И. В. Березинец Цель курса : обучить студентов эконометрическим методам исследования закон
| Вид материала | Закон |
- Программа дисциплины "Маркетинговые исследования", 81.99kb.
- Программа наименование дисциплины Семейное консультирование, 219.01kb.
- Задачи изучения дисциплины. Сформировать у слушателей представление об основных подходах, 35.04kb.
- Обязательный спецкурс. Объем учебной нагрузки: лекции -72 час. Цель курса: Обучить, 17.42kb.
- Задачи данного курса включают: обучение методам идентификации участников конфликтов, 76.94kb.
- Теория функций действительных переменных, 23.51kb.
- Обобщенные функции, 14.91kb.
- Фурсов Константин Сергеевич, Фень Екатерина Геннадьевна, программа курса, 72.26kb.
- Программа курса «компьютерные методы в физической химии» для специальности, 29.52kb.
- А. Н. Туполева утверждаю: Проректор по Уимр и. К. Насыров 2007 г. Программа дисциплины, 138.98kb.
ОСНОВЫ ЭКОНОМЕТРИКИ
Преподаватель: доцент И.В. Березинец
Цель курса: обучить студентов эконометрическим методам исследования закономерностей и взаимосвязей между экономическими показателями. Эконометрика устанавливает и исследует закономерности в экономике, сопоставляя экономические теории с наблюдаемыми реальными явлениями, протекающими в экономике. Используя для этого в качестве основного инструмента методы теории вероятностей и математической статистики, адаптированные к обработке эмпирических данных, соответствующих данному экономическому периоду. Дисциплина является важнейшим инструментом эмпирических исследований и существенной составляющей базовой подготовки экономиста.
Содержание курса:
Модель линейной парной регрессии. Основные понятия математической статистики и регрессионного анализа: выборочные числовые характеристики, доверительное оценивание
Основные понятия математической статистики и регрессионного анализа: выборочные числовые характеристики, доверительное оценивание, проверка параметрических гипотез, модельная и эмпирическая функции регрессии.
Модель парной линейной функции регрессии. Условия Гаусса-Маркова. Классическая нормальная регрессионная модель. Оценивание неизвестных коэффициентов функции линейной регрессии методом наименьших квадратов (МНК). Система нормальных уравнений.
Оценки параметров регрессии. Связь оценок параметров линейной функции регрессии с выборочными числовыми характеристиками. Коэффициент детерминации. Теоремы о свойствах оценок параметров линейной регрессии, полученных по МНК Анализ адекватности оцененной модели эмпирическим данным. Критерий Стьюдента, критерий Фишера. Интервальное оценивание неизвестных параметров функции регрессии.
Использование регрессии для прогнозирования.
Однофакторные модели формирования дохода ценных бумаг: рыночная модель как пример модели парной линейной регрессии. Понятие бета - коэффициента. Рыночная модель портфеля ценных бумаг.
Модель нелинейной парной регрессии. Нелинейная модель парной линейной регрессии. Методы линеаризации нелинейных функций. Оценка параметров нелинейной функции регрессии по МНК, линейной относительно неизвестных коэффициентов. Интервальные оценки неизвестных параметров нелинейной функции регрессии. Матричное представление модели и системы нормальных уравнений. Критерий Фишера.
Кривые Энгеля. Эконометрический подход к оцениванию неизвестных параметров однофакторных функции спроса и производственных функций.
Подбор функции, наиболее адекватно аппроксимирующей регрессионную зависимость: тесты Бокса-Кокса, Зарембки. Анализ влияния линейного преобразования нелинейной регрессии на случайную составляющую.
Многофакторная линейная и нелинейная регрессия Модель многофакторной линейной регрессии. Система нормальных уравнений для нахождения неизвестных коэффициентов многофакторной линейной регрессии (общая модель). Матричная форма представления многофакторной линейной регрессии и системы нормальных уравнений. Понятие матрицы плана. Интерпретация коэффициентов множественной регрессии.
Точечное и доверительное оценивание параметров линейной многофакторной функции регрессии. Множественный коэффициент детерминации и его применение. Проверка значимости линейной многофакторной модели, критерий Фишера. Скорректированный коэффициент детерминации. Анализ значимости факторов модели. Критерий Стьюдента.
Частные коэффициенты корреляции и частные коэффициенты детерминации. Проверка гипотез о значимости частных коэффициентов корреляции.
Нелинейная модель множественной регрессии. Производственная функция Кобба - Дугласа и ее свойства. Линеаризация производственной функции. «Длинная» и «короткая» регрессия. Проверка гипотезы о предпочтении выбора длинной или короткой регрессии. Регрессионные модели с переменной структурой. Искусственные (модельные) переменные. Эмпирические закономерности на рынке ценных бумаг: «эффект января», «эффект дня недели».Многофакторные модели формирования дохода ценных бумаг. Анализ и выбор факторов, влияющих на доходность ценных бумаг. Трехфакторная отраслевая модель Фама и Френча. Применение модели Фама и Френча для прогнозирования избыточной доходности акций различных отраслей на российском рынке. Пятифакторная модель Фама и Френча для прогнозирования доходности облигаций.
Условия Гаусса-Маркова и свойства оценок параметров функции регрессии Предположение о гомоскедастичности (равноточности) случайных составляющих в регрессионной модели и его нарушение- гетероскедастичность. Влияние гетероскедастичности (неравноточности) на свойства оценок неизвестных коэффициентов функции регрессии. Критерии обнаружения гетероскедастичности: тест ранговой корреляции Спирмена, тест Голдфелда-Кванда.
Автокорреляция и возможные причины её появления. Обнаружение автокорреляции первого порядка: критерий Дарбина-Уотсона. Методы устранения автокорреляции. Модели с лаговыми переменными. Тесты Дарбина и Бреуша для проверки гипотезы о наличии автокорреляции в модели с лаговой переменной. Устранение автокорреляции. Авторегрессионные модели первого порядка. Процедура Кокрана-Оркатта.
Мультиколлинеарность. Мультиколлинеарность системы факторов и двух факторов. Критерии обнаружения мультиколлинеарности системы факторов. Алгоритм Ферраро- Глобера. Анализ матрицы выборочных коэффициентов корреляции для выявления парной зависимости факторов. Проблема устранения зависимых факторов модели.
Системы одновременных уравнений Системы линейных независимых уравнений. Эндогенные и экзогенные переменные. Системы в отклонениях. Системы взаимосвязанных линейных уравнений. Структурные параметры. Системы приведенных уравнений. Косвенный МНК. Проблема идентифицируемости системы. Необходимые и достаточное условие идентифицируемости системы одновременных уравнений. Применение двух и трех -шагового метода наименьших параметров для оценки структурных коэффициентов.
Литература:
Березинец И.В. Эконометрика. – СПб.: МБИ, 2003.
Доугерти К. Введение в эконометрику. – М.: МГУ, 1997.
Замков О.О. Эконометрические методы в макроэкономическом анализе.- М.:ГУВШЭ,2001.
Кремер Н.Ш., Путко Б.А. Эконометрика. – М.: Дело ,2002.
Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. – М.: Статистика, 1977.
Магнус Л. Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: Дело, 1998.
Eugene F. Fama, Kenneth R. French, «Common Risk Factors in the Returns of Stocks and Bonds», Journal of Financial Economics (1993), pp. 3-56.
Eugene F. Fama, Kenneth R. French, «The Cross-Section of Expected Stock Returns», Journal of Finance (June 1992), pp. 427-465.
Peijie Wang. Financial Econometrics. Methods and models.- Routledge, 2003.
Объем курса: 4 курс, осенний семестр, дисциплина по выбору, для специальности «Менеджмент организации» (34 часа лекций).
Форма контроля: индивидуальные задания для самостоятельной работы, промежуточные тесты, зачет.