Задачи изучения дисциплины. 1 глава




Структура УМК дистанционного обучения учебной дисциплины

«Эконометрика » специальности 08080165 – "Прикладная информатика в экономике.

 

1. Рабочая программа учебной дисциплины, утвержденная «__»_______2008 г.

2. Учебно-методические материалы (УММ) по следующим видам занятий: лекции, практические занятия, контрольные работы.

2.1.Конспект лекций, 26 печатных страниц.

2.2. Варианты контрольных работ – 30 заданий

2.3. Пример выполнения контрольной работы

3. Материалы для текущего контроля знаний и промежуточной аттестации студентов.

3.1. Вопросы к зачету

3.2. Тесты для промежуточного контроля в кол-ве 24.

4. Список рекомендуемой литературы:

4.1. Основная учебная литература

  Наименование   Кол-во экз. в биб-ке   Кол-во экз. на кафедре   Наличие в электронной библиотеке
1. Эконометрика: Учебник / Под ред. И.И.Елисеевой М.: Финансы и статистика, 2002.- 344 с   - -
2. Практикум по эконометрике: Учеб. пособие / И.И. Елисеева и др. М.: Финансы и статистика, 2001.-311 с.   - -

4.2.Дополнительная учебная литература

  Наименование   Кол-во экз. в биб-ке   Кол-во экз. на кафедре   Наличие в электронной библиотеке
1. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. - М. Дело. - 2001г.248 с.   - -
2. УМК по дисциплине «Эконометрика» / Составители: Розенцвайг А. К., Батракова И.Г. Наб. Челны: Изд-во КамПИ, 2005 – 39 с.      

 

5. Дополнительные материалы (журналы, научная литература, кино- и видеофильмы, слайды, плакаты и т.д.):

5.1. _________________________

5.2._________________________

 

Ответственный преподаватель А.К.Розенцвайг

 

 

Изменения в УМК дистанционного обучения учебной дисциплины

«__________________________________________________________________»

специальности(ей) « _____________________________ »

1. _________________________________________

2. __________________________________________

 

 

Ответственный преподаватель А.К.Розенцвайг

 

Изменения утверждены на заседании кафедры «___ » ____________________ 2008 г.

 

Зав. кафедрой ММИТЭ Ю.Н.Смирнов

 

 


РАБОЧАЯ ПРОГРАММА

 

Рабочая программа по дисциплине «Эконометрика» составлена на основании Государственных образовательных стандартов высшего профессионального образования по специальности 08080165 – "Прикладная информатика в экономике.

 

  На базе С/С 4 года На базе С/О 6 лет
Курс    
Семестр    
Лекции, в том числе: 8 (час) 10 (час)
установочные 6 (час) 8 (час)
обзорные 2 (час) 2 (час)
Практические занятия нет нет
Лабораторные занятия 2 (час) 2 (час)
Самостоятельная работа, в том числе: 75 (час) 69 (час)
Контрольная работа 6 сем 10 сем
Всего часов 85 (час) 85 (час)
Зачет 6 сем 10 сем

 

ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

«Эконометрика» в учебном плане специальностям 08080165 – "Прикладная информатика в экономике" относится к циклу «Общепрофессиональные дисциплины». Она опирается, в основном, на дисциплины «Математика», «Теория вероятностей и математическая статистика», «Статистика».

Цель преподавания дисциплины.

В современном обществе эконометрика стала одним из важнейших инструментов управления народным хозяйством. Эконометрика собирает, обобщает и анализирует информацию, которая характеризует различные стороны общественной жизни и позволяет, в результате, увидеть стройную систему взаимосвязей, картину и динамику развития явлений социально-экономической жизни.

Курс «Эконометрика» имеет целью дать студентам представление о содержании эконометрики как научной дисциплины, объединяющей качественные методы экономической теории с количественными методами теории вероятностей, математической статистики и экономической статистики, познакомить с ее основными категориями, понятиями, методологией и методиками расчета важнейших статистических показателей. «Эконометрика» является основополагающей учебной дисциплиной, с изучением которой окончательно формируются необходимые профессиональные качества экономистов высшей квалификации, специалистов органов государственной статистики, менеджеров. Создается прочный фундамент для усвоения и квалифицированного применения в условиях рыночной экономики основных положений экономической теории на базе статистической методологии познания закономерностей развития социально-экономических явлений.

Задачи изучения дисциплины.

В результате изучения курса «Эконометрика» студенты должны овладеть знаниями объединения общих основ статистической и экономической науки и навыками проведения эконометрического исследования.

Согласно требованиям к уровню подготовки по специальности 08080165, специалист должен:

– иметь представление о принципах изучения взаимосвязей массовых общественных явлений, об изменениях в социально-экономических процессах;

– знать методы построения и анализа поведения основных экономических показателей и уметь использовать в профессиональной деятельности основные методы обработки и анализа данных наблюдений и эксперимента.

Теоретической основой эконометрики являются методы теории вероятностей, математической статистики и статистики, курс состоит из следующих разделов.

 

СОДЕРЖАНИЕ И СТРУКТУРА ДИСЦИПЛИНЫ

Для изучения основных разделов дисциплины «Эконометрика» предусмотрены теоретические, лабораторные занятия, а также самостоятельная работа студентов. Контроль над самостоятельной работой студентов осуществляется в процессе проверки контрольных работ и в ходе консультаций

2.1. Лекции, их содержание и наименование тем

2.1.1. Особенности эконометрического подхода к изучению социально-экономических процессов и анализу данных. Предмет и методы эконометрических исследований. Место эконометрики в ряду математико-статистических и экономических дисциплин. Линейная модель множественной регрессии. Функциональные, статистические и корреляционные взаимосвязи экономических переменных. Суть регрессионного анализа, условия теоремы Гаусса- Маркова. Классическая линейная регрессионная модель. Оценки метода наименьших квадратов (МНК) параметров линейного уравнения регрессии, их статистические свойства. Анализ точности определения оценок параметров регрессии. Доверительные интервалы для параметров регрессии и объясняемой переменной. Проверка общего качества уравнения регрессии. Коэффициент детерминации R2 Матричная форма множественной регрессии. Представление множественной линейной регрессии в естественной и стандартизованной форме. Коэффициенты частной и множественной корреляции. Ковариационная матрица, ее выборочная оценка. Мультиколлинеарность, последствия и методы устранения мультиколлинеарности. Оценки дисперсии параметров регрессии, их свойства. Ковариационная матрица оценок параметров линейной регрессии.

2.1.2. Интервальные оценки параметров теоретического уравнения регрессии. Анализ качества эмпирического уравнения множественной линейной регрессии. Особенности практического применения регрессионных моделей. Средние и частные коэффициенты эластичности.

Проверка общего качества уравнения регрессии и выполнимости предпосылок МНК. Оценка случайного члена регрессионной модели. Гетероскедастичность и автокоррелированность остатков регрессионных моделей. Обобщенный МНК. Гетероскедастичность. Суть и причины проявления гетероскедастичности. Последствия гетероскедастичности. Тест Голдфелда-Квандта. Диагностирование гетероскедастичности с помощью коэффициента ранговой корреляции Спирмена. Методы устранения гетероскедастичности. Автокорреляция. Суть и экономические причины автокорреляции. Последствия автокорреляции. Графическое обнаружение автокорреляции. Кажущаяся автокорреляция при неправильном выборе модели регрессии. Фиктивные переменные. Использование качественных объясняющих переменных. Фиктивные переменные во множественной линейной регрессии. Анализ сезонности с помощью фиктивных переменных. Нелинейная регрессия.Выбор модельной функции регрессии. Линеаризация по параметрам. Обратные, степенные и логарифмические преобразования факторных и результирующей переменных. Динамические модели. Временные ряды. Лаговые переменные и экономические модели с разновременными значениями объясняющих факторов. Оценка моделей с лагами в независимых переменных. Модели с распределенными лагами. Авторегрессионные модели, как эквивалентное представление моделей с распределенными лагами. Обнаружение и устранение автокорреляции остатков. Статистика Дарбина-Уотсона.

2.1.3. Необходимость использования систем одновременных уравнений. Составляющие систем уравнений. Смещенность и несостоятельность оценок МНК для систем одновременных уравнений. Проблема идентификации. Необходимые и достаточные условия идентифицируемости. Косвенный метод наименьших квадратов (КМНК). Оценка систем одновременных уравнений с помощью двухшагового и трехшагового МНК.

Лабораторные занятия

2.2.1. Точечные и интервальные оценки числовых характеристик случайных величин на основе выборочных данных. Числовые характеристики связи случайных величин, оценки их на основе выборочных данных. Оценивание параметров линейного уравнения парной регрессии методом наименьших квадратов (МНК). Вычисление доверительных интервалов для параметров регрессии и объясняемой переменной. Оценивание качества уравнения регрессии. Коэффициент детерминации R2.

2.2.2. Множественная регрессия в матричной форме. Естественная и стандартизованная формы множественной линейной регрессии. Коэффициенты частной и множественной корреляции. Ковариационная матрица, ее выборочная оценка. Оценивание параметров множественной линейной регрессии. Оценки дисперсии параметров регрессии, их свойства. Ковариационная матрица оценок параметров линейной регрессии.

2.2.3. Интервальные оценки параметров теоретического уравнения регрессии. Анализ качества эмпирического уравнения множественной линейной регрессии. Средние и частные коэффициенты эластичности. Обнаружение гетероскедастичности остаточного члена регрессионной модели с помощью теста ранговой корреляции Спирмена и теста Голдфелда-Квандта. Метод взвешенных наименьших квадратов. Обнаружение автокоррелированности остаточного члена регрессионной модели. Тест Дарбина-Уотсона. Авторегрессионные модели. Модели с распределенными лагами. Необходимые и достаточные условия идентифицируемости систем одновременных уравнений. Оценка параметров СОУ.

Практические занятия

Не предусмотрены учебным планом.

Содержание самостоятельной работы студентов

 

  На базе С/С (75 час) На базе С/О (69 час)
Проработка лекционного материала 55 (час) 49 (час)
Подготовка к контрольным работам 20 (час) (20) час

Лекционный материал

 

Лекция 1. Предмет и основные задачи эконометрики

1.1. Введение в предмет эконометрика

1.2. Основные этапы эконометрического исследования

Лекция 2. Особенности построения эконометрической модели

2.2. Обоснование формы модельной зависимости

2.3. Выбор факторов эконометрической модели

Лекция 3. Множественная линейная регрессия

3.1. Анализ множественной регрессии с помощью метода наименьших квадратов (МНК)

3.2. Теоретические предпосылки применимости МНК

3.3. Оценивание коэффициентов множественной линейной регрессии

3.4. Интерпретация параметров и уравнения множественной линейной регрессии

Лекция 4. Анализ качества уравнения регрессии

4.1. Характеристики и критерии качества эконометрических моделей

4.2. Дисперсии и стандартные ошибки коэффициентов линейной регрессии

4.3. Доверительные интервалы коэффициентов регрессии

4.4. Стандартная ошибка и доверительные интервалы уравнения регрессии

4.5. Статистическая значимость уравнения регрессии

Лекция 5. Стандартизованная форма уравнения множественной линейной регрессии

5.1. Стандартизованные переменные

5.2. Нормальная система уравнений МНК в стандартизованных переменных

5.3. Параметры стандартизованной регрессии

Лекция 6. Возможности экономического анализа на основе многофакторной модели

6.1. Параметры стандартизованной регрессии

6.2. Средние и частные коэффициенты эластичности

6.3 Коэффициенты линейной корреляции: парные, частные и множественные

 

 

1. Предмет и основные задачи эконометрики

 

1.1. Введение в предмет эконометрика

 

Постоянно усложняющиеся процессы и явления реальной экономической жизни привели к необходимости создания и совершенствования особых методов их изучения и анализа. При этом широкое распространение получило использование моделирования и количественного анализа. На базе последних выделилось и сформировалось одно из направлений экономических исследований — эконометрика.

Формально «эконометрика» означает «измерения в экономике». Однако область исследований данной дисциплины гораздо шире. Эконометрика — это наука, в которой на базе реальных статистических данных строятся, анализируются и совершенствуются математические модели реальных экономических явлений. Обоснование и интерпретация самих моделей является задачей экономической теории, а эконометрика позволяет найти количественное подтверждение либо опровержение того или иного существующего экономического закона либо новой теоретической гипотезы. Одним из важнейших направлений эконометрики является построение прогнозов по различным экономическим показателям.

Эконометрика как научная дисциплина зародилась и получила развитие на основе слияния экономической теории, математической экономики, экономической и математической статистики. Действительно, предмет ее исследования — экономические явления. Но в отличие от экономической теории эконометрика делает упор на количественные, а не на качественные аспекты этих явлений.

Например, экономическая теория утверждает, что спрос на товар с ростом его цены убывает. Но при этом практически неисследованным остается вопрос, как быстро и по какому закону происходит это убывание. Эконометрика отвечает на этот вопрос для каждого конкретного вида товара, места и времени его реализации.

Изучение экономических процессов (взаимосвязей) в эконометрике осуществляется через математические (эконометрические) модели. В этом состоит ее родство с математической экономикой. Но если математическая экономика строит и анализирует обобщенные модели без использования реальных числовых значений, то эконометрика концентрируется на изучении моделей, обоснованных экономической теорией, и сопоставлении их с реальными статистическими данными.

Одной из основных задач экономической статистики является сбор, обработка и представление экономических данных в наглядной форме: в виде таблиц, графиков, диаграмм. Эконометрика также активно пользуется этим инструментарием, но идет дальше, применяя его для анализа теоретически обоснованных экономических взаимосвязей и прогнозирования.

Мощным инструментом эконометрических исследований является аппарат математической статистики. Действительно, большинство экономических показателей носит характер случайных величин, предсказать точные значения которых практически невозможно. Например, весьма сложно предвидеть доход или потребление какого-либо индивидуума, объемы экспорта и импорта страны в течение следующего года и т.д.

Связи между экономическими показателями также не могут носить строгий функциональный характер, а допускают наличие случайных неконтролируемых отклонений (особенно это касается макроэкономических данных). Вследствие этого использование методов математической статистики в эконометрике является естественным и вполне обоснованным. Однако в силу специфики получения статистических данных в экономике (например, в экономике невозможно проведение управляемого эксперимента) эконометрике приходится создавать свои собственные наработки и специальные приемы анализа, которые в математической статистике обычно не рассматривают.

При эконометрическом исследовании имеют место две стороны проблемы обеспечения необходимого качества его результатов – качественная и количественная. Качественная сторона заключается в установлении соответствия между построенной эконометрической моделью и лежащими в ее основе положениями экономической теории. Другая – количественная ‑ состоит в обеспечении наиболее полного соответствия между количественными характеристиками модели и статистической информацией, характерной для поведения изучаемых социально – экономических явлений и процессов в реальных условиях.

1.2. Основные этапы эконометрического исследования

 

Построение эконометрической модели — центральная проблема любого эконометрического исследования, поскольку ее «качество» определяет достоверность и обоснованность результатов анализа тенденций развития, прогнозов рассматриваемых социально-экономических процессов, а также вытекающих из них выводов, в том числе и по вопросам разработки необходимых управленческих мероприятий.

В эконометрических исследованиях обычно предполагается, что закономерности моделируемого процесса складываются под влиянием ряда других явлений, факторов. Обобщенную форму эконометрической модели, описывающей закономерности развития такого процесса, обозначенного переменной у, в зависимости от уровней, воздействующих на него внешних явлений, факторов Xi, i = 1, 2,..., p, можно представить следующим уравнением:

, (1.1)

выражающий вид и структуру взаимосвязей между уровнями переменных у, и Xi; e, — случайная ошибка модели, в отношении свойств и характеристик которой, как это будет показано далее, выдвигается ряд дополнительных предположений.

Эконометрика допускает различные предположения относительно «статистического» содержания факторных переменных Xi, в то время как переменная у согласно (1.1) всегда рассматривается как случайная величина. Использование той или иной интерпретации значений переменных эконометрических моделей, как правило, не вносит принципиальные изменения в процедуры их построения, в методы оценки их параметров, но часто сказывается на свойствах полученных результатов.

Выражение (1.1) определяет лишь общий вид эконометрической модели. В конкретных эконометрических исследованиях могут использоваться специальные типы моделей, каждый из которых имеет свои характерные особенности. Эти типы обычно можно классифицировать на основе двух признаков. Во-первых, по виду факторов Xi, во-вторых, по свойствам ошибки модели.

В частности, в моделях регрессии классического типа обычно используются факторы, независимые между собой. Также предполагается, что ошибка модели имеет свойства «белого шума» — случайного процесса с нулевым математическим ожиданием, постоянной конечной дисперсией и нулевой корреляцией между ее разновременными значениями. Это означает, что в ряду ошибки e отсутствуют автокорреляционные связи.

Модели могут различаться и по характеру связей факторов с переменной у. По этому признаку их разделяют на линейные и нелинейные модели. Эконометрические модели могут различаться и по свойствам своих параметров (модели с постоянной и переменной структурой), и по целому ряду других признаков.

Характерная особенность эконометрического исследования заключается в том, что зачастую априорно наиболее подходящий для рассматриваемого процесса тип модели определить не представляется возможным. Но при этом, как правило, на основе содержательного анализа рассматриваемого явления обычно удается выделить приемлемые альтернативные варианты модели и сформировать их исходные предпосылки. По результатам этапов эконометрического исследования эти варианты уточняются, и среди них выбирается тот, который в большей степени соответствует рассматриваемому процессу, явлению.

В общем случае процедуру построения эконометрической модели можно разделить на несколько взаимосвязанных между собой этапов. На каждом из них последовательно решаются задачи, которые имеют следующее содержание:

1. Спецификация модели ‑ анализ специфических свойств рассматриваемых явлений и процессов (предметной области) и обоснование типа моделей, наиболее подходящих для их описания. Отметим, что в общем случае целями этого этапа являются:

1.1. Обоснование формы модели, выражаемой общим математическим уравнением (системой уравнений), связывающим включенные в модель переменные и содержащим неизвестные параметры (коэффициенты).

1.2. Выбор рационального состава включаемых в модель переменных и определение количественных характеристик, отражающих их уровни в прошлые периоды времени (на однородных объектах некоторой совокупности — территориях, предприятиях и т.п.).

2. Параметризация модели ‑ оценка параметров выбранного варианта модели на основании исходных статистических данных, выражающих уровни показателей (переменных) на пространственной совокупности однородных объектов или в различные моменты времени.

3. Верификация модели ‑ проверка качества построенной модели и обоснование вывода о целесообразности ее использования в ходе дальнейшего эконометрического исследования, а также для объяснения поведения изучаемых экономических показателей, прогнозирования и предсказания их поведения.

4. При выводе о нецелесообразности использования построенной эконометрической модели в дальнейших исследованиях следует вернуться к первому (или какому-либо другому этапу) и попытаться выбрать более качественную модификацию модели (другой вариант модели).

Выделенные этапы построения моделей достаточно условны и отражают циклический характер современных экономических исследований: от экономической теории к моделированию; от моделирования к совершенствованию теории и более глубокому пониманию сути происходящих процессов; от понимания сути к осуществлению продуманной и целенаправленной экономической политики. Состав используемых на них процедур, приемов и методов, их очередность зависят от типа разрабатываемой эконометрической модели, особенностей исследуемых экономических процессов, свойств исходных данных и т.п.

 

2. Особенности построения эконометрических моделей

 

2.1. Обоснование формы эконометрической модели

 

Основные подходы к решению проблем первого этапа исследования в значительной степени базируются на методах содержательного анализа закономерностей рассматриваемых процессов, подкрепляемых по мере необходимости методами общей и математической статистики. Дело в том, что обычно в практических исследованиях функциональный вид эконометрической модели может быть не известным. Часто рассматривают несколько альтернативных их вариантов, среди которых необходимо выбрать наиболее подходящий как с точки зрения требований экономической теории, так и необходимой точности аппроксимации функциональным выражением (1.1) исходного ряда измеренных значений зависимой переменной у.

В этой связи, прежде чем подойти к решению задач первого этапа, необходимо сформировать хотя бы предварительные исходные предпосылки экономического и математического содержания в отношении вида функциональной зависимости. Здесь можно отметить два возможных подхода. В одних случаях составом переменных Xi, i = 1, 2,..., p и формой зависимости (1.1), отражают общепринятую экономическую концепцию. В других ‑ выявляют эмпирические взаимосвязи между ними в ходе конкретных исследований статистических данных.

Примером первого подхода может служить двухфакторная модель Кобба-Дугласа

которую применяют в макроэкономических исследованиях взаимосвязи между объемом полученного валового национального продукта (у) и используемыми производственными ресурсами (Х1 – основные фонды, Х2 – затраты живого труда). Для параметров этой модели известна содержательная экономическая интерпретация, их можно сопоставлять с имеющимися результатами аналогичных исследований.

Второй подход связан с привлечением исходных статистических данных для построения эконометрической модели. В общем случае ими являются известные наборы (массивы) значений зависимой переменной у и независимых факторов Xi. Различают два принципиально различных типа исходных информационных массивов — статический и динамический.

Статический массив представляет собой значения результирующей (зависимой, объясняемой и т.п.) переменной у и влияющих на нее факторов (независимых, объясняющих переменных) Xi, имевших место у объектов однородной совокупности в определенный период времени. Пример таких объектов — однотипные промышленные предприятия (заводы одной отраслевой направленности). В качестве у в практических исследованиях часто рассматривают показатели производительности труда, объемов выпускаемой продукции и некоторые другие. В качестве Xi — влияющие на уровень этих показателей факторы — объемы используемых фондов, численность и квалификация рабочей силы и т.п.

Приведем другой пример статической информации, характерной для социальных исследований. В качестве у часто рассматривают показатели заболеваемости (смертности) населения в регионах страны. Их уровень в каждом из регионов определяют значения независимых факторов, отражающих достигнутый материальный уровень жизни, климатические условия, состояние окружающей среды и т.п. В этом случае необходимая для построения эконометрической модели информация собирается по совокупности регионов страны за определенный фиксированный промежуток времени, например год.

В общем случае будем считать, что необходимая для построения эконометрической модели базового типа (1.1) статическая информация выражается следующими массивами взаимосвязанных (взаимосоответствующих) наборов данных: Такие наборы называют пространственными данными (cross-sectional data) или пространственной выборкой:

,

где yj — уровень зависимой переменной на j -ом объекте совокупности; xij — уровень i -ro фактора на j -ом объекте статистической совокупности; j = 1, 2, …, n; i = 1, 2, …, p.

Динамическую информацию, которая связывает значения некоторой зависимой переменной у в моменты времени t, называют временным (динамическим) рядом (time-series data).

Исходная информация для построения эконометрических моделей может быть и смешанного типа. Если выборка выражает уровни интересующих нас переменных xit по группе заводов за ряд лет, ее называют панельными данными(panel data).

В случае, когда периодов времени наблюдений Т больше, чем число объектов р, панельные данные называют объединенным временным рядом (pooled time-series). Они связывают значения некоторой зависимой переменной у в моменты времени t со значениями независимых переменных (факторов) xit, рассматриваемых в те же моменты времени, t = l, 2,..., Т.

В ходе содержательного анализа явление часто рассматривается на качественном уровне, и оперируют достаточно обобщенными понятиями, например, заболеваемость, уровень медицинского обслуживания, качество и уровень жизни, климат, качество рабочей силы и т.п. Часто эконометрическая модель строится именно для выражения закономерности, существующей между явлениями. При построении модели используется исходная информация, наборы показателей, которые уже выражают эти зависимости, их свойства, тенденции в виде количественных характеристик. Следовательно, модельное выражение должно представлять эти реально существующие взаимосвязи.



Поделиться:




Поиск по сайту

©2015-2024 poisk-ru.ru
Все права принадлежать их авторам. Данный сайт не претендует на авторства, а предоставляет бесплатное использование.
Дата создания страницы: 2016-02-16 Нарушение авторских прав и Нарушение персональных данных


Поиск по сайту: