Учебно-методический комплекс для студентов специальностей: 080801 «Прикладная информатика в экономике», 080107 «Налоги и налогообложение», 080102 «Мировая экономика», 080103 «Национальная экономика»
| Вид материала | Учебно-методический комплекс |
- Учебно-методический комплекс для студентов специальностей: 080801 «Прикладная информатика, 1213.99kb.
- Учебно-методический комплекс для студентов специальностей 080507 Менеджмент организации,, 1709.91kb.
- Учебно-методический комплекс для студентов специальностей 080103 Национальная экономика,, 2355.94kb.
- Учебно-методический комплекс для студентов специальностей 080103 «Национальная экономика»,, 403.77kb.
- Учебно-методический комплекс Специальность: 080801 Прикладная информатика (в экономике), 325.69kb.
- Учебно-методический комплекс Для специальности: 080801 «Прикладная информатика (в экономике)», 357.03kb.
- Учебно-методический комплекс Для специальностей: 030501 Юриспруденция 080801 Прикладная, 498.9kb.
- Учебно-методический комплекс Для студентов специальности 080801 Прикладная информатика, 489.42kb.
- С. И. Качин 2010г, 271.16kb.
- Учебно-методический комплекс Для студентов, обучающихся по специальности 080102., 722.25kb.
Перечень наглядных и других пособий, методических указаний
по проведению учебных занятий
Лекционные занятия по дисциплине «Эконометрика» проводятся в соответствии с тематическим планом данной рабочей программы. Также на практических занятиях используются лабораторные работы настоящего УМК.
Перечень специализированных аудиторий
для проведения учебных занятий
Аудиторные занятия по дисциплине «Эконометрика» требуют специализированных аудиторий для проведения занятий. Лекционные занятия проводятся с использованием мультимедиа - проектора. Практические занятия проводятся в компьютерных классах, с соответствующим программным обеспечением Excel, Eviews, SPSS, Statistica.
ФОРМЫ ТЕКУЩЕГО, ПРОМЕЖУТОЧНОГО, РУБЕЖНОГО
И ИТОГОВОГО КОНТРОЛЯ
Тематика докладов
Раздел 1. Простая регрессия
1.Парный регрессионный анализ
Модель парной линейной регрессии по методу наименьших квадратов. Интерпретация уравнения регрессии. Качество оценки - коэффициент R2.
2.Свойства коэффициентов регрессии и проверка гипотез
Теорема Гаусса-Маркова.
Проверка гипотез, относящаяся к коэффициентам регрессии. Доверительные интервалы.
Взаимосвязи между критериями в парном регрессионном анализе
3. Преобразования переменных
Логарифмические преобразования.
Нелинейная регрессия.
Выбор функции:
Раздел 2. Множественная регрессия
4. Множественный регрессионный анализ
Вывод и интерпретация коэффициентов множественной регрессии.
Множественная регрессия в нелинейных моделях.
Свойства коэффициентов множественной регрессии.
Мультиколлинеарность.
5. Спецификация переменных в уравнениях регрессии: предварительное рассмотрение
Влияние отсутствия в уравнении переменной, которая должна быть включена.
Влияние включения в модель переменной, которая не должна быть включена.
Замещающие переменные.
Проверка линейного ограничения.
Лаговые переменные
6. Гетероскедатичность и автокоррелированность случайного члена
Гетероскедатичность и ее последствия.
Обнаружение гетероскедатичности и борьба с ней.
Автокорреляция и связанные с ней факторы.
Обнаружение автокорреляции и борьба с ней.
Коррелограмма и ее использование.
Автокорреляция с лаговой зависимой переменной.
Автокорреляция как следствие неправильной спецификации модели.
Обобщенный метод наименьших квадратов.
7. Стохастические объясняющие переменные и ошибки измерения
Стохастические объясняющие переменные. Последствия ошибок измерения.
Критика М.Фридменом стандартной функции потребления.
Инструментальные переменные.
Раздел 3. Временные ряды
8. Фиктивные переменные
Примеры использования фиктивной переменной.
Общий случай работы с фиктивным переменными..
Тест Чоу.
9. Моделирование динамических процессов
Распределение Койка. Частичная корректировка.
Адаптивные ожидания.
Гипотеза Фридмена о постоянном доходе.
Рациональные ожидания.
Тесты на устойчивость.
Модели стационарных и нестационарных временных рядов, их идентификация.
Раздел 4. Системы уравнений
10. Оценивание систем одновременных уравнений
Смещение при оценке одновременных уравнений.
Структурная и приведенная формы уравнений.
Косвенный метод наименьших квадратов.
Неидентифицируемость.
Сверхидентифицируемость.
Двухшаговый метод наименьших квадратов.
Условие размерности для идентификации.
Идентификация относительно стабильных зависимостей. Тре
хшаговый метод наименьших квадратов.
Дополнительные возможности
Метод максимального правдоподобия.
Кластерный анализ. Расстояния. Различные методы формирования кластеров. Дендриты.
Факторный анализ.
Метод главных компонент.
Тест по дисциплине
Коэффициент уравнения регрессии показывает
На сколько % изменится результат при изменении фактора на 1 %.
На сколько % изменится фактор при изменении результата на 1 %.
На сколько ед. изменится результат при изменении фактора на 1 ед.
На сколько ед. изменится фактор при изменении результата на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
Коэффициент эластичности показывает
На сколько ед. изменится фактор при изменении результата на 1 ед.
На сколько ед. изменится результат при изменении фактора на 1 ед.
Во сколько раз изменится результат при изменении фактора на 1 ед.
На сколько % изменится результат при изменении фактора на 1 %.
На сколько % изменится фактор при изменении результата на 1 %.
Стандартизованный коэффициент уравнения к s применяется
При проверке статистической значимости k-го фактора.
При проверке экономической значимости k-го фактора.
При отборе факторов в модель.
При проверке на гомоскедастичность.
При проверке важности фактора по сравнению с остальными факторами.
Какое из уравнений регрессии нельзя свести к линейному виду?
Какое из уравнений регрессии является степенным?
Не является предпосылкой классической модели предположение
Матрица факторов — невырожденная.
Факторы экзогенны.
Длина исходного ряда данных больше, чем количество факторов.
Матрица факторов содержит все важные факторы, влияющие на результат.
Факторы нестохастические.
Найдите предположение, являющееся предпосылкой классической модели.
Результирующий показатель является количественным.
Результирующий показатель измеряется в порядковой шкале.
Результирующий показатель измеряется в номинальной шкале .
Результирующий показатель измеряется в дихотомической шкале.
Результирующий показатель может быть и количественным и качественным.
Найдите предположение, не являющееся предпосылкой классической модели.
Возмущающая переменная имеет нулевое математическое ожидание.
Возмущающая переменная имеет постоянную дисперсию.
Отсутствует автокорреляция возмущающих переменных.
Отсутствует поперечная корреляция возмущающих переменных.
Возмущающая переменная обладает нормальным распределением.
Оценка ** значения параметра модели является несмещенной, если
* обладает наименьшей дисперсией по сравнению с другими оценками.
При Т, вероятность отклонения * от значения cтремится к 0.
Математическое ожидание * равно .
Оценка * значения параметра модели является эффективной, если
Математическое ожидание * равно .
* обладает наименьшей дисперсией по сравнению с другими оценками.
При Т, вероятность отклонения * от значения cтремится к 0.
Оценка * значения параметра модели является состоятельной, если
* обладает наименьшей дисперсией по сравнению с другими оценками.
Математическое ожидание * равно .
При Т, вероятность отклонения * от значения стремится к 0.
Критерий Стьюдента предназначен для
Определения экономической значимости каждого коэффициента уравнения.
Определения статистической значимости каждого коэффициента уравнения.
Проверки модели на автокорреляцию остатков.
Определения экономической значимости модели в целом.
Проверки на гомоскедастичность.
Если коэффициент уравнения регрессии (k ) статистически значим, то
k > 1.
|k | > 1.
k 0.
k > 0.
0 < k < 1.
Табличное значение критерия Стьюдента зависит
Только от уровня доверительной вероятности.
Только от числа факторов в модели.
Только от длины исходного ряда.
Только от уровня доверительной вероятности и длины исходного ряда.
И от доверительной вероятности, и от числа факторов,и от длины исходного ряда.
Критерий Дарбина-Уотсона применяется для
Проверки модели на автокорреляцию остатков.
Определения экономической значимости модели в целом.
Определения статистической значимости модели в целом.
Сравнения двух альтернативных вариантов модели.
Отбора факторов в модель.
Коэффициенты множественной детерминации (D) и корреляции (R) связаны
Обобщенный метод наименьших квадратов применяется
Только в случае автокорреляции ошибок
Только в случае гетероскедастичности.
При наличии мультиколлинеарности (корреляции факторов).
Только в случае гомоскедастичности.
И в случае автокорреляции ошибок и в случае гетероскедастичности.
Главные компоненты представляют собой
Статистически значимые факторы.
Экономически значимые факторы.
Линейные комбинации факторов.
Центрированные факторы.
Пронормированные факторы.
Число главных компонент
Больше числа исходных факторов, но меньше длины базисного ряда данных.
Меньше числа исходных факторов.
Равно числу исходных факторов.
Равно длине базисного ряда данных.
Больше длины базисного ряда данных.
Первая главная компонента
Содержит максимальную долю изменчивости всей матрицы факторов.
Отражает степень влияния первого фактора на результат.
Отражает степень влияния результата на первый фактор.
Отражает долю изменчивости результата, обусловленную первым фактором.
Отражает тесноту связи между результатом и первым фактором.
В правой части структурной формы взаимозависимой системы могут стоять
Только экзогенные лаговые переменные.
Только экзогенные переменные (как лаговые, так и нелаговые).
Только эндогенные лаговые переменные.
Только эндогенные переменные (как лаговые, так и нелаговые).
Любые экзогенные и эндогенные переменные.
В правой части прогнозной формы взаимозависимой системы могут стоять
Только экзогенные лаговые переменные.
Только экзогенные переменные (как лаговые, так и нелаговые).
Только эндогенные переменные (как лаговые, так и нелаговые).
Эндогенные лаговые и экзогенные переменные (и лаговые и нелаговые).
Любые экзогенные и эндогенные переменные.
Под переменной структурой понимается
Изменение состава факторов в модели.
Изменение статистической значимости факторов.
Присутствие в модели фактора времени в явном виде.
Изменение экономической значимости факторов.
Изменение степени влияния факторов на результирующий показатель.
Проверка гипотезы о переменной структуре модели осуществляется с помощью
Критерия Дарбина-Уотсона.
Критерия Стьюдента.
Критерия Пирсона.
Критерия Фишера.
Коэффициента множественной детерминации.
Найдите неверно указанный элемент интервального прогноза.
Объясненная уравнением регрессии дисперсия результирующего показателя.
Точечный прогноз результирующего показателя.
Среднеквадратическое отклонение прогнозного значения.
Квантиль распределения Стьюдента.
Неверно указанного элемента нет.