WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


Pages:     || 2 | 3 | 4 | 5 |
МИНИСТЕРСТВО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ И НАЦИОНАЛЬНЫЙ ФОНД ПОДГОТОВКИ КАДРОВ ИННОВАЦИОННЫЙ ПРОЕКТ РАЗВИТИЯ ОБРАЗОВАНИЯ Программа «Совершенствование преподавания социально-экономических дисциплин в вузах» Новосибирский государственный университет Программа дисциплины «Эконометрия» Новосибирск 2003 Программа дисциплины «Эконометрия» составлена в соответствии с требованиями (федеральный компонент) к обязательному минимуму содержания и уровню подготовки дипломированного специалиста (бакалавра, магистра) по циклу «Общие гуманитарные и социально-экономические дисциплины» государственных образовательных стандартов высшего профессионального образования второго поколения, а также требованиями, предъявляемыми НФПК к новым и модернизированным программам учебных курсов, разработанным в рамках программы «Совершенствование преподавания социально-экономических дисциплин в вузах» Инновационного проекта развития образования.

Программа подготовлена при содействии НФПК — Национального Фонда подготовки кадров в рамках программы «Совершенствование преподавания социально-экономических дисциплин в вузах» Инновационного проекта развития образования Автор (составитель) Суслов Виктор Иванович, д.э.н., профессор, НГУ Талышева Любовь Пантелеймоновна, к.э.н., доцент, НГУ (ФИО, ученая степень, ученое звание, вуз) Рецензенты: _ (ФИО, ученая степень, ученое звание, вуз) 2 I. Организационно-методический раздел 1. Цель курса Цель курса заключается в подготовке полноценных специалистов, владеющих современными эконометрическими методами, включая освоение теоретической базы и навыками прикладных расчетов.

Методы эконометрии, позволяющие проводить эмпирическую проверку теоретических утверждений и моделей, выступают мощным инструментом развития самой экономической теории. С их помощью отвергаются теоретические концепции и принимаются новые, более полезные гипотезы. Теоретик, не привлекающий эмпирический материал для проверки своих гипотез и не использующий для этого эконометрические методы, рискует оказаться в мире своих фантазий.

Прикладное значение этой дисциплины состоит в том, что она является связующим звеном между экономической теорией и практикой. Эконометрия дает методы экономических измерений, методы оценки параметров моделей микро- и макроэкономики. Важно, что эконометрические методы одновременно позволяют оценить ошибки измерений экономических величин и параметров моделей.

Экономист, не владеющий этими методами, не может эффективно работать аналитиком. Менеджер, не понимающий значение этих методов, обречен на принятие ошибочных решений.

2. Задачи курса Систематическое изложение материалов теоретической эконометрики, включая построение моделей, оценку параметров и проверку качества моделей. В результате изучения курса студент должен освоить основные понятия эконометрики, овладеть основным аппаратом эконометрического исследования, научиться применять его для решения конкретных задач, т.е. у студента должна формироваться культура эконометрического исследования.

3. Методическая новизна курса (новые методики, формы работы, авторские приемы в преподавании курсов) Особенностью преподавания курса являются семестровые задания: студенты обязательно должны провести расчеты по реальным данным и представить результаты в виде эссе. При этом студенты должны применить полученные теоретические знания из всех разделов на практике.

Особенностью курса является то, что в лекциях даются общие глубокие доказательства утверждений. По нашему мнению каждая из частей курса содержит «ноу-хау»: «жесткая» математика в 1-м разделе, алгебра регрессии (следуя Маленво) и доказательства ряда утверждений по оценке параметров одновременных уравнений во 2-м разделе, оригинальные доказательства некоторых утверждений 3-го раздела, дисперсионный анализ в 4-м разделе и т.д.

Новизна формы работы, заключается в том, что по всем блокам курса эконометрии экзамены проводятся в два этапа: краткий тест на 20–30 минут, состоящий 8–10 простых задач, и устный экзамен по теории.

4. Место курса в системе социогуманитарного образования.

Курс «Эконометрия» на экономическом факультете Новосибирского государственного университета состоит из 4 блоков:

I. «Введение в социально-экономическую статистику» рассчитан на 54 ч.

аудиторных занятий (18 лекций, 36 семинарских занятий). Читается в качестве основного курса во втором семестрах бакалавриата;

II. «Эконометрия — I: Регрессионный анализ» рассчитан на 90 ч.

аудиторных занятий (36 лекций, 54 семинарских занятий). Читается в качестве основного курса в четвертом семестрах бакалавриата;

III. «Эконометрия — I: Анализ временных рядов» рассчитан на 72 ч.

аудиторных занятий (36 лекций, 36 семинарских занятий). Читается в качестве основного курса в пятом семестрах бакалавриата;

IV. «Эконометрия — II» рассчитан на 72 ч. аудиторных занятий (36 лекций, 36 семинарских занятий). Читается в качестве основного курса в первом семестре магистратуры.

Курс «Эконометрия» предполагает проведение в совокупности четырех экзаменов в конце каждого семестра.

В соответствии с учебным планом экономического факультета Новосибирского государственного университета, курсу «Эконометрия» предшествует изучение линейной алгебры, математического анализа, теории вероятностей и математической статистики, а также микроэкономики. Курс предназначен для подготовки специалистов по специальности «математические методы в экономике». Курс «Эконометрия» предполагает высокий уровень базовой математической подготовки читателя.

5. Требования к уровню освоения содержания курса Для получения высокой оценки по курсу требуется глубокое знание теории с доказательствами и умения работать с современными статистическими пакетами.



Освоение курса основано на системе текущего и итогового контроля знаний.

Текущий контроль знаний включает в себя контрольные и самостоятельные работы в форме: тестов, задач, эссе-исследований. Итоговый контроль знаний осуществляется на основе рейтинга по результатам промежуточного контроля знаний и ответа на экзамене.

II. Содержание курса 1. Новизна курса (научная, содержательная; сравнительный анализ с подобными курсами в России и за рубежом) Программа курса отражает современное состояние эконометрической науки и обеспечивает получение необходимого запаса знаний для выполнения исследований на высоком научном уровне, с учетом отсутствия отечественных источников по целому ряду вопросов: имеющиеся на русском языке книги освещают только отдельные разделы программы курса.

Читаемый на факультете курс эконометрии имеет комплексны характер, обеспечивающий преемственность в получении знаний.

Уровень подачи материала рассчитан на серьезную математическую подготовку студентов.

2. Разделы курса Введение в социально-экономическую статистику II. Эконометрия — I: Регрессионный анализ III. Эконометрия — I : Анализ временных рядов IV. Эконометрия — II 3. Темы и краткое содержание I. Введение в социально-экономическую статистику Тема 1. Основные понятия Предмет социально- экономической статистики. Экономические величины и статистические показатели. Вероятностная природа экономических величин.

Проблемы измерений. Специфика экономических измерений. Адекватность экономических измерений. Типы величин, связи между ними. Статистические совокупности и группировки.

Тема 2. Описательная статистика.

Распределение частот количественного признака. Гистограмма и кумулята.

Функции распределения вероятностей и плотности распределения вероятности. Типы распределений. Средние величины. Средние степенные: квадратические, арифметические, геометрические, гармонические. Мажорантность средних степенных.

Средние хронологические. Средние относительные величины. Мода, медиана, квантили. Моменты. Дисперсия, показатель асимметрии, эксцесс, куртозис.

Тема 3. Индексный анализ Понятие индексов. Индексы переменного и постоянного состава. Аксиомы:

обратимость, транзитивность, мультипликативность. Агрегатные индексы. Индексы Ласпейреса и Пааше. Индексы в непрерывном времени. Связь с дискретными индексами. Индексы Дивизиа. Анализ структурных сдвигов.

Тема 4. Введение в анализ связей Совместные распределения количественных признаков. Условные распределения.

Независимость признаков. Критерий Пирсона. Таблица сопряженности.

Регрессионный и корреляционный анализ. Метод наименьших квадратов.

Коэффициент корреляции. Дисперсионный анализ: однофакторный, многофакторный без повторений. Анализ временных рядов. Тренд, сглаживание, сезонность, циклы.

Стационарные ряды.

I. Эконометрия – I: Регрессионный анализ Тема 5. Случайные ошибки измерения Первичные измерения: Модель xi=+i. Метод наименьших квадратов (МНК).

Свойства МНК-оценок параметров. Построение доверительных интервалов для параметров модели и дисперсия ошибок.

Производные измерения: распространения первичных ошибок измерения.

Дисперсии ошибки среднего, суммы, разности, произведения, частного от деления и возведения в степень как частные случаи общей формулы.

Тема 6. Алгебра линейной регрессии Обозначения и определения. Метод наименьших квадратов (МНК).

Простая регрессия. Система «нормальных» уравнений. МНК-оценка остаточной дисперсии. Коэффициент детерминации. Геометрическая иллюстрация простой регрессии в пространстве переменных и наблюдений.

Ортогональная регрессия. МНК в ортогональной регрессии — это поиск собственных чисел и собственных векторов ковариационной матрицы переменных.

Главные компоненты. Геометрические иллюстрации ортогональной регрессии, главных компонент и главных факторов в пространстве переменных.

Многообразие оценок регрессии. Преобразование в пространстве наблюдений и переменных. Регрессия в метрике –Тема 7. Основная модель линейной регрессии Различные формы уравнения регрессии. Матричные преобразования, доказывающие эквивалентность операторов оценивания для первых двух (основная и сокращенная) и третьей (без свободного члена) форм уравнения регрессии.

Основные гипотезы. Свойства МНК –оценок параметров и регрессионных остатков. Построение доверительных интервалов для истинных значений параметров регрессии и дисперсии ошибок. Гипотезы об истинных значениях параметров и их тестирования.

Независимые факторы. Мультиколлинеарность факторов и последствия этого для оценок параметров регрессионной модели. Коэффициент детерминации, скорректированный на число степеней свободы. Процесс (метод) шаговой регрессии.

Прогнозирование (точечное и интервальное). Дисперсии ошибки прогноза.

Свойства ошибки прогноза.

Тема 8. Нарушение гипотез основной линейной модели Обобщенный метод наименьших квадратов (ОМНК). Оператор ОМНКоценивания. Свойства ОМНК-оценок.

Гетероскедастичность ошибок и ее последствия. Различные тесты для диагностирования гетероскедастичности. Основные способы устранения гетероскедастичности ошибок.

Автокорреляция ошибок. Авторегрессионая модель 1- го порядка. Критерий Дарбина-Уотсона и другие методы для диагностирования автокорреляции.

Итеративная процедура Кочрена-Орката.

Ошибки измерения факторов. Смещенность МНК-оценок в случае наличия ошибок в независимых (объясняющих) переменных. Три подхода к оценке параметров регрессии в случае наличия ошибок в независимых переменных: простая регрессия, инструментальные переменные и ортогональная регрессия.





Тема 9 Целочисленные переменные в регрессии.

Фиктивные переменные и причины их использования. Два способа устранения линейной зависимости между фиктивными переменными в исходной форме уравнения регрессии. Главные и совместные эффекты.

Модели с качественными зависимыми переменными: биномиальные пробит и логит, упорядоченные пробит и логит. Модели со счетными зависимыми переменными. Регрессия с цензурированной зависимой переменной (тобит). Регрессия с усеченной зависимой переменной.

Тема 10. Оценка параметров систем уравнений.

Эндогенные и экзогенные переменные. Невзаимозависимые системы и МНКоценка параметров системы.

Взаимозависимые или одновременные уравнения. Коррелированность случайных ошибок и эндогенных переменных и ее следствия для МНК-оценок параметров модели. Структурная и приведенная формы системы уравнения. Проблема идентификации, необходимое и достаточное условие идентификации уравнения одновременной системы.

Оценка параметров отдельного уравнения: косвенный метод (КМ) наименьших квадратов, двухшаговый метод (2М) наименьших квадратов и метод наименьшего дисперсионного отношения (МНДО).

Оценка параметров всех (идентифицированных) уравнений. Рекурсивная система и ее свойства. Трехшаговый метод (3М) наименьших квадратов.

I. Эконометрия – I : Анализ временных рядов Тема 11. Основные понятия Понятие временного ряда. Характеристики и свойства временных рядов, специфика анализа. Стационарность, автоковариации и автокорреляции.

Использование линейной регрессии с детерминированными факторами. Тренды.

Прогнозы по линейной регрессии с детерминированными факторами. Логистическая кривая. Проверка наличия тенденции у временного ряда. Лаговый оператор. Модели регресии с распределенным лагом.

Тема 12. Сглаживание временного ряда Методы скользящих средних и экспоненционального сглаживания. Адаптивные сезонные модели.

Тема 13. Спектральный и гармонический анализ Ортогональность тригонометрических функций. Преобразование Фурье. Теорема Парсеваля. Периодограмма, связь ее с автокорреляционной функцией. Оценивание спектральной плотности, временные и частотные окна.

Тема 14. Модели стационарных процессов Виды линейных стационарных моделей. Характеристическое уравнение. Модели авторегрессии. Условия стационарности. Автокорреляционная функция и спектр процесса авторегрессии. Уравнения Юла-Уокера. Модели скользящего среднего.

Условия обратимости. Автокорреляционная функция и спектр процесса. Смешанные процессы авторегрессии — скользящего среднего, условия стационарности и обратимости, автокорреляционная функция и спектр смещенного процесса.

Тема 15. Модели Бокса-Дженкинса.

Модели авторегрессии проинтегрированного скользящего среднего (ARIMA).

Оценивание моделей ARIMA, Прогнозирование по ARIMA. Ложная регрессия.

Модели, содержащие стохастический тренд. Учет сезонного эффекта.

Тема 16. Модели с авторегрессионной условной гетероскедастичностью.

Условные распределения. Спецификация моделей ARCH и GARCH. Оценивание параметров регрессий с GARCH ошибкой. Диагностика наличия авторегрессионной условной гетероскедастичности в ошибке. Прогнозы и доверительные интервалы для модели GARCH. Разновидности моделей ARCH: функциональная форма динамики дисперсии, отказ от нормальности, GARCH-М, стохастическая волатильность, ARCHпроцессы с долгосрочной памятью, многомерные модели волатильности.

Тема 17. Динамические модели регрессии Модели с распределенным лагом. Авторегрессионная модель с распределенным лагом. Модели частичного приспособления, адаптивных ожиданий и исправления ошибок.

Тема 18. Нестационарные процессы и коинтеграция Регрессии с нестационарными переменными. Критерий Дики-Фуллера и другие способы проверки стационарности.

Коинтеграция. Регрессия с коинтегрированными переменными. Подход ЭнглаГрейнджера.

I. Эконометрия – II Тема 19. Классические критерии проверки гипотез Ограничения на параметры, проверка их существенности, тесты Годфрея, Рамсея, Чоу-тест. Метод максимального правдоподобия, информационная матрица. Тест Вальда, множителей Лагранжа, отношения максимального правдоподобия, сравнение тестов, связь с F-критерием.

Тема 20. Байесовская регрессия Дискретный случай, теорема Байеса. Непрерывный случай, априорные и апостериорные функции плотности вероятности параметров регрессии. Объединение двух выборок.

Тема 21. Дисперсионный анализ Регрессионная модель полного одномерного многофакторного дисперсионного анализа, ортогональность ковариационной матрицы, оценка эффектов, дисперсионное тождество, проверка гипотез. Модели дисперсионного анализа с повторениями.

Тема 22. Анализ панельных данных Модель с фиксированными эффектами: спецификация, оценивание, проверка гипотез. Модель со случайными эффектами: спецификация, оценивание, проверка гипотез. Проверка на гетероскедастичность и автокорреляцию в моделях панельных данных.

Тема 23. Векторная авторегрессия. Подход Йохансена Векторная авторегрессия (VAR). Приведенная форма VAR. Рекурсивная VAR.

Структурные VAR. Разложение дисперсии. Функция реакции на импульсы.

Причинный анализ по Грейнджеру. VAR с интегрированными переменными.

Коинтеграция в VAR, теорема Грейнджера о представлении. Оценивание VAR с интегрированными переменными: подход Йохансена.

Тема 24. Особенности анализа финансовых временных рядов.

Pages:     || 2 | 3 | 4 | 5 |










© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.