Аспирантура
2020/2021![Цель освоения дисциплины](/f/src/global/i/edu/objectives.svg)
![Планируемые результаты обучения](/f/src/global/i/edu/results.svg)
![Содержание учебной дисциплины](/f/src/global/i/edu/sections.svg)
![Элементы контроля](/f/src/global/i/edu/controls.svg)
![Промежуточная аттестация](/f/src/global/i/edu/intermediate_certification.svg)
![Список литературы](/f/src/global/i/edu/library.svg)
Эконометрика
Статус:
Курс обязательный
Направление:
38.06.01. Экономика
Кто читает:
Школа финансов
Когда читается:
1-й курс, 1 семестр
Формат изучения:
без онлайн-курса
Преподаватели:
Полякова Марина Васильевна
Язык:
русский
Кредиты:
5
Контактные часы:
48
Программа дисциплины
Аннотация
Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям аспиранта по направлению подготовки 38.06.01 «Экономика» и определяет содержание и виды учебных занятий и отчетности. Изучение данной дисциплины базируется на следующих базовых дисциплинах: • Линейная алгебра, • Математический анализ, • Теория вероятностей, • Математическая статистика. Основные положения дисциплины могут быть использованы в дальнейшем при изучении следующих дисциплин: • Микроэконометрика (продвинутый уровень) • Теория отраслевых рынков и конкурентная политика • Моделирование кредитных рейтингов • Современные исследования финансовых рынков • Современные исследования в корпоративных финансах, а также при написании эмпирической части диссертации.
Цель освоения дисциплины
- • Получение аспирантами представления о теоретических основах эконометрики, основных эконометрических моделях и методах их оценивания, области их применения
- • Освоение аспирантами статистических пакетов, позволяющих применить эконометрические методы к анализу реальных статистических данных
- • Развитие навыков выбирать и применять методы исследования, адекватные предмету и задачам исследования - способности предложить эконометрическую модель, приближающую и объясняющую происходящие в обществе процессы, а также адекватный метод ее оценивания
- • Развитие навыка выбирать необходимые для исследования статистические данные
- • Развитие способности оценииать необходимые эконометрические модели по имеющимся статистическим данным с использованием современных статистических пакетов
Планируемые результаты обучения
- Знать теоретическое обоснование основных эконометрических моделей и методов.
- Уметь применять эконометрические методы оценивания при работе с реальными статистическими данными
- Иметь навыки (приобрести опыт) работы с модулями статистических пакетов Excel, Gretl и STATA , позволяющие применить эконометрические методы оценивания.
Содержание учебной дисциплины
- Основные понятия теории вероятностейСлучайные события и случайные величины. Непрерывные и дискретные случайные величины и их основные числовые характеристики. Условное математическое ожидание. Нормальное и основные связанные с ним распределения. Генеральная совокупность и выборка. Статистическое оценивание. Точечные оценки. Линейность, несмещенность, эффективность и состоятельность оценок. Интервальные оценки. Метод максимального правдоподобия и метод моментов для получения оценок параметров.
- Множественная линейная регрессияМножественная линейная регрессия. Метод наименьших квадратов и его геометрическая интерпретация в многомерном случае. Теорема Гаусса – Маркова для множественной линейной регрессии. Коэффициент множественной детерминации и его свойства. Неприменимость коэффициента детерминации для оценки качества подгонки регрессии, проходящей через начало координат. Коэффициент множественной детерминации, скорректированный на число степеней свободы
- Проверка гипотез для коэффициентов множественной регрессииПредположение о нормальном распределении случайной ошибки. Проверка гипотез о конкретном значении коэффициентов регрессии. Проверка гипотез о значимости коэффициентов регрессии. Доверительные интервалы для коэффициентов регрессии. Проверка гипотезы об адекватности регрессии. Проверка общей линейной гипотезы о наличии нескольких линейных соотношений между коэффициентами регрессии. Тесты Вальда, отношения правдоподобий и множителей Лагранжа для проверки общих ограничений в классической регрессионной модели.
- Выбор функциональной формы моделиЛинейная в логарифмах регрессия как модель с постоянной эластичностью. Полулинейная модель как модель с постоянными темпами роста. Выбор между моделями с помощью теста Бокса-Кокса. Фиктивные (dummy) переменные и их использование для дифференциации свободных членов и коэффициентов наклона регрессии. Исследование структурной устойчивости коэффициентов регрессии с помощью теста Чоу (Chow).
- Ошибки спецификации моделиСмещение в оценках коэффициентов, вызванное невключением существенных переменных. Уменьшение эффективности оценок коэффициентов при включении в модель излишних переменных. RESET- тест Рамсея для проверки гипотезы о существовании упущенных переменных. Идеальная и практическая мультиколлинеарность данных. Диагностика и последствия наличия мультиколлинеарности для оценок параметров регрессионной модели. Методы борьбы с мультиколлинеарностью.
- Гетероскедастичность. Обобщенный МНКНарушение гипотезы о гомоскедастичности. Последствия гетероскедастичности для оценок коэффициентов регрессии методом наименьших квадратов. Применение тестов для диагностирования гетероскедастичности. Коррекция на гетероскедастичность. Стандартные ошибки в форме Уайта. Обобщенный метод наименьших квдратов.
- ЭндогенностьПонятие об эндогенности. Метод инструментальных переменных. Сильные и слабые инструменты. Тест Хаусмана проверки экзогенности регрессоров. Обобщенный метод моментов.
- Модели с ограниченными зависимыми переменнымиЛогит и пробит - модели с бинарной зависимой переменной. Модели упорядоченного выбора. Мультиномиальные модели.
- Тобит-модели и модели Хекмана. Модели счетных данныхТобит модели. Модели Хекмана. Регрессия Пуассона. Отрицательная биномиальная модель.
- Модели панельных данныхМодели сквозной регрессии. Модели с фиксированными эффектами. Модели со случайными эффектами. Тесты Бройша-Пагана и Хаусмана для выбора между моделями. Динамические модели панельных данных, их оценка методом Ареллано-Бонда
- Введение в теорию временных рядов. Одномерные модели временных рядовОсновные компоненты временного ряда. Выделение тренда и сезонной составляющей. Понятие об автокорреляции случайной составляющей. Последствия неучета автокорреляции. Диагностирование автокорреляции. Стационарные и нестационарные временные ряды. Тестирование наличия единичного корня. Методология Бокса-Дженкинса, модели ARIMA.
- Многомерные модели временных рядовМодели с нестационарными переменными. Ложные регрессии. Коинтеграция. Тестирование на коинтеграцию. Векторные модели авторегрессии.
Элементы контроля
- Компьютерное домашнее заданиеВ случае сдачи позднее назначенного срока - потеря 20% баллов
- Письменный экзамен
Промежуточная аттестация
- Промежуточная аттестация (I семестр)0.6 * Компьютерное домашнее задание + 0.4 * Письменный экзамен
Список литературы
Рекомендуемая основная литература
- Болдыревский П.Б., Зимина С.В. - Эконометрика. (Бакалавриат) - КноРус - 2019 - 177с. - ISBN: 978-5-406-04200-7 - Текст электронный // ЭБС BOOKRU - URL: https://book.ru/book/933017
- Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008
Рекомендуемая дополнительная литература
- Введение в эконометрику : учебник для вузов, Доугерти, К., 1997
- Практическая эконометрика в кейсах : учеб. пособие / В.П. Невежин, Ю.В. Невежин. — М. : ИД «ФОРУМ» : ИНФРА-М, 2019. — 317 с. + Доп. материалы [Электронный ресурс; Режим доступа: http://www.znanium.com]. — (Высшее образование: Бакалавриат). — www.dx.doi.org/10.12737/20052.