double arrow

Требования к уровню освоения дисциплины. В результате изучения дисциплины специалист должен:

В результате изучения дисциплины специалист должен:

знать методы количественной оценки социально-экономических процессов, основные принципы статистического моделирования, методы сбора и анализа статистической информации, необходимой для разработки экономических моделей, модели, применяемые при анализе, расчете и прогнозировании социально-экономических явлений, содержательные интерпретации формальных результатов,

применять полученные теоретические знания в решении социально-экономических задач от стадии постановки задачи до реализации решения в прикладных программах и правильной интерпретации полученных результатов,

осуществлять постановку задач при разработке статистических моделей, отражающих в динамике структуру, взаимосвязь социально-экономических явлений и процессов, прогноз на основе расчета модели, оценку качества полученных результатов, их точность и надежность.

Объем дисциплины

Объем дисциплины и виды учебной работы

Форма обучения – заочная, 5 лет

Вид учебной работы Всего по учебному плану
Аудиторные занятия  
- лекции  
- практические занятия  
Самостоятельная работа  
Всего часов на дисциплину  
Вид промежуточного контроля Контрольная работа, экзамен

Распределение часов по темам и видам учебной работы

Темы Количество часов  
Всего Самост. работа Ауд. занятия В том числе  
лекции практ. занятия  
 
1.Введение в эконометрику            
2. Модель парной регрессии            
3. Модель множественной регрессии            
4. Различные аспекты множественной регрессии            
5. Обобщения множественной регрессии            
6. Временные ряды в эконометрических исследованиях            
ВСЕГО            

Содержание дисциплины

Содержание лекционных занятий

Тема 1. Введение в эконометрику

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.

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 переменной в регрессии. Коэффициент детерминации. F-статистика для проверки гипотез. Оценка параметров методом максимального правдоподобия.


Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



Сейчас читают про: