Задачи эконометрики в области социально-экономических исследований. Информационные технологии на базе ЭВМ в эконометрических исследованиях. Классификация переменных в эконометрических моделях. Понятия спецификации и идентифицируемости модели. Примеры эконометрических моделей (модель предложения и спроса на конкурентном рынке). Модели временных радов. Регрессионные модели - линейные и нелинейные. Системы одновременных уравнений. Приводятся основные типы данных (пространственные и временные).
Тема 2. Классическая обобщенная линейная модель множественной регрессии.
Обобщенная линейная модель множественной регрессии (ОЛММР) с обобщенным методом наименьших квадратов (ОМНК). Обобщенная линейная модель множественной регрессии (ОЛММР) с гомоскедастичными и гетероскедастичными случайными остатками, а также обобщенная линейная модель множественной регрессии с автокоррелированными остатками. Оценка параметров классической обобщенной модели. Мультиколлинеарность и отбор наиболее существенных объясняющих переменных в КЛММР Проверка модели на адекватность.
|
|
Тема 3. Линейные регрессионные модели с переменной структурой.
Построение линейной модели по неоднородным регрессионным данным. Проблема неоднородности данных в регрессионном смысле. Введение фиктивных переменных в линейную модель регрессии. Фиктивные переменные в пространственных и динамических регрессионных моделях. Интерпретация коэффициентов при фиктивных переменных. Ошибки спецификации. Проверка регрессионной однородности двух групп наблюдений.
Тема 4. Нелинейные модели регрессии и их линеаризация.
Некоторые виды нелинейных зависимостей, поддающиеся непосредственной линеаризации. Подбор линеаризирующего преобразования (подход Бокса-Кокса). Производственные функции и их анализ.
Тема 5. Модели стационарных и нестационарных временных рядов.
Модели стационарных временных рядов и их идентификация: модели авторегрессии порядка Р, скользящего среднего порядка Q и авторегрессионные модели со скользящими средними в остатках (АРСС (p, q- модель).
Модели нестационарных временных рядов и их идентификация. Модель авторегрессии - проинтегрированного скользящего среднего (АРПСС (р, q, k)- модель); модели рядов, содержащих сезонную компоненту.