Эконометрика

Бакалавриат 2023/2024

Лучший по критерию «Полезность курса для расширения кругозора и разностороннего развития»

Лучший по критерию «Новизна полученных знаний»

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

Охват аудитории: для своего кампуса

Преподаватели: Ларин Александр Владимирович

Язык: русский

Кредиты: 3

Контактные часы: 40

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

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