Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики»




Скачать 158.83 Kb.
НазваниеПрограмма дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики»
Дата20.03.2013
Размер158.83 Kb.
ТипПрограмма дисциплины
Правительство Российской Федерации


Федеральное государственное автономное образовательное учреждение высшего профессионального образования
"Национальный исследовательский университет
"Высшая школа экономики"



Факультет Экономики


Программа дисциплины

Эконометрика панельных и качественных данных


для направления 080100.68 - Экономика

подготовки магистра

для магистерской программы «Математические методы анализа экономики»

Авторы: Коссова Е.В., к.ф.-м.н., доцент (e_kossova@mail.ru),

Ратникова Т.А., к.ф.-м.н., доцент (taratnikova@yandex.ru)

Рекомендована секцией УМС Одобрена на заседании кафедры


«Математические и статистические методы «Математическая экономика и

в экономике» эконометрика»

Председатель Зав. кафедрой


Поспелов И.Г. Канторович Г.Г.

«_____» __________________ 201 г. «____»___________________ 201 г.


Утверждена УС факультета

_________________________________

Ученый секретарь

_________________________________

« ____» ___________________201 г.

Москва, 2011


Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.


Пояснительная записка


Аннотация: курс "Эконометрический анализ качественных и панельных данных" включает в себя 32 часов лекций и рассчитан на студентов 2 курса магистратуры направлений «Математические методы анализа экономики» и «Экономические модели и экономическая политика».

В ходе курса рассматриваются методы исследования моделей с дискретными зависимыми переменными и моделей анализа панельных данных, приводятся примеры их применения в различных областях экономики и управления, дается обзор современных статистических пакетов, используемых при оценивании подобных моделей. Так как курс состоит только из лекционных занятий, студентам рекомендуется самостоятельно разбирать задачи, задаваемые на лекциях.


Учебная задача курса: в результате изучения курса студент должен:

- знать в каких областях применяются изученные модели и методы исследования адекватности данных моделей

- уметь строить и анализировать математические модели экономических явлений

  • иметь представление о моделях с ограниченными зависимыми переменными

  • обладать навыками работы со статистическими пакетами.


Форма контроля:

50% итоговой оценки – оценка за раздел 1,

50% итоговой оценки – оценка за раздел 2.

Порядок формирования оценок по отдельным разделам см. ниже.


Раздел 1. Эконометрический анализ панельных данных


Тематический план учебной дисциплины






Название темы

Всего часов по дисциплине

Аудиторные часы

Самостоятельная работа










Лекции

Сем. и практ. занятия




1

Введение

1

1

-

-

2

Особенности оценивания моделей с панельными данными в условиях гетероскедастичности и серийных корреляций случайных возмущений.

4

3

-

1

3

Оценивание коэффициентов панельных регрессий в условиях эндогенности.

6

3




2

4

Оценивание динамических моделей

5

3




2

5

Оценивание моделей с дискретными и ограниченными зависимыми переменными по панельным данным

5

3




2

6

Модели со случайными коэффициентами

3

1




2

7

Прогнозирование по моделям, построенным на панельных данных

3

2




2




Итого

27

16

0

11



Базовый учебник (и) или ридер (ы)

  1. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, т.10, №2 - 4, 2006

  2. Ратникова Т.А. Анализ панельных данных в пакете STATA . Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». ГУ-ВШЭ, 2005

Формы контроля:

Методика формирования результирующей оценки по разделу 1

Итоговая оценка складывается из:

оценки за письменный зачет (80 мин) - 30%;

  • оценки за письменную контрольную работу (120 мин.) - 20%;



Содержание программы

Раздел 1. Эконометрический анализ панельных данных


  1. Введение

    1. Преимущества использования панельных данных.

    2. Трудности, возникающие при работе с панельными данными.

    3. Общий обзор направлений развития методов анализа панельных данных.

    4. Основные понятия и простейшие методы оценивания регрессий по панельным данным. Тестирование спецификации.

Литература:

  1. Baltagi B.H., Raj B. “A Survey of Recent Theoretical Developments in the Econometrcs of Panel Data”.

  2. Heckman J.J. “Micro Data, Heterogeneity and Evaluation of Public Policy”, Nobel Lecture, J. of Political Economy, v.109, N4, 2001

  3. Dormont B. “Introduction à l’Econométrie des données de panel”, 1989.

  4. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, т.10, №2, 2006


2. Особенности оценивания моделей с панельными данными в условиях гетероскедастичности и серийных корреляций случайных возмущений.

2.1. Источники и способ учета гетероскедастичности ошибок наблюдений в моделях с индивидуальным специфическим эффектом.

2.2. Методы оценивания и тестирования моделей с серийно коррелированными ошибками наблюдений.

Литература:

1. Baltagi B. “ Economertic Analysis of Panel Data”, 1995

2. Cheng Hsiao. “Analysis of panel data”, 1986

3. Greene William H. “Economertic Analysis”, Third Edition ,1997, (Chapter 14)


3. Оценивание коэффициентов панельных регрессий в условиях эндогенности.

3.1. Оценивание коэффициентов панельных регрессий при наличии инвариантных по времени регрессоров. Метод Хаусмана-Тейлора.

3.2. Оценивание панелей при наличии ошибок измерений.

3.3. Метод инструментальных переменных.

Литература:

1. Hausman J.A., Taylor W.E. “Panel Data and Unobservable Individual Effects”, Econometrica, v.49

2. Verbeek M. “A Guide to Modern Econometrics”, 2003, (Chapter 10).

3. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, т.10, №3, 2006



  1. Обобщенный метод моментов и оценивание динамических моделей.

Литература:

1. Анатольев С. Эконометрика для продолжающих.

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

3. Verbeek M. “A Guide to Modern Econometrics”, 2003, (Chapter 10).

4. Ратникова Т.А. Анализ панельных данных в пакете STATA . Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». ГУ-ВШЭ 2005

5. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, т.10, №3, 2006


  1. Оценивание моделей с дискретными и ограниченными зависимыми переменными по панельным данным.

    1. Модели бинарного выбора.

    2. Модель logit с детерминированным эффектом.

    3. Модель probit со случайным эффектом.

    4. Модель tobit.

Литература:

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

  2. Chamberlain G. “Panel Data”, Handbook of Econometrics, v.II, ed. By Z.Griliches and M.D.Intriligator, 1984.

  3. Verbeek M. “A Guide to Modern Econometrics”, 2003, (Chapter 10)

  4. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, т.10, №4, 2006




  1. Методы борьбы с истощением выборки.

    1. Оценивание несбалансированных панелей.

    2. Псевдопанели и панели с замещением.

Литература:

  1. Baltagi B. “ Economertic Analysis of Panel Data”, 1995

  2. Verbeek M. “Pseudo Panel Data”




  1. Модели со случайными коэффициентами.

Экономические приложения: оценивание производственных функций.

Литература:

  1. T.Garcia-Mila, T.J.McGuire, R.H.Porter “The effect of public capital in state-level production functions reconsidered”. The Review of Economics and Statistics, Vol.78.No1(Feb.,1996), 177-180.

  2. Zvi Griliches, Jacques Mairesse “Production functions: the search for identification”. Working Paper No.5067

  3. Erik Biorn, Kjersti-Gro Lindquist, Terje Skjerpen “Heterogenety in return to scale: a random coefficient analysis with unbalanced panel data”. Discussion Paper No.292, December 2000 Statistics Norway, Research Department




  1. Прогнозирование по моделям, построенным на панельных данных.

Литература:

  1. Baltagi B. “ Economertic Analysis of Panel Data”, 1995


Учебно-методическое обеспечение дисциплины по разделу 1:


Базовая литература


  1. Ратникова Т.А. Введение в эконометрический анализ панельных данных. ЭЖ ВШЭ, т.10, №2 - 4, 2006

  2. Ратникова Т.А. Анализ панельных данных в пакете STATA . Методические указания к компьютерному практикуму по курсу «Эконометрический анализ панельных данных». ГУ-ВШЭ, 2005


Основная

3. Я. Р. Магнус, П.К. Катышев, А.А. Пересецкий "Эконометрика", М.,Дело, 2000 г.

4. Baltagi B. “ Economertic Analysis of Panel Data”, 1995.


Дополнительная

5. Cheng Hsiao. “Analysis of panel data”, 1986

6. Dormont B. “Introduction à l’Econométrie des données de panel”, 1989

7. Greene William H. “Economertic Analysis”, Fifth Edition , 2003.


Тематика заданий по различным формам текущего контроля:

Образец варианта контрольной работы


Ознакомьтесь с основными идеями статьи T.Garcia-Mila, T.J.McGuire, R.H.PorterThe effect of public capital in state-level production functions reconsidered”(The Review of Economics and Statistics, Vol.78.No1(Feb.,1996), 177-180) относительно решения проблем нестационарности, ошибок измерения и эндогенности в панелях с длинными временными рядами.


Попробуйте реализовать эти идеи, оценивая модель спроса на бензин по данным для 18 стран OECD за период с 1960 по 1978 год:

, где

- потребление бензина на один автомобиль,

- реальный доход на душу населения,

- реальная цена на бензин в стране,

- число машин на душу населения страны.


Вам потребуется сгенерировать первые разности для всех переменных:


for var ln_y_n ln_gas_c ln_pmg_p ln_car_n: gen fd_X=X-L.X \ lab var fd_X "first difference of X"


Аналогично генерируются более длинные разности:


for var ln_y_n ln_gas_c ln_pmg_p ln_car_n: gen sd_X=X-L2.X \ lab var sd_X "second difference of X"


Просмотрите полученные результаты, чтобы убедиться в их корректности:


browse country year ln_y_n fd_ln_y_n sd_ln_y_n


  1. Проанализируйте, как соотносятся между собой оценки сквозной, RE и FE регрессий в исходных переменных.

  2. Что меняется в этих соотношениях после перехода к первым разностям?

  3. Что могут означать изменения, произошедшие после перехода ко вторым разностям?

  4. Что вы думаете о плодотворности предложенного теста на ошибки измерения?


Чтобы реализовать тест на эндогенность, вам понадобится сгенерировать инструменты – лагированные первые разности объясняющих переменных:


for var fd_ln_gas_c fd_ln_pmg_p fd_ln_car_n: gen fdl_X=L.X \ lab var fdl_X

>"lagged first difference of X"


  1. Укажите регрессор или группу регрессоров, которые, с вашей точки зрения, могут быть эндогенными. Содержательно обоснуйте ваш выбор.

  2. Используя необходимые инструменты, оцените регрессию в первых разностях.

  3. Проведите тест Хаусмана.

  4. Сделайте выводы.

  5. Какую модель из всех, оцененных вами, следует использовать в конечном итоге?


Работа выполняется в эконометрическом пакете STATA


Вопросы для оценки качества освоения дисциплины


Автор программы: Ратникова Т.А.


Раздел 2. Эконометрический анализ качественных данных


Тематический план учебной дисциплины






Название темы

Всего часов по дисциплине

Аудиторные часы

Самостоятельная работа










Лекции

Сем. и практ. занятия




1

Модели бинарного выбора

12

4




4

2

Система уравнений бинарного выбора с коррелированными ошибками

4

4




2

3

Оценивание вероятности по сгруппированным данным.


4

2




2

4

Модели множественного выбора

7

4




4

5

Модели с ограниченными значениями зависимой переменной




8




8




Итого

42

22




20





































Базовый учебник (и) или ридер (ы)

Green (2003), Econometric Analysis, -- Pearson Prentice Hall, ch. 23, p. 772-793.


Формы контроля:

Методика формирования результирующей оценки по разделу 2

Итоговая оценка складывается из:

оценки за письменный зачет (80 мин) - 30%;

  • оценки за письменную контрольную работу (120 мин.) - 20%;



Содержание программы

Раздел 2. Эконометрический анализ качественных данных


Тема 1. Модели бинарного выбора.

    1. Линейная вероятностная модель (недостатки и преимущества).

    2. Probit подход к оцениванию моделей бинарного выбора. Интерпретация латентной переменной.

    3. Метод максимального правдоподобия. Асимптотические свойства оценок максимального правдоподобия. Особенности оценивания моделей бинарного выбора.

    4. Probit и Llogit модели. Проверка общей линейной гипотезы (о выполнении линейных ограничений на коэффициенты): тест множителей Лагранжа, Wald – тест, тест отношения правдоподобия. Проверка гипотез об адекватности модели и значимости переменных.

    5. Оценивание влияния независимых переменных на вероятность: предельные эффекты.

    6. Критерии качества модели. Сравнение моделей и выбор наилучшей.

    7. Прогнозирование в бинарных моделях. Выбор порога прогнозирования. Сравнение прогнозной силы моделей с наивным прогнозом.

    8. Ошибки спецификации: последствия гетероскедастичности и недоопределенности модели.

Литература:

Основная

Green (2003), Econometric Analysis, -- Pearson Prentice Hall, ch. 23, p. 772-793.

Дополнительная:

G.S. Maddala (1987), Limited-dependent and qualitative variables in econometrics, Cambrudge university press.

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


Тема 2. Система уравнений бинарного выбора с коррелированными ошибками.

2.1 Оценивание системы уравнений бинарного выбора с помощью метода максимального правдоподобия.

2.2 Проверка гипотезы о наличии корреляции случайных ошибок.

2.3 Влияние независимых переменных на вероятность: совместные, частные и условные предельные эффекты.

Литература:

Основная

1. Конспекты лекций

2. Green (2003), Econometric Analysis, -- Pearson Prentice Hall, ch. 23, p. 817-831.

Дополнительная:

G.S. Maddala (1987), Limited-dependent and qualitative variables in econometrics, -- Cambrudge university press.


Тема 3. Оценивание вероятности по сгруппированным данным.

    1. Понятие о группировке данных.

    2. Линейная вероятностная модель. Сравнение со случаем индивидуальных данных.

    3. Аналог Probit и Logit моделей и другие функциональные формы зависимости вероятности от объясняющих факторов.

Основная

Конспекты лекций

Дополнительная:

G.S. Maddala (1987), Limited-dependent and qualitative variables in econometrics, -- Cambrudge university press.


Тема 4. Модели множественного выбора.

    1. Порядковые (ordered) модели. Латентная переменная и ее интерпретация. Определение направления и степени влияния независимых переменных на вероятность принадлежности к заданной категории.

    2. Модели последовательных значений.

    3. Множественная Logit-модель Мак Фаддена.

      1. Выбор индивидом состояния, соответствующего альтернативе, имеющей максимальную полезность.

      2. Предположение о независимости альтернатив.

      3. Функция правдоподобия для модели множественного выбора.

      4. Связь логистической модели множественного выбора и бинарных logit-моделей выбора одной из двух альтернатив.

Литература:

Основная

Green (2003), Econometric Analysis, -- Pearson Prentice Hall, ch. 23, p. 831-852.

Дополнительная:

G.S. Maddala (1987), Limited-dependent and qualitative variables in econometrics, Cambrudge university press.

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


Тема 5. Модели с ограниченными значениями зависимой переменной

5.1 Усечение (Truncation)

5.1.1 Усеченные выборки. Математическое ожидание и дисперсия усеченного нормального распределения.

5.1.2 Оценивание регрессионных моделей по усеченным данным.

5.1.3 Предельные эффекты и прогнозы для условного и безусловного математического ожидания зависимой переменной и вероятности усечения.

5.2 Цензурирование

5.2.1 Цензурированные выборки.

5.2.2 Распределение цензурированной нормальной случайной величины.

5.2.3 Модель Тобина. Репараметризация Ольсена.

5.2.4 Предельный эффект в модели Тобина и его разложение.

5.2.5 Прогнозирование цензурированной и латентной переменных.

5.3 Смещение отбора (Sample Selection)

5.3.1 Усеченное двумерное нормальное распределение

5.3.2 Модель Хекмана. Оценивание модели Хекмана с помощью метода максимального правдоподобия и двухшаговой процедуры.

5.3.3 Выбор между моделями Хекмана и Тобина. Условие применимости метода наименьших квадратов. Модель двойного барьера.

Литература:

Основная

Green (2003), Econometric Analysis, -- Pearson Prentice Hall, ch. 24, p. 863-875.

Дополнительная:

G.S. Maddala (1987), Limited-dependent and qualitative variables in econometrics, Cambrudge university press.

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


Тематика заданий по различным формам текущего контроля:


  1. Докажите, что сумма по всем наблюдениям предсказанных по логистической модели вероятностей совпадает с наблюдаемым количеством «успехов».

  2. Вычислите значение максимума логарифмической функции правдоподобия наивной модели.

  3. Опишите процедуру оценивания вероятности события по сгруппированным данным в предположении, что логарифм вероятности является линейной комбинацией объясняющих переменных.

  4. Выпишите функцию правдоподобия двумерной бинарной модели.

  5. Покажите, что модель множественного выбора Мак Фадена может быть оценена с помощью вложенных logit моделей.

  6. Пусть , где имеют плотность распределения и



Найдите: распределение , логарифмическую функцию правдоподобия, предельные эффекты и выражение для прогноза .


Вопросы для оценки качества освоения дисциплины

  1. По прилагающимся данным оценить уравнение участия с помощью logit и probit модели.

  2. Выбрать наилучшую модель (выбор обосновать).

  3. Вычислить предельные эффекты по объясняющим переменным.

  4. Сравнить оцененную модель с прогнозной по предсказательной силе.

  5. Построить прогноз для указанных значений объясняющих переменных.

  6. Оценить уравнение интенсивности с помощью

    1. Метода наименьших квадратов

    2. Метода максимального правдоподобия по усеченной выборке

    3. Модели Тобина

    4. Модели Хекмана.

  7. С помощью статистических тестов выбрать наиболее подходящую модель


Автор программы: Коссова Е.В.

Похожие:

Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» 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 панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Анализ временных рядов 2 для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики»
Федеральное государственное автономное образовательное учреждение высшего профессионального образования
Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Анализ и моделирование демографических процессов для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления подготовки 080100....
Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» 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 панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Модели экономического роста, развития и перехода  для направления 080100. 68 «Экономика»
Программа предназначена для преподавателей, ведущих данную дисциплину по учебной магистерской программе «Математические методы анализа...
Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» 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 панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Модели финансовых рынков для направления 080100. 62- экономика подготовки бакалавров Автор программы
Программа «Модели финансовых рынков» предназначена для студентов 4 курса бакалавриата специализации «математические методы анализа...
Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Эконометрика-3  для магистерской программы «Математические методы анализа экономики»
Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика...
Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Макроэкономика 3 для направления 080100. 68 «Экономика» подготовки магистра Авторы программы: Арефьев Н. Г., Заиченко О. А., Пекарский С. Э
Студенты должны обладать знаниями в рамках следующих курсов бакалаврского уровня: Макроэкономика–1-2, Микроэкономика–1-2, Эконометрика...
Программа дисциплины Эконометрика панельных и качественных данных для направления 080100. 68 Экономика подготовки магистра для магистерской программы «Математические методы анализа экономики» iconПрограмма дисциплины Эконометрика-2
Цель курса: Курс предназначен для магистров первого года обучения магистерской программы “Математические методы анализа экономики....
Разместите кнопку на своём сайте:
Библиотека


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