Эконометрика

Бакалавриат 2020/2021

Статус: Курс обязательный (Бизнес-информатика)

Направление: 38.03.05. Бизнес-информатика

Кто читает: Кафедра экономической теории и эконометрики (Нижний Новгород)

Где читается: Факультет информатики, математики и компьютерных наук (Нижний Новгород)

Когда читается: 2-й курс, 4 модуль

Формат изучения: без онлайн-курса

Преподаватели: Лакшина Валерия Владимировна, Леонова Людмила Аркадьевна

Язык: русский

Кредиты: 4

Контактные часы: 30

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

В результате освоения дисциплины студент ознакомиться с основными понятиями и инструменты эконометрических методов исследования; будет знать методы построения эконометрических моделей, объектов, явлений и процессов, получит умения анализа во взаимосвязи экономических явлений, процессов и институтов. Будет уметь анализировать и интерпретировать данные отечественной и зарубежной статистики о социально-экономических процессах и явлениях, выявлять тенденции изменения социально-экономических процессов, осуществлять поиск информации по полученному заданию, сбор, анализ данных, необходимых для решения поставленных экономических задач; осуществлять выбор инструментальных средств для обработки экономических данных в соответствии с поставленной задачей, анализировать результаты расчетов и обосновывать полученные выводы. Студент получит навыки построения на основе описания ситуаций теоретических и эконометрических моделей, анализа и содержательной интерпретации полученных результатов; прогнозирования на основе стандартных теоретических и эконометрических моделей поведение экономических агентов, развитие экономических процессов и явлений, на микро- и макроуровне.

Цель освоения дисциплины

Целями освоения дисциплины «Эконометрика» являются овладение основами построения и оценки регрессионных уравнений.

Планируемые результаты обучения

умеет объяснить положение и взаимосвязь эконометрики со смежными дисциплинами
знает этапы эконометрического исследования и их содержание
знает основные характеристики случайных величин
знает основные законы распределения вероятности, используемые в эконометрике
умеет объяснить понятия регрессии, наилучшего линейного предсказания, среднеквадратической ошибки
знает свойства статистических оценок, проверяет оценки параметров на несмещенность, состоятельность, эффективность
вычисляет вероятность попадания случайной величины в заданный интервал значений
перечисляет типы данных и переменных в эконометрике
записывает и решает систему нормальных уравнений для парной и множественной регрессии
знает формулировку и доказательство теоремы Гаусса-Маркова
вычисляет оценки параметров парной регрессии по формулам
тестирует гипотезу о значимости оценок коэффициентов классической линейной регрессии
тестирует гипотезу о значимости линейных ограничений общего вида в классической регрессии
вычисляет коэффициент детерминации и интерпретирует его
оценивает параметры множественной регрессии с помощью эконометрического пакета (Stata или R) и интерпретирует их
тестирует гипотезу о значимости классической регрессии в целом
строит доверительный интервал для оценок коэффициентов классической линейной регрессии
строит прогноз по оцененной модели классической регрессии
знает определения гетероскедастичности, автокорреляции, мультиколлинеарности
знает последствия нарушений предпосылок теоремы Гаусса-Маркова
тестирует гипотезы о наличии гетероскедастичности, автокорреляции, мультиколлинеарности в классической регрессии
знает способы устранения последствий нарушений предпосылок теоремы Гаусса-Маркова (поправки Уайта, Ньюи-Веста)
тестирует гипотезу о наличии структурных сдвигов в классической регрессии
знает формулировку и доказательство теоремы Айткена
умеет объяснить суть ММП; умеет объяснить различие между тремя типами статистических тестов: LR, LM и W
знает модели бинарного выбора (линейную модель вероятности и ее недостатки, модель логит, модель пробит)
оценивает параметры моделей бинарного выбора с помощью эконометрического пакета (Stata или R) и интерпретирует их
считает предельные эффекты
вычисляет R2 МакФаддена и интерпретирует его
сравнивает оцененные модели бинарного выбора по качеству подгонки с помощью информационных критериев
сравнивает модели с ограничениями и без ограничений с помощью теста отношения правдоподобия (LR-тест)
вычисляет прогнозную вероятность для моделей бинарного выбора
знает формулировку и доказательство теоремы Гаусса-Маркова для случая стохастических регрессоров
умеет объяснить, какие проблемы возникают в случае стохастических регрессоров
знает определение эндогенности и инструментальных переменных
может аналитически вывести оценку коэффициентов множественной регрессии двухшаговым методом наименьших квадратов
тестирует гипотезу о состоятельности МНК-оценок коэффициентов классической регрессии с помощью теста Хаусмана
демонстрирует навыки владения эконометрическим инструментарием, полученные на семинарах

Содержание учебной дисциплины

Тема 1. Введение в эконометрику
Предмет эконометрики. Методология эконометрического исследования. Математическая и эконометрическая модель. Три типа экономических данных: временные ряды, перекрестные (cross-section) данные, панельные данные. Повторение материала курсов по теории вероятности и математической статистике.
Тема 2. Классическая линейная регрессия
Метод наименьших квадратов, оценка дисперсии шума, теорема Гаусса-Маркова, коэффициент детерминации, тест на значимость регрессии в целом, проверка гипотез, тест Чоу, бинарные (фиктивные) объясняющие переменные.
Тема 3. Нарушения предпосылок теоремы Гаусса-Маркова
Гетероскедастичность, проверка на гомоскедастичность остатков, тест Уайта, тесты Парка, Глейзера, ранговой корреляции Спирмена, последствия гетероскедастичности, методы борьбы с проблемой гетероскедастичности. Взвешенный метод наименьших квадратов. Обобщенный метод наименьших квадратов и реализуемый обобщенный метод наименьших квадратов. Мультиколлинеарность. Автокорреляция, автокорреляция первого и высших порядков, проверка на автокорреляцию остатков, тест Дарбина-Уотсона, обобщенный метод наименьших квадратов для оценки регрессии при наличии автокорреляции, последствия автокорреляции, методы борьбы с проблемой автокорреляцией.
Тема 4. Метод максимального правдоподобия
Метод максимального правдоподобия, модели с бинарными зависимыми переменными (probit, logit модели), проблемы линейной регрессионной модели. Модели с дискретными зависимыми переменными (ordered logit, ordered probit, multinomial logit), цензурированные выборки, tobit, tobit II, процедура Хекмана корректировки самоотбора наблюдений в выборке.
Тема 5. Проблема эндогенности
Коррелированность регрессоров со случайной ошибкой. Причины эндогенности. Инструментальные переменные. Двухшаговый МНК.
Итоговый проект

Элементы контроля

Аудиторная работа
Итоговый проект
Итоговый проект по курсу представляет собой выполнение ряда практических заданий по темам курса
Итоговый контроль

Промежуточная аттестация

Промежуточная аттестация (4 модуль)
0.3 * Аудиторная работа + 0.4 * Итоговый контроль + 0.3 * Итоговый проект

Программа дисциплины