Содержание курса

Тема 1. Введение в эконометрику

Эконометрика и ее место в ряду других экономических и статистических дисциплин. Типы моделей, которые применяются для анализа или прогноза. Типы данных при моделировании экономических процессов. Основные стадии процесса эконометрического моделирования.

 

 

Тема 2. Модель парной регрессии

Понятие о функциональной, статистической и корреляционной связях. Основные за­дачи прикладного корреляционно-регрессионного анализа. Линейные и нелинейные виды уравнений регрессии. Метод наименьших квадратов. Классическая линейная регрессионная модель. Теорема Гаусса – Маркова. Оценка дисперсии ошибок. Критерий Стьюдента для проверки гипотез. Анализ вариации зависимой переменной в регрессии. Коэффициент детерминации. F-статистика для проверки гипотез. Оценка параметров методом максимального правдоподобия.

 

Тема 3. Модель множественной регрессии

Понятие о множественной регрессии. Классическая линейная модель множественной регрессии (КЛММР). Оценка параметров КЛММР методом наименьших квадратов. Теорема Гаусса – Маркова. Статистические свойства МНК-оценок. Анализ вариации зависимой переменной в регрессии. Проверка статистических гипотез (t-критерий). Проверка статистических гипотез (F-критерий).

Тема 4. Различные аспекты множественной регрессии

Мультиколлинеарность. Фиктивные переменные. Частная корреляция. Процедура пошагового отбора переменных. Спецификация модели. Объединение статистических выборок, тест Чоу. Нелинейные модели регрессии и их линеаризация.

Тема 5. Обобщения множественной регрессии

Стохастические регрессоры. Обобщенный метод наименьших квадратов. Гетероскедастичность. Корреляция по времени, авторегрессия.

 

Тема 6. Временные ряды в эконометрических исследованиях

Специфика временных рядов как источника данных в эконометрическом моделировании. Автокорреляция уровней ряда. Виды моделей регрессии временных рядов. Метод отклонений от тренда. Автокорреляция в остатках. Критерий Дарбина – Уотсона. Модель с распределенным лагом. Модели авторегрессии.

 

4.4. Разделы дисциплины и междисциплинарные связи
с обеспечиваемыми (последующими) дисциплинами

№ п/п	Наименование обеспечиваемых (последующих) дисциплин	Номера тем данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин
1.	Финансовый менеджмент	+	+
2.	Статистика		+	+	+	+	+

4.5. Перечень семинарских, практических занятий
или лабораторных работ

Тема 2. Модель парной регрессии

1. Построение линейного уравнения парной регрессии. Метод наименьших квадратов оценки для параметров линейного уравнения парной регрессии.

2. Криволинейные уравнения парной регрессии. Нормальная система метода наименьших квадратов оценки параметров.

3. Оценка дисперсии ошибок. Критерий Стьюдента для проверки гипотез.

4. Коэффициент детерминации. F-статистика для проверки гипотез. Оценка параметров методом максимального правдоподобия.

 

Тема 3. Модель множественной регрессии

1. Классическая линейная модель множественной регрессии. Оценка параметров КЛММР методом наименьших квадратов.

2. Статистические свойства МНК-оценок. Анализ вариации зависимой переменной в регрессии.

3. Проверка статистических гипотез (t-критерий и F-критерий).

4. Нелинейные модели множественной регрессии. Оценка параметров методом наименьших квадратов.

 

Тема 5. Обобщения множественной регрессии

1. Стохастические регрессоры.

2. Обобщенный метод наименьших квадратов.

3. Гетероскедастичность. Корреляция по времени, авторегрессия.

Тема 6. Временные ряды в эконометрических исследованиях

1. Показатели изменения уровней временного ряда.

2. Виды трендовых моделей временных рядов.

3. Оценка параметров трендовых моделей временных рядов различными методами.