Эконометрика (продвинутый уровень)

Магистратура 2023/2024

Лучший по критерию «Полезность курса для Вашей будущей карьеры»

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

Статус: Курс обязательный (Стохастическое моделирование в экономике и финансах)

Направление: 38.04.01. Экономика

Кто читает: Департамент прикладной экономики

Где читается: Факультет экономических наук

Когда читается: 1-й курс, 3, 4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Пересецкий Анатолий Абрамович, Погорелова Полина Вячеславовна

Прогр. обучения: Стохастическое моделирование в экономике и финансах

Язык: русский

Кредиты: 6

Контактные часы: 120

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов, обучающихся по магистерской программе “Стохастическое моделирование в экономике и финансах”.

Цель освоения дисциплины

Целью данного курса является не только обучение студентов новым навыкам в работе с эконометрическим аппаратом и их применение к изучению текущих экономических реалий, но также изучение и обзор эконометрических методов, составляющих основу эконометрики как дисциплины. Программа курса включает в себя вывод базовых свойств основных эконометрических методов оценивания, исключая наиболее сложные аналитические доказательства. Изучение данных методов позволяет понять суть подходов, принятых в эконометрике. В курсе рассматриваются предположения, в соответствии с которыми возможно применение того или иного подхода. Кроме того, в ходе изучения курса студенты получают навыки, необходимые для прочтения и понимания эконометрических публикаций продвинутого уровня.

Планируемые результаты обучения

Знать о влиянии включения/исключения наблюдений и объясняющих переменных на свойства МНК-оценок параметров регрессии., а также о последствиях неправильной спецификации модели регрессии. Уметь производить анализ остатков модели регрессии (тесты на нормальность, автокорреляцию и гетероскедастичность остатков).
Знать определения различных типов сходимости. Уметь применять метод инструментальных переменных для получения оценок коэффициентов моделей регрессии со стохастическими параметрами.
Знать основные понятия регрессивного анализа. Уметь применять метод моментов и метод наименьших квадратов для оценки коэффициентов модели регрессии. Знать свойства и геометрическую интерпретацию МНК-оценок коэффициентов регрессии. Знать критерии качества подгонки регрессионной модели к данным, а также их свойства.
Знать теорему Гаусса-Маркова. Уметь строить линейные модели с линейными ограничениями на параметры. Уметь применять метод множителей Лагранжа для получения УМНК-оценок.
Ознакомиться с одной из представленных на выбор тем по эконометрике с целью расширения кругозора в области эконометрического моделирования.
Уметь использовать фиктивные переменные для построения моделей регрессии для разнородных данных. Уметь применять тест Чоу и дамми-переменные для выявления структурных сдвигов.
Уметь применять метод максимального правдоподобия для получения оценок коэффициентов регрессии. Знать свойства ММП-оценок и их взаимосвязь с МНК-оценками. Уметь применять ассимптотические тесты в ММП (LR-тест, тест Вальда, LM-тест).
Уметь применять профессиональные знания и умения на практике.
Уметь строить модели с дискретной зависимой переменной (модели бинарного и множественного выбора, модели с урезанными и центрированными данными, Пуассоновская регрессия), а также знать как интерпретируются их коэффициенты.
Уметь строить модели с фиксированным и случайным эффектом для панельных данных. Знать тест Хаусмана и тесты на наличие случайного/детерминированного индивидуального эффекта.
Уметь строить нелинейные модели регрессии, а также оценивать их коэффициенты с помощью нелинейного МНК (НМНК) и ММП.

Содержание учебной дисциплины

Тема 1. Понятие регрессии. Геометрическая интерпретация в линейной регрессии.
Тема 2. Понятие классической линейной регрессии (CLR). МНК в предположении о нормальности
Тема 3. Случайные регрессоры. Состоятельность оценок.
Тема 4. Разнородность наблюдаемых объектов. Гетероскедастичность. Автокорреляция остатков.
Тема 5. Диагностика в линейной модели. Ошибки спецификации в линейной регрессии. Критерии выбора модели.
Тема 6. Оценки метода максимального правдоподобия (ML) и квазимаксимального правдоподобия (QML).
Тема 7. Нелинейные модели регрессии.
Тема 8. Понятие о моделях с дискретной зависимой переменной.
Тема 9. Понятие о моделях с панельными данными.
Тема 10. Другие вопросы эконометрики.

Элементы контроля

Домашние задания и самостоятельные работы
Контрольная работа №1
Проект
Контрольная работа №2

Промежуточная аттестация

2023/2024 учебный год 4 модуль
0.1 * Домашние задания и самостоятельные работы + 0.1 * Контрольная работа №1 + 0.6 * Контрольная работа №2 + 0.2 * Проект

Список литературы

Авторы

Пересецкий Анатолий Абрамович
Погорелова Полина Вячеславовна

Программа дисциплины