2015-05-18
373
1. Предмет эконометрики; особенности эконометрических методов.
2. Модели; типы моделей; спецификация модели.
3. Модель парной регрессии: подгонка кривой; метод наименьших квадратов (МНК).
4. Модель парной регрессии: линейная регрессионная модель с двумя переменными.
5. Теорема Гаусса – Маркова. Оценка дисперсии ошибок.
6. Статистические свойства МНК – оценок параметров регрессии. Доверительные интервалы для коэффициентов регрессии.
7. Системы одновременных уравнений. Кривые спроса и предложения. Матричная форма системы одновременных уравнений.
8. Анализ вариации зависимой переменной в регрессии. Коэффициент детерминации R2 .
9. Модель множественной регрессии: основные гипотезы. Статистические свойства МНК – оценок.
10. Проверка гипотез. Доверительные интервалы и доверительные области.
11. Мультиколлинеарность; фиктивные переменные; частные корреляции.
12. Стохастические регрессоры; обобщенный метод наименьших квадратов.
13. Гетероскедастичность и корреляция во времени.
|
|
|
14. Безусловное и условное прогнозирование в регрессионных моделях. Прогнозирование при наличии авторегрессии ошибок.
15. Инструментальные переменные: влияние ошибок измерения; двухшаговый метод наименьших квадратов; тест Хаусмана.
16. Системы регрессионных уравнений. Общие понятия о системах, используемых в эконометрике. Структурная и приведенная форма модели
17. Проблема идентификации; оценивание параметров структурной модели.
18. Применение систем эконометрических уравнений. Путевой анализ.
19. Временное измерение в экономическом моделировании. Временные ряды. Лагированные переменные. Модели распределенных лагов.
20. Модели Койка и корректировки размера дивидендов (Модель Линтнера). Распределение Койка.
21. Модель полиноминальных лагов. Модель геометрических лагов. Гипотеза Фридмена о постоянном доходе (модель Фридмена). Динамические модели.
22. Стационарный временной ряд. Предсказание. Ошибка предсказания. Свойства и доверительные интервалы для предсказаний.
23. Временные ряды: модели распределенных лагов; динамические модели.
24. Временные ряды: единичные корни, мнимая регрессия и коинтеграция.
25. Модели Бокса – Дженкинса (ARIMA): тренд, сезонность и взятие разности.
26. Модели авторегрессии и скользящего среднего (ARMA)
27. Оценивание ARMA моделей и проверка их адекватности.
28. Прогнозирование и сезонность в ARIMA – моделях.
29. GARPH – модели.
30. Дискретные зависимые переменные и цензурированные выборки.
31. Модели множественного выбора.
32. Модели с урезанными и цензурированными выборками; модели «времени жизни»
33. Панельные данные: обозначения и основные модели.
|
|
|
34. Модели с фиксированным и случайным эффектами.
35. Панельные данные: качество подгонки и выбор модели.
36. Панельные данные: динамические модели и модели бинарного выбора.
37. Частная корреляция. Процедура пошагового отбора переменных. Косвенный МНК.
38. Метод инструментальных переменных.
39. Неидентифицируемость. Сверхидентифицируемость.
40. Двухшаговый МНК. Метод “очищения” переменной. Взвешенный МНК. Модель Клейна. Трехшаговый МНК.
