2015-05-18
350
Таблица 9.1.
| № раздела | Наименование раздела | Содержание раздела | Рекомендуемая литература |
| Предмет эконометрики, цель задачи и методы дисциплины. Этапы эконометрического моделирования | Предмет эконометрики. Нобелевские лауреаты в области эконометрики. Взаимосвязь эконометрики с другими науками. Задачи эконометрики: спецификация, параметризация, верификация и прогнозирование моделей. Классы эконометрических моделей: регрессионные модели с одним уравнением, системы одновременных уравнений, модели временных рядов. | Основная – 1, 4 Дополнительная - 2, 3,4,5 | |
| Элементы теории корреляций | Статистическая зависимость (независимость) случайных переменных. Корреляционная зависимость. Однофакторные и множественные корреляционные связи. Виды корреляции (линейная и нелинейная, положительная и отрицательная, автокорреляция). Понятие корреляционного анализа. Параметрические показатели корреляции. Определение ковариации. Линейный коэффициент корреляции Пирсона. Оценка значимости коэффициента корреляции с использованием t-критерия Стьюдента. Непараметрические показатели корреляции. Различия между независимыми группами: критерий серий Вальда-Вольфовица, U критерий Манна-Уитни. Различия между зависимыми группами: критерий знаков, критерий Вилкоксона. Зависимости между переменными: коэффициент ранговой корреляции Спирмена. Ограничения корреляционного анализа. Примеры практического использования корреляции при анализе экономических показателей (цены на нефть и ВВП, цена на золото и размеры процентных ставок, цена на продовольственные товары и энергоносители и т.д.). | Основная – 1, 3 Дополнительная - 2, 3,4 | |
| Парная регрессия. Проведение комплексного корреляционно-регрессионного анализа. | Регрессия и ее виды. Причины присутствия случайного фактора. Уравнение регрессии или модель связи социально-экономических явлений. Требования к построению уравнения регрессии. Условия теоретической обоснованности моделей (соответствие всех признаков нормальному закону распределения, постоянство дисперсии моделируемого признака, независимость отдельных наблюдений). Параметры модели, их содержание. Система нормальных уравнений для нахождения параметров линейной парной регрессии. Метод наименьших квадратов (МНК). Определение коэффициентов эластичности, бета-коэффициента. Проверка адекватности (определение значимости модели и наличия систематической ошибки) и точности уравнения регрессии. Анализ остатков регрессионной модели: проверка случайности, равенства математического ожидания остаточной последовательности, гомоскедастичности или постоянство дисперсии остатков, отсутствия автокорреляции, соответствия распределения остаточной составляющей нормальному закону распределения. Определение меры точности модели: максимальная, средняя абсолютная и средняя квадратическая ошибка, дисперсия остатков, средняя относительная ошибка аппроксимации. Прогнозируемые значения переменной и доверительные интервалы прогноза. Нелинейные модели и их линеализация. Регрессии, нелинейные по переменным, включенным в анализ, но линейные по оцениваемым параметрам (полиномы, гипербола). Регрессии, нелинейные по оцениваемым параметрам (степенная, показательная, экспоненциальная). Линеализация моделей. Методы нелинейной оптимизации. Оценка параметров нелинейной регрессии по переменным, включенным в анализ. | Основная – 1, 2, 3; Дополнительная - 1, 2 | |
| Множественная регрессия | Задачи множественного корреляционно-регрессионного анализа. Уравнение линейной множественной регрессии. Оценивание достоверности каждого из параметров модели при помощи t-критерия Стьюдента. Вычисление коэффициентов эластичности, бета-коэффициента и дельта коэффициента. Определение коэффициента множественной детерминации. Отбор факторных признаков в модель. Матрица парных линейных коэффициентов корреляции. Мультиколлинеарность, причины ее возникновения и ее последствия. Выявление мультиколлинеарности. Методы устранения или уменьшения мультиколлинеарности: сравнение линейных коэффициентов корреляции, метод включения (метод пошаговой регрессии), метод исключения факторов. Область применения нелинейных зависимостей. Макроэкономические производственные функции. Неоклассическая нелинейная производственная функция. Мультипликативная производственная функция и ее частный случай – функция Кобба-Дугласа. Поредельные эффективности факторов. Предельные нормы замены факторов. Спецификация уравнения множественной регрессии. Область применения линейных, логарифмических, линейно-логарифмических, обратных зависимостей. Мультиколлинеарность. Виды, причины возникновения и последствия мультиколлинеарности. Обнаружение мультиколлинеарности, методы ее устранения. | Основная – 1, 2, 3; Дополнительная - 2, 3, 6 | |
| Основы моделирования временных рядов | Временные ряды и ряды динамики. Виды временных рядов: моментные и интервальные. Классификация временных рядов: по времени, форме представления уровней, длине интервала, содержанию. Основные причины несопоставимости временного ряда. Метод смыкания рядов. Общие составляющие уровней временного ряда. Модели составляющих компонент временного ряда: аддитивные и мультипликативные. Тренд и виды тенденций во временных рядах (прямолинейный, параболический, экспоненциальный, гиперболический, логистический). Критерии для проверки наличия тренда: метод разности средних двух частей одного и того же ряда, метод Фостера-Стюарта. Распознавание типов трендов: графический метод, проверка статистических гипотез о типе тренда. Сезонные колебания и сезонная составляющая в рядах динамики. Методы выявления сезонной компоненты. Понятие сезонной волны. Лаговый анализ и коррелограмма. Тест Дарбита-Уотсона. Определение периода колебаний ряда. Модели с фиктивными регрессорами. Причины использования фиктивных переменных. Фиктивные переменные сдвига и наклона. Оценка влияния качественных переменных на зависимую переменную. Использование фиктивных переменных в сезонном анализе. Спектральные модели. Ряды Фурье, гармоники, построение спектральной модели и оценки ее качества. Аддитивные модели. Область применения моделей. Сглаживание ряда скользящей средней. Определение сезонной и случайной составляющей, тренда. прогноз по аддитивным моделям. | Основная – 1, 2; Дополнительная - 2 | |
| ИТОГО: | Экзамен |
|
|
|
|
|
|
