Метаданные Направление подготовки: 080100. 68




страница1/3
Дата25.04.2016
Размер0.61 Mb.
  1   2   3
Метаданные

Направление подготовки:

080100.68 «Экономика» (программы: Налогообложение экономических видов деятельности, Банки и реальная экономика, Управленческий учет и контроллинг, Аудит и фннансовый менеджмент, Учет, анализ и аудит) (магистратура, 1 курс, 2 семестр, очное обучение), 38.04.01 «Экономика».



Дисциплина: «Эконометрика (продвинутый уровень)»

Количество часов: 144 ( в том числе: лекции - 12, практические занятия -16, лабораторная работа – 16, самостоятельная работа - 100, форма контроля: зачет (2 семестр)).

Темы: Тема 1. Классическая линейная модель множественной регрессии и обычный метод наименьших квадратов (МНК). Тема 2. Обобщенный МНК. Оценивание параметров линейной модели множественной регрессии в условиях мультиколлинеарности. Тема 3. Неопределенность при спецификации модели и выбор спецификации. Нелинейный МНК. Тема 4. Гетероскедастичность. Взвешенный МНК. Тема 5. Тренд-сезонные модели. Автокорреляция. Тема 6. Лаговые зависимые переменные. Тема 7. Анализ моделей с качественными или цензурированными зависимыми переменными. Тема 8. Основные модели панельных данных. Тема 9. Системы одновременных уравнений.
Ключевые слова : обобщенный метод наименьших квадратов, нелинейный метод наименьших квадратов, взвешенный метод наименьших квадратов, метод максимального правдоподобия, динамические модели, модели панельных данных, двухшаговый метод наименьших квадратов.
Дата начала использования: 1 сентября 2013 г.

Автор - составитель: Исмагилов Ильяс Идрисович, доктор технических наук, профессор, заведующий кафедрой статистики, эконометрики и естествознания ИЭиФ КФУ, Костромин Андрей Владиленович, кандидат технических наук, доцент кафедры статистики, эконометрики и естествознания ИЭиФ КФУ, Кадочникова Екатерина Ивановна, кандидат экономических наук, доцент кафедры статистики, эконометрики и естествознания ИЭиФ КФУ.

Министерство образования и науки РФ

ФГАОУ ВПО «Казанский (Приволжский) федеральный университет»

Институт экономики и финансов

И. И. Исмагилов, Е. И. Кадочникова, А. В. Костромин

Эконометрика (продвинутый уровень)

Конспект лекций



Казань – 2014

Исмагилов И.И., Кадочникова Е. И., Костромин А. В.

Эконометрика (продвинутый уровень). Конспект лекций / И.И. Исмагилов, Е. И. Кадочникова, А. В. Костромин; Каз. федер. ун-т. – Казань, 2013. – 49 с.

Аннотация

Целью дисциплины «Эконометрика (продвинутый уровень)» является углубленное обучение магистрантов теоретическим основам эконометрической методологии и развитие практических навыков применения эконометрических методов для исследования экономических закономерностей и взаимосвязей между экономическими переменными. Изучению дисциплины «Эконометрика (продвинутый уровень)» предшествует освоение следующих дисциплин: «Математический анализ», «Теория вероятностей и математическая статистика», «Линейная алгебра», «Микроэкономика», «Макроэкономика», «Статистика», «Эконометрика». В круг основных задач дисциплины «Эконометрика (продвинутый уровень)» входят: развитие и углубление изнаниий студентов в области эконометрической методологии, обучение современным теоретическим подходам к построению и анализу разных видов моделей; обзор основных направлений развития эконометрической науки; развитие практических навыков эконометрического исследования и моделирования. Подготовленный материал можно изучать самостоятельно, выполняя предлагаемые задания и проводя самоконтроль усвоения материала с помощью вопросов для самоконтроля.

Принято на заседании кафедры cтатистики, эконометрики и естествознания

Протокол № 5 от 26.03.2013

© Казанский федеральный университет

© Исмагилов И.И., Кадочникова Е. И., Костромин А. В.

Содержание

Тема 1. Классическая линейная модель множественной регрессии и обычный метод наименьших квадратов (МНК)

6

1.1.Запись классической линейной модели множественной регрессии в теоретическом и эмпирическом вариантах

9

1.2. Условия реализации обычного МНК. Теорема Гаусса – Маркова

9

1.3. Учет линейных ограничений в модели регрессии

10

1.4. Неоднородность в данных и учет структурных изменений в уравнении регрессии.

10

Тема 2. Обобщенный МНК. Оценивание параметров линейной модели в условиях мультиколлинеарности

11

2.1. Мультиколлинеарность факторов, её проявление, способы обнаружения и борьбы с нею.

12

2.2.Обобщенный МНК и его свойства, теорема Айткена

13

2.3. Метод максимального правдоподобия

13

Тема 3. Неопределенность при спецификации модели выбор спецификации. Нелинейный МНК


14

3.1. Исключение существенной переменной из регрессии и его последствия

16

3.2. Включение несущественной переменной в регрессионную модель и его последствия.

16

3.3. Ошибки выбора формы модели и их последствия

16

Тема 4. Гетероскедастичность. Взвешенный МНК

17

4.1. Обнаружение гетероскедастичности

19

4.2. Устранение последствий гетероскедастичности с помощью взвешенного МНК

19

Тема 5. Тренд-сезонные модели. Автокорреляция

20

5.1. Тренд-сезонные модели временных рядов

24

5.2. Стационарные и нестационарные дискретные случайные процессы

24

5.3. Модели стационарных временных рядов и методы их построения

26

5.4. Модели нестационарных ВР и методы их построения

27

Тема 6. Лаговые зависимые переменные

28

Тема 7. Анализ моделей с качественными и цензурированными зависимыми переменными

30

7.1. Оценивание параметров моделей бинарного выбора с помощью метода максимального правдоподобия

32

7.2. Модели множественного выбора

34

7.3. Модели с цензурированными зависимыми переменными

34

Тема 8. Основные модели панельных данных

36

8.1. Преимущества панельных данных. Однонаправленные и двунаправленные модели панельных данных

39

8.2. Качество подгонки (goodness-of-fit)

39

8.3. Тестирование гипотез, решающих проблему выбора моделей панельных данных

41

Тема 9. Системы одновременных уравнений

42

9.1. Проблема идентификации

44

9.2. Косвенный, двухшаговый и трехшаговый МНК

46

9.3. Тестирование на экзогенность

48



Тема 1. Классическая линейная модель множественной регрессии и обычный метод наименьших квадратов (МНК)

Лекция 1

Аннотация. Рассматривается модель множественной регрессии в классической постановке и условия применимости обычного МНК при ограниченных выборках; теорема Гаусса – Маркова; вычислительная процедура МНК. Изложено оценивание линейной регрессии при наличии линейных ограничений, а также структурных изменений.
Ключевые слова: множественная регрессия, метод наименьших квадратов.
Методические рекомендации по изучению темы.

  • Вначале необходимо изучить теоретическую часть с определениями основных понятий.

  • В качестве самостоятельной работы предлагается ознакомиться с презентацией, выполнить практическое задание и ответить на вопросы для изучения.

  • Для проверки усвоения темы имеются вопросы для самоконтроля.


Рекомендуемые информационные ресурсы:
  1   2   3


База данных защищена авторским правом ©uverenniy.ru 2016
обратиться к администрации

    Главная страница