1. Предмет, цель и задачи эконометрики. Эконометрическая модель, основные этапы построения эконометрической модели. Классификация исходных данных и переменных в эконометрических моделях. Понятия спецификации и идентифицируемости модели.
2. Основные задачи регрессионного анализа. Модель парной линейной регрессии. Функция регрессии, линия регрессии. Поле корреляции. Выборочная функция регрессии, ее параметры.
3. Метод наименьших квадратов (МНК), его графическая интерпретация. МНК-оценки параметров парной линейной регрессии, их свойства. Интерпретация коэффициентов регрессионной модели.
4. Стандартизированное уравнение регрессии, МНК-оценки параметров. Коэффициент корреляции. Предпосылки МНК. Теорема Гаусса-Маркова.
5. Оценка качества уравнения регрессии. Коэффициент детерминации. Суммы квадратов отклонений, связь между ними. Дисперсионный анализ. Проверка значимости уравнения (критерий Фишера).
6. Прогнозирование по регрессионной модели. Доверительные интервалы для функции и параметров регрессии.
7. Модель множественной линейной регрессии. МНК-оценки параметров множественной регрессии. Матричная запись МНК-оценок. Предпосылки МНК.Проблема интерпретации коэффициентов регрессии.
8. Оценка качества уравнения множественной линейной регрессии. Коэффициент детерминации. Суммы квадратов отклонений, связь между ними. Дисперсионный анализ.
9. Проверка значимости уравнения множественной линейной регрессии (критерий Фишера).
10. Прогнозирование по модели множественной линейной регрессии. Доверительные интервалы для функции и параметров регрессии. Проверка статистической значимости коэффициентов регрессии.
11. Некоторые вопросы практического применения регрессионных моделей. Мультиколлинеарность. Методы устранения (уменьшения) мультиколлинеарности.
12. Пошаговые процедуры отбора наиболее информативных переменных. Построение линейной модели по неоднородным регрессионным данным. Проблема неоднородности данных в регрессионном анализе.
13. Проверка регрессионной однородности двух групп наблюдений. Критерий Чоу. Введение фиктивных переменных в линейную модель регрессии. Логит- и пробит-модели.
14. Вычисление МНК-оценок параметров нелинейной функции как непосредственно, так и после линеаризации, интерпретация коэффициентов. Оценка качества уравнения регрессии. Коэффициент эластичности.
15. Вычисление МНК-оценок параметров нелинеаризуемой нелинейной функции. Коэффициент эластичности нелинейных функций регрессии. Некоторые виды нелинейных зависимостей, поддающиеся непосредственной линеаризации. Подбор линеаризирующего преобразования (подход Бокса-Кокса). Производственные функции и их анализ.
16. Обобщенная линейная модель множественной регрессии (ОЛММР, GLMPM) и обобщенный метод наименьших квадратов (ОМНК, GLS). Теорема Айткена.
17. ОЛММР с гетероскедастичными остатками. Сравнение ОМНК- и МНК-оценки в моделях регрессии с гетероскедастичными остатками.
18. Тесты на гетероскедастичность (ранговой корреляции Спирмена, Голдфелда-Квандта, Уайта, Глейзера).
19. Устранение гетероскедастичности.
20. Взвешенный МНК.
21. ОЛММР с автокоррелированными остатками. Положительная и отрицательная автокорреляция.
22. Искажения характеристик точности МНК-оценки, обусловленные автокоррелированностью остатков.
23. Авторегрессия первого порядка. Тест Дарбина-Уотсона. Тест серий (Бреуша-Годфри). Тест Льюига-Бокса.
24. Понятие о временных рядах. Основные составляющие временного ряда. Мультипликативная и аддитивная модели временных рядов, их связь. Задачи анализа временных рядов. Графическое представление временного ряда. Предмодельный анализ временного ряда. Этапы выделения компонент мультипликативной и аддитивной модели временных рядов.
25. Методы сглаживания временных рядов (скользящего среднего, экспоненциального сглаживания, последовательных разностей). Прогнозирование на основе моделей временных рядов. Точечный и интервальный прогноз.
26. Модели авторегрессии порядка p, скользящей средней порядка q (MA(q)) и авторегрессионные модели скользящей средней порядков p и q (ARMA(p,q)). Идентификация временного ряда. Двухшаговая процедура Дарбина. Процедура Кохрейна-Оркатта.
27. Модели нестационарных временных рядов и их идентификация. Тест Дики – Фуллера. Модель авторегрессии - проинтегрированного скользящего среднего (ARIMA(p, q, k) – модель); модели рядов, содержащих сезонную компоненту.
28. Структурная и приведенная формы модели систем одновременных уравнений. Рекурсивные системы одновременных уравнений. Модель спроса – предложения как пример системы одновременных уравнений. Основные структурные характеристики моделей.
29. Условия идентифицируемости уравнений системы. Идентификация рекурсивных систем. Косвенный МНК.
30. Статистическое оценивание неизвестных значений параметров. Метод инструментальных переменных.
31. Двухшаговый метод наименьших квадратов (2-МНК) оценивания структурных параметров отдельного уравнения системы.
32. Трехшаговый метод наименьших квадратов (3-МНК) одновременного оценивания всех параметров системы уравнений. Другие методы оценивания систем