Перечень видов практических занятий и контроля

- вопросы для самопроверки;

- тесты (по разделам дисциплины, тренировочные, общие);

- одна контрольная работа (для очно-заочной и заочной форм обучения);

- практические занятия – 16 часов для очной формы обучения,

– 8 часов для очно-заочной формы обучения;

– 4 часа для заочной формы обучения;

- экзамен.

2. Рабочие учебные материалы

2.1. Рабочая программа

(Объем дисциплины 100 часов)

Введение (2 часа)

[1], с. 9-49

Предмет и задачи дисциплины.

Предварительные сведения из теории вероятностей и математической статистики: условные распределения, функция регрессии. Коэффициент корреляции и его свойства. Выборочные ковариация и коэффициент корреляции.

Раздел 1. Парная линейная регрессия (18 часов)

[1], c. 50-81

Функциональная, статистическая и корреляционная зависимости. Результирующий признак и объясняющий фактор, детерминированная составляющая, случайная составляющая. Сумма квадратов остатков, метод наименьших квадратов, линия регрессии, коэффициенты регрессии. Теорема Гаусса-Маркова, экономическая интерпретация коэффициентов регрессии. Коэффициент детерминации R ² и его свойства, связь коэффициента детерминации и коэффициента корреляции в парной регрессии. Статистические свойства МНК-оценок параметров парной регрессии. Стандартные ошибки коэффициентов регрессии. Проверка гипотезы о наличии зависимости между объясняющим фактором и результирующим признаком по t- статистике, построение интервала для коэффициента регрессии b ₁. Построение доверительного интервала прогнозов в парной регрессии.

Раздел 2. Множественная регрессия (30 часов)

[1], с. 82-107, c. 115-128

Основные предположения классической линейной модели множественной регрессии. Метод наименьших квадратов, матричная форма записи коэффициентов множественной регрессии. Экономическая интерпретация частных коэффициентов множественной регрессии. Свойства оценок МНК. Теорема Гаусса-Маркова. Множественный коэффициент детерминации, скорректированный коэффициент детерминации. Проверка гипотезы о значимости коэффициентов множественной регрессии по t- статистике. Доверительные интервалы параметров множественной регрессии. Проверка значимости уравнения регрессии в целом по F -статистике.

Линейные регрессионные модели с переменной структурой. Фиктивные переменные.

Регрессии нелинейные по объясняющим переменным и нелинейные по параметрам. Индексы множественной корреляции и детерминации. Средняя ошибка аппроксимации. Коэффициент эластичности. Средний коэффициент эластичности. Степенная регрессия и сведение ее к линейной. Производственная функция Кобба-Дугласа. Кривая Филипса: уровень безработицы и темп роста заработной платы.

Раздел 3. Нарушения предпосылок классической регрессионной модели (20 часов)

[1], с. 108-115, с. 128-132, с. 150-178

Гетероскедастичность случайного возмущения. Причины и последствия гетероскедастичности. Тест Голдфельда-Квандта, тест ранговой корреляции Спирмена. Автокорреляция случайного возмущения. Авторегрессия первого порядка. Статистика Дарбина-Уотсона. Обобщенный метод наименьших квадратов.

Мультиколлинеарность случайного возмущения. Причины и последствия мультиколлинеарности. Матрица парных корреляций. Частные коэффициенты корреляции. Множественные коэффициенты корреляции и детерминации. Пошаговая регрессия.

Раздел 4. Временные ряды (16 часов)

[1], c. 133-150, c. 178-190

Основные компоненты временного ряда. Аддитивная и мультипликативная модели. Стационарные временные ряды и их характеристики. Выборочная автокорреляционная функция, выявление структуры временного ряда. Сглаживание временного ряда. Представление тренда в аналитическом виде. Прогнозирование временных рядов.

Динамические эконометрические модели. Оценивание моделей с распределенными лагами. Модели авторегрессии, интерпретация параметров. Метод инструментальных переменных.

Раздел 5. Системы одновременных уравнений (12 часов)

[1], c. 224-242

Структурная и приведенная форма модели. Проблема идентификации. Необходимое и достаточное условие идентификации модели. Модель Кейнса функции потребления. Косвенный метод наименьших квадратов. Двухшаговый и трехшаговый методы наименьших квадратов.

Заключение (2 часа)

Эконометрические модели и методы представляют собой мощный инструментарий для принятия практических решений, получения новых знаний и прогнозирования в экономике в условиях стремительного развития социально-экономических процессов.

2.2. Тематический план дисциплины

Тематический план дисциплины для студентов очной формы обучения

№ п/п	Наименование раздела (отдельной темы)	Кол-во часов по дневной форме обучения	Виды занятий и контроля
лекции	ПЗ (С)	ЛР	Самостоятель­ная работа	Тесты	Контрольные работы
аудит.	ДОТ	аудит.	ДОТ	аудит.	ДОТ
	ВСЕГО
	Введение
1.	Раздел 1. Парная линейная регрессия			1,5		0,5
1.1	Классическая линейная модель парной регрессии			0,5
1.2	Оценка качества модели			0,5
1.3	Прогноз по модели парной регрессии			0,5
2.	Раздел 2. Множественная регрессия			2,5		2,5
2.1.	Линейная модель множественной регрессии
2.2	Оценка качества модели
2.3	Модели регрессии с переменной структурой
2.4	Нелинейные модели регрессии			0,5		0,5
	Раздел 3. Нарушения предпосылок классической регрессионной модели
3.1	Гетероскедастичность случайного возмущения			0,5
3.2	Автокорреляция случайного возмущения			0,5
3.3	Обобщенный метод наименьших квадратов			0,5
3.4	Мультиколлинеарность			0,5
	Раздел 4. Временные ряды
4.1	Основные элементы и структура временного ряда			0,5
4.2	Стационарные временные ряды и их характеристики			0,5
4.3	Моделирование тенденции временного ряда
4.4	Динамические эконометрические модели
	Раздел 5. Системы одновременных уравнений
5.1	Основные понятия			0,5
5.2	Косвенный МНК			0,5
5.3	Двухшаговый и трехшаговый МНК
	Заключение

Тематический план дисциплины