Рабочая программа учебной дисциплины эконометрика

НЕГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ

ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«ИНСТИТУТ МЕЖДУНАРОДНЫХ ЭКОНОМИЧЕСКИХ СВЯЗЕЙ»
Факультет мировой экономики и международной торговли

Кафедра Экономики


РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ

ЭКОНОМЕТРИКА
Разработана в соответствии с ФГОС ВПО

Рекомендуется для направления подготовки

080100.62 – «Экономика»
Профили подготовки

«­­Мировая экономика», «Бухгалтерский учёт, анализ и аудит», «Финансы и кредит»
Для студентов очного, очно-заочного и заочного отделения
Квалификации (степени) выпускника - бакалавр экономики

Москва

2013

УТВЕРЖДЕНО

на заседании Ученого Совета ИМЭС

Протокол № 5 от 27.12.2012 года

Данную программу разработала Коренман Григорий Яковлевич

д.ф-м.н., профессор кафедры Экономики НОУ ВПО ИМЭС.
Предназначена для студентов очного, очно-заочного и заочного отделения. Разработана в соответствии с ФГОС ВПО.

Обсуждена и рекомендована

к утверждению на заседании кафедры

Экономики НОУ ВПО ИМЭС.

Протокол № 2 от 26.12.2012 года.

Аннотация программы дисциплины Эконометрика

Дисциплина «Эконометрика» предназначена для изучения количественных и качественных экономических взаимосвязей с использованием математических и статистических методов и моделей.

Рабочая программа учебной дисциплины «Эконометрика» предназначена для студентов очной, очно-заочной и заочной форм обучения, обучающихся по направлению 080100.62 «Экономика».

Аннотация рабочей программы составлена в соответствии с требованиями Федерального государственного образовательного стандарта третьего поколения по направлению 080100.62 «Экономика» и изучается в Профессиональном цикле (Б2).

1. Цели и задачи дисциплины.

Цель учебного курса эконометрики  теоретическая и практическая подготовка студентов по вопросам формулировки и использования эконометрических моделей и методов для анализа и прогнозирования экономических процессов.

Основные задачи курса: освоение теоретических знаний об основных методах и моделях эконометрики; ознакомление с теоретическими методами оценки параметров и прогнозирования в эконометрических моделях; приобретение практических навыков расчета оценок параметров, прогнозирования в рамках эконометрических моделей и анализа результатов.
2. Место дисциплины в структуре ООП.

Учебная дисциплина «Эконометрика» входит в базовую часть профессионального цикла образовательной программы экономиста. Для ее изучения студенты должны владеть математическими знаниями по дисциплинам «Математический анализ», «Линейная алгебра», «Теория вероятностей и математическая статистика», а также основными положениями общей статистики, микро- и макроэкономики. Одновременно курс создает предпосылки для более глубокого освоения других основных разделов современной экономической теории (микро- и макроэкономики). Дисциплина «Эконометрика» является предшествующей для изучения следующих дисциплин: «Национальная экономика», «Экономика отраслевых рынков», «Экономика труда», «Институциональная экономика», «Экономика общественного сектора», «Международная торговля».
3. Требования к результатам освоения дисциплины.

Процесс изучения дисциплины направлен на формирование общекультурных компетенций: ОК–4,5,11,13 и

профессиональных компетенций: ПК-1,2,3,4,6,7,8,9,10,13,15.

В результате изучения дисциплины студент должен:

Знать:

• 
  основные понятия и цели эконометрики;
  
• 
  методы построения эконометрических моделей объектов, явлений и процессов;
  
• 
  основные положения наиболее распространенных эконометрических моделей;
  
• 
  способы оценки параметров эконометрических моделей, проверки значимости параметров и адекватности моделей;
  
• 
  методы точечного и интервального прогнозирования на основе эконометрических моделей и оценки области их применимости.
  

Уметь:

• 
  анализировать и выявлять взаимосвязи экономических характеристик, процессов и явлений на основе эконометрических моделей;
  
• 
  строить на основе данных статистики и источников экономической информации стандартные эконометрические модели, анализировать и интерпретировать полученные результаты;
  
• 
  прогнозировать на основе стандартных эконометрических моделей поведение экономических агентов, развитие экономических процессов и явлений на микро- и макроуровне;
  
• 
  оценивать значимость, выявлять области применимости, сравнивать достоинства и недостатки разных эконометрических моделей при описании одних и тех же данных.
  

Владеть:

• 
  современной методикой выбора и построения эконометрических моделей, соответствующих решаемым задачам;
  
• 
  методами и приемами анализа экономических явлений и процессов с помощью стандартных теоретических и эконометрических моделей;
  
• 
  навыками поиска и использования статистической и экономической информации для формулировки и анализа эконометрических моделей;
  
• 
  методами компьютерных расчетов эконометрических моделей.
  

4. Объем дисциплины и виды учебной работы

Вид учебной работы	Всего часов / зачетных единиц
	очное	очно-заочное	заочное
Аудиторные занятия (всего)	88/2,4	40/1,1	12/0,3
В том числе:
Лекции	44/1,2	24/0,7	12/0,3
Практические занятия (ПЗ)
Семинары (С) (в т.ч. в интерактивной форме)	44/1,2	16/0,4	-
Лабораторные работы (ЛР)
Самостоятельная работа (всего)	92/2,6	140/3,8	168/4,7
В том числе:
Курсовой проект (работа)
Расчетно-графические работы
Подготовка к экзамену	27/0,8	27/0,8	27/0,8
Другие виды самостоятельной работы
Освоение рекомендованной литературы, подготовка к занятиям	65/1,8	113/3	141/3,9
Вид аттестации	экзамен	экзамен	экзамен
Общая трудоемкость 180 часа 5 зачетных единицы	180	180	180

(Виды учебной работы указываются в соответствии с ООП)
5. Содержание дисциплины

5.1. Содержание разделов дисциплины

№ п/п	Наименование раздела дисциплины	Содержание раздела
1	Общие положения эконометрики	Предмет эконометрики. Возникновение и развитие эконометрики. Специфика измерений в экономике. Стохастические особенности исходных данных и взаимосвязей между характеристиками экономических процессов. Цели и задачи прикладных эконометрических исследований. Теоретические основания и методология эконометрического анализа. Общая постановка задачи о нахождении количественной взаимосвязи разных величин по эмпирическим данным. Общие черты и различия количественных моделей в эконометрике и в естественных науках. Разделы и специальные вопросы математики, наиболее часто используемые в эконометрике.
2	Линейная модель парной регрессии	Исходные предположения линейной модели парной регрессии. Стохастическая составляющая зависимой переменной. Гомо- и гетероскедастичность. Нормальная линейная модель парной регрессии. Требования к оценке параметров регрессии (несмещенность, эффективность, состоятельность). Оценки параметров линейной модели парной регрессии по методу наименьших квадратов (МНК) и методу максимального правдоподобия. Несмещенность МНК-оценок параметров модели. Дисперсия МНК-оценок параметров модели. Теорема Гаусса Маркова. Оценка дисперсии ошибок . Статистические свойства МНК-оценок параметров регрессии. Проверка статистических гипотез и доверительные интервалы для коэффициентов регрессии. Показатели качества регрессии. Коэффициент детерминации и F-статистика. Прогнозирование в линейной модели парной регрессии. Точечный и интервальный прогноз. Применение линейной модели парной регрессии для анализа рынка акций (модель Шарпа).
3	Линейная модель множественной регрессии	Исходные предположения линейной модели множественной регрессии. Нормальная линейная модель регрессии. Векторно-матричная форма линейной модели множественной регрессии. Оценка параметров модели по методу наименьших квадратов (МНК). Несмещенность МНК-оценок параметров модели. Матрица ковариаций МНК-оценок параметров модели множественной регрессии. Теорема Гаусса Маркова. Оценка дисперсии ошибок . Статистические свойства МНК-оценок параметров регрессии. Распределение МНК-оценок коэффициентов множественной регрессии и распределение оценки дисперсии ошибок для нормальной линейной модели. Независимость и МНК-оценок линейных параметров. Показатели качества регрессии и анализ вариации зависимой переменной в регрессии. Коэффициент детерминации и улучшенный коэффициент детерминации. Проверка статистических гипотез, доверительные интервалы и доверительные области для коэффициентов регрессии. F-статистика. Оценка коэффициентов множественной регрессии по методу максимального правдоподобия. Фиктивные (дискретные) переменные, модели с переменной структурой и их использование для учета сезонных изменений и дискретных признаков. Проверка гипотезы о структурных изменениях с помощью дискретных переменных. Проблемы выбора переменных и спецификации модели множественной регрессии. Проблема мультиколлинеарности. Частная корреляция и ее использование для спецификации модели. Исключение существенных переменных. Включение несущественных переменных. Сравнение моделей с ограничениями и без ограничений. Прогнозирование в линейной модели множественной регрессии. Среднеквадратичная ошибка и доверительный интервал прогноза.
4	Нелинейные регрессионные модели	Природа нелинейных моделей. Методы выбора вида нелинейных моделей. Два класса нелинейных моделей регрессии. Линеаризация. Коэффициенты эластичности. Корреляция для нелинейной регрессии.
5	Обобщенная линейная регрессионная модель	Матрица ковариаций в обобщенной линейной регрессионной модели. Обобщенный метод наименьших квадратов (ОМНК). Теорема Айткена. Доступный обобщенный метод наименьших квадратов. Оценки по методу максимального правдоподобия. Линейная модель множественной регрессии с гетероскедастичностью. Метод взвешенных наименьших квадратов как частный случай ОМНК. Коррекция на гетероскедастичность. Формы стандартных ошибок в моделях с гетероскедастичностью. Тесты на гетероскедастичность. Линейная модель с автокорреляциями. Авторегрессионный процесс первого порядка. Коэффициент авторегрессии. Методы оценивания в модели с авторегрессией. Тест Дарбина Уотсона.
6	Временные ряды	Характеристики временных рядов. Модели распределенных лагов. Авторегрессионные модели распределенных лагов (динамические модели). Авторегрессионная модель при наличии автокорреляции ошибок. Оценка моделей с распределенными лагами по методу инструментальных переменных и по методу максимального правдоподобия. Нелинейный метод наименьших квадратов. Тест на автокорреляцию ошибок. Модель частичной корректировки. Модель адаптивных ожиданий. GARCH-модели. Нестационарные временные ряды.
7	Системы линейных одновременных уравнений	Системы одновременных уравнений. Экзогенные и эндогенные переменные. Внешне не связанные уравнения. Структурная и приведенная формы модели. Косвенный метод наименьших квадратов. Проблемы идентифицируемости. Оценивание систем одновременных уравнений. Двухшаговый и трехшаговый метод наименьших квадратов.
8	Дискретные зависимые переменные	Модели бинарного выбора. Линейная модель вероятности, probit- и logit- модели. Модели множественного выбора для номинальных и порядковых переменных. Модели с урезанными и цензурированными выборками.

5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми

(последующими) дисциплинами

№ п/п	Наименование обеспе-чиваемых (последующих) дисциплин	№ № разделов данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин
		1	2	3	4	5	6	7	8
1.	Международная торговля		+	+	+		+	+	+
2.	Национальная экономика	+	+	+	+	+	+	+
3	Институциональная экономика		+	+			+		+
4	Экономика труда	+	+	+			+	+	+
5	Экономика отраслевых рынков		+	+	+		+
6	Экономика общественного сектора	+	+	+	+		+	+	+

5.3. Разделы дисциплины и виды занятий очного отделения (в часах)

№ п/п	Наименование раздела дисциплины	Лекц.	Практ. зан.	Лаб. зан.	Семин.	СРС	Все-го
1	Общие положения эконометрики	4			4	10	18
2	Линейная модель парной регрессии	6			6	12	24
3	Линейная модель множественной регрессии	6			6	12	24
4	Нелинейные регрессионные модели	6			6	12	24
5	Обобщенная линейная регрессионная модель	4			4	10	18
6	Временные ряды	6			6	12	24
7	Системы линейных одновременных уравнений	6			6	12	24
8	Дискретные зависимые переменные	6			6	12	24
	ИТОГО:	44			44	92	180

5.4. Разделы дисциплины и виды занятий очно-заочного отделения (в часах)

№ п/п	Наименование раздела дисциплины	Лекц.	Практ. зан.	Лаб. зан.	Семин.	СРС	Все-го
1	Общие положения эконометрики	2			2	16	20
2	Линейная модель парной регрессии	4			2	18	24
3	Линейная модель множественной регрессии	4			2	18	24
4	Нелинейные регрессионные модели	2			2	18	22
5	Обобщенная линейная регрессионная модель	2			2	16	20
6	Временные ряды	4			2	18	24
7	Системы линейных одновременных уравнений	4			2	18	24
8	Дискретные зависимые переменные	2			2	18	22
	ИТОГО:	24			16	140	180

5.5. Разделы дисциплины и виды занятий заочного отделения (в часах)

№ п/п	Наименование раздела дисциплины	Лекц.	Практ. зан.	Лаб. зан.	Семин.	СРС	Все-го
1	Общие положения эконометрики	1				21	22
2	Линейная модель парной регрессии	2				21	23
3	Линейная модель множественной регрессии	2				21	23
4	Нелинейные регрессионные модели	1				21	22
5	Обобщенная линейная регрессионная модель	2				21	23
6	Временные ряды	2				21	23
7	Системы линейных одновременных уравнений	1				21	22
8	Дискретные зависимые переменные	1				21	22
	ИТОГО:	12				168	180

6. Лабораторный практикум

№ п/п	№ раздела дисциплины	Наименование лабораторных работ	Трудоемкость (часы/зачетные единицы)
…	не предусмотрен

7. Примерная тематика курсовых проектов (работ)

не предусмотрена
8. Учебно-методическое и информационное обеспечение дисциплины.

а) Основная литература

1. 
   Кремер Н.Ш., Путко Б.А. Эконометрика.   3-е изд., перераб. и доп.   М.: Юнити, 2013.
   
2. 
   Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс.   М.: Дело, 2007.   504 с.
   
3. 
   Елисеева И.И. Эконометрика.   М.: Проспект, 2010.
   
4. 
   Катышев П.К., Магнус Я.Р., Пересецкий А.А., Головань С.В. Сборник задач к начальному курсу эконометрики.   4-е изд., доп. и перераб.   M.: Дело, 2007.   368 с.
   

б) Дополнительная литература

1. Практикум по эконометрике / И.И. Елисеева, С.В. Курышева, И.М. Гордеенко и др. / Под ред. И.И. Елисеевой.   М.: Финансы и статистика, 2003.

2. Налимов В.Н. Элементы теории вероятностей и математической статистики для экономистов и менеджеров.   М.: ИМЭС, 2003.

3Гмурман В.Е. Теория вероятностей и математическая статистика.   М.: Высшая школа, 2000.

4. Замков О.О., Толстопятенко А.В., Черемнин Ю.Н. Математические методы в экономике / Под общей ред. А.В. Сидоровича.   4-е изд.   М.: Дело и Сервис, 2004.   (Учебники МГУ им. М.В. Ломоносова).

5. Берндт Э.Р. Практика эконометрики: классика и современность / Пер. с англ.   М.: ЮНИТИ, 2005.

6. Доугерти К. Введение в эконометрику / Пер. с англ.  М.: ИНФРА-М, 1999.   402 с.

7. Чураков Е.П. Прогнозирование эконометрических временных рядов. ­ М.: Финансы и статистика, 2008.

8. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование.   М.: Инфра-М, 2010.
в) программное обеспечение

специального программного обеспечения не требуется

9. Материально-техническое обеспечение дисциплины:

Специально оборудованные кабинеты и аудитории: компьютерные классы,

аудитории, оборудованные мультимедийными средствами обучения.
10. Методические рекомендации по организации изучения дисциплины:

Контроль знаний и умений студентов включает формы текущего и итогового контроля. Текущий контроль осуществляется в виде домашних заданий и четырех контрольных работ. Контрольная работа № 1 проводится после изучения темы 2, контрольная № 2 –после изучения темы 3, контрольная дисциплины № 3 - после темы 5, контрольная № 4 – после темы 7. Все домашние задания должны быть сданы до проведения соответствующей контрольной работы. Итоговый контроль осуществляется в виде зачета после 5-го семестра м в виде экзамена после 6-го семестра.

Перечень типовых вопросов к зачету (вопросы 1-25 ) и к экзамену (вопросы 1–35)

1. 
   Исходные предположения линейной модели парной регрессии.
   
2. 
   Оценка параметров модели парной регрессии по методу наименьших квадратов.
   
3. 
   Несмещенность МНК-оценок параметров линейной модели парной регрессии.
   
4. 
   Дисперсия МНК-оценок параметров линейной модели парной регрессии.
   
5. 
   Теорема Гаусса-Маркова для модели парной регрессии.
   
6. 
   Оценка дисперсии случайных составляющих в модели парной регрессии.
   
7. 
   Статистические свойства МНК-оценок параметров модели парной регрессии.
   
8. 
   Распределение оценки дисперсии ошибок модели парной регрессии.
   
9. 
   Проверка нулевой гипотезы и доверительные интервалы для коэффициентов парной регрессии.
   
10. 
    Анализ вариации зависимой переменной, коэффициент детерминации и F-статистика в линейной модели парной регрессии.
    
11. 
    Прогнозирование в линейной модели парной регрессии.
    
12. 
    Исходные предположения линейной модели множественной регрессии.
    
13. 
    Матричная форма записи линейной модели множественной регрессии.
    
14. 
    Оценка параметров линейной модели множественной регрессии по методу наименьших квадратов.
    
15. 
    Несмещенность МНК-оценок параметров линейной модели множественной регрессии.
    
16. 
    Матрица ковариаций и дисперсия МНК-оценок параметров линейной модели множественной регрессии.
    
17. 
    Теорема Гаусса-Маркова для линейной модели множественной регрессии.
    
18. 
    Оценка дисперсии ошибок в линейной модели множественной регрессии.
    
19. 
    Распределение оценки дисперсии ошибок в линейной модели множественной регрессии.
    
20. 
    Анализ вариации зависимой переменной и коэффициент детерминации в линейной модели множественной регрессии.
    
21. 
    Проверка нулевой гипотезы и доверительные интервалы для одного из коэффициентов линейной модели множественной регрессии.
    
22. 
    Проверка многомерной нулевой гипотезы в линейной модели множественной регрессии.
    
23. 
    Проблема мультиколлинеарности в линейной модели множественной регрессии.
    
24. 
    Фиктивные (дискретные) переменные (модель множественной регрессии с переменной структурой).
    
25. 
    Прогнозирование в линейной модели множественной регрессии.
    
26. 
    Линейная модель множественной регрессии с гетероскедастичностью.
    
27. 
    Линейная модель множественной регрессии с автокорреляцией.
    
28. 
    Нелинейные модели регрессии.
    
29. 
    Обобщенный метод наименьших квадратов.
    
30. 
    Доступный обобщенный метод наименьших квадратов.
    
31. 
    Внешне не связанные системы регрессионных уравнений.
    
32. 
    Структурная и приведенная формы системы одновременных регрессионных уравнений.
    
33. 
    Модели распределенных лагов.
    
34. 
    Авторегрессионные модели распределенных лагов.
    
35. 
    Дискретные зависимые переменные. Модели logit и probit.
    

Типовые задачи для контрольных работ

Контрольная работа № 1

В таблице приведены результаты 10 наблюдений пар величин x и y (каждому студенту выдается своя таблица).

1. Оценить регрессию на (найти , и ).

2. Найти коэффициент детерминации .

3. Проверить гипотезу на 10%-ом уровне значимости.

4. Найти 95%-ый доверительный интервал значений .

5. Получить прогноз значения при (значение дано в таблице) и 95%-ый доверительный интервал значений в этой точке.

Контрольная работа № 2

В таблице даны пять наборов величин (каждому студенту выдается своя таблица)

1. Оценить регрессию на константу и переменные , (получить вектор ).

2. Найти оценку дисперсии случайных составляющих .

3. Проверить гипотезу и найти 95%-ый доверительный интервал .

4. Получить прогноз величины при заданных, и найти 95%-ый доверительный интервал значений при этих .

Контрольная работа № 3

Задача № 1. В результате регрессии n значений на k переменных получены остатки регрессии , приведенные в прилагаемой таблице. Проверить гипотезу об отсутствии автокорреляций и оценить величину параметра автокорреляции .

Задача № 2. В прилагаемой таблице приведены значения числа работающих (в тыс. чел.) и поступлений в бюджет (в млрд руб.) для 15 районов крупного города, упорядоченные по возрастанию . Выбирая первые 6 и последние 6 пар в качестве двух групп данных, проверить гипотезу об отсутствии гетероскедастичности с помощью теста Голдфелда Куандта.

Контрольная работа № 4

Структурная форма системы линейных одновременных уравнений для объясняемых переменных и переменных имеет вид:

,

.

Вводя «векторы» , , , можно записать эту систему в виде

.

1. 
   Выразите матрицы и через параметры исходной системы.
   
2. 
   Перейдите к приведенной форме системы и выразите матрицу P и вектор через величины, входящие в исходную систему. Найдите связь между матрицами ковариаций и .
   
3. 
   Составьте систему уравнений, связывающих параметры исходной системы с элементами матрицы и проанализируйте вопрос об идентифицируемости исходных параметров и системы в целом. Найдите явные выражения для всех идентифицируемых параметров через элементы матрицы P.
   
4. 
   В результате применения МНК к приведенной системе получены оценки величин и (даны численные значения) Получить оценки идентифицируемых параметров и матрицы ковариаций случайных составляющих структурной формы.