Методология эконометрического исследования на примере простой макроэкономической модел




Скачать 104.49 Kb.
Дата01.08.2016
Размер104.49 Kb.
III. Содержание программы для финансового потока.


  1. Введение.


1.1. Методология эконометрического исследования на примере простой

макроэкономической модели.



1.2. Обзор основных разделов и методов эконометрики.



  1. Классическая линейная регрессионная модель.


2.1. Оценивание параметров линейной регрессионной модели. Преимущества и недостатки различных методов оценивания. Метод наименьших квадратов (МНК). Матричная система обозначений. Операторы-проекторы и их свойства. Геометрическая интерпретация МНК. Свойства оценок метода наименьших квадратов при отсутствии предположения о случайном характере ошибок. Роль гипотезы о включении в регрессию свободного члена. Анализ вариации зависимой переменной в регрессии. Коэффициент множественной детерминации и его свойства. Коэффициент множественной детерминации, скорректированный на степени свободы. Три формы уравнения регрессии.

    1. Классическая линейная регрессия в предположении о случайном характере ошибок. Статистические характеристики ошибок, остатков, МНК-оценок параметров. Теорема Гаусса-Маркова. Несмещенная оценка дисперсии ошибок.

    2. Условный МНК. Задача Лагранжа для УМНК. Уменьшение теоретической дисперсии УМНК-оценок коэффициентов регрессии. Увеличение остаточной суммы квадратов при УМНК-оценивании регрессии.

    3. Гипотеза о нормальном распределении случайной ошибки. Законы распределения оценок регрессионных параметров. T-статистика для оценок коэффициентов регрессии, доверительные интервалы для теоретических значений коэффициентов и прогнозного значения зависимой переменной, доверительный интервал для дисперсии ошибки. F-статистика для линейной комбинации коэффициентов. Статистическая проверка общей линейной гипотезы о коэффициентах регрессии. Приложение: проверка гипотез в модели CAPM.

    4. Оценка максимального правдоподобия (ОМП): примеры и формальный подход ОМП многомерного нормального распределения. Свойства ОМП.

    5. ОМП для линейной регрессионной модели. Критерии для тестирования гипотез в линейной модели. Тесты Вальда, отношения правдоподобий и множителей Лагранжа для проверки общих ограничений в классической регрессионной модели.

    6. Проверка гипотезы о наличии структурных изломов. Тест Чау. Использование фиктивных переменных для учета структурных изломов при оценивании регрессии.


3. Регрессионный анализ при нарушении условий теоремы Гаусса-Маркова или предположения о нормальности.
3.1. Мультиколлинеарность и ее теоретические предпосылки. Внешние признаки, методы диагностики, методы устранения. Гребневая оценка. Метод главных компонент.

3.2. Ошибки спецификации. Виды ошибок спецификации и их последствия. Диагностика ошибок спецификации. Диагностика нормальности распределения случайного возмущения. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости.

3.3. Гетероскедастичность случайного возмущения и ее причины. Внешние признаки, методы диагностики, методы устранения. Взвешенный метод наименьших квадратов

3.4. Автокорреляция случайного возмущения и ее причины. Внешние признаки, методы диагностики, методы устранения. Обобщенный метод наименьших квадратов.

    1. Приложение: премия за риск на рынке обмена валют.

4. Оценивание моделей по временным рядам.

6.1. Динамические модели со стационарными переменными и методы их оценивания. Тест Гренджера на причинно-следственную зависимость. Авторегрессионная модель при наличии автокорреляции ошибок. Оценивание. Тесты на наличии автокорреляции (Тест Дарбина и множителей Лагранжа). Примеры моделей с лагированными переменными. (Модель частичного приспособления, модель адаптивных ожиданий, модель коррекции ошибок).

6.2. Модели с нестационарными переменными. Мнимая регрессия. Единичный корень. Статистика Дики-Фуллера. Коинтеграция. Долгосрочное динамическое равновесие.

6.3. Приложение: объяснение и прогнозирование совокупных инвестиционных расходов

5. Модели с дискретными зависимыми переменными.

    1. Дискретные зависимые переменные: номинальные, ранжированные, количественные. Модели бинарного выбора. Probit и Logit модели. Интерпретация коэффициентов в моделях бинарного выбора. ОМП в Probit и Logit моделях.

    2. Ошибки спецификации в моделях бинарного выбора. Критерии качества моделей. Приложение: от чего зависит решение о принятии закладной?

.6. Модели анализа панельных данных.
6.1. Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными.

6.2. Понятие о модели сложной ошибки на примере модели со специфическим индивидуальным эффектом. Детерминированный и случайный индивидуальный эффект. Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок.

    1. Тестирование спецификации в моделях панельных данных. Тест Хаусмана. Тест на наличие случайного индивидуального эффекта. Тест на наличие детерминированного индивидуального эффекта.

    2. Оценивание производственной функции по панельным данным.

7. Системы регрессионных уравнений.

7.1. Общие понятия о системах уравнений, используемых в эконометрике. Структурная и приведенная формы моделей.

7.2. Системы внешне несвязанных уравнений. Оценивание. Примеры приложений.

7.3. Системы одновременных уравнений. Эндогенность и причинность. Проблемы идентификации. Условия порядка и ранга. Методы оценивания. Рекурсивные системы. Косвенный МНК. Двухшаговый МНК и метод инструментальных переменных. Трехшаговый МНК. Динамические системы.

8. Оценивание регрессионных моделей в условиях эндогенности.

8.1. Неприменимость МНК в случае коррелированности регрессоров и случайной ошибки. Автокорреляция в динамических авторегрессионных моделях. Ошибки измерений переменных. Условная одновременность регрессоров и регрессанта.

8.2. Инструментальные переменные. Где искать инструменты? Пригодность и уместность инструментов. Тест Хаусмана.

8.3. Приложение: оценивание отдачи от образования.

9. Оценивание обобщенным методом моментов (ОММ)

9.1. Генеральные моменты и выборочные моменты. Принцип аналогий. Точная идентификация ограничений на моменты и классический метод моментов (КММ).

9.2. Сверхидентифицирующие ограничения на моменты. Оптимизационная задача для ОММ. Асимптотические свойства ОММ-оценок. Эффективный ОММ и доступный эффективный ОММ. Тест на сверхидентифицирующие ограничения (J-тест).

9.3. ОММ как оценивание с помощью оптимальных инструментов. МНК, ИП, 2СНК, 3СНК и ММП как частные случаи ОММ-оценивания. Свойства ОММ-оценок в конечных выборках.

9.4. ОММ и оценивание модели CAPM.


IV. Учебно-методическое обеспечение дисциплины:

V. Литература:

Базовый учебник.





  1. Green, W.H.(2003), Econometric Analysis, 5th edition, Prentice Hall.


Основная.
2. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: «Дело», 2004.

  1. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons/

  2. Joh nston J. And Dinardo J. (1997), Econometrics Methods, 4th edition, McGrow-Hill.


Дополнительная.


  1. Доугерти К. Ввведение в эконометрику (перевод с издания 1992 г.). М.: ИНФРА-М, 1997.

  2. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. –М.: «ЮНИТИ», 1998.


III. Содержание программы для микроэкономического направления.


  1. Введение.


1.1. Методология эконометрического моделирования на примере простой макроэкономической модели.

1.2. Предмет и методы микроэконометрики.



  1. Классическая линейная регрессионная модель.




    1. Оценивание параметров линейной регрессионной модели. Преимущества и недостатки различных методов оценивания. Метод наименьших квадратов (МНК). Матричная система обозначений. Операторы-проекторы и их свойства. Геометрическая интерпретация МНК. Свойства оценок метода наименьших квадратов при отсутствии предположения о случайном характере ошибок. Роль гипотезы о включении в регрессию свободного члена. Анализ вариации зависимой переменной в регрессии. Коэффициент множественной детерминации и его свойства. Коэффициент множественной детерминации, скорректированный на степени свободы. Три формы уравнения регрессии.

    2. Классическая линейная регрессия в предположении о случайном характере ошибок. Статистические характеристики ошибок, остатков, МНК-оценок параметров. Теорема Гаусса-Маркова. Несмещенная оценка дисперсии ошибок.

    3. Условный МНК. Задача Лагранжа для УМНК. Уменьшение теоретической дисперсии УМНК-оценок коэффициентов регрессии. Увеличение остаточной суммы квадратов при УМНК-оценивании регрессии.

    4. Гипотеза о нормальном распределении случайной ошибки. Законы распределения оценок регрессионных параметров. T-статистика для оценок коэффициентов регрессии, доверительные интервалы для теоретических значений коэффициентов и прогнозного значения зависимой переменной, доверительный интервал для дисперсии ошибки. F-статистика для линейной комбинации коэффициентов. Статистическая проверка общей линейной гипотезы о коэффициентах регрессии.

    5. Оценка максимального правдоподобия (ОМП): примеры и формальный подход ОМП многомерного нормального распределения. Свойства ОМП.

    6. ОМП для линейной регрессионной модели. Критерии для тестирования гипотез в линейной модели. Тесты Вальда, отношения правдоподобий и множителей Лагранжа для проверки общих ограничений в классической регрессионной модели.

    7. Проверка гипотезы о наличии структурных изломов. Тест Чау. Использование фиктивных переменных для учета структурных изломов при оценивании регрессии.


3. Регрессионный анализ при нарушении условий теоремы Гаусса-Маркова или предположения о нормальности.
3.1. Мультиколлинеарность и ее теоретические предпосылки. Внешние признаки, методы диагностики, методы устранения. Метод главных компонент.

3.2. Ошибки спецификации. Виды ошибок спецификации и их последствия. Диагностика ошибок спецификации. Диагностика нормальности распределения случайного возмущения. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости.

3.3. Гетероскедастичность случайного возмущения и ее теоретические предпосылки. Внешние признаки, методы диагностики, методы устранения. Взвешенный метод наименьших квадратов

3.4. Автокорреляция случайного возмущения и ее теоретические предпосылки. Внешние признаки, методы диагностики, методы устранения. Обобщенный метод наименьших квадратов.
4. Особенности оценивания динамических моделей.

    1. Динамические модели со стационарными переменными и методы их оценивания. Тест Гренджера на причинно-следственную зависимость. Авторегрессионная модель при наличии автокорреляции ошибок. Оценивание. Тесты на наличии автокорреляции (Тест Дарбина).

    2. Модели с нестационарными переменными. Мнимая регрессия. Единичный корень. Статистика Дики-Фуллера .

5. Модели с дискретными и ограниченными зависимыми переменными.

    1. Дискретные зависимые переменные: номинальные, ранжированные, количественные. Модели бинарного выбора. Probit и Logit модели. Интерпретация коэффициентов в моделях бинарного выбора. ОМП в Probit и Logit моделях.

    2. Ошибки спецификации в моделях бинарного выбора. Модели множественного выбора.

    3. Модели с урезанными и цензурированными выборками. Tobit модель. Модель Хекмана. Смещенность и несостоятельность МНК оценок. Оценка МП. Пример Мроза: занятость женщин.

    4. Модели времени жизни: от чего зависит длительность пребывания в состоянии безработицы?

6. Модели анализа панельных данных.
6.1. Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными.

6.2. Понятие о модели однокомпонентной ошибки или модели со специфическим индивидуальным эффектом. Детерминированный и случайный индивидуальный эффект. Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок.

6.3. Тестирование спецификации в моделях панельных данных. Критика Мундлака спецификации модели со случайным эффектом. Тест Хаусмана. Тест на наличие случайного индивидуального эффекта. Тест на наличие детерминированного индивидуального эффекта.

6.4. Приложение: оценивание уравнения заработной платы, измерение отдачи от инвестиций в человеческий капитал, учет гетероскедастичности.

7. Системы регрессионных уравнений.

7.1. Общие понятия о системах уравнений, используемых в эконометрике. Структурная и приведенная формы моделей. Системы уравнений спроса-предложения. Функция издержек Кобба-Дугласа.

7.2. Системы одновременных уравнений. Эндогенность и причинность. Проблемы идентификации. Условия порядка и ранга. Методы оценивания: косвенный МНК, двухшаговый МНК и метод инструментальных переменных, трехшаговый МНК. Рекурсивные системы. Динамические системы.

8. Инструментальные переменные в линейной модели.

8.1. Неприменимость МНК в случае коррелированности регрессоров и случайной ошибки. Автокорреляция в динамических авторегрессионных моделях. Ошибки измерений переменных. Условная одновременность регрессоров и регрессанта .

8.2. Инструментальные переменные. Где искать инструменты? Пригодность и уместность инструментов. Тест Хаусмана.

8.3. Инструменты в моделях анализа панельных данных: метод Хаусмана-Тейлора.

8.4. Приложение: оценивание отдачи от образования

9. Оценивание по Обобщенному Методу Моментов (ОММ)

9.1. Генеральные моменты и выборочные моменты. Принцип аналогий. Точная идентификация ограничений на моменты и классический метод моментов (КММ). Асимптотические свойства КММ-оценок.

9.2. Сверхидентифицирующие ограничения на моменты. Оптимизационная задача для ОММ. Асимптотические свойства ОММ-оценок. Эффективный ОММ и доступный эффективный ОММ. Тест на сверхидентифицирующие ограничения (J-тест).

9.3. ОММ как оценивание с помощью оптимальных инструментов. МНК, ИП, 2СНК, 3СНК и ММП как частные случаи ОММ-оценивания. Свойства ОММ-оценок в конечных выборках.ОММ в анализе панельных данных: оценивание динамических моделей.

9.4. Приложение: оценивание динамической модели преступности.
IV. Учебно-методическое обеспечение дисциплины:

V. Литература:

Базовый учебник.





  1. Green, W.H.(2003), Econometric Analysis, 5th edition, Prentice Hall.


Основная.
2. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: «Дело», 2004.

  1. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons/

  2. Joh nston J. And Dinardo J. (1997), Econometrics Methods, 4th edition, McGrow-Hill.


Дополнительная.


  1. Доугерти К. Ввведение в эконометрику (перевод с издания 1992 г.). М.: ИНФРА-М, 1997.

  2. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. –М.: «ЮНИТИ», 1998.


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

    Главная страница