Содержание. По дисциплине «эконометрика»

УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС

по дисциплине «Эконометрика»

СОСТАВ КОМПЛЕКСА

1. Раздел «Руководство по изучению дисциплины»

2. Раздел «Учебное пособие»

3. Раздел «Лабораторный практикум»

Ульяновск

СОДЕРЖАНИЕ

СОДЕРЖАНИЕ. 2

ЭКОНОМЕТРИКА (Руководство по изучению дисциплины) 9

1.Цели и задачи учебной дисциплины.. 10

1.1. Цели и задачи изучения дисциплины.. 10

1.2. Краткая характеристика дисциплины, ее место в учебном процессе. 10

1.3. Связь с предшествующими дисциплинами. 11

1.4. Связь с последующими дисциплинами. 11

2. Требования к уровню освоения дисциплины.. 11

3. Распределение учебных занятий по семестрам и тематический план дисциплины.. 12

4. Содержание дисциплины.. 14

4.1. Теоретический курс. 14

4.2. Лабораторные занятия. 16

Вопросы итогового контроля по дисциплине. 17

Библиографический список. 19

Интернет-ресурсы.. 20

ЛЕКЦИИ ПО ЭКОНОМЕТРИКЕ. 22

СОДЕРЖАНИЕ. 23

Введение. 27

1. Предмет и методы эконометрики. 30

1.1. Предмет и методы эконометрики. 30

1.2. Характеристика взаимосвязей. 33

1.3. Основные этапы построения эконометрической модели. 35

1.4. Методы отбора факторов. 36

1.4.1. Эконометрические переменные. 36

1.4.2. Методика отбора факторов для включения в модель. 38

1.4. Выбор вида эконометрической модели. 40

1.6. Оценка параметров моделей. 42

1.7. Примеры эконометрических моделей. 43

Контрольные вопросы.. 44

2. Парный регрессионный анализ. 45

2.1. Понятие парной регрессии. 45

2.2. Построение уравнения регрессии. 46

2.2.1. Постановка задачи. 46

2.2.2. Спецификация модели. 47

2.3. Оценка параметров линейной парной регрессии. 48

2.4. Оценка параметров нелинейных моделей. 50

2.5. Качество оценок МНК линейной регрессии. 51

Теорема Гаусса-Маркова. 51

2.6. Проверка качества уравнения регрессии. F-критерий Фишера. 52

2.7. Коэффициенты корреляции. Оценка тесноты связи. 54

2.8. Точность коэффициентов регрессии. Проверка значимости. 56

2.9. Точечный и интервальный прогноз по уравнению.. 57

линейной регрессии. 57

2.10. Коэффициент эластичности. 58

Контрольные вопросы.. 59

3. Множественный регрессионный анализ. 61

3.1. Понятие множественной регрессии. 61

3.2. Отбор факторов при построении множественной регрессии. 62

3.2.1. Требования к факторам. 62

3.2.2. Мультиколлинеарность. 63

3.3. Выбор формы уравнения регрессии. 65

3.4. Оценка параметров уравнения линейной множественной регрессии ………………………………………66

3.5. Качество оценок МНК линейной множественной регрессии. Теорема Гаусса-Маркова. 69

3.6. Проверка качества уравнения регрессии. F -критерий Фишера. 70

3.7. Точность коэффициентов регрессии. Доверительные интервалы.. 72

3.8. Частные уравнения регрессии. Частная корреляция. 73

3.9. Обобщенный метод наименьших квадратов. 76

Гетероскедастичность. 76

3.9.1. Обобщенный метод наименьших квадратов. 76

3.9.2. Обобщенный метод наименьших квадратов в случае гетероскедастичности остатков. 76

3.10. Проверка остатков регрессии на гетероскедастичность. 79

3.11. Построение регрессионных моделей при наличии автокорреляции остатков. 80

3.12. Регрессионные модели с переменной структурой. Фиктивные переменные. 81

3.12.1. Фиктивные переменные. 81

3.12.2. Тест Чоу. 82

3.11. Проблемы построения регрессионных моделей. 83

Контрольные вопросы.. 84

4. Системы эконометрических уравнений. 85

4.1. Структурная и приведенная формы модели. 85

4.2. Оценка параметров структурной формы модели. 88

4.3. Косвенный метод наименьших квадратов. 89

4.4. Двухшаговый метод наименьших квадратов. 90

4.5. Трехшаговый метод наименьших квадратов. 92

Контрольные вопросы.. 92

5. Моделирование одномерных временных рядов и прогнозирование. 93

5.1. Составляющие временного ряда. 93

5.2. Автокорреляция уровней временного ряда. 94

5.3. Моделирование тенденции временного ряда. 95

5.3.1. Методы определения наличия тенденции. 95

5.3.2. Сглаживание временного ряда по методу скользящей средней. 96

5.3.3. Метод аналитического выравнивания. 97

5.3.4. Выбор вида тенденции. 99

5.3.5. Оценка адекватности и точности модели тенденции. 101

5.4. Моделирование периодических колебаний. 104

5.4.1. Выделение периодической компоненты по методу скользящей средней. 104

5.4.2. Моделирование сезонных колебаний с помощью фиктивных переменных. 105

5.4.3 Моделирование сезонных колебаний с помощью гармонического анализа. 105

5.5. Прогнозирование уровней временного ряда на основе кривых роста. 106

5.5.1. Метод аналитического выравнивания. 106

5.6. Адаптивные модели прогнозирования. 108

5.6.1. Понятие адаптивных методов прогнозирования. 108

5.6.2. Экспоненциальное сглаживание. 109

5.6.3. Использование экспоненциальной средней для краткосрочного прогнозирования. 110

5.6.4. Адаптивные полиномиальные модели. 110

5.7. Исследование взаимосвязи двух временных рядов. 111

5.8. Коинтеграция временных рядов. 113

Контрольные вопросы.. 113

6. Линейные модели стохастических процессов. 115

6.1. Стационарные стохастические процессы.. 115

6.1.1. Основные понятия. 115

6.1.2. Параметрические тесты стационарности. 116

6.1.3. Непараметрические тесты стационарности. 118

6.2. Линейные модели стационарных временных рядов. Процессы ARMA.. 119

6.2.1. Модели авторегрессии (AR) 119

6.2.2. Модели скользящего среднего (MA) 120

6.2.3. Модели авторегрессии-скользящего среднего (ARMA) 120

6.3. Автокорреляционные функции. 121

6.3.1. Автокорреляционная функция. 121

6.3.2. Частная автокорреляционная функция. 122

6.4. Прогнозирование ARMA-процессов. 123

6.4.1. AR-процессы.. 123

6.4.2. MA-процессы.. 124

6.4.3. ARMA-процессы.. 124

6.5. Нестационарные интегрируемые процессы.. 125

6.5.1. Нестационарные стохастические процессы. Нестационарные временные ряды.. 125

6.5.2. Тесты Дики-Фуллера. 125

6.5.3. Модификации теста Дики-Фуллера для случая автокорреляции. 126

6.5.4. Метод разностей и интегрируемость. 126

6.6. Модели ARIMA.. 127

6.6.1. Определение и идентификация модели. 127

6.6.2. Прогнозирование ARIMA-процессов. 127

Контрольные вопросы.. 128

7. Динамические эконометрические модели. 130

7.1. Общая характеристика динамических моделей. 130

7.2. Модели с распределенным лагом. 131

7.2.1. Оценка параметров модели с распределенным лагом методом Койка. 131

7.2.2. Оценка параметров модели с распределенным лагом методом Алмон. 132

7.2.3. Интерпретация параметров. 133

7.3. Модели авторегрессии. 134

7.3.1. Интерпретация параметров. 134

7.3.2. Оценка параметров моделей авторегрессии. 135

7.4. Модель частичной корректировки. 136

7.5. Модель адаптивных ожиданий. 137

Контрольные вопросы.. 138

8. Информационные технологии эконометрических исследований. 139

8.1. Электронные таблицы Excel 140

8.2. Статистический пакет общего назначения STATISTICA.. 141

8.3. Эконометрические программные пакеты. Matrixer 5.1. 142

8.4. Анализ временных рядов в системе ЭВРИСТА.. 144

Контрольные вопросы.. 146

Глоссарий. 147

ЭКОНОМЕТРИКА (лабораторный практикум) 153

СОДЕРЖАНИЕ. 154

Введение. 156

1. Парная корреляция. 158

1.1. Коэффициенты корреляции. 158

1.2. Оценка значимости коэффициентов корреляции. 160

1.3. Построение доверительного интервала. 160

Контрольные вопросы: 161

Лабораторная работа№ 1. 161

Пример выполнения лабораторной работы№ 1. 162

2. Парная регрессия. 167

2.1. Понятие регрессии. 167

2.2. Построение уравнения регрессии. 167

2.2.1. Спецификация модели. 167

2.2.2. Оценка параметров линейной модели. 168

2.2.3. Оценка параметров линейных моделей. 168

2.3. Оценка качества и точности построенной модели регрессии. 169

2.4. Оценка значимости уравнения регрессии. 170

2.5. Оценка значимости коэффициентов уравнения регрессии. 171

1.6. Коэффициент эластичности. 171

Контрольные вопросы: 171

Лабораторная работа№ 2. 172

Исходные данные для примера выполнения лабораторной работы №2. 173

Пример выполнения лабораторной работы№ 2. 173

5) Линейная модель дает меньшую погрешность. 177

3. Множественная регрессия и корреляция. 178

3.1. Понятие множественной регрессии. 178

3.2. Отбор факторов при построении множественной регрессии. 178

3.3. Выбор формы уравнения регрессии. 180

3.4. Оценка параметров уравнения множественной регрессии. 180

3.5. Уравнение регрессии в стандартизованном масштабе. 181

3.6. Частные уравнения регрессии. 181

3.7. Множественная корреляция. 182

3.8. Оценка качества результатов моделирования. 183

2.9. Проверка остатков регрессии на гомоскедастичность. 183

Контрольные вопросы: 184

Лабораторная работа № 3. 185

Лабораторная работа№ 4. 185

Пример выполнения лабораторной работы№ 3. 186

Пример выполнения лабораторной работы№ 4. 190

4. Системы эконометрических уравнений. 196

4.1. Структурная и приведенная формы модели. 196

4.2. Оценка параметров структурной формы модели. 198

Контрольные вопросы: 199

Лабораторная работа № 5. 199

Варианты заданий к лабораторным работам № 5. 200

Пример выполнения лабораторной работы№ 5. 205

5. Динамические эконометрические модели. 209

5.1. Общая характеристика динамических моделей. 209

5.2. Интерпретация параметров динамических моделей. 210

5.2.1. Интерпретация параметров моделей с распределенным лагом. 210

5.2.2. Интерпретация параметров моделей авторегрессии. 210

5.3. Оценка параметров моделей авторегрессии. 211

Контрольные вопросы.. 212

Лабораторная работа № 6. 212

Пример выполнения лабораторной работы№ 6. 213

ПРИЛОЖЕНИЯ.. 217

Приложение 1. Таблицы исходных данных. 217

Исходные данные к лабораторной работе № 1. 217

Исходные данные к лабораторным работам № 2, 3, 4. 218

Исходные данные к лабораторным работам № 5, 6. 220

Приложение 2. Использование возможностей MS Excel для проведения корреляционного и регрессионного анализа. 221

Корреляционный анализ. 221

Регрессионный анализ. 222

Приложение 3. Использование возможностей пакета Matrixer 5.1 для проведения корреляционного и регрессионного анализа. 225

Корреляционный анализ. 226

Регрессионный анализ. 229

Приложение 4. Статистические таблицы.. 232

4.1. Нормированная функция Лапласа. 232

4.2. Значения критических уровней t_α,k в зависимости от k степеней свободы и заданного уровня значимости α для распределения Стьюдента. 233

4.3. Значения F -критерия Фишера на уровне значимости α = 0,05. 233

4.4. Значения F -критерия Фишера на уровне значимости α = 0,01. 234

4.5. Значения критерия Пирсона. 235

4.6. Значения статистик Дарбина-Уотсона d_L d_U при уровне значимости α = 0,05. 236

(n – число наблюдений; m – число объясняющих переменных) 236

4.7. Критические значения f -критерия для DF-, ADF- и РР-тестов, рассчитанные по Маккиннону [5] 238

4.8. Критические значения коинтеграционного ADF-критерия для уровней значимости 0,01; 0,05; 0,1; m=1 [5] 238

Приложение 5. Функции табличных процессоров MS Excel 239

и OpenOffice.org Calc. 239

5.1. Функции табличного процессора MS Excel 239

5.2 Функции табличного процессора OpenOffice.org Calc. 239

Приложение 6. Пример отчета по лабораторной работе. 240

ЭКОНОМЕТРИКА