14
15
17
23
24
2
1. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
1.1.Цели и задачи освоения дисциплины «Эконометрика»
Целью курса «Эконометрика» является усвоение студентами эконометрических методов
и выработка навыков их применения в анализе социально-экономических явлений и
процессов.
Задачи дисциплины:
Студенты при изучении данной дисциплины должны уметь использовать методы
эконометрики для прикладных целей. В частности, студенты должны уметь строить
линейные модели множественной регрессии, проверять свойства оценок
МНК;
анализировать показатели качества регрессии; работать с линейными регрессионными
моделями с гетероскедастичностью и автокорреляцией; использовать обобщенный метод
наименьших квадратов (омнк); строить регрессионные модели с переменной структурой
(фиктивные переменные); строить нелинейные модели регрессии; использовать модели
стационарных и нестационарных временных рядов, идентифицировать их; строить
системы линейных одновременных уравнений; владеть косвенным, двухшаговым и
трехшаговым методом наименьших квадратов.
Студенты
после
изучения
дисциплины
должны
знать
методы
моделирования
экономических процессов и систем на макро и микро уровнях, уметь и иметь опыт
интерпретации и проверки построенных эконометрических моделей, использовать
современные пакеты программ статистического анализа и иметь опыт использования
статистических сборников и сети Internet для сбора экономической информации.
1.2.Обязательный минимум содержания дисциплины «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.
В результате освоения дисциплины
Студент должен знать
3
особенности построения регрессионных моделей с одним уравнением, моделей
временных рядов, систем одновременных уравнений, подходы к моделированию
различных типов данных: временных рядов и пространственных данных.
Студент должен уметь
определять конечные цели моделирования и набор участвующих в модели
факторов, выбирать общий вид модели (состав и форму входящих в нее связей),
собирать необходимую статистическую информацию, проводить статистический
анализ модели (статистическое оценивание неизвестных параметров модели),
сопоставлять реальные и модельные данные, проверяя адекватность модели и
точность модельных данных.
Студент должен иметь представление
о возможности применения эконометрических методов в исследовании
социально-экономических явлений.
Приобрести практические навыки: изучения учебно-методической, научной и
информационно
литературы
по
эконометрике;
анализа
конкретных
ситуаций,
складывающихся в мировой и национальной экономике; построения эконометрических
моделей и их анализ.
1.3. Место дисциплины в структуре ООП ВПО
Дисциплина «Эконометрика» относится к дисциплинам математического и
естественнонаучного цикла ООП ВПО (Б2.В.ДВ.2) (дисциплины по выбору).
Дисциплина базируется на следующих курсах – Математический анализ, Линейная
алгебра, Теория вероятностей и математическая статистика, Теория статистики,
Социально-экономическая статистика, Экономическая теория, Информатика. В свою
очередь, курс “Эконометрика” обеспечивает необходимую подготовку студентов для
курсового и дипломного проектирования и изучения дисциплин профессионального
цикла.
2. КОМПЕТЕНЦИИ
ОБУЧАЮЩЕГОСЯ,
ФОРМИРУЕМЫЕ
РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ «ЭКОНОМЕТРИКА»
2.1.
Выпускник
должен
обладать
общекультурными компетенциями (ОК):
следующими
В
компетенциями:
4
- владением культурой мышления, способностью к обобщению, анализу, восприятию
информации, постановке цели и выбору путей ее достижения (ОК-1).
профессиональными компетенциями (ПК):
- способностью применять основные законы социальных, гуманитарных, экономических
и естественнонаучных наук в профессиональной деятельности, а также методы
математического анализа и моделирования, теоретического и экспериментального
исследования; владением математическим аппаратом при решении профессиональных
проблем (ПК-1);
- способностью осуществлять сбор, хранение, обработку и оценку информации,
необходимой для организации и управления профессиональной деятельностью
(коммерческой, или маркетинговой, или рекламной, или логистической, или
товароведной) (ПК-11).
2.2.Знания, умения и навыки, получаемые в процессе изучения дисциплины
В результате освоения дисциплины
Студент должен знать:
особенности построения регрессионных моделей с одним уравнением, моделей
временных рядов, систем одновременных уравнений, подходы к моделированию
различных типов данных: временных рядов и пространственных данных.
Студент должен уметь:
определять конечные цели моделирования и набор участвующих в модели факторов,
выбирать общий вид модели (состав и форму входящих в нее связей), собирать
необходимую статистическую информацию, проводить статистический анализ модели
(статистическое оценивание неизвестных параметров модели), сопоставлять реальные и
модельные данные, проверяя адекватность модели и точность модельных данных.
Студент должен иметь представление:
о возможности применения эконометрических методов в исследовании социальноэкономических явлений.
Студент должен приобрести практические навыки:
изучения учебно-методической, научной и информационно литературы по эконометрике;
анализа конкретных ситуаций, складывающихся в мировой и национальной экономике;
построения эконометрических моделей и их анализ.
3. СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ «ЭКОНОМЕТРИКА»
Общая трудоемкость дисциплины «Эконометрика» составляет 3 зачетные единицы
или 108 часа.
Основной единицей трудоемкости является з.е. «кредит», равный 36 часам
учебного времени во всех его формах за один семестр обучения.
Очная форма Заочная форма
4 года
5 лет
5
Общий объем час по ФГОС
Всего аудиторных занятий, час, в том числе:
- лекций,
по семестрам
- практические занятия, семинары
по семестрам
-КСР
Самостоятельная работа, час.
Контрольные работы по семестрам
Курсовые работы по семестрам
Зачеты, по семестрам
Экзамены, по семестрам
108
54
10
108
10
2
44
8
48
6с(6)
-
92
6с(6)
-
3.1. Тематический план дисциплины «Эконометрика»
№№
п/п
1.
2.
3.
4.
5.
6.
ТЕМЫ КУРСА
Цели и задачи эконометрического
моделирования
Лек.
Час.
Очная форма обучения 4 года
Заочная форма обучения 5 лет
Парная регрессия и корреляция.
Очная форма обучения 4 года
Заочная форма обучения 5 лет
Множественная регрессия и корреляция
Очная форма обучения 4 года
Заочная форма обучения 5 лет
Спецификация переменных в уравнениях
регрессии
Очная форма обучения 4 года
Заочная форма обучения 5 лет
Временные ряды в эконометрических
исследованиях
Очная форма обучения 4 года
Заочная форма обучения 5 лет
Системы эконометрических уравнений.
Очная форма обучения 4 года
Заочная форма обучения 5 лет
ИТОГО:
Очная форма обучения 4 года
Заочная форма обучения 5 лет
Сем.
Час.
СРС
Час.
Всего
Час.
1
0,5
-
4
4
6
5
3
0,5
8
2
10
18
26
24
2
1
10
2
10
18
30
30
-
6
-
8
18
22
20
2
-
12
4
8
18
32
35
2
-
8
-
8
16
28
30
48+6=
54
92+6=
98
102+6
=108
102+6
=108
10
44
2
8
3.2. Содержание дисциплины «Эконометрика»
1.Цели и задачи эконометрического моделирования
6
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.
2.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.
3.Множественная регрессия и корреляция
Понятие о множественной регрессии. Классическая линейная модель множественной
регрессии (КЛММР). Определение параметров уравнения множественной регрессии
методом наименьших квадратов.
Стандартизованные коэффициенты регрессии, их интерпретация. Парные и частные
коэффициенты корреляции. Множественный коэффициент корреляции и множественный
коэффициент детерминации.
Оценка надежности показателей корреляции.
Оценка качества модели множественной регрессии: F – критерий Фишера, t - критерий
Стьюдента.
Мультиколлинеарность: причины и последствия. Методы обнаружения
мультиколлинеарности. Методы устранения мультиколлинеарности.
4.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.
5.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.
7
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
6.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.
4. ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ
При реализации программы дисциплины «Эконометрика» используются различные
образовательные технологии, которые 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.).
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.
Применение электронных мультимедийных учебников и учебных пособий
Применение справки MS Excel, Eviews, а также электронных ресурсов
разработчика
Eviews: www.eviews.com.
8
2.Ориентация содержания на лучшие отечественные аналоги образовательных
программ.
Содержание
дисциплины
ориентируется
на
образовательную
программу
Московского государственного университета экономики, статистики и информатики
«МЭСИ».
Применение предпринимательских идей в содержании курса
Студенты предлагают идеи использования эконометрических методов для решения
предпринимательских задач, востребованных практикой
3.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?).
4.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.
5.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.
6.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
9
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.
5.
ОЦЕНОЧНЫЕ
СРЕДСТВА
ДЛЯ
ТЕКУЩЕГО
КОНТРОЛЯ
УСПЕВАЕМОСТИ, ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ПО ИТОГАМ
ОСВОЕНИЯ ДИСЦИПЛИНЫ И УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
САМОСТОЯТЕЛЬНОЙ РАБОТЫ СТУДЕНТОВ
В течение преподавания курса «Эконометрика» в качестве форм текущей
аттестации студентов используются такие формы, как промежуточное и итоговое
тестирование, заслушивание и оценка доклада по теме реферата, собеседование при
приеме результатов практических работ с оценкой. По итогам обучения проводиться
зачет.
Оценка осуществляется по всем элементам фонда оценочных знаний по
традиционной (пятибалльной) системе или по рейтинговой, переводя показатели
различных форм контроля в баллы.
Диапазон баллов для оценивания аудиторной и самостоятельной работы студентов
по результатам текущего и промежуточного контроля знаний:
№
п/п
Способ контроля аудиторной и самостоятельной работы
студентов
Посещаемость
Активность на лекционном, семинарском занятии
Доклад на семинаре
Письменный реферат
Тестирование
Блиц-опрос по определениям
Ответ на теоретический вопрос
Количество
баллов
0-1
0-3
0-3
0-5
0-10
0-1
0-2
Полученное число баллов пропорционально переводится в семестровую
пятибалльную оценку:
60-69 баллов – удовлетворительно;
70-84 баллов – хорошо;
Свыше 85 – отлично.
Итоговый рейтинг студента после завершения изучения дисциплины определяется
суммой набранных баллов.
Перевод рейтинговых баллов в традиционные оценки (по2-х балльной системе)
проводится по следующей шкале:
41 и более баллов – «зачтено»;
менее 40 баллов – «не зачтено».
5.1 Темы практических занятий
1.Парная регрессия и корреляция.
Оценка степени тесноты связи между количественными переменными. Расчет
коэффициента ковариации. Расчет показателей корреляции: линейного коэффициента
корреляции, индекса корреляции, теоретического корреляционного отношения.
10
Практическая значимость, смысл и назначение уравнения регрессии. Важность верного
выбора типа математической функции при построении уравнения регрессии.
Парная регрессия. Применение метода наименьших квадратов для определения
параметров уравнения парной регрессии.
Интерпретация полученных результатов: параметров уравнения регрессии, стандартных
ошибок, значений t - статистики и F – статистики, коэффициента детерминации. 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.
Литература: [1]-[13].
2.Множественная регрессия и корреляция.
Область применения множественной регрессии. Особенности классической линейной
модели множественной регрессии (КЛММР). МНК при определении параметров
уравнения множественной регрессии.
Расчет и интерпретация стандартизованных коэффициентов регрессии. Парные и частные
коэффициенты корреляции. Множественный коэффициент корреляции и множественный
коэффициент детерминации. Оценка надежности показателей корреляции.
Процедура оценки качества модели множественной регрессии: F – критерий Фишера, t критерий Стьюдента.
Проблема мультиколлинеарности. Практическая реализация методов устранения
мультиколлинеарности.
Литература: [1]-[13].
3.Спецификация переменных в уравнениях регрессии.
Различия статистического и эконометрического подхода к моделированию.
Спецификация переменных в уравнениях регрессии. Ошибки спецификации.
Специфика обобщенной линейной модели множественной регрессии и обобщенного
метода наименьших квадратов.
Методика выявления гетероскедастичности. Методика выявления автокорреляции.
Анализ линейной модели множественной регрессии при гетероскедастичности и
автокорреляции
Область и особенности применения фиктивных переменных. Множественные
совокупности фиктивных переменных. Фиктивные переменные для коэффициентов
наклона. Тест Чоу.
Практическое моделирование: влияния отсутствия переменной, которая должна быть
включена; влияния включения в модель переменной, которая не должна быть включена.
Применение замещающих переменных.
Литература: [1]-[13].
4.Временные ряды в эконометрических исследованиях.
Особенности временных рядов как источника данных в эконометрическом
моделировании.
11
Применение и специфика аналитического выравнивания временных рядов. Расчет
параметров уравнения тренда.
Измерение и интерпретация автокорреляции в остатках. Оценка качества трендового
уравнения регрессии посредством критерия Дарбина-Уотсона.
Литература: [1]-[13].
5.Применение фиктивных переменных в регрессионных моделях.
Необходимость и особенности применения фиктивных переменных в моделях регрессии.
Расчет уравнения регрессии с фиктивными переменными. Интерпретация полученных
результатов. Тест Чоу.
Литература: [1]-[13].
6.Временные ряды в эконометрических исследованиях.
Алгоритм и особенности расчетов аддитивной и мультипликативной моделей при
наличии периодических колебаний во временных рядах.
Методы устранения автокорреляции рядов динамики.
Применение метода последовательных разностей. Расчет и интерпретация параметров
уравнения регрессии, построенного по первым и вторым разностям.
Специфика метода отклонения уровней ряда от основной тенденции и метода включения
фактора времени.Применение и специфика аналитического выравнивания временных
рядов. Расчет параметров уравнения тренда.
Измерение и интерпретация автокорреляции в остатках. Оценка качества трендового
уравнения регрессии посредством критерия Дарбина-Уотсона.
Расчет аддитивной и мультипликативной моделей при наличии периодических колебаний
во временных рядах.
Методика устранения автокорреляции рядов динамики.
Применение метода последовательных разностей. Расчет и интерпретация параметров
уравнения регрессии, построенного по первым и вторым разностям.
Специфика метода отклонения уровней ряда от основной тенденции и метода включения
фактора времени.
Литература: [1]-[13].
7.Системы эконометрических уравнений.
Виды и особенности систем эконометрических уравнений (независимые системы,
рекурсивные системы, системы одновременных (совместных) уравнений).
Особенности структурной и приведенной формы эконометрической модели.
Проблемы идентификации.
Общая схема алгоритма и расчет косвенного и двухшагового методов наименьших
квадратов.
Практическое применение эконометрических моделей (модель Кейнса (статистическая и
динамическая формы), модель Клейна).
Общая схема алгоритма и расчет косвенного и двухшагового методов наименьших
квадратов.
Определение эндогенных, экзогенных, лаговых и предопределенных переменных в
предложенной модели.
Применение необходимого и достаточного условия идентифицируемости, определение
12
того, идентифицируемо ли каждое уравнение модели. Вывод об идентифицируемости
системы уравнений в целом.
Практическое применение эконометрических моделей (модель Кейнса (статистическая и
динамическая формы), модель Клейна).
Литература: [1]-[13].
5.2 Примерные темы рефератов и направления научно-сследовательской работы
студентов.
1. Одномерное нормальное распределение и связанные с ним хи-квадрат
распределение, распределения Стьюдента и Снедекора-Фишера, их основные
свойства.
2. Статистическое оценивание. Точечные оценки. Линейность, несмещенность,
эффективность и состоятельность оценок. Принцип максимального правдоподобия.
3. Статистические выводы и проверка статистических гипотез. Ошибки 1-го и 2-го
рода. Уровень доверия и проверка значимости. Интервальные оценки,
доверительный интервал. Критерии Неймана-Пирсона, Найквиста-Михайлова,
Колмогорова-Смирнова.
4. Разложение суммы квадратов отклонений. Дисперсионный анализ. Степень
соответветствия линии регрессии имеющимся данным. Коэффициент
детерминации и его свойства.
5. Классическая линейная регрессия для случая одной объясняющей переменной.
Статистические характеристики (математическое ожидание, дисперсия и
ковариация) оценок параметров. Теорема Гаусса-Маркова.
6. Предположение о нормальном распределении случайной ошибки в рамках
классической линейной регрессии и его следствия. Доверительные интервалы
оценок параметров и проверка гипотез о их значимости. Проверка адекватности
регрессии. Прогнозирование по регрессионной модели и его точность.
7. Методология эконометрического исследования на примере линейной регрессии для
случая одной объясняющей переменной. Особенности представления результатов
регрессионного анализа в одном из основных программных пакетов (например в
Excel).
8. Особенности регрессии, проходящей через начало координат (без свободного
члена). Влияние изменения масштаба измерения переменных на ккоэффициенты
регрессии.
9. Принцип максимального правдоподобия. Сравнение оценок МНК и метода
максимального правдоподобия при нормальном распределении ошибок в
классической линейной регрессии.
10. Множественная линейная регрессия. Матричная запись эконометрической модели
и оценок МНК. Коэффициент множественной детерминации, скорректированный
на число степеней свободы.
11. Многомерное нормальное рапре деление и его плотность распределения.
Математическое ожидание и ковариационная матрица линейного преобразования
многомерного нормально распределенного вектора. Распределение некоторых
квадратичных форм от многомерного нормально распределенного вектора.
12. Проверка значимости коэффициентов и адекватности модели в множественной
линейной регрессии. Построение доверительных интервале и областей для
коэффициентов регрессии. Прогнозирование в множественной линейной
регрессии, вероятностные характеристики прогноза. •
13. Функциональные преобразования переменных в линейной регрессионной модели.
Лог-линейная регрессия, как модель с постоянной эластичностью. Модель с
13
постоянными темпами роста (полу-логарифмическая модель). Функциональные
преобразования при построении кривых Филлипса и Энгеля. Полиномиальная
регрессия.
14. Фиктивные (dummy) переменные в множественной линейной регрессии. Проверка
структурных изменений и сравнение двух регрессий с помощью фиктивных
переменных. Анализ сезонности. Динамизация коэффициентов линейной
регрессии.
15. Проверка общей линейной гипотезы о коэффициентах множественной линейной
регрессии. Регрессия с ограничениями на параметры.
16. Понятие об автокорреляции остатков. Экономические причины автокорреляции
остатков. Тест серий. Статистика Дарбина-Уотсона. Обобщенный метод
наименьших квадратов для оценки регрессии при наличии автокорреляции.
Процедура Кокрена-Оркутта. Двух-шаговая процедура Дарбина.
17. Регрессионные динамические модели. Авторегрессия и модель с распределенными
лагами. Схема Койека. Адаптивные ожидания.
18. Гетероскедастичность и- экономические причины ее наличия. Последствия
тетероскедастичности
для
оценок
МНК.
Признаки
присутствия
гетероскедастачности. Тесты Бройша-Пагана, Голфелда-Квандта, Парка, Глейзера,
ранговая корреляция по Спирмену.
19. Взвешенный метод наименьших квадратов. Выбор "наилучшей" модели. Ошибка
спецификации модели. Пропущешые и излишние переменные.
20. Мультиколлинеарность данные и последствия этого для оценок параметров
регрессионной модели. Идеальная и практическая мультиколлинеарность
(квазимультиколлинеарность). Показатели степени мультиколлинеарности.
Вспомогательные регрессии. Методы-борьбы с мультиколлинеарностью.
5.3. Перечень вопросов к зачету по курсу «Эконометрика»
1. Определение эконометрики.
2. Эконометрика и экономическая теория. Эконометрика и статистика. Эконометрика и
экономико-математические методы.
3. Области применения эконометрических моделей.
4. Методологические
вопросы
построения
эконометрических
моделей:
обзор
используемых методов.
5. Понятие о функциональной, статистической и корреляционной связях. Основные
задачи прикладного корреляционно-регрессионного анализа.
6. Уравнение регрессии, его смысл и назначение. Выбор типа математической функции
при построении уравнения регрессии.
7. Парная регрессия. Метод наименьших квадратов и условия его применения для
определения параметров уравнения парной регрессии.
8. Нелинейные модели регрессии и их линеаризация.
9. Оценка степени тесноты связи между количественными переменными. Коэффициент
ковариации. Показатели корреляции: линейный коэффициент корреляции, индекс
корреляции, теоретическое корреляционное отношение. Коэффициент детерминации.
14
10. Стандартная ошибка уравнения регрессии.
11. Оценка статистической значимости показателей корреляции, параметров уравнения
регрессии, уравнения регрессии в целом: t - критерий Стьюдента, F - критерий
Фишера.
12. Понятие о множественной регрессии. Классическая линейная модель множественной
регрессии (КЛММР). Определение параметров уравнения множественной регрессии
методом наименьших квадратов.
13. Стандартизованные коэффициенты регрессии, их интерпретация.
14. Парные и частные коэффициенты корреляции.
15. Множественный
коэффициент
корреляции
и
множественный
коэффициент
детерминации. Оценка надежности показателей корреляции.
16. Оценка качества модели множественной регрессии: F – критерий Фишера, t - критерий
Стьюдента.
17. Мультиколлинеарность. Методы устранения мультиколлинеарности.
18. Эконометрические модели: общая характеристика, различия статистического и
эконометрического подхода к моделированию.
19. Спецификация переменных в уравнениях регрессии. Ошибки спецификации.
20. Обобщенная линейная модель множественной регрессии. Обобщенный метод
наименьших квадратов.
21. Проблема гетероскедастичности. Автокорреляция.
22. Анализ линейной модели множественной регрессии при гетероскедастичности и
автокорреляции.
23. Фиктивные переменные: общий случай. Множественные совокупности фиктивных
переменных. Фиктивные переменные для коэффициентов наклона. Тест Чоу.
24. Моделирование: влияние отсутствия переменной, которая должна быть включена;
влияние включения в модель переменной, которая не должна быть включена.
Замещающие переменные.
25. Специфика
временных
рядов
как
источника
данных
в
эконометрическом
моделировании.
26. Аналитическое выравнивание временных рядов. Оценка параметров уравнения тренда.
27. Автокорреляция в остатках, ее измерение и интерпретация.
28. Критерий Дарбина-Уотсона в оценке качества трендового уравнения регрессии.
29. Анализ временных рядов при наличии периодических колебаний: аддитивная и
мультипликативная модели.
30. Особенности изучения взаимосвязанных временных рядов.
15
31. Автокорреляция рядов динамики и методы ее устранения.
32. Метод последовательных разностей. Интерпретация параметров уравнения регрессии,
построенного по первым и вторым разностям.
33. Метод отклонения уровней ряда от основной тенденции.
34. Метод включения фактора времени.
35. Виды систем эконометрических уравнений. Независимые системы. Рекурсивные
системы. Системы одновременных (совместных) уравнений.
36. Структурная и приведенная формы эконометрической модели.
37. Проблемы идентификации. Косвенный и двухшаговый метод наименьших квадратов,
общая схема алгоритма расчетов.
38. Применение
эконометрических
моделей.
Модель
Кейнса
(статистическая
и
динамическая формы). Модель Клейна.
5.4. Варианты тестов к зачету по дисциплине «Эконометрика»
1. Термин «эконометрика» был введен в научный оборот:
А) В. Парето;
Б) Р. Фришем;
В) Дж. Кейнсом
Г) Гукером.
2. Все переменные в эконометрических моделях делятся на (выберите несколько
правильных ответов):
А) экзогенные; Б) эндогенные;
В) пространственные; Г) предопределенные.
3. Парная регрессия – это:
А) односторонняя стохастическая зависимость;
Б) функциональная зависимость;
В) двухсторонняя стохастическая зависимость;
Г) детерминированная зависимость.
4. Коэффициент парной регрессии интерпретируется:
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.
5. Стандартная ошибка оценки уравнения регрессии – это:
А) мера вариации относительно среднего X;
16
Б) мера вариации относительно среднего Y;
В) мера вариации относительно линии регрессии.
6. Коэффициент детерминации может быть рассчитан как:
А) R 2 
остаточная сумма квадратов S Е
;

общая сумма квадратов
ST
Б) R 2 
сумма квадратов, объясняемая регрессией S R
;

остаточная сумма квадратов
SЕ
В) R 2 
Г) R 2 
S
остаточная сумма квадратов
 Е ;
сумма квадратов, объясняемая регрессией S R
сумма квадратов, объясняема я регрессией S R
.

общая сумма квадратов
ST
7. Для проверки качества оценивания регрессии необходимо рассчитать:
А) 
2
набл.
( f 0  f E  0,5) 2
;

fE
Б) t n 2 
b
;
Sb
В) Fнабл. 
R2
.
(1  R 2 ) /( n  2)
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) VIF  x h  
1
;
1  Rh2
Б) SRi 
ei
S yx 1  hi
;
В) R yx2 1x2  1  (1  R yx2 1x2 )
n 1
.
n  m 1
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).
11. Эконометрика получила свое развитие на стыке следующих наук (выберите несколько
17
правильных ответов) :
А) экономической теории;
12. По
уровню
иерархии
Б) статистики; В) кибернетики;
экономической
системы,
Г) математики.
анализируемой
при
помощи
эконометрики, выделяют (выберите несколько правильных ответов):
А) мегауровень;
Б) макроуровень;
В) мезоуровень ;
С)микроуровень.
13. Относительно числа явлений (переменных), учитываемых в регрессии различают
(выберите несколько правильных ответов) :
А) простую (парную) регрессию;
Б) сложную регрессию;
В) множественную регрессию;
Г) единственную регрессию.
14. Найденная с помощью Метода Наименьших Квадратов линия регрессии:
А) максимизирует сумму квадратов отклонений ei ;
Б) минимизирует сумму квадратов отклонений ei ;
В) оптимизирует сумму квадратов отклонений ei .
15. Параметр b в модели парной регрессии может быть найден как:
n
n
А) b 
 xi  ~x  y i  ~y 
i 1
n
 xi  ~x 
;
Б) b 
 xi  ~x  y i  ~y 
i 1
i 1
n
 xi  ~x 
n
;
В) b 
 x
i 1
2
i 1
i
~
x  y i  ~
y 
n
2
  y i  ~y 
.
i 1
16. Коэффициент детерминации – это:
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.
17. Для проверка значимости параметра уравнения  используется:
А) хи- квадрат;
Б) F-критерий Фишера;
) t-критерий Стьюдента.
18
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.
19. Гомоскедастичность случайных остатков означает, что:
А) остатки модели ei имеют постоянную дисперсию;
Б) распределение остатков ei является нормальным;
В) остатки ei носят случайный характер
20. Критерий Дарбина - Уотсона используется при выявлении:
А) мультиколлинеарности;
Б) гомоскедастичности;
В) гетероскедастичности;
Г) автокорреляции.
21. Случайная составляющая (ошибка)  обусловлена:
А) стохастическим характером зависимости между X и Y;
Б) функциональным характером зависимости между X и Y;
В) детерминированным характером зависимости между X и Y.
22. При эконометрическом моделировании встречаются следующие типы данных
(выберите несколько правильных ответов) :
А) пространственные данные;
Б) экзогенные данные;
В) временные ряды.
23. Свободный член уравнения регрессии интерпретируется:
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.
24. Параметр a в модели парной регрессии может быть найден как:
А) a  ~
В) a  ~
Г) a  b~
x  b~
y  ; Б) a  b~
x~
y ;
y  b~
x ;
y~
x.
19
25. Сила
корреляционной
связи
между
двумя
переменными
в
генеральной
совокупности измеряется при помощи коэффициента корреляции, который
изменяется в пределах:
А) от 0 до +1;
Б) от –1 до 0;
В) от –1 до +1;
Г) от –1 до +∞.
26. Вывод о значимости параметра уравнения  делается если:
А) t набл.  t крит. ;
В) t набл.  t крит. ;
Б) t набл.  t крит. ;
Г) t набл.  t крит. .
27. Для проверки значимости коэффициента детерминации используется:
А) хи-квадрат;
Б) F-критерий Фишера;
) t-критерий Стьюдента.
28. Для получения прогноза ŷi по уравнению множественной регрессии
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 значения x ji .
29.Скорректированный
коэффициент
детерминации
в
модели
множественной
регрессии находят как:
А) VIF  x h  
1
;
1  Rh2
Б) SRi 
ei
S yx 1  hi
;
В) R yx2 1x2  1  (1  R yx2 1x2 )
n 1
.
n  m 1
30. Автокорреляция – это:
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.
31. Источниками ошибок  являются (выберите несколько правильных ответов) :
А) неучтенные факторы;
Б) недетерминированность индивидуального поведения;
В) ошибки измерения;
20
Г) детерминированный характер зависимости.
32. Наиболее
распространенными
в
эконометрическом
моделировании
являются
следующие классы моделей (выберите несколько правильных ответов) :
А) регрессионные модели с одним уравнением;
Б) модели временных рядов;
В) системы одновременных уравнений;
Г) Logit – модели.
33. Относительно формы регрессии различают (выберите несколько правильных ответов) :
А) линейную регрессию;
Б) нелинейную регрессию;
В) множественную регрессию;
Г) простую регрессию.
34. Метод Наименьших Квадратов используется для :
А) нахождения параметров регрессии;
Б) интерпретации параметров регрессии;
В) определения формы регрессионной зависимости.
35. Стандартная ошибка оценки уравнения регрессии может быть рассчитана как:
n
А) S yx 
2
 хi  хˆi 
i 1
n2
36. Выборочный
n
Б) S yx 
;
коэффициент
2
  yi  yˆ i 
i 1
n2
корреляции
n
;
(R)
В) S yx 
связан
с
 y
i 1
i
~
yi 
2
n2
.
коэффициентом
детерминации( R 2 ) следующим образом:
А) R  R 2  R 2 ;
Б) R 
1
;
R2
В) R  (R 2 ) 2 ;
Г) R  R 2 .
37. Для проверки значимости параметра уравнения  необходимо рассчитать:
2
А)  набл
.  
( f 0  f E  0,5) 2
;
fE
Б) t n 2 
b
;
Sb
В) Fнабл. 
R2
.
(1  R 2 ) /( n  2)
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;
21
В) правильного ответа нет
38. Гетероскедастичность случайных остатков означает, что:
А) остатки модели ei имеют непостоянную дисперсию;
Б) распределение остатков ei является нормальным;
В) остатки ei носят 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).
6. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ
ДИСЦИПЛИНЫ «ЭКОНОМЕТРИКА»
1.
2.
3.
6.1 Специальная литература
Основная:
Эконометрика: Учебник / Под ред проф. В.Б. Учкина. – 2-е изд. – М.:
Издательско-торговая корпорация «Дашков и КО», - 2011. – 564 с. (ЭБС
КнигаФонд)
Артамонов Н.В. Введение в эконометрику. – М.: МЦНМО, 2011. – 204 с. (ЭБС
КнигаФонд)
Буравлев А.И. Эконометрика [электронный ресурс]: учебное пособие / А.И.
Буравлев. – м.: БИНОМ. Лаборатория знаний, 2012. – 164 с. (ЭБС КнигаФонд)
22
4.
5.
6.
7.
8.
Балдин К.В., Быстров О.Ф., Соколов М.М. Эконометрика: учебное пособие для
вузов. – 2-е изд., перераб и доп. - М.: ЮНИТИ-ДАНА, 2012. – 254 с. (ЭБС
КнигаФонд)
Валентинов В.А. Эконометрика: Учебник. – М.: ИТК «Дашков и К», 2006. - 448
с. (Библиотека ЧОУ ВО РИЗП)
Кремер Н.Ш. Эконометрика: учебник для студ.вузов. – 2-е изд. М.: ЮНИТИДАНА, 2008. – 311 (Библиотека ЧОУ ВО РИЗП)
Практикум по эконометрике/ Под ред. И.И. Елисеевой. М.: Финансы и
статистика, 2011.
Кремер Н., Путко Б. Эконометрика. М.: ЮНИТИ-ДАНА, 2012.
7. Материально-техническое обеспечение дисциплины
Для
материально-технического
обеспечения
дисциплины
«Эконометрика»
используются: компьютерный класс, специализированная аудитория с ПК и
компьютерным проектором, библиотека института, ППП Eviews 6.0, MS Excel.
23