Реферат: Эконометрика

ФЕДЕРАЛЬНОЕАГЕНТСТВО ПО ОБРАЗОВАНИЮ

Государственноеобразовательное учреждение высшего профессионального образования

Тихоокеанскийгосударственный университет

Программадисциплины

покафедре Экономическая кибернетика

Эконометрика

Утвержденанаучно-методическим советом университета для направлений подготовки(специальностей) в области экономики и управления

Специальности:080116.65 «Математические методы в экономике»

080103.65«Национальная экономика»

Хабаровск 2007 г.

Программа разработана в соответствии с требованиямигосударственного образовательного стандарта, предъявляемыми к минимумусодержания дисциплины и в соответствии с примерной программой дисциплины,утвержденной департаментом образовательных программ и стандартовпрофессионального образования с учетом особенностей региона и условийорганизации учебного процесса Тихоокеанского государственного техническогоуниверситета.

Программу составил (и)

Порошина Л.А. Старший преподаватель, кафедра «Экономическая кибернетика» Ф.И.О. автора (ов) Ученая степень, звание, кафедра

Программа рассмотрена и утверждена на заседании кафедры

протокол № ______ от «____»__________________ 2007 г.

Зав. кафедрой_________«__»______ 200_г ________________  Подпись дата  Ф.И.О.

Программа рассмотрена и утверждена на заседании УМК и рекомендована к изданию

протокол № ______ от «____»_____________ 200_г

Председатель УМК _______«__»_______ 200_г

_____Корнилов А.М.

 Подпись дата  Ф.И.О. Директор института _______«__»_______ 200_г

 Зубарев А.Е. _

 

(декан факультета) Подпись дата  Ф.И.О.

 

Директор института _______«__»_______ 200_г

____Лысак С.Г. _

 

(декан факультета) Подпись дата  Ф.И.О.

 

Директор института _______«__»_______ 200_г

_______Вайнер Л.Г.

 

(декан факультета) Подпись дата  Ф.И.О.

 

/> /> /> /> /> />

1. Цели изадача дисциплины

Эконометрика – это совокупностьметодов анализа связей между различными экономическими показателями наосновании реальных статистических данных, с использованием аппарата теориивероятностей и математической статистики. При помощи этих методов выявляютновые, ранее неизвестные связи, уточняют или отвергают гипотезы о существованииопределенных связей между экономическими показателями, предлагаемыеэкономической теорией. Это — вводный курс эконометрики для студентов, специализирующихсяв области экономики.

Акцент в курсе делается на содержательном смысле фактов,методов и подходов эконометрического анализа. Выводы и доказательства даютсядля ряда базовых формул и моделей, что позволяет студентам понять принципыпостроения эконометрической теории. Главный акцент делается на экономическойинтерпретации и приложениях рассматриваемых эконометрических моделей.

Эконометрика объединяетсовокупность методов и моделей, позволяющих на базе экономической теории,экономической статистики и математико-статистического инструментарияисследовать количественные выражения качественных зависимостей. При изучениидисциплины «Эконометрика» предполагается, что студент владеет основами теориивероятностей, математической статистики и матричной алгебры в объеме курсавысшей математики для экономических специальностей.

Студенты должны получить базовыезнания и навыки эконометрического анализа. Они должны уметь применять их висследовании экономических процессов, а также понимать эконометрические методы,идеи, результаты и выводы, встречаемые в большинстве экономических книг истатей. В данном курсе студенты должны освоить традиционные эконометрическиеметоды, предназначенные в основном для работы с данными перекрестных выборок.

В то же время, студенты должныпонимать содержательные различия данных перекрестных выборок и временных рядови те специфические эконометрические проблемы, которые возникают при работе сданными этих типов. Студенты должны приобрести навыки построения и развитиямоделей парной и множественной линейной регрессии, познакомиться с некоторымивидами нелинейных моделей и специальными методами эконометрического анализа иоценивания, понимая область и границы их применения в экономике. Рассматриваемыеметоды и модели должны быть освоены на практике с использованием реальныхмассивов экономических данных и современного эконометрического программногообеспечения.

Конечной целью изучения дисциплины является:

— ознакомление студентов спроблемами, возникающими при практическом применении различных количественныхмоделей экономической теории, таких как модели спроса, производства, совокупногопотребления, инвестиций;

— формирование у будущих специалистовтеоретических знаний и практических навыков по применению статистическихметодов для исследования и обобщения эмпирических зависимостей экономическихпеременных, а также построения надежных прогнозов в банковском деле, финансах,различных сферах предпринимательской деятельности с целью обоснованияпринимаемых решений.

Основные задачи курса:

— освоение методов эконометрического анализа статистическихданных;

— освоение методов построения адекватных статистическимданным моделей, имеющих соответствующую экономическую интерпретацию;

— освоение методов статистического анализа стационарных и нестационарныхвременных рядов;

— овладение навыками применения пакетов компьютерных программэконометрического анализа статистических данных.

2. Требования к уровню освоения содержания дисциплины

 

Студент должен знать:

— место, роль и возможности эконометрики в современнойэкономической науке и практике;

— особенности эконометрического метода;

— собирать и проводитьстатистическую обработку экономической информации с целью выявления основныххарактеристик числовой совокупности;

— особенности измерений в экономике;

— основные понятия и методы эконометрическогомоделирования;

— основные понятия, связанные с регрессионными моделями,временными рядами и системами одновременных уравнений;

— методы и особенности эконометрического прогнозированиясоциально-экономических процессов.

Студент должен уметь:

— осуществлять спецификацию эконометрической модели;

— обоснованно применять метод наименьших квадратов и егомодификации;

— оценивать параметры эконометрической модели;

— оценивать значимость уравнений и параметровэконометрических моделей;

— использовать основные приемы и правила моделированиявременных рядов;

— применять основные методы эконометрическогопрогнозирования.

3. Объем дисциплины и виды учебной работы

Таблица 1. Объем дисциплины и виды учебной работы

Наименование По учебным планам (УП) с максимальной трудоёмкостью с минимальной трудоёмкостью

Общая трудоёмкость дисциплины

по ГОС

по УП

120

170

Изучается в семестрах 4,5

Вид итогового контроля по семестрам

зачёт

экзамен

курсовой проект (КП)

курсовая работа (КР)

расчётно-графическая работа (РГР)

реферат (РФ)

домашние задания (ДЗ)

4

5

Аудиторные занятия по семестрам

Всего

лекции (Л)

лабораторные занятия (ЛР)

практические занятия (ПЗ)

4 5 102

34

-

17

34

-

17

Самостоятельная работа

Общий объем часов (С2)

В т.ч. на подготовку к лекциям

на подготовку к лабораторным занятиям

на подготовку к практическим занятиям

на выполнение КР

на выполнение РГР

на написание РФ

на выполнение ДЗ

4 5 68

17

-

17

17

-

17

 

4. Содержание дисциплины

 

4.1 Разделы дисциплины и виды занятий и работ

Таблица 2. Разделы дисциплины и виды занятий и работ

№ Раздел дисциплины

Л

ПЗ

С2

1 Методологические основы курса 2 1 2 Парная регрессия и корреляция 13 5 15 3 Множественная регрессия и корреляция 8 5 13 4 Метод наименьших квадратов 4 3 4 5 Системы экономических уравнений 7 4 7 6 Моделирование одномерных временных рядов 20 10 15 7 Динамические эконометрические модели 14 7 13

4.2 Содержаниеразделов дисциплин

 

4.2.1 Методологические основы курса

Предмет эконометрики. Местоэконометрики в ряду экономических и математико-статистических дисциплин.Примеры применения методов анализа данных. Основные математические предпосылкиэконометрического моделирования.

4.2.2 Парная регрессия и корреляция

Содержание корреляционного анализа. Понятия функциональной,статистической и корреляционной зависимости. Типы связи экономическихпеременных: линейные и нелинейные связи. Статистическая зависимость(независимость) случайных переменных. Анализ линейной статистической связиэкономических данных, корреляция. Нелинейная статистическая связь. Меры теснотылинейной связи переменных: парный, частный и множественный коэффициенткорреляции. Проверка статистических гипотез для оценки значимости корреляции.Свойства основных корреляционных коэффициентов. Корреляционное отношение какоценка нелинейной связи. Оценка тесноты связи между ординальными (порядковыми)переменными — коэффициент ранговой корреляции Спирмена.

Задачи регрессионного анализа. Понятия регрессионного анализа:результирующая (зависимая, эндогенная) переменная у и объясняющие (прели кгорные, экзогенные) переменные X, функция регрессии у по X, возмущения.Регрессионные модели. Дисперсионный анализ в регрессии

Основные предпосылки регрессионногоанализа. Уравнение регрессионной связи между у и X. Геометрическаяинтерпретация регрессии.

Метод наименьших квадратов дляоценки параметров регрессионной модели, Статистические свойства оценокпараметров. Стандартизованные коэффициенты регрессии и коэффициенты эластичности.

Построение точечных и интервальныхпрогнозов, основанных на моделях линейной регрессии. Построение и интерпретациядоверительных интервалов. Общее качество регрессии: коэффициент детерминации R2.F-статистика и F-тест. Связь R2 с коэффициентами корреляции. Модельпарной ЛР без свободного члена.

Статистическая значимость оценоккоэффициентов парной ЛР: проверка гипотез с помощью t-статистик.

Нелинейные модели регрессии илинеаризующие преобразования.

Анализ вариации результирующегопоказателя и выборочный коэффициент детерминации. Проверка значимости уравнениярегрессии и коэффициентов уравнения регрессии. Оценка качества регрессионнойзависимости.

Линеаризация нелинейных зависимостей и их оценивание спомощью МНК. Спецификация случайного члена. Интерпретация линейных,логарифмических и линейно-логарифмических зависимостей.

4.2.3 Множественная регрессия и корреляция

Классическая линейная модельмножественной регрессии.

Описание и интерпретация модели сдвумя и m объясняющими переменными. Примеры:функции спроса, функции заработка, производственные функции. Оценивание по МНКмодели с двумя объясняющими переменными. Свойства коэффициентов модели.Мультиколлинеарность. Коэффициент детерминации />. Скорректированный />. Проверка гипотез спомощью t-статистик и F-статистик.

МНК-оценки модели с m объясняющими переменными ввекторно-матричной форме. Свойства коэффициентов. F-тест для групп переменных.Оценивание производственных функций в объемной и темповой записи как моделеймножественной регрессии.

Понятие мультиколлинеарности.Признаки и причины мультиколинеарности. Методы устранения мультиколлинеарности.Отбор наиболее существенных переменных в классической линейной моделимножественной регрессии. Скорректированный коэффициент детерминации.

Линейные регрессионные модели спеременной структурой. Фиктивные переменные в моделях линейной регрессии. Типыфиктивных переменных. Тест Чоу.

4.2.4 Метод наименьших квадратов

Предпосылки использования МНК.

Понятие, последствия, обнаружение гетероскедастичности.Гетероскедастичность и автокоррелированность как нарушения условий теоремыГаусса-Маркова. Причины и последствия гетероскедастичности. Диагностикагетероскедастичности: тесты ранговой корреляции Спирмена, Голдфелда-Квандта,Уайта. Средства при гетероскедастичности. Природа, виды автокорреляции, еепоследствия. Обнаружение автокорреляции. Тест Дарбина-Уотсона и егопрактическое использование. Взвешенный метод наименьших квадратов. Причины ипримеры гетероскедастичности в экономических моделях.

4.2.5 Системы экономических уравнений

Понятие системы одновременных уравнений. Смещение инесостоятельность оценок при непосредственном оценивании. Структурная иприведенная формы эконометрической модели, построенной на базе системодновременных уравнений.

Условия идентифицируемости уравнений системы. Рекурсивнаямодель как частный случай модели и структурной форме. Идентификация системодновременных уравнений (статистическое оценивание неизвестных значенийпараметров системы): идентификации рекурсивных систем, косвенный методнаименьших квадратов, двухшаговый МНК оценивания структурных параметровотдельного уравнения, трехшаговый МНК одновременного оценивания всех параметровсистемы. Оценивание параметров системы внешне не связанных уравнений.

4.2.6 Моделирование одномерных временных рядов

Понятие временного ряда и его отличияот случайной выборки. Составляющие временного ряда. Проверка гипотезы онеизменности среднего значения временного ряда как процедура проверки наличиятренда. Процедуры аналитического выравнивания (сглаживания) временного ряда.Подбор порядка аппроксимирующего полинома с помощью метода последовательныхразностей.

Стационарные временные ряды и иххарактеристики. Понятия автокорреляции, автокорреляционной функции, временноголага, коэффициента автокорреляции, коррелограммы. Интерпретация коррелограмм.

Гетероскедастичкостъпространственной выборки. Искажение характеристик точности МНК-оненок,обусловленное игнорированием автокоррелированности остатков. Проверка гипотезыо наличии/отсутствии aвтокоррелированности регрессионных остатков.Положительная и отрицательная автокорреляция.

Использование авторегрессионныхмоделей: модель авторсгрессии порядка р, определение порядка авторегрессионноймодели. Методы исключения из временных рядов основной тенденции с цельюустранения автокорреляции: метод последовательных или конечных разностей иметод коррелирования отклонений уровней ряда от основной тенденции.

Способы построения множественнойрегрессионной модели по временным рядам. Модели рядов, содержащих сезоннуюкомпоненту.

4.2.7 Динамические эконометрические модели

Распределенные лаги: геометрический лаг, полиномиальныйлаг. Преобразование Койка и непосредственное нелинейное оценивание параметровгеометрического лага. Частичная корректировка. Адаптивные ожидания. Проблемыоценивания и анализа.

5. Практические занятия

Таблица 3. Практические занятия

№ № раздела дисциплины Наименование тем 1 1 Измерения в экономике 2 2 Линейная регрессия и корреляция 3 2 Дисперсионный анализ 4 2 Построение интервального прогноза по линейному уравнению регрессии 5 2 Нелинейная регрессия 6 2 Корреляция для нелинейной регрессии 7 3 Множественные уравнения регрессии 8 3 Уравнения регрессии с фиктивными переменными 9 4 Исследование случайной составляющей e: (предпосылки МНК) 10 5 Структурные модели 11 6 Аддитивная модель. Мультипликативная модель. 12 6 Автокорреляция 13 6 Авторегрессия 14 7 Модели с распределенным лагом

Краткие характеристики практических занятий.

Парная регрессия и корреляция.

Задание. Эконометрический анализ парной регрессии и корреляции.

Исполнение. Решение задач по теме «Парная регрессия и корреляция».

Оценка. Формирует необходимые представления о применимости тогоили иного статистического инструментария к заданному классу задач.

Время выполнения заданий: 5 часов.

Множественная регрессия и корреляция.

Задание. Эконометрический анализ множественной регрессии икорреляции.

Исполнение. Решение задач по теме «Множественная регрессия икорреляция».

Оценка. Формирует типологию множественной регрессии, способыоценки значимости модели и возможность использования моделей для моделированияэкономических процессов.

Время выполнения задания: 5 часов.

Метод наименьших квадратов.

Задание. Проведение анализа предпосылок МНК.

Исполнение: решение задачи. Использование математико-статистическогоинструментария подготовки исходных данных и метода решения. Интерпретациярезультатов решения.

Оценка. Формирует необходимые представления о возможностяхиспользования МНК.

Время выполнения заданий: 3 часа.

Системы экономических уравнений.

Задание. Проведение идентификации системы. Нахождение параметровуравнений системы.

Исполнение: решение задачи. Интерпретация результатов решения.

Оценка. Формирует необходимые представления о возможностяхиспользования систем эконометрических уравнений в экономическом анализе.

Время выполнения заданий: 4 часа.

Моделирование одномерных временных рядов.

Задание. Анализ рядов динамики. Построение трендовых моделей,аддитивных и мультипликативных моделей. Анализ автокорреляции уровней иостатков временных рядов.

Исполнение: решение задачи. Интерпретация результатов решения.

Оценка. Формирует необходимые представления о возможностяхиспользования трендовых моделей в экономическом анализе.

Время выполнения заданий: 10 часов.

Динамические эконометрические модели.

Задание. Анализ временных рядов. Построение моделей авторегрессии,моделей с распределенным лагом.

Исполнение: решение задачи. Интерпретация результатов решения.

Оценка. Формирует необходимые представления о возможностяхиспользования динамических эконометрических моделей в экономическом анализе.

Время выполнения заданий: 7 часов.

6. Контроль самостоятельной работы студентов-заочников

В четвертом семестре для студентов заочников предусмотреновыполнение контрольной работы по дисциплине. Целью контрольной работы являетсяформирование и контроль знаний по основным разделам дисциплины. Студентурекомендуется, руководствуясь предлагаемой программой и используя литературу,самостоятельно изучить ряд вопросов и примеров. Затем следует выполнитьзадание. Контрольная работа разработана и имеется в электронном виде накафедре.

Содержание задания контрольной работы:

— построение парной регрессии; оценка надёжности модели поосновным статистическим показателям; определение силы связи между показателями;расчет прогноза по модели;

— построение уравнение множественной регрессии; отборфакторов в модель; оценка надёжности модели;

— идентификация эконометрических систем;

— анализ рядов динамики; подбор трендовой модели; оценкаавтокорреляции уровней временного ряда; оценка качества модели.

В пятом семестре для студентов заочников предусмотренотестирование по дисциплине. Целью тестирования является закрепление пройденногоматериала и возможность практического использования полученных навыков. Необходимов результате решить простейшие практические задания, например:

· Определите,сколько наблюдений потребуется для построения парной линейной регрессии.

· Объясните,какое стандартное распределение нужно для сравнения двух дисперсий.

· Объясните,какое стандартное распределение нужно при изучении среднего значения.

· Постройтедоверительный интервал и проверьте значимость коэффициента регрессии: />, a=3, n=50, p=95%.

· Составьте списокиз 7 существенных и 7 несущественных признаков для модели рентабельностипредприятия.

· Приведитепримеры уравнений и графиков степенной и показательной функций.

· Проведитеспецификацию модели:

/>; />; />; />; />; />

· Проведитеспецификацию модели:

/>; />; />; />

· Найдитеэластичность функции: />

· Выведитесистему нормальных уравнений для модели:

/>

· Проведитеинтерпретацию уравнения:

 

Цена (тыс.руб.) = 40 – 8·Предложение(шт.) + 16·Спрос (шт.)

· Проведитеинтерпретацию уравнения: />.

· Найдитекоэффициент детерминации двумя способами:

/>; />; />.

· Постройте 68%доверительный интервал для линейного прогноза и нанесите его на график:

 

/>

 

· Проведителинеаризацию функции: />.

· Составьтеуравнение регрессии с фиктивными переменными для учета сезонности по 4кварталам года.

· К какому видуотносится система уравнений: />.

· Постройтеприведенную форму для модели: />.

· Проведитепростое экспоненциальное сглаживание временного ряда: yt = [10 20 10 30 20 35],  = 0,8

7. Контроль знаний студента

7.1 Входной контроль

Входной контроль осуществляется в форме контрольногозадания по разделам дисциплины базового курса «Теория вероятностей иматематическая статистика».

7.2 Тематика текущего контроля

Текущий контроль знаний осуществляется в процессевыполнения практических заданий путём индивидуального и группового опроса,собеседования и тестового контроля. Результаты текущего контроля знанийучитываются при промежуточной аттестации и на зачёте.

7.3 Выходной контроль

 

Выходной контроль осуществляется в форме зачёта и экзамена подисциплине.

В программу зачёта по дисциплине включены следующиевопросы:

ü  Основные этапы прикладногоэконометрического исследования.

ü  Свойства оценок параметров привыполнении исходных предположений классической нормальной модели линейноймножественной регрессии.

ü  Доверительные интервалы дляпараметров при выполнении исходных предположений классической нормальной моделилинейной множественной регрессии.

ü  Интервальные прогнозы при выполненииисходных предположений классической нормальной модели линейной множественнойрегрессии.

ü  Проверка гипотез о значенияхкоэффициентов при выполнении исходных предположений классической нормальноймодели линейной множественной регрессии.

ü  Основные типы нарушений исходныхпредположений классической нормальной модели линейной множественной регрессии.

ü  Последствия различных нарушенийисходных предположений классической нормальной модели линейной множественнойрегрессии.

ü  Методы обнаружениягетероскедастичности.

ü  Методы обнаруженияавтокоррелированности.

ü  Обнаружение ненормальностираспределения ошибок.

ü  Выявление неправильного выбораобъясняющих переменных (критерий RESET).

ü  Выявление непостоянства коэффициентовна периоде наблюдения (критерии Чоу, рекурсивные остатки).

ü  Методы коррекции статистическихвыводов при неоднородности дисперсий ошибок.

ü  Методы коррекции статистическихвыводов при автокоррелированности ошибок.

ü  Коррекция статистических выводов принепостоянстве параметров модели на периоде наблюдений. Учет сезонности.Фиктивные переменные.

ü  Модели с распределеннымизапаздываниями объясняющих переменных.

Итоговый контроль знаний – экзамен.

Примерный набор тестов на экзамен:

Вариант 1

1. Парный линейныйкоэффициент корреляции характеризует наличие тесной обратной связи. Он можетпринимать следующие значения:

А) 1,2; б) –0,82; В) 0,23; Г) 0,92; Д) –0,24.

2. Коэффициент уравнения парной регрессии показывает:

а) тесноту связи между зависимой и независимой переменными;

б) на сколько процентов изменится зависимая переменная,если независимая переменная изменится на единицу;

в) на сколько процентов изменится зависимая переменная,если независимая переменная изменится на 1%;

г) на сколько ед. изменится зависимая переменная, еслинезависимая переменная изменится на 1 ед.

3. Если лаговые воздействия фактора не имеют тенденцию кубыванию во времени, то графическое представление структуры лага примет вид:

/>

/>

/>

/>

4. Величину, характеризующую влияние лаговых переменных нарезультат, называют:

А) медиана; Б) мода; В) лаг; Г) мультипликатор; Д)регрессор.

5. Наличие гомоскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу;Г) критерий Энгеля-Грангера;

Д) критерий Уайта; Е) критерий Дарбина-Уотсона.

6. Оценить значимость парного линейного коэффициентакорреляции можно при помощи:

А) критерия Фишера;

Б) коэффициента автокорреляции;

В) критерия Стьюдента;

Г) критерия Энгеля-Грангера;

Д) критерия Дарбина-Уотсона.

7. Автокорреляция уровней может быть вызвана следующимипричинами:

А) ошибка измерения результативного признака;

Б) ошибка в спецификации модели;

В) ошибка в вычислениях;

Д) нет правильного ответа.

8. В ситуациях, когда остатки содержат циклическиеколебания, график примет вид:

/>

/>

/>

9. Изложите алгоритм использования критерияЭнгеля-Грангера.

10. Степень влияния неучтенных факторов в рассматриваемоймодели можно определить на основе:

А) парного линейного коэффициента корреляции;

Б) частного коэффициента корреляции;

В) индекса корреляции;

Г) коэффициента детерминации;

Д) коэффициента регрессии.

11. Частный критерий Фишера вычисляется по формуле:

А) />; Б)/>;

В) />; Г) />.

12. Факторная дисперсия вычисляется по формуле:

А) />; б) />; В) />; Г) />; Д) />; е) />; Ж) />.

13. Что характеризует />-коэффициент в уравненияхмножественной регрессии?

14. Уравнение множественной регрессии в стандартизованномвиде имеет вид: />. Сила влияния какого фактора вышена результативный признак?

А) x1<x2; Б) x1>x2; B) x1=x2.

15. Для двух видов продукции А и В модели зависимостиудельных постоянных расходов от объема выпускаемой продукции выглядят следующимобразом:

уА=85+0,5х,

уВ=20х0,3.

Определите, каким должен быть объемвыпускаемой продукции, чтобы коэффициенты эластичности для продукции А и В былиравны.

А) 73; Б) 0,02; В) 0,3; Г) 85; Д) 20.

Вариант 2

1. Автокорреляция остатков уравнения регрессии означает:

а) наличие ошибки в спецификации уравнения регрессии;

б) незначимость уравнения регрессии;

в) отсутствие зависимости между переменными;

г) их случайность.

2. h-критерийФишера используется для оценки:

А) Наличия коинтеграции временных рядов.

Б) Наличия коинтеграции рядов распределения.

В) Автокорреляции остатков.

Г) Автокорреляции уровней рядов динамики.

Д) Автокорреляции уровней рядов распределения.

3. Если лаговые воздействия фактора имеют тенденцию кубыванию во времени, то графическое представление структуры лага примет вид:

/>

/>

/>

/>

4. Коэффициент детерминации показывает:

а) на сколько единиц изменится зависимая переменная, еслинезависимая переменная изменится на 1 единицу;

б) на сколько процентов изменится зависимая переменная,если независимая переменная изменится на 1%;

в) на сколько процентов изменение зависимой переменнойзависит от изменения независимой переменной;

г) долю вариации независимой переменной, обусловленнуювариацией независимой переменной.

5. Наличие гетероскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу;Г) критерий Энгеля-Грангера;

Д) критерий Спирмена; Е) критерий Дарбина-Уотсона.

6. Оценить значимость коэффициентов регрессии вмножественной линейной модели можно при помощи:

А) коэффициента корреляции;

Б) коэффициента автокорреляции;

В) критерия Стьюдента;

Г) критерия Энгеля-Грангера;

Д) критерия Дарбина-Уотсона.

7. Парный линейный коэффициент корреляции определяется поформуле:

А) />;

Б) />;

В) />.

8. В ситуациях, когда остатки содержат циклическиеколебания, график примет вид:

/>

/>

/>

9. Изложите алгоритм использования критерия Спирмена.

10. Степень усредненного влияния неучтенных факторов врассматриваемой модели можно определить на основе:

А) парного линейного коэффициента корреляции;

Б) частного коэффициента корреляции;

В) индекса корреляции;

Г) коэффициента детерминации;

Д) коэффициента регрессии;

Е) свободного члена уравнения регрессии.

11. Как вычисляется коэффициент эластичности для моделиу=а+b lnx?

12. Критерий Пирсона используется:

А) для оценки автокорреляции уровней;

Б) для оценки автокорреляции остатков;

В) для оценки мультиколлиниарности факторов;

Г) для оценки коинтеграциии.

13. Что характеризует t-критерий Стьюдента?

14. Уравнение множественной регрессии в стандартизованномвиде имеет вид: />. Сила влияния какого фактора вышена результативный признак?

А) x1<x2; Б) x1>x2; B) x1=x2.

15. Модель имеет вид:

Y1 = a1+b11X1+b12X2+C12Y2+e1,

Y2 = a2+b22X2+C21Y1 +e2,

Y3 = a3+b31X1+b33X3+e3.

А) модель идентифицируема;

Б) модель сверхидентифицируема;

В) модель неидентифицируема.

Вариант 3

1. Модель авторегрессии с распределенным лагом имеет вид:

а) />, где /> - эмпирически ненаблюдаемаяпеременная результативного признака, хt – фактическое значение факторногопризнака; et – ошибка модели;

б) />, где /> - фактическое значениерезультативного признака, /> –ожидаемое значение факторногопризнака; et – ошибка модели;

в) />, где /> - эмпирически ненаблюдаемаяпеременная результативного признака, /> – ожидаемое значение факторногопризнака; et – ошибка модели;

г) />, где /> - фактическое значение результативногопризнака, хt –фактическое значение факторного признака; et – ошибка модели;

д) нет правильного ответа.

2. Модель Койка является:

А) моделью авторегрессии с бесконечной структурой лага;

Б) моделью авторегрессии с конечной структурой лага;

В) моделью авторегрессии.

3. Графическая модель параболы имеет вид:

/>

/>

/>

/>

4. Дисперсионный анализ уравнения парной регрессиипроверяет:

а) значимость коэффициента корреляции;

б) значимость уравнения регрессии;

в) значимость коэффициента регрессии;

г) значимость свободного члена уравнения регрессии.

5. Наличие гетероскедастичности можно определить используя:

А) критерий Стьюдента; Б) критерий Фишера; В) критерий Чоу;Г) критерий Энгеля-Грангера;

Д) критерий Спирмена; Е) критерий Дарбина-Уотсона.

6. Коэффициентмножественной детерминации показывает

а) на сколько процентов изменится зависимая переменная,если независимая переменная изменится на 1%;

б) долю вариации зависимой переменной, обусловленную вариациейнезависимых переменных;

в) на какую часть своего стандартного отклонения изменитсязависимая переменная, если независимая переменная изменится на величину своегостандартного отклонения;

г) насколько изменится зависимая переменная, еслинезависимая переменная изменится на единицу.

7. КритерийДарбина-Уотсона определяется:

А) />; Б) />; В) />;

Г)/>; Е) />.

8. Изложите алгоритм использования критерияЭнгеля-Грангера.

9. В ситуациях, когда остатки не содержат циклическиеколебания, график примет вид:

/>

/>

/>

10.Лаговые переменные в системах одновременных уравненийобычно рассматриваются как

а) независимые.

б) зависимые.

в) эндогенные.

г) экзогенные.

11. Как вычисляется коэффициент эластичности для параболы II порядка?

12. Прямая неопределенности используется при определении:

А) Наличия коинтеграции временных рядов.

Б) Наличия коинтеграции рядов распределения.

В) Автокорреляции остатков.

Г) Автокорреляции уровней рядов динамики.

Д) Автокорреляции уровней рядов распределения.

13. Что характеризует />-коэффициент?

14. Уравнение множественной регрессии в стандартизованномвиде имеет вид: />. Сила влияния какого фактора вышена результативный признак?

А) x1<x2; Б) x1>x2; B) x1=x2.

15. Модель имеет вид:

Y1 = a1+b11X1+b13X3+C12Y2+e1,

Y2 = a2+b22X2+C21Y1 +e2,

Y3 = a3+b32X2+b33X3+e3.

А) модель идентифицируема;

Б) модель сверхидентифицируема;

В) модель неидентифицируема.

8. Учебно-методическое обеспечение дисциплины

 

8.1 Основная литература

 

1. Айвазян С.А.,Мхитарян В.С. Прикладная статистика и основы эконометрики. -М: ЮНИТИ, 1998, — 102 с.

2. Бородич С.А.Эконометрика. – М.: Новое знание, 2001.

3. Грицан В.Н.Эконометрика. – М.: Издательско-торговая корпорация “Дашков и К”, 2002.

4. Доугерти Кристофер.Введение в эконометрику. Пер. с англ. – М.: ИНФРА-М.-XIV, 1997, — 402 с.

5. Дуброва Т.А.Статистические методы прогнозирования в экономике: Учебное пособие. – М.: МЭСИ,2002. – 52 с.

6. Замков О.О.Эконометрические методы в макроэкономическом анализе. – М.: ГУ ВШЭ, 2001.

7. Катышев П.К.,Магнус Я.Р., Пересецкий А.А. Сборник задач к начальному курсу эконометрики. –М.: Дело, 2002.

8. Кремер Н.Ш.,Путко Б.А. Эконометрика: Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2003. – 311 с.

9. Магнус Я.Р.,Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. 3-е изд. — М.:Дело, 1997, — 400 с.

10. Мардас А.Н.Эконометрика. – СПб.: Питер, 2001.

11. Носко В.П.Эконометрика для начинающих: основные понятия, элементарные методы, границыприменимости, интерпретация результатов. М., ИЭПП, 2000. — 252 с.

12. Орлов А.И.Эконометрика: Учеб. пособ… – М.: Из-во «Экзамен»,2002.

13. Практикум поэконометрике: Учеб. Пособие/ под. ред И.И. Елисеевой. – М.: Финансы истатистика, 2001.

14. Четыркин Е.М.Статистические методы прогнозирования. – М.: Статистика, 1977.

15. Эконометрика:Учебник/Под ред. И.И.Елисеевой. – М.: Финансы и статистика, 2002. – 344 с.

 

8.2 Дополнительная литература

 

1. Практикум поэконометрике/ Под ред. И.И.Елисеевой. – М.: Финансы и статистика, 2002.

2. Дрейпер Н.,Смит Г. Прикладной регрессионный анализ: В 2-х кн. М.: Финансы и статистика,1986-1987.

3. Клейнер Г.Производственные функции. М.: Финансы и статистика, 1986.

4. Афанасьев В.Н.,Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы истатистика, 2001.

5. Джонстон Дж.Эконометрические методы. М.: Статистика, 1980.

6. Образцова О.Н.,Назарова О.В., Канторович Г.Г. Экономическая статистика. Эконометрика.Методические материалы. – М.: ГУ – ВШЭ, 2000.

7. Кремер Н.Ш.Теория вероятностей и математическая статистика: Учебник для вузов. – М.:ЮНИТИ-ДАНА, 2001. – 543 с.

 

8.3 Интернет-ресурсы

 

econline.h1.ru/theor.htm Economics Online. Экономическаятеория — англоязычные ирусскоязычные ресурсы.

www.xplore-stat.de/ebooks/ebooks.html Учебники поприкладной статистике и эконометрике.

www.qmw.ac.uk/~ugte133/book/protsdbk.htmPollock. Time Series, Analysis Signal Processing and Dynamics.

tumania.econ.msu.ru/study.html Сайт экономического факультета МГУ.

www.nsu.ru/ef/tsy/ecmr/index.htm Эконометрическаястраничка Цыплакова А.

molchanov.narod.ru/ Персональный сайт Молчанова И.Н.

u-pereslavl.botik.ru/UP/ECON/econometrics/index0.koi8.html Кульбака Н.Э. Основы эконометрики. Слайды лекций.

www.oup.com/uk/best.textbooks/economics/dougherty2eПерсональныйсайт Доугерти.

9.Материально-техническое обеспечение дисциплины

 

Для освоения данной дисциплины необходим определенный объеминформации. Это информация об основных экономических показателях,рассматриваемых на микро- и макроуровнях.

10. Методические рекомендации по организации изучениядисциплины

На основании программы разрабатываются рабочие учебные программыдисциплины с учетом фактического количества часов, отведенных на ее изучение.Исходя из этого, в рабочей программе отдельные разделы программы могут бытьлибо усилены, либо сокращены, либо опущены.

Знания и навыки, полученные при изучении данного курса,широко применяются студентами в дипломном проектировании.

Программасоставлена в соответствии с государственными образовательными стандартамивысшего профессионального образования.

11.Словарь терминов

 

Автокорреляция. Автокорреляция имеет место, когдазначения последовательных наблюдений, следующих друг за другом во времени,связаны между собой.

Аппроксимация – приближенное выражениематематических объектов через более простые объекты, например, сведение задачивыпуклого программирования к кусочно-линейной задаче путем аппроксимациицелевой функции и ограничений кусочно-линейными функциями.

Автокорреляция – корреляция между величиной и еезапаздыванием на один и более периодов времени.

Биноминальное распределение – это распределение дискретнойслучайной величины, значения которой равны Х успехам в n испытаниях результата биноминального эксперимента.

Временной ряд – это ряд, состоящий из данных,зафиксированных или наблюдаемых в течение последовательных промежутков времени.

Выборочное распределение – это ряд всех возможных значенийвыборочной статистики, который может быть получен из генеральной совокупностидля выборки данного объёма.

Интервальная оценка – это числовой интервал, в котором,вероятно, находится некоторый параметр генеральной совокупности.

Корреляционный анализ изучает взаимосвязи, междупеременными.

Коррелограмма – это график коэффициентовавтокорреляции для различных значений временного лага.

Кросс-секционные данные – это наблюдения,произведенные в один тот же момент времени.

Коэффициент детерминации – измеряет процент изменчивости У,которая может быть объяснена информацией об изменчивости независимой переменнойХ.

Коэффициент корреляции определяет тесноту связи.

Коэффициент регрессии измеряет среднее изменение зависимойпеременной при единичном изменении соответствующей независимой переменной, еслиостальные независимые переменные постоянны.

Метод наименьших квадратов. Этот метод используется дляполучения уравнения регрессии, минимизирующей сумму квадратов отклонений фактическихзначений результативного признака от теоретических.

Методология Бокса-Дженкинса опирается на ряд процедуридентификации, корректировки и проверки моделей ARIMA с целью анализа данных временных рядов. Прогнозвытекает непосредственно из подобранной модели.

Многомерная регрессия использует более чем однунезависимую переменную для прогноза значений зависимой переменной.

Модель авторегрессии. Это модель, в которой значениепрогноза находится как функция от предыдущих значений временных рядов.

Мультиколлинеарность – это ситуация, при которой независимыепеременные в многомерном уравнении регрессии сильно коррелируют между собой.

Нормальное распределение. Диаграмма нормальногораспределения имеет форму колокола и определяется математическим ожиданием исреднеквадратичеким отклонением.

Ошибка прогноза. Представляет собой разность междудействительно наблюдаемым значением и его прогнозом.

Пошаговая регрессия – это процедура выбора «лучшей»функции регрессии посредством добавления или удаления отдельных независимыхпеременных на разных этапах анализа.

Простое среднее. Вычисляется как среднее значениедля всего набора участвующих в расчетах данных, которое затем принимается дляпостроения прогноза на следующий период.

Регрессионный анализ обеспечивает подбор уравнения посерии исходных данных.

Сезонная компонента. Это модель изменения данных,повторяющаяся из года в год.

Скользящее среднее. Вычисляется как среднее значениедля определенного количества элементов данных, которое затем применяется для построенияпрогноза на следующий период или для сглаживания ряда динамики.

Среднеквадратическое отклонение характеризует разброс значенийслучайной величины.

Стандартная ошибка оценивания. Измеряет величину, на которуюимеющиеся значения У отличаются от их оценок />. Она равна оценке стандартногоотклонения слагаемого ошибки /> в модели простой линейнойрегрессии.

Стационарный ряд – это временной ряд данных, основныестатистические характеристики которого, такие как среднее значение и дисперсия,остаются постоянными во времени.

Степени свободы. Степени свободы для набора данныхопределяют количество единиц данных, независимых друг от друга, т.е. таких,которые могут являться носителями отдельных единиц информации.

Точечная оценка. Это единичная оценка параметрагенеральной совокупности.

Тренд – это долгосрочная компонента,представляющая возрастание или убывание значений временного ряда в течениепродолжительного промежутка времени.

Фиктивные переменные – переменные, используемые дляопределения взаимосвязи между качественными независимыми переменными изависимой переменной.

Циклическая компоненита – это волнообразная флуктуациязначений данных вокруг линии тренда.

Эконометрия – наука, изучающая конкретныеколичественные закономерности и взаимосвязи экономических объектов и процессовс помощью математических методов и моделей.

Экспоненциальное сглаживание — это процедура для постоянногопересмотра прогнозов в свете наиболее свежих поступающих данных.

Экстраполяция тенденций – прогнозирование временных рядов.