Программа дисциплины "Эконометрика 2" для направления 080100. 68 «Экономика»




Скачать 167.81 Kb.
НазваниеПрограмма дисциплины "Эконометрика 2" для направления 080100. 68 «Экономика»
Дата13.10.2012
Размер167.81 Kb.
ТипПрограмма дисциплины








Программа дисциплины


"Эконометрика - 2"

для направления 080100.68 «Экономика»


магистерская программа «Финансы»



Утверждена

Учебно-методическим Советом ПФ ГУ-ВШЭ

Председатель________________Г.Е. Володина

«_______»__________________________2010 г.


Одобрена на заседании кафедры

ПМиММСС __________

Зав. кафедрой________________

«______»__________________________2010 г.




Пермь 2010 г.


  1. Пояснительная записка

  1. Автор программы: к.ф.-м.н, Кадырова Елена Мухаметзяновна.

  2. Требования к студентам: необходимо знание курсов «Математического анализа», «Линейной алгебры», «Теории вероятностей и математической статистики», «Эконометрики-I».

  3. Аннотация: Курс «Эконометрика - 2» рассчитан на студентов 1-го года обучения по магистерской программе «Экономика» всех специализаций, и представляет собой одну из базовых дисциплин фундаментального экономического образования. Материал курса предназначен для использования в дисциплинах, связанных с количественным анализом реальных экономических явлений. Программа рассчитана на студентов, прослушавших курс математического анализа, включающий дифференциальное и интегральное исчисление, а также курсы линейной алгебры, методов оптимальных решений, экономической статистики, теории вероятностей и математической статистики, эконометрики-1. Программа курса предусматривает проведение лекций, а также практических занятий в аудитории и компьютерном классе. В ходе обучения студенты самостоятельно выполняют два эконометрических исследования в форме эссе. От студентов требуется систематическое посещение лекций и практических занятий.

  4. Учебная задача курса:

Основная цель курса – дать магистрантам представления о теоретических основах современных эконометрических методов анализа данных, показать как можно более широкий спектр инструментов анализа данных, описывающих экономические процессы, и научить корректному использованию инструментов на практике при работе со специализированными эконометрическими программами Eviews и STATA.

В результате изучения курса студент должен:

  • Знать основные понятия и утверждения эконометрики-2 в их взаимосвязи

  • Уметь доказывать элементарные утверждения, выводимые из определений и исходных предположений, самостоятельно пользоваться эконометрическими методами без использования и с использованием специального программного обеспечения; грамотно интерпретировать получаемые в ходе вычислений результаты

  • Иметь представление об основных проблемах, возникающих в процессе применения эконометрических методов, и способах их разрешения

  • Обладать навыками построения эконометрических моделей, включая проверку их адекватности реальным данным

5. Формы контроля:

  • Текущий контроль: согласно графику контрольных мероприятий проводятся тематические контрольные работы в форме теста и домашнее задание.

  • Промежуточный контроль: выполнение минитестов, микроконтролей, самостоятельных работ по тематике семинарского занятия; обсуждение практических ситуаций перед аудиторией. Результирующая оценка промежуточного контроля (баллы за работу на семинарских занятиях) складывается из результатов минитестов, микроконтролей, самостоятельных работ по тематике семинарского занятия; обсуждение практических ситуаций перед аудиторией.

  • Итоговый контроль: по окончанию курса проводится письменный зачет в форме теста и письменный экзамен в форме теста.

  • Итоговая оценка: складывается в соответствии с «Положением о рейтинге…», принятом в ПФ ГУ-ВШЭ.




  1. Содержание программы.




  1. Введение. Модель линейной множественной регрессии.

    1. Суть эконометрического подхода к исследованию экономических явлений.

    2. Основные сведения из матричной алгебры, теории вероятностей и математической статистики.




  1. Метод наименьших квадратов.

    1. Методы подгонки экспериментальных точек параметрическими функциями. Их достоинства и недостатки.

    2. Суть МНК. Геометрическая интерпретация МНК. Свойства оценок параметров, полученных с помощью МНК без наложения статистических требований на ошибку. Геометрическая интерпретация.

    3. Коэффициент детерминации и его свойства. в отсутствие единичного столбца в матрице X. .

    4. Условия Гаусса-Маркова. Несмещенность и эффективность МНК-оценки. Понятие о состоятельности статистических оценок.

    5. Тестирование гипотез.




  1. Интерпретация и сравнение регрессионных моделей.

    1. Интерпретация коэффициентов модели, предельный эффект изменения регрессора, эластичность.

    2. Сравнение вложенных моделей.

    3. Сравнение невложенных моделей.

    4. Сравнение разных функциональных форм.




  1. Оценивание регрессии в условиях гетероскедастичности.

    1. Последствия нарушения условий Гаусса-Маркова на матрицу ковариаций остатков.

    2. Обобщенный МНК (ОМНК).

    3. МНК-оценка в условиях гетероскедастичности. Стандартные ошибки в форме Уайта.

    4. Реализуемый ОМНК (РОМНК).

    5. Тесты на гетероскедастичность, оценивание моделей с гетероскедастичностью.




  1. Оценивание регрессии в условиях автокорреляции остатков.

    1. Причины автокорреляции.

    2. Тестирование наличия автокорреляции 1-го порядка.

    3. Автокорреляция высшего порядка.

    4. Оценивание моделей с автокорреляцией.

    5. Состоятельные стандартные ошибки МНК-оценок, учитывающие гетероскедастичность и автокорреляцию.




  1. Стохастические регрессоры, инструментальные переменые и обобщенный метод моментов.

    1. Случаи, когда нельзя пользоваться МНК-оценкой.

    2. Оценивание методом инструментальных переменных.

    3. Обобщенный метод моментов.




  1. Метод максимального правдоподобия.

    1. Свойства оценок ММП.

    2. Спецификационные тесты.




  1. Модели с дискретными и смешанными зависимыми переменными.

    1. Модели дискретного выбора.

    2. Модели бинарного выбора.

    3. Модели множественного упорядоченного выбора.

    4. Модели с урезанными и цензурированными выборками.




  1. Одномерные временные ряды.

    1. Стационарность и автокорреляционная функция

    2. Общие процессы АРСС

    3. Стационарность и единичные корни.

    4. Тестирование единичных корней.

    5. Оценивание моделей АРСС.

    6. Прогнозирование с помощью моделей АРСС.

    7. ARCH и GARCH модели.




  1. Многомерные временные ряды.

  1. Динамические модели со стационарными переменными

  2. Модели с нестационарными переменными. Коинтеграция.

  3. Векторные модели авторегрессии. Коинтеграция в многомерном случае.




  1. Оценивание регрессионных моделей по панельным данным.

  1. Учет индивидуальных эффектов при наличии панельных данных.

  2. Простая объединенная модель.

  3. Модель с фиксированным эффектом.

  4. Модель со случайным эффектом.

  5. Выбор модели. Статистические тесты.




  1. Системы одновременных уравнений

  1. Внешне несвязанные уравнения и одновременные уравнения.

  2. Косвенный МНК.

  3. Проблема идентифицируемости.

  4. Двухшаговый МНК.

  5. Трехшаговый МНК.


Раздел 13. Примеры использования эконометрических методов в анализе экономических данных.


  1. Учебно-методическое обеспечение дисциплины:

  1. Литература

Базовый учебник

  1. Вербик М. "Путеводитель по современной эконометрике".


Основная:

  1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. "Эконометрика. Начальный курс". 8-е издание.

  2. Greene W.H. "Econometric Analysis".

3. Мхитарян В.С., Архипова М.Ю., Балаш В.А. и др. "Эконометрика".


Дополнительная:

  1. Доугерти К. "Введение в эконометрику" 3-е издание.

  2. Айвазян С.А. Мхитарян В.С. Прикладная статистика и основы эконометрики.-Т.1,2.-М.: ЮНИТИ, 1998.

  3. Бывшев В.А. Эконометрика.-М.: Финансы и статистика,

  4. Магнус Я.Р., Нейдеккер Х. Матричное дифференциальное исчисление с приложениями к статистике и эконометрике. -М.: Физматлит, 2002.




  1. Тематика заданий для текущего контроля:

Приложение 1. Темы контрольных работ. Темы домашних работ.

Приложение 2. Вопросы для самоконтроля студентов.

Приложение 3. Планы практических занятий.

3. Методические рекомендации преподавателю:

  • Уделять внимание анализу теоретических основ изучаемой темы.

  • Акцентировать внимание на возможности использования эконометрики для исследования экономических систем.

  • Для проведения семинарских занятий использовать пособие «Планы семинарских занятий по дисциплине «Эконометрика».

4. Методические указания студентам:

  • При подготовке к семинарским занятиям и выполнении контрольных заданий студентам следует использовать литературу из приведенного в данной программе списка, а также руководствоваться указаниями и рекомендациями преподавателя.

  • Перед каждым семинарским занятием студент изучает план семинарского занятия с перечнем тем и вопросов, списком литературы и домашним заданием по вынесенному на семинар материалу. Студенту рекомендуется следующая схема подготовки к семинарскому занятию:

  1. проработать конспект лекций;

  2. проанализировать основную и дополнительную литературу, рекомендованную по изучаемому разделу;

  3. изучить решения типовых задач;

  4. решить заданные домашние задания;

  5. при затруднениях сформулировать вопросы к преподавателю.

  • Домашние задания необходимо выполнять к каждому семинарскому занятию. Сложные вопросы можно вынести на обсуждение на семинар или на индивидуальные консультации. Контрольные работы состоят из вопросов и задач, аналогичным задачам домашних заданий.

  • Для более глубокого освоения дисциплины студентам рекомендуется больше решать задач из базового учебного пособия и задачника с тестами из списка основной литературы

  • На семинарских занятиях приветствуется способность на основе полученных знаний находить наиболее эффективное решение поставленных проблем.




  1. Рекомендации по использованию информационных технологий.

Первая часть курса требует исследований, проводимых в программе Evews. Продолжение исследований, связанных с панельными данными предполагает применение пакета Stata/


Автор программы:___________________________________ / Е.М. Кадырова/

IV. Тематический расчет часов.



Наименование разделов


Аудиторные часы

Самостоятельная работа

Всего часов

Лекции


Семинары

Всего







1

Введение. Модель линейной множественной регрессии

2

-

2

2

4

2

Метод наименьших квадратов. Статистические св-ва МНК- оценки коэффициентов модели.

4

2

6

6

12

3

Интерпретация и сравнение регрессионных моделей

2

2

4

6

10

4

Оценивание регрессии в условиях гетероскедастичности

2

2

4

6

10

5

Оценивание регрессии в условиях автокорелляции остатков.

2

3

5

8

13

6

Стохастические регрессоры, инструментальные переменные и обобщенный метод моментов

2

3

5

6

11

7

Метод максимального правдоподобия.

4

4

8

8

16

8

Модели с ограниченными зависимыми переменными.

6

6

12

12

24

9

Одномерные временные ряды.

6

6

12

14

26

10

Многомерные временные ряды.

4

4

8

12

20

11

Модели, основанные на панельных данных

6

6

12

20

32

12

Системы одновременных уравнений

4

4

8

14

22

13

Примеры использования эконометрических методов в анализе экономических данных

2

2

4

6

10




Итого

46

44

90

80

216



Автор программы:___________________________________ / Е.М. Кадырова/


Приложение 1

Темы контрольных работ

    1. Реализуемый метод наименьших квадратов. Стохастические регрессоры. Метод максимального правдоподобия.

    2. Модели АРСС. Многомерные временные ряды. Системы одновременных уравнений.


Темы домашних работ

.

    1. Оценивание моделей с качественными зависимыми переменными

    2. Оценивание моделей АРСС

    3. Оценивание моделей по панельным данным.

Приложение 2

Вопросы для самоконтроля студентов


Примерный вариант контрольной работы:


Теоретическая часть (18 баллов)

(тут не нужны доказательства, только краткие пояснения)


  1. (2 балла) Уравнение оценивают методом наименьших квадратов и получают значение статистики Дарбина-Уотсона DW=3.53. Что можно сказать об автокорреляции ошибок?




  1. (2 балла) Перечислите свойства МНК-оценок в модели множественной регрессии при гетероскедастичности ошибок.




  1. (2 балла) Пусть - инвестиции, - выпуск фирмы в год t. В году сменилась администрация фирмы. Предложите способ проверки гипотезы о наличии структурных изменений в момент .




  1. (2 балла) Уравнение оценивают методом наименьших квадратов и получают значение статистики Дарбина-Уотсона DW=1.03. Что можно сказать об автокорреляции ошибок?




  1. (2 балла) Может ли быть в парной регрессии МНК-оценка положительной, а оценка коэффициента при y в регрессии x на y и константу отрицательной?




  1. (2 балла) Оценивание зарплаты в зависимости от возраста (age), пола (sex) и уровня

образования (edu) дало следующий результат:



(в скобках даны значения t-статистик). Можно ли на основании этой регрессии говорить о дискриминации женщин по зарплате (sex=1 для женщин и =0 для мужчин)?


  1. (2 балла) Уравнение оценивается МНК. Может ли коэффициент детерминации быть малым (<0.05), а статистика большой (>10)?

  2. (2 балла) Верно ли, что распределен по F(n-k,n-1)? Если да, то объясните, почему, если нет, то тоже объясните, почему.




  1. (2 балла) Пусть , , .

Как распределена случайная величина ?

(Требуется четкое обоснование).


Задачи (требуется решить 2 задачи на выбор).


  1. (6 баллов) Пусть , , . Пусть к-мерная квадратная матрица А является невырожденным линейным преобразованием регрессоров: . В преобразованных регрессорах уравнение выглядит так: , , .

а) Как связаны между собой МНК-оценки и ?

б) Как связаны между собой векторы остатков регрессий?

в) Как связаны между собой прогнозные значения, полученные по двум регрессиям?



  1. (6 баллов) Рассмотрим оценку вида для вектора коэффициентов регрессионного уравнения , удовлетворяющего условиям классической регрессионной модели.

Найдите и .

Можно ли найти такое , что оценка более эффективна, чем оценка МНК ?



  1. (6 баллов) Пусть есть набор данных , , порожденных уравнением , удовлетворяющим условиям стандартной модели парной регрессии. Рассматриваются следующие оценки параметра :

, .

    1. Найти дисперсию и смещение каждой из оценок.

    2. Сравните смещения и дисперсии оценок. Какая из оценок более эффективна?




  1. (6 баллов) По данным для 15 фирм (n=15) была оценена производственная функция Кобба-Дугласа: .

,

где Q- выпуск, L- трудозатраты, K- капиталовложения.

Матрица обратная к матрице регрессоров имеет вид:

.

Требуется:

  1. написать формулу для несмещенной оценки ковариации и вычислить её по имеющимся данным (если это возможно);

  2. проверить при помощи t-статистики (обязательно требуется указать формулу для статистики, а также указать число степеней свободы);

  3. построить 95% доверительный интервал для величины .



Приложение 3

Планы практических занятий


Семинар 1-4 Классическая линейная регрессионная модель.

Вопросы:

  1. Оценивание параметров линейной регрессионной модели. Преимущества и недостатки различных методов оценивания. Метод наименьших квадратов (МНК).

  2. Классическая линейная регрессия в предположении о случайном характере ошибок. Статистические характеристики ошибок, остатков, МНК-оценок параметров.

  3. Проверка гипотезы о наличии структурных изломов. Тест Чау. Использование фиктивных переменных для учета структурных изломов при оценивании регрессии

Знания и умения: Студент должен знать основные понятия и формулы, позволяющие анализировать НСВ, приобрести устойчивые навыки по применению этих формул, уметь пользоваться статистическими таблицами.

Литература:

  1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: «Дело», 2004.

  2. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons

  3. Johnston J. And Dinardo J. (1997), Econometrics Methods, 4th edition, McGrow-Hill.



Семинар 5-8. Регрессионный анализ при нарушении условий теоремы Гаусса-Маркова или предположения о нормальности.

Вопросы:

1. Мультиколлинеарность и ее теоретические предпосылки. Внешние признаки, методы диагностики, методы устранения. Гребневая оценка. Метод главных компонент

2. Ошибки спецификации. Виды ошибок спецификации и их последствия. Диагностика ошибок спецификации. Диагностика нормальности распределения случайного возмущения. Выбор оптимального набора регрессоров и функциональной формы регрессионной зависимости

3. Гетероскедастичность случайного возмущения и ее причины. Внешние признаки, методы диагностики, методы устранения. Взвешенный метод наименьших квадратов

Знания и умения: Студент должен знать основные понятия и формулы, позволяющие анализировать НСВ и многомерные случайные величины, приобрести устойчивые навыки по применению этих формул, должен знать содержательный смысл основных числовых характеристик и пользоваться свойствами этих характеристик.

Литература:

  1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: «Дело», 2004.

  2. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons

  3. Johnston J. And Dinardo J. (1997), Econometrics Methods, 4th edition, McGrow-Hill.


Семинар 9-11. Оценка максимального правдоподобия.

Вопросы:

1. Оценка максимального правдоподобия (ОМП): примеры и формальный подход ОМП многомерного нормального распределения. Свойства ОМП

2. ОМП для линейной регрессионной модели. Критерии для тестирования гипотез в линейной модели. Тесты Вальда, отношения правдоподобий и множителей Лагранжа для тестировния общих ограничений в классической регрессионной модели

Знания и умения: Студент должен овладеть основными понятиями математической статистики, научиться пользоваться основными методами точечного и интервального статистического оценивания, проверять свойства получаемых статистических оценок.

Литература:

  1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: «Дело», 2004.

  2. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons

  3. Johnston J. And Dinardo J. (1997), Econometrics Methods, 4th edition, McGrow-Hill.


Семинар 12-14. Модели анализа панельных данных.

Вопросы:

1. Преимущества использования панельных данных. Трудности, возникающие при работе с панельными данными

2. Понятие о модели однокомпонентной ошибки или модели со специфическим индивидуальным эффектом. Спецификация модели. Детерминированный и случайный индивидуальный эффект. Операторы «Between» и «Within». Виды оценок. Сравнительный анализ оценок

3Оценивание эконометрической модели преступности [8, стр.295-302].

Знания и умения: Студент должен знать содержательный смысл множественного и частного коэффициентов корреляции, уметь проверять гипотезы о значениях этих характеристик.

Литература:

  1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. – М.: «Дело», 2004.

  2. Verbeek M.(2003), A Guide to Modern Econometrics, John Wiley and Sons

  3. Johnston J. And Dinardo J. (1997), Econometrics Methods, 4th edition, McGrow-Hill.



Похожие:

Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины Финансовая эконометрика  для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080100....
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины экономика персонала для направления 080100. 68 «Экономика»
Студенты, приступающие к изучению курса, должны иметь знания в области микроэкономики в объеме дисциплины «Микроэкономика», экономики...
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины экономика персонала для направления 080100. 68 «Экономика» подготовки магистра
Студенты, приступающие к изучению курса, должны иметь знания в области микроэкономики в объеме дисциплины «Микроэкономика», экономики...
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины эконометрический анализ рынка труда для направления 080100. 68 «Экономика» подготовки магистра
Студенты, приступающие к изучению курса, должны иметь знания в области экономики труда в объеме дисциплины «Экономика труда», статистике...
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины Прикладная экономика здравоохранения для направления 080100. 68 «Экономика»
Курс предполагает знакомство с учебными дисциплинами «Эконометрика», «Микроэкономика», «Экономика общественного сектора» в объеме...
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины Эконометрика для направления 080100. 62 «Экономика»
Одобрена на заседании кафедры Прикладной математики и моделирования в социальных системах
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины «Экономика миграций» для направления/ специальности 080100. 62 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080100....
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины «Международная система экономического регулирования» для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления 080100. 68 «Экономика»...
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины Стратегический анализ деятельности предприятия для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080100....
Программа дисциплины \"Эконометрика 2\" для направления 080100. 68 «Экономика» iconПрограмма дисциплины Английский язык, 4 курс, экономика, 080100, бакалавр [Введите название дисциплины] для направления/ специальности [код направления подготовки
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки/ специальности...
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница