2015-03-22
572
ЭКОНОМЕТРИКА
Методические указания
и контрольные задания для студентов-заочников
экономических специальностей
Санкт-Петербург - 2002
Утверждено на заседании кафедры компьютерной математики и программирования в качестве методических указаний для студентов вечернего и заочного отделений факультета экономики и менеджмента.
Составители – доктор физико-математических наук,
профессор Нарбут М.А.,
Соколовская М.В.
ПРЕДИСЛОВИЕ
Курс эконометрики появился в учебных планах по экономическим специальностям совсем недавно. Как видно из названия курса ("эконо-" - экономика, "-метрика" - измерение), он посвящен проблемам измерения экономических величин и процессов. Впрочем, некоторые авторы предпочитают название курса "эконометрия". В системе западного экономического образования курс эконометрики рассматривается как важнейшая составляющая курса экономической теории - наряду с микроэкономикой и макроэкономикой. В России до недавнего времени вопросы, относящиеся к эконометрике, изучались в курсах статистики (экономической статистики), а также в курсе математической статистики. Владение методами математической статистики является совершенно необходимым при изучении эконометрики, и на установочных сессиях мы будем далее часто их напоминать. Для повторения основных понятий теории вероятностей и математической статистики можно обратиться к учебнику В.Е.Гмурмана[2]. Что же касается собственно курса эконометрики, то для более полного его изучения можно в первую очередь рекомендовать учебные пособия [3,4,7].
|
|
|
Вопросы к зачету
1. Дискретные случайные величины. Математическое ожидание и дисперсия дискретной случайной величины. Свойства математического ожидания и дисперсии.
2. Непрерывные случайные величины. Математическое ожидание и дисперсия непрерывной случайной величины. Свойства математического ожидания и дисперсии.
3. Гауссово (нормальное) распределение, его плотность и функция распределения. Правило «трех сигм».
4. Ковариация двух случайных величин и коэффициент корреляции, их свойства.
5. Выборочное среднее и выборочная дисперсия.
6. Свойства статистических оценок - несмещенность, эффективность, состоятельность.
7. Доверительные интервалы для оценки математического ожидания нормального распределения при известной дисперсии.
8. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестной дисперсии.
9. Метод наименьших квадратов в случае линейной зависимости двух величин (модель парной регрессии).
10. Метод наименьших квадратов в случае линейной функции многих переменных (модель множественной регрессии).
|
|
|
11. Ковариационная матрица оценок коэффициентов в случае парной регрессии.
12. Логарифмические преобразования переменных. Коэффициент эластичности.
13. Проверка статистических гипотез. Ошибки первого и второго рода. Уровень значимости и мощность критерия. t-тест.
14. Коэффициент детерминации. F-тест на качество регрессии.
15. Метод максимального правдоподобия. Построение регрессионных моделей при гетероскедастичности ошибок.
16. Временные ряды. Выявление тренда и сезонных составляющих.
17. Корреляционная функция стационарного временного ряда, ее свойства.
18. Линейные стационарные модели. Процессы авторегрессии – скользящего среднего.
19. Спектральный анализ временных рядов.
20. Статистическое моделирование в эконометрических исследованиях. Генераторы случайных чисел, равномерно распределенных в заданном интервале. Моделирование дискретных и непрерывных случайных величин.
Примечание 1. Вопросы 1-8 на установочной сессии не рассматриваются – их следует повторить по учебнику [2] или какому-либо другому пособию по теории вероятностей и математической статистике.
Примечание 2. На практических занятиях студенты должны овладеть навыками работы с электронными таблицами EXCEL и программой STATISTICA.
В EXCEL необходимо уметь находить значения функций распределения вероятностей – гауссового (НОРМРАСП) и Стьюдента (СТЬЮДРАСП), а также определять параметры линейной и экспоненциальной функции одной или многих переменных по методу наименьших квадратов (ЛИНЕЙН, ЛГРФПРИБЛ).
В программе STATISTICA осваиваются модули Basic Statistics & Tables, Multiple Regression, Time Series/Forecast. Если студент не имеет возможности работать на персональном компьютере дома или на работе, такая возможность ему будет предоставлена в Университете.
