НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

МОСКОВСКИЙ ЭКОНОМИКО-ПРАВОВОЙ ИНСТИТУТ

Кафедра Экономики

РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА ДИСЦИПЛИНЫ

ЭКОНОМЕТРИКА

Направление подготовки

Бакалавр экономики

Квалификация (степень выпускника) Бакалавр экономики Москва 2013 1. Цель преподавания курса – обучение студентов методам построения эконометрических моделей и интерпретации получаемых результатов, обеспечение возможности совершенствования знаний в области современных направлений развития эконометрики и практики ее применения.

Задачи курса - изучение студентами традиционных и современных подходов к построению эконометрических моделей и методов их реализации, анализ условий применения различных методов в решении задач анализа экономических и социальных процессов, выработка умений и навыков эконометрического моделирования и содержательного анализа его результатов.

2. Место дисциплины в ООП. Дисциплина относится к профессиональному циклу.

Дисциплина основывается на знаниях, полученных в предшествующих дисциплинах:

знание основ теория вероятностей, математической статистики, математического анализа, линейной алгебры, методов оптимальных решений, экономической статистики и эконометрики.

3. Компетенции обучающегося, формируемые в результате освоения дисциплины:

3.1 Требования к уровню освоения содержания дисциплины Знать: основные понятия эконометрического подхода, основные методы оцениваниянеизветсных параметров эконометрических моделей,методы проверки статистических гипотез о параметрах построенных моделей, основные методы диагностики эконометрических моделей.

Уметь: применять стандартные методы построения эконометрических моделей, обрабатывать статистическую информацию и получать статистически обоснованные выводы из результатов эконометрического моделирования.

Владеть: основными принципами и методами обработки статистических данных.

3.2 Компетенции обучающегося, формируемые в результате освоения дисциплины Освоение дисциплины направлено на формирование:

общекультурных компетенций способностью совершенствовать и развивать свой интеллектуальный и общекультурный уровень (ОК-1);

способностью к самостоятельному освоению новых методов исследования, к изменению научного и научно-производственного профиля своей профессиональной деятельности (ОК-2);

способностью самостоятельно приобретать (в том числе с помощью информационных технологий) и использовать в практической деятельности новые знания и умения, включая новые области знаний, непосредственно не связанных со сферой деятельности (ОК-3);

способностью проводить самостоятельные исследования в соответствии с разработанной программой (ПК-3);

способностью анализировать и использовать различные источники информации для проведения экономических расчетов (ПК-9);

способностью составлять прогноз основных социально-экономических показателей деятельности предприятия, отрасли, региона и экономики в целом (ПК-10);

способностью применять современные методы и методики преподавания экономических дисциплин в высших учебных заведениях (ПК-13).

4. Структура содержания дисциплины Общая трудоемкость дисциплины составляет 5 зач. ед., 180 часов.

Таблица 1 – Структура дисциплины Виды учебной работы, включая Формы текущего контроля самостоятельную работу студентов и успеваемости (по трудоемкость, в часах Семестр № неделям семестра) Раздел дисциплины*) п/п Форма Аудиторная Внеаудиторная промежуточной Лк Кс С/Пр Кр Кол Ср НР КП КР аттестации(по семестрам) УО 1. Методология эконометрического 2 1 2 исследования 2. Классическая линейная модель УО 2 1 2 регрессии 3. Линейный регрессионный анализ при УО 2 1 2 нарушении условий теоремы ГауссаМаркова Регрессионные модели с переменной структурой модели в условиях эндогенности.

Обобщенный метод моментов 10. Модели анализа панельных данных 2 2 4 11. Системы одновременных уравнений 2 2 4 Тема 1. Методология эконометрического исследования Методология эконометрического исследования. Этапы создания эконометрических моделей.

Информационные технологии, используемые в эконометрике. Тема 2. Классическая линейная модель регрессии Оценивание параметров линейной модели методом наименьших квадратов. Теорема Гаусса-Маркова. Анализ регрессионных остатков.

Построение регрессионной модели в условиях мультиколлинеарности регрессоров. ^ Тема 3. Линейный регрессионный анализ при нарушении условий теоремы ГауссаМаркова Обобщенная линейная модель множественной регрессии. Применение метода наименьших квадратов для идентификации обобщенной регрессионной модели, ошибки в форме Уайта и в форме Невье-Веста. Обобщенный метод наименьших квадратов.

Линейная модель регрессии с гетероскедастичными остатками. Тестирование гетероскедастичности. Линейная модель регрессии с автокоррелированными остатками.

Оценка параметров модели с автокоррелированными остатками: процедура КохрейнаОркатта.

Тема 4. Типологическая регрессия. Линейные регрессионные модели с переменной структурой Проблема неоднородности данных в регрессионном анализе. Типологизация объектов.

Типологическая регрессия. Регрессионные модели с фиктивными переменными. Проверка гипотезы о регрессионной однородности двух групп наблюдений: критерий Чоу.

Построение линейных регрессионных моделей по неоднородным данным. Линейные регрессионные модели с переменной структурой.

Тема 5. Нелинейные регрессионные модели Классификация нелинейных регрессионных моделей. Линеаризация нелинейных моделей.

Методы нелинейной оптимизации. Подбор линеаризующего преобразования (подход Бокса-Кокса). Модель с постоянными темпами роста (полулогарифмическая шкала).

Полиномиальная регрессия. Идентификация производственной функции Кобба-Дугласа.

Линейная модель вероятности. Модели бинарного выбора: логит-модель, пробит-модель.

Оценивание параметров моделей бинарного выбора.

Тема 6. Непараметрическая регрессия Оценка Надарая - Ватсона. Непараметрическая регрессия со случайными регрессорами.

Непараметрическая регрессия с неслучайными регрессорами. Класс весовых непараметрических линейных оценок регрессии как обобщение оценок типа Надарая Ватсона. Свойства оценок. Локально-полиномиальные оценки регрессии. Определение локально-полиномиальных оценок регрессии и их свойства.

Тема 7. Одномерные модели временных рядов Временной ряд: основные понятия и определения. Компонентный анализ временного ряда. Тренд-сезонные модели временных рядов. Адаптивные модели временных рядов.

Проверка временного ряда на стационарность: анализ автокорреляционной функции, анализ частной автокорреляционной функции, статистики Дики-Фуллера. Модели стационарных временных рядов (ARMA). Методология Бокса-Дженкинса (ARIMAмодели).

Многомерные ARMA модели. Введение векторные авторегрессионные модели. Модель VAR (p). Переход от VAR (p) к VAR (1). Условия стационарности. Векторное представление MA(). Многомерный процесс белого шума. Основные многомерные ARMA модели. Модель AR (1) и её обобщения. Операторы лага, матрица полиномов от операторов лага. Обращение многомерных ARMA моделей. Многомерные авто- и кросс корреляции. Автоковариационная матрица и её свойства. Кросс-ковариации.

Автокорреляционные матрицы. Автоковариационная производящая функция для векторных процессов (случай MA и AR процессов). Преобразования векторных процессов. Оценивание, прогнозирование и проверка гипотез для моделей VAR.

Импульсные функции отклика и их свойства. Условная функция правдоподобия для векторной авторегрессии. ОМП для параметров модели. Тест отношения правдоподобия.

Асимптотические распределения ОМП. Задачи прогнозирования для векторных AR (1) моделей. Дисперсии ошибок прогноза. Вложение произвольного процесса в векторный AR(1) процесс. Пример: вложение ARMA (2,1) в трёхмерную модель AR (1). Импульсные функции отклика и их свойства.

Тема 9. Оценивание параметров линейной модели в условиях эндогенности.

Обобщенный метод моментовДинамические модели со стационарными переменными.

Авторегрессионная модель с распределенными лагами. Модели с нестационарными переменными. Понятие о коинтеграции временных рядов.

Тема 10. Модели анализа панельных данныхПонятие о регрессионных моделях по панельным данным. Модели с фиксированными и случайными эффектами. Динамические модели со стационарными переменными. Авторегрессионная модель с распределенными лагами. Модели с нестационарными переменными. Понятие о коинтеграции временных рядов.

Тема 11. Системы регрессионных уравнений Классификация переменных в системах регрессионных уравнений. Виды систем: системы внешне не связанных уравнений, рекурсивные системы, системы одновременных уравнений (СОУ). Формы систем регрессионных уравнений: структурная и приведенная форма. Необходимые и достаточные условия идентифицируемости СОУ. Оценивание параметров систем регрессионных уравнений.

5. Образовательные технологии Лекционные и практические занятия проводятся в аудитории с применением мультимедийного проектора в виде учебной презентации. Основные моменты лекционных занятий конспектируются. Отдельные темы предлагаются для самостоятельного изучения с последующим выполнением контрольной работы по данным темам.

6. Учебно-методическое обеспечение самостоятельной работы студента 6.1 По дисциплине предусмотрены следующие виды самостоятельной работы студентов:

самостоятельное изучение темы, подготовка к практическим работам, контрольным работам, выполнение самостоятельных заданий, подготовка к итоговому зачету.

В процессе изучения курса предусматривается чтение лекций по темам и проведение практических занятий в компьютерном классе с использованием прикладной программы Microsoft Excel. Для контроля знаний студентов и выработки у них навыков проведения эконометрических исследований предусмотрены домашние задания и рефераты.

7 Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины 7.1 Оценочные средства текущего контроля успеваемости 7.3 Банк оценочных средств по дисциплине сформирован, актуализирован и обновлен «16» декабря 2012 г.

8.Учебно-методическое и информационное обеспечение дисциплины (модуля) 1. Айвазян С.А., Методы эконометрики: учебник– М.: Магистр: ИНФРА-М, 2010.с.

2. Вербик Марно Путеводитель по современной эконометрике. – М.: Научная книга, 3. Берндт Э.Р. Практика эконометрики. – М.: ЮНИТИ-ДАНА, 2005.

4. Greene W.H. Econometric Analysis. Prentice Hall, 5th edition, 2003.

5. Мхитарян В.С., Архипова М.Ю., Дуброва Т.А., Сиротин В.П. и др. Эконометрика:

Учебник / под ред. д.э.н., проф. В.С.Мхитаряна. – М.: Проспект, 2010.

6. A. Tsybakov. Introduction to Nonparametric Estimation. Springer. 2009.

1. J. D. Hamilton. Time series analysis. Princeton. 2. J.H. Cochrane. Time series for Macroeconomics and Finance. Preprint. University of Chicago, Дополнительная литература:

1. Айвазян С.А., Основы эконометрики. Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики.

Учебник для вузов. – М.: ЮНИТИ, 1998.- 1022с.

3. Доугерти К., Введение в эконометрику: Пер. с англ.-М.: ЮНИТИ-М, 1997-402с.

4. Вербик М., Путеводитель по современной эконометрике. Пер. с. англ.-М.: Научная книга, 2008.-616с.

5. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс:

учебник.-М.: Дело, 2005. - 504 с.

6. Берндт Э.Р. Практика эконометрики: классика и современность: учебник.- М.:

ЮНИТИ-ДАНА, 2005. – 863 с.

7. Айвазян С.А., Мхитарян В.С. Теория вероятностей и прикладная статистика.

Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2001.- 656с.

8. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: исследование зависимостей. – М.: Финансы и статистика, 1985.

9. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. - М: Финансы и статистика, 10. М.Дж. Кендалл, А. Стюарт. Многомерный статистический анализ и временные ряды. М., Наука. 1976, стр. 662-684.

11. Г.Г. Канторович. Анализ временных рядов. Лекционные и методические материалы.

Экономический журнал ВШЭ. 2002. №4, стр. 513 – 523.

12. Болч Б., Хуань К. Дж. Многомерные статистические методы для экономики. - М.:

Статистика, 1979. - 317 с.

13. Кендалл М. Дж., Стюарт А. Многомерный статистический анализ и временные ряды. - М.: Наука, 1976, 736 с.

14. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы.– М.: Финансы и статистика, 2003.

15. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. – М.: Финансы и статистика, 2003.

9. Материально-техническое обеспечение дисциплины Материально-техническое обеспечение дисциплины соответствует требованиям, предъявляемым общеобразовательным стандартом для нормального и ритмичного проведения всех видов учебных занятий, предусмотренных учебным планом.

Компьютеры Pentium; мультимедийные средства.