Econometrics

2020/2021

Academic Year

RUS

Instruction in Russian

7

ECTS credits

Delivered by:

Department of Applied Economics

Type:

Compulsory course

When:

3 year, 1-3 module

Instructors

Zhukova, Liudmila

Pogorelova, Polina

Polyakov, Konstantin L.

Stebunova, Olga

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям студента и определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих данную дисциплину, учебных ассистентов и студентов направления 38.03.01 "Экономика" подготовки бакалавра, изучающих дисциплину «Эконометрика».

Цель освоения дисциплины

• Цель дисциплины — дать студентам научное представление о методах и моделях современной эконометрики, которые позволяют давать количественную оценку основным закономерностям экономической теории, а также прогнозировать социально-экономические процессы.

Планируемые результаты обучения

• Интерпретирует основные понятия эконометрики, этапы построения эконометрических моделей,
• Применяет основные методы оценивания неизвестных параметров моделей,
• Применяет основные методы диагностики (проверки качества) эконометрических моделей.
• Оперирует навыками обработки реальных статистических данных
• Применяет методы анализа многомерных данных
• Работает в эконометрических пакетах для построения и диагностики эконометрических моделей (например, ППП MS Excel, Eviews, STATA, Gretl, R).

Содержание учебной дисциплины

• Предмет эконометрики. Основные Понятия и определения. Этапы построения эконометрической модели
  Цели и методы эконометрики. Этапы построения эконометрической модели. Взаимосвязи между переменными. Примеры простейших эконометрических моделей. Типы эконометрических данных: временные ряды, перекрестные данные, панельные данные. Методы оценивания. Верификация оцененной модели.
• Модель множественной линейной регрессии. Оценка параметров модели. Верификация. Теорема Гаусса-Маркова
  Множественная линейная регрессия: спецификация модели в скалярной и матричной формах. Метод наименьших квадратов и его геометрическая интерпретация в многомерном случае. Нахождение оценок параметров модели. Теорема Гаусса – Маркова для случая множественной линейной регрессии (без доказательства). Коэффициент множественной детерминации и его свойства. Неприменимость коэффициента детерминации для оценки качества подгонки регрессии, проходящей через начало координат. Коэффициент множественной детерминации, скорректированный на число степеней свободы. Предположение о нормальности распределения случайной ошибки. Проверка гипотез о конкретном значении коэффициентов регрессии. Проверка гипотез o значимости коэффициентов регрессии. Построение доверительных интервалов для коэффициентов регрессии. Проверка гипотезы об адекватности регрессии в целом.
• Модель множественной линейной регрессии. Введение в модель фиктивных (дамми) переменных. Тест Чоу
  Фиктивные переменные для дифференциации свободного члена и коэффициентов наклона. Сравнение двух регрессий с помощью фиктивных переменных и теста Чоу (Chow). Эквивалентность этих подходов. Анализ сезонности с помощью фиктивных переменных
• Нарушения предпосылок теоремы Гаусса-Маркова: ошибки спецификации. Тест Рамсея
  Проблема выбора "наилучшей" модели. Свойства, которыми должна обладать "хорошая" модель. Типы ошибок спецификации модели. Пропущенные и излишние переменные. Неправильная функциональная форма модели. Смещение в оценках коэффициентов, вызываемое невключением существенных переменных. Ухудшение точности оценок (увеличение оценок дисперсий) при включении в модель излишних переменных. RESET тест Рамсея (Ramsey's RESET test) для проверки гипотезы о существовании упущенных переменных.
• Нарушения предпосылок теоремы Гаусса-Маркова: мультиколлинеарность
  Совершенная и практическая мультиколлинеарность данных. Признаки наличия мультиколлинеарности. Теоретические последствия мультиколлинеарности для оценок параметров регрессионной модели. Неустойчивость оценок параметров регрессии и их дисперсий при малых изменениях исходных данных при наличии мультиколлинеарности. Показатели степени мультиколлинеарности. Показатель "вздутия" дисперсии (VIF). Методы борьбы с мультиколлинеарностью. Метод последовательного включения/ исключения факторов. Понятие о методе главных компонент.
• Нарушения предпосылок теоремы Гаусса-Маркова: гетероскедастиность случайных возмущений
  Нарушение гипотезы о гомоскедастичности. Последствия гетероскедастичности для оценок коэффициентов регрессии методом наименьших квадратов. Применение тестов Уайта, Годфельда – Квандта, Бройша-Пагана и др. для диагностирования гетероскедастичности. Оценивание коэффициентов множественной линейной регрессии при гетероскедастичности. Понятие о взвешенном МНК. Стандартные ошибки, скорректированные с учетом гетероскедастичности, в форме Уайта.
• Обнаружение резко выделяющихся наблюдений
  Сила воздействия измерения на подогнанное значение зависимой переменной. Понятие выброса. Критерии обнаружения выбросов.
• Нарушения предпосылок теоремы Гаусса-Маркова: автокорреляция случайных возмущений
  Понятие об автокорреляции случайных возмущений. Последствия автокорреляции для оценок коэффициентов регрессии, полученных МНК. Диагностирование автокорреляции с помощью статистики Дарбина–Уотсона. Условия применимости статистики Дарбина-Уотсона. Методы оценки параметра автокорреляции. Преобразование исходных данных, позволяющее применить метод наименьших квадратов. Оценка параметра автокорреляции по значению статистики Дарбина-Уотсона и коэффициенту авторегрессии остатков. Тестирование модели на наличие автокорреляции более высокого порядка: тест Бройша-Годфри.
• Модели бинарного выбора: логит- и пробит-модели. Метод максимального правдоподобия
  Применение моделей бинарного выбора к анализу социально-экономических процессов. Линейная вероятностная модель, ее недостатки. Логит- и пробит- модели: спецификация, предельные эффекты, оценивание параметров методом максимального правдоподобия, оценка качества моделей (псевдо R2,LR-статистика).
• Введение в анализ временных рядов
  Основные определения: стохастический процесс, стационарность в узком и широком смыслах. Компоненты временного ряда. Аддитивная и мультипликативная модели временных рядов. Примеры экономических временных рядов с трендом и сезонностью. Автоковариационная и автокорреляционная функции (АКФ). Применение АКФ и частной АКФ для идентификации временных рядов
• Введение в анализ временных рядов. Модели стационарных временных рядов с конечным числом лагов. Методология Бокса-Дженкинса
  Процесс «белого шума». Процесс случайного блуждания. Процессы авторегрессии AR(1) и AR(2): числовые характеристики, АКФ, частная АКФ (с выводом). Проверка на стационарность: графический анализ, анализ АКФ и частной АКФ, формальные тесты: статистика Бокса-Пирса, статистика Льюнга-Бокса, тест Дики-Фуллера. Методология Бокса-Дженкинса: ARIMA (p, d, q).
• Модели панельных данных
  Основные определения. Преимущества и недостатки при работе с панельными данными. Основные предположения, лежащие в основе модели. Спецификация модели. Модель between. Модель с фиксированными эффектами (fixed effects). Модель со случайными эффектами (random effects). Какую модель предпочесть: тесты Вальда, Бройша-Пагана, Хаусмана.

Элементы контроля

• работа на семинарах1
  Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
• самостоятельная работа1
  Для отчета студенты представляют три вида документов: "Отчет о самостоятельной работе", файлы с данными в формате MS Excel и пакета, в котором выполнялись расчеты., презентацию проекта - 5-6 слайдов в MS Power Point. Обязательным условием получения оценок 9 и 10 является устное представление результатов проекта.
• Экзамен
  Экзамен проводится в дистанционном формате
• работа на семинарах2
  Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе
• самостоятельная работа2
  Для отчета студенты представляют три вида документов: "Отчет о самостоятельной работе", файлы с данными в формате MS Excel и пакета, в котором выполнялись расчеты., презентацию проекта - 5-6 слайдов в MS Power Point. Обязательным условием получения оценок 9 и 10 является устное представление результатов проекта.
• работа на семинарах3
  Текущая оценка TO=10 Score/Score_max , где Score — сумма баллов, полученная за работу на семинарах. Score_max — максимальная сумма баллов в группе

Промежуточная аттестация

• Промежуточная аттестация (3 модуль)
  0.15 * работа на семинарах1 + 0.15 * работа на семинарах2 + 0.15 * работа на семинарах3 + 0.2 * самостоятельная работа1 + 0.2 * самостоятельная работа2 + 0.15 * Экзамен

Список литературы

Рекомендуемая основная литература

• Statistics for business and economics, Newbold, P., 2013
• Введение в эконометрику : учебник для вузов, Доугерти, К., 2009

Рекомендуемая дополнительная литература

• Практика эконометрики: классика и современность : учебник для вузов, Берндт, Э. Р., 2005
• Путеводитель по современной эконометрике : учеб.- метод. пособие для вузов, Вербик, М., 2008