Программа дисциплины по кафедре "Экономическая кибернетика" эконометрика
| Вид материала | Программа дисциплины |
- Программа дисциплины по кафедре "Экономическая кибернетика" эконометрика, 296.55kb.
- Программа дисциплины по кафедре «Экономическая кибернетика» специальностей «Математические, 195.68kb.
- Программа дисциплины по кафедре «Экономическая кибернетика» основы управленческого, 356.46kb.
- Программа дисциплины по кафедре «Экономическая кибернетика» организация и планирование, 238.78kb.
- Программа дисциплины по кафедре «Экономическая кибернетика» для специальности «Математические, 205.71kb.
- Программа дисциплины по кафедре Экономическая кибернетика экономическая информатика, 271.22kb.
- Программа дисциплины по кафедре Экономическая кибернетика логистика, 167.77kb.
- Программа дисциплины по кафедре «Экономическая кибернетика» разработка пакета прикадных, 252.14kb.
- Программа дисциплины по кафедре "Экономическая кибернетика" Статистика, 411kb.
- Программа дисциплины по кафедре "Экономическая кибернетика" Статистика, 459.37kb.
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
Государственное образовательное учреждение высшего профессионального образования
Тихоокеанский государственный университет
-
Утверждаю
Проректор по учебной работе
______________ С.В. Шалобанов
“_____” ________________200_ г.
Программа дисциплины
по кафедре "Экономическая кибернетика"
ЭКОНОМЕТРИКА
Утверждена научно-методическим советом университета для направлений подготовки (специальностей) в области экономики и управления
Специальности: 080116.65 «Математические методы в экономике»
080103.65 «Национальная экономика»
Хабаровск 2007 г.
Программа разработана в соответствии с требованиями государственного образовательного стандарта, предъявляемыми к минимуму содержания дисциплины и в соответствии с примерной программой дисциплины, утвержденной департаментом образовательных программ и стандартов профессионального образования с учетом особенностей региона и условий организации учебного процесса Тихоокеанского государственного технического университета.
Программу составил (и)
| | Порошина Л.А. | | Старший преподаватель, кафедра «Экономическая кибернетика» | ||
|---|---|---|---|---|---|
| | | | | ||
| | Ф.И.О. автора (ов) | Ученая степень, звание, кафедра | |||
| | | ||||
| Программа рассмотрена и утверждена на заседании кафедры протокол № ______ от «____»__________________ 2007 г. | |||||
| Зав. кафедрой_________«__»______ 200_г | ________________ | ||||
| Подпись дата | Ф.И.О. | ||||
| | | ||||
| Программа рассмотрена и утверждена на заседании УМК и рекомендована к изданию протокол № ______ от «____»_____________ 200_г | |||||
| | | ||||
| Председатель УМК _______«__»_______ 200_г | _____ Корнилов А.М. | ||||
| Подпись дата | Ф.И.О. | ||||
| Директор института _______«__»_______ 200_г | Зубарев А.Е. _ | ||||
| (декан факультета) Подпись дата | Ф.И.О. | ||||
| Директор института _______«__»_______ 200_г | ____Лысак С.Г. _ | ||||
| (декан факультета) Подпись дата | Ф.И.О. | ||||
| Директор института _______«__»_______ 200_г | _______Вайнер Л.Г. | ||||
| (декан факультета) Подпись дата | Ф.И.О. | ||||
- ЦЕЛИ И ЗАДАЧА ДИСЦИПЛИНЫ
Эконометрика – это совокупность методов анализа связей между различными экономическими показателями на основании реальных статистических данных, с использованием аппарата теории вероятностей и математической статистики. При помощи этих методов выявляют новые, ранее неизвестные связи, уточняют или отвергают гипотезы о существовании определенных связей между экономическими показателями, предлагаемые экономической теорией. Это - вводный курс эконометрики для студентов, специализирующихся в области экономики.
Акцент в курсе делается на содержательном смысле фактов, методов и подходов эконометрического анализа. Выводы и доказательства даются для ряда базовых формул и моделей, что позволяет студентам понять принципы построения эконометрической теории. Главный акцент делается на экономической интерпретации и приложениях рассматриваемых эконометрических моделей.
Эконометрика объединяет совокупность методов и моделей, позволяющих на базе экономической теории, экономической статистики и математико-статистического инструментария исследовать количественные выражения качественных зависимостей. При изучении дисциплины «Эконометрика» предполагается, что студент владеет основами теории вероятностей, математической статистики и матричной алгебры в объеме курса высшей математики для экономических специальностей.
Студенты должны получить базовые знания и навыки эконометрического анализа. Они должны уметь применять их в исследовании экономических процессов, а также понимать эконометрические методы, идеи, результаты и выводы, встречаемые в большинстве экономических книг и статей. В данном курсе студенты должны освоить традиционные эконометрические методы, предназначенные в основном для работы с данными перекрестных выборок.
В то же время, студенты должны понимать содержательные различия данных перекрестных выборок и временных рядов и те специфические эконометрические проблемы, которые возникают при работе с данными этих типов. Студенты должны приобрести навыки построения и развития моделей парной и множественной линейной регрессии, познакомиться с некоторыми видами нелинейных моделей и специальными методами эконометрического анализа и оценивания, понимая область и границы их применения в экономике. Рассматриваемые методы и модели должны быть освоены на практике с использованием реальных массивов экономических данных и современного эконометрического программного обеспечения.
Конечной целью изучения дисциплины является:
- ознакомление студентов с проблемами, возникающими при практическом применении различных количественных моделей экономической теории, таких как модели спроса, производства, совокупного потребления, инвестиций;
- формирование у будущих специалистов теоретических знаний и практических навыков по применению статистических методов для исследования и обобщения эмпирических зависимостей экономических переменных, а также построения надежных прогнозов в банковском деле, финансах, различных сферах предпринимательской деятельности с целью обоснования принимаемых решений.
Основные задачи курса:
- освоение методов эконометрического анализа статистических данных;
- освоение методов построения адекватных статистическим данным моделей, имеющих соответствующую экономическую интерпретацию;
- освоение методов статистического анализа стационарных и нестационарных временных рядов;
- овладение навыками применения пакетов компьютерных программ эконометрического анализа статистических данных.
- ТРЕБОВАНИЯ К УРОВНЮ ОСВОЕНИЯ СОДЕРЖАНИЯ ДИСЦИПЛИНЫ
Студент должен знать:
- место, роль и возможности эконометрики в современной экономической науке и практике;
- особенности эконометрического метода;
- собирать и проводить статистическую обработку экономической информации с целью выявления основных характеристик числовой совокупности;
- особенности измерений в экономике;
- основные понятия и методы эконометрического моделирования;
- основные понятия, связанные с регрессионными моделями, временными рядами и системами одновременных уравнений;
- методы и особенности эконометрического прогнозирования социально-экономических процессов.
Студент должен уметь:
- осуществлять спецификацию эконометрической модели;
- обоснованно применять метод наименьших квадратов и его модификации;
- оценивать параметры эконометрической модели;
- оценивать значимость уравнений и параметров эконометрических моделей;
- использовать основные приемы и правила моделирования временных рядов;
- применять основные методы эконометрического прогнозирования.
3. ОБЪЕМ ДИСЦИПЛИНЫ И ВИДЫ УЧЕБНОЙ РАБОТЫ
Таблица 1. Объем дисциплины и виды учебной работы
| Наименование | По учебным планам (УП) | ||
| с максимальной трудоёмкостью | с минимальной трудоёмкостью | ||
| Общая трудоёмкость дисциплины по ГОС по УП | 120 170 | | |
| Изучается в семестрах | 4,5 | | |
| Вид итогового контроля по семестрам зачёт экзамен курсовой проект (КП) курсовая работа (КР) расчётно-графическая работа (РГР) реферат (РФ) домашние задания (ДЗ) | 4 5 | | |
| Аудиторные занятия по семестрам Всего лекции (Л) лабораторные занятия (ЛР) практические занятия (ПЗ) | 4 | 5 | |
| 102 | | ||
| 34 - 17 | 34 - 17 | ||
| Самостоятельная работа Общий объем часов (С2) В т.ч. на подготовку к лекциям на подготовку к лабораторным занятиям на подготовку к практическим занятиям на выполнение КР на выполнение РГР на написание РФ на выполнение ДЗ | 4 | 5 | |
| 68 | | ||
| 17 - 17 | 17 - 17 | ||
4. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
4.1. Разделы дисциплины и виды занятий и работ
Таблица 2. Разделы дисциплины и виды занятий и работ
| № | Раздел дисциплины | Л | ПЗ | С2 |
| 1 | Методологические основы курса | 2 | | 1 |
| 2 | Парная регрессия и корреляция | 13 | 5 | 15 |
| 3 | Множественная регрессия и корреляция | 8 | 5 | 13 |
| 4 | Метод наименьших квадратов | 4 | 3 | 4 |
| 5 | Системы экономических уравнений | 7 | 4 | 7 |
| 6 | Моделирование одномерных временных рядов | 20 | 10 | 15 |
| 7 | Динамические эконометрические модели | 14 | 7 | 13 |
- Содержание разделов дисциплин
4.2.1. Методологические основы курса.
Предмет эконометрики. Место эконометрики в ряду экономических и математико-статистических дисциплин. Примеры применения методов анализа данных. Основные математические предпосылки эконометрического моделирования.
4.2.2. Парная регрессия и корреляция.
Содержание корреляционного анализа. Понятия функциональной, статистической и корреляционной зависимости. Типы связи экономических переменных: линейные и нелинейные связи. Статистическая зависимость (независимость) случайных переменных. Анализ линейной статистической связи экономических данных, корреляция. Нелинейная статистическая связь. Меры тесноты линейной связи переменных: парный, частный и множественный коэффициент корреляции. Проверка статистических гипотез для оценки значимости корреляции. Свойства основных корреляционных коэффициентов. Корреляционное отношение как оценка нелинейной связи. Оценка тесноты связи между ординальными (порядковыми) переменными - коэффициент ранговой корреляции Спирмена.
Задачи регрессионного анализа. Понятия регрессионного анализа: результирующая (зависимая, эндогенная) переменная у и объясняющие (прели кг орные, экзогенные) переменные X, функция регрессии у по X, возмущения. Регрессионные модели. Дисперсионный анализ в регрессии
Основные предпосылки регрессионного анализа. Уравнение регрессионной связи между у и X. Геометрическая интерпретация регрессии.
Метод наименьших квадратов для оценки параметров регрессионной модели, Статистические свойства оценок параметров. Стандартизованные коэффициенты регрессии и коэффициенты эластичности.
Построение точечных и интервальных прогнозов, основанных на моделях линейной регрессии. Построение и интерпретация доверительных интервалов. Общее качество регрессии: коэффициент детерминации R2. F-статистика и F-тест. Связь R2 с коэффициентами корреляции. Модель парной ЛР без свободного члена.
Статистическая значимость оценок коэффициентов парной ЛР: проверка гипотез с помощью t-статистик.
Нелинейные модели регрессии и линеаризующие преобразования.
Анализ вариации результирующего показателя и выборочный коэффициент детерминации. Проверка значимости уравнения регрессии и коэффициентов уравнения регрессии. Оценка качества регрессионной зависимости.
Линеаризация нелинейных зависимостей и их оценивание с помощью МНК. Спецификация случайного члена. Интерпретация линейных, логарифмических и линейно-логарифмических зависимостей.
4.2.3. Множественная регрессия и корреляция.
Классическая линейная модель множественной регрессии.
Описание и интерпретация модели с двумя и m объясняющими переменными. Примеры: функции спроса, функции заработка, производственные функции. Оценивание по МНК модели с двумя объясняющими переменными. Свойства коэффициентов модели. Мультиколлинеарность. Коэффициент детерминации
. Скорректированный . Проверка гипотез с помощью t-статистик и F-статистик.МНК-оценки модели с m объясняющими переменными в векторно-матричной форме. Свойства коэффициентов. F-тест для групп переменных. Оценивание производственных функций в объемной и темповой записи как моделей множественной регрессии.
Понятие мультиколлинеарности. Признаки и причины мультиколинеарности. Методы устранения мультиколлинеарности. Отбор наиболее существенных переменных в классической линейной модели множественной регрессии. Скорректированный коэффициент детерминации.
Линейные регрессионные модели с переменной структурой. Фиктивные переменные в моделях линейной регрессии. Типы фиктивных переменных. Тест Чоу.
4.2.4. Метод наименьших квадратов.
Предпосылки использования МНК.
Понятие, последствия, обнаружение гетероскедастичности. Гетероскедастичность и автокоррелированность как нарушения условий теоремы Гаусса-Маркова. Причины и последствия гетероскедастичности. Диагностика гетероскедастичности: тесты ранговой корреляции Спирмена, Голдфелда-Квандта, Уайта. Средства при гетероскедастичности. Природа, виды автокорреляции, ее последствия. Обнаружение автокорреляции. Тест Дарбина-Уотсона и его практическое использование. Взвешенный метод наименьших квадратов. Причины и примеры гетероскедастичности в экономических моделях.
4.2.5. Системы экономических уравнений.
Понятие системы одновременных уравнений. Смещение и несостоятельность оценок при непосредственном оценивании. Структурная и приведенная формы эконометрической модели, построенной на базе систем одновременных уравнений.
Условия идентифицируемости уравнений системы. Рекурсивная модель как частный случай модели и структурной форме. Идентификация систем одновременных уравнений (статистическое оценивание неизвестных значений параметров системы): идентификации рекурсивных систем, косвенный метод наименьших квадратов, двухшаговый МНК оценивания структурных параметров отдельного уравнения, трехшаговый МНК одновременного оценивания всех параметров системы. Оценивание параметров системы внешне не связанных уравнений.
4.2.6. Моделирование одномерных временных рядов.
Понятие временного ряда и его отличия от случайной выборки. Составляющие временного ряда. Проверка гипотезы о неизменности среднего значения временного ряда как процедура проверки наличия тренда. Процедуры аналитического выравнивания (сглаживания) временного ряда. Подбор порядка аппроксимирующего полинома с помощью метода последовательных разностей.
Стационарные временные ряды и их характеристики. Понятия автокорреляции, автокорреляционной функции, временного лага, коэффициента автокорреляции, коррелограммы. Интерпретация коррелограмм.
Гетероскедастичкостъ пространственной выборки. Искажение характеристик точности МНК-оненок, обусловленное игнорированием автокоррелированности остатков. Проверка гипотезы о наличии/отсутствии aвтокоррелированности регрессионных остатков. Положительная и отрицательная автокорреляция.
Использование авторегрессионных моделей: модель авторсгрессии порядка р, определение порядка авторегрессионной модели. Методы исключения из временных рядов основной тенденции с целью устранения автокорреляции: метод последовательных или конечных разностей и метод коррелирования отклонений уровней ряда от основной тенденции.
Способы построения множественной регрессионной модели по временным рядам. Модели рядов, содержащих сезонную компоненту.
4.2.7. Динамические эконометрические модели.
Распределенные лаги: геометрический лаг, полиномиальный лаг. Преобразование Койка и непосредственное нелинейное оценивание параметров геометрического лага. Частичная корректировка. Адаптивные ожидания. Проблемы оценивания и анализа.
5. ПРАКТИЧЕСКИЕ ЗАНЯТИЯ
Таблица 3. Практические занятия
| № | № раздела дисциплины | Наименование тем |
| 1 | 1 | Измерения в экономике |
| 2 | 2 | Линейная регрессия и корреляция |
| 3 | 2 | Дисперсионный анализ |
| 4 | 2 | Построение интервального прогноза по линейному уравнению регрессии |
| 5 | 2 | Нелинейная регрессия |
| 6 | 2 | Корреляция для нелинейной регрессии |
| 7 | 3 | Множественные уравнения регрессии |
| 8 | 3 | Уравнения регрессии с фиктивными переменными |
| 9 | 4 | Исследование случайной составляющей : (предпосылки МНК) |
| 10 | 5 | Структурные модели |
| 11 | 6 | Аддитивная модель. Мультипликативная модель. |
| 12 | 6 | Автокорреляция |
| 13 | 6 | Авторегрессия |
| 14 | 7 | Модели с распределенным лагом |
Краткие характеристики практических занятий.
Парная регрессия и корреляция.
Задание. Эконометрический анализ парной регрессии и корреляции.
Исполнение. Решение задач по теме «Парная регрессия и корреляция».
Оценка. Формирует необходимые представления о применимости того или иного статистического инструментария к заданному классу задач.
Время выполнения заданий: 5 часов.
Множественная регрессия и корреляция.
Задание. Эконометрический анализ множественной регрессии и корреляции.
Исполнение. Решение задач по теме «Множественная регрессия и корреляция».
Оценка. Формирует типологию множественной регрессии, способы оценки значимости модели и возможность использования моделей для моделирования экономических процессов.
Время выполнения задания: 5 часов.
Метод наименьших квадратов.
Задание. Проведение анализа предпосылок МНК.
Исполнение: решение задачи. Использование математико-статистического инструментария подготовки исходных данных и метода решения. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования МНК.
Время выполнения заданий: 3 часа.
Системы экономических уравнений.
Задание. Проведение идентификации системы. Нахождение параметров уравнений системы.
Исполнение: решение задачи. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования систем эконометрических уравнений в экономическом анализе.
Время выполнения заданий: 4 часа.
Моделирование одномерных временных рядов.
Задание. Анализ рядов динамики. Построение трендовых моделей, аддитивных и мультипликативных моделей. Анализ автокорреляции уровней и остатков временных рядов.
Исполнение: решение задачи. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования трендовых моделей в экономическом анализе.
Время выполнения заданий: 10 часов.
Динамические эконометрические модели.
Задание. Анализ временных рядов. Построение моделей авторегрессии, моделей с распределенным лагом.
Исполнение: решение задачи. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования динамических эконометрических моделей в экономическом анализе.
Время выполнения заданий: 7 часов.