Задания для самооценки

Задания для самооценки

Выполните задания и ответьте на вопросы:

Назовите основные задачи эконометрики.

Приведите простейшие примеры эконометрических моделей.

Назовите области экономических наук, в которых используется эконометрика.

В чем заключается процесс эконометрического исследования?

Какие Вы знаете типы эконометрических моделей?

Какими свойствами должна обладать построенная модель?

Назовите основные виды коэффициентов корреляции.

Как проверить значимость коэффициентов корреляции?

План практических занятий по Теме 1 Занятие 1.

Тема: Задачи эконометрики. Модель предложения и спроса на конкурентном рынке (2 часа).

Решение задач. Занятие 2.

Тема: Расчет коэффициентов корреляции (2 часа).

Тема 2. Регрессионный анализ

Данная тема знакомит студентов с понятиями линейной модели множественной регрессии.

Для оценки неизвестных параметров уравнения регрессии чаще всего используется метод наименьших квадратов, позволяющий получить несмещенные оценки, состоятельные и эффективные оценки параметров уравнения.

В случаях, когда с точностью до неизвестных значений параметров известен общий вид распределения вероятностей имеющихся выборочных данных, может быть применен метод максимального правдоподобия.

Особое внимание при изучении данной темы необходимо также уделить статистическим свойствам оценок параметров регрессионной модели.

Мультиколлинеарность и отбор наиболее существенных объясняющих переменных в КЛММР

Мультиколлинеарность возникает в случаях существования достаточно тесных линейных статистических связей между объясняющими переменными. Точных количественных критериев для определения наличия (отсутствия) мультиколлинеарности не существует. Однако существуют некоторые рекомендации по выявлению мультиколлинеарно-сти, на которые следует обратить внимание.

Знания, умения, навыки по теме 2

Изучив тему 2, студенты должны знать:

Особенности линейной модели множественной регрессии.

Свойства оценок обобщенного метода наименьших квадратов.

Методы определения мультиколлинеарности.

Метод наименьших квадратов (МНК).

уметь:

•S Получать оценки регрессионных моделей.

•S Применять статистические пакеты для решения практических задач.

Ссылки на учебный материал

Айвазян С.А., Мхитарян В.С., Зехин В.А. Практикум по эконометрике. М.: МЭСИ, 2005.

Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерный статистический анализ в экономических исследованиях. М.: МЭСИ, 1988.

Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистка, 2003.

Мхитарян В.С, Трошин Л.И. Статистический анализ многомерных совокупностей. Учебное пособие. М.: МЭСИ, 1992.

Задания для самооценки

Выполните задания и ответьте на вопросы:

Какие критерии адекватности Вы знаете. Их преимущества и недостатки.

Назовите свойства оценок метода наименьших квадратов.

Какими свойствами обладают оценки уравнений регрессии, полученные с помощью МНК?

Доказать, что при гетероскедастичности остатков ОМНК-оценки вектора в более эффективны, чем МНК-оценки.

Какие проблемы возникают в практике регрессионного анализа?

Какие существуют критерии для выбора регрессионной модели?

Назовите основные признаки мультиколлинеарности.

Какие методы устранения мультиколлинеарности Вы знаете?

Как проверить значимость уравнения регрессии и его коэффициентов?

План практических занятий по теме 2 Занятие 1.

Тема: Расчет основных характеристик модели (2 часа).

Студентам предлагается на конкретном статистическом материале с использованием EXCEL, пакета программ STATISTICA построить регрессионную модель среднедушевых сбережений.

Тема 3. Методы многомерной классификации. Кластерный анализ

Данная тема знакомит студентов с типологическими регрессионными моделями. Часто в экономических исследованиях возникает задача анализа неоднородных в некотором смысле данных. В этом случае, прежде чем переходить к построению регрессионных моделей, необходимо выделить однородные группы объектов. Затем, в выделенных группах, уже можно переходить к исследованию зависимостей.

Знания, умения, навыки по теме 3

Изучив тему 3, студенты должны знать:

Как определить расстояние между объектами.

Как определить расстояние между кластерами.

Функционалы качества разбиения.

Иерархические кластер-процедуры.

уметь:

•S Выделять однородные группы объектов.

•S Использовать различные методы определения расстояний между объектами (кластерами).

•S Проводить сравнительный анализ различных способов разбиения. •S Применять статистические пакеты при решении практических задач.

Задания для самооценки

Выполните задания и ответьте на вопросы:

Когда используется типологическая регрессия?

В каких случаях используется Хеммингово расстояние?

В каких случаях следует применять «взвешенное» Евклидово расстояние?

Для чего используются иерархические кластер-процедуры?

План практических занятий по теме 3

Занятие 1.

Разбиение неоднородной совокупности на кластеры (2 часа). Решение задач. Занятие 2.

Построение регрессионных моделей в выделенных кластерах.

Решение задач.

Практические занятия проходят в компьютерных классах и посвящены построению регрессионных моделей с использованием фиктивных переменных в пакетах программ STATISTICA и SPSS. Например, можно предложить построить регрессионную модель веса новорожденного, включающую фиктивные переменные, рассмотреть потребление в мирное и военное время или зависимость стоимости жилья от различных качественных факторов.

Тема 4. Производственные функции

В данном разделе вводится понятие и дается определение производственной функции; рассматривается производственная функция Кобба-Дугласа.

Также при изучении данной темы необходимо обратить внимание на особенности оценивания параметров производственной функции Кобба-Дугласа.

Производственная функция Кобба-Дугласа

Производственная функция отражает зависимость между количеством применяемых ресурсов и максимально возможным объемом выпускаемой продукции в единицу времени; описывает всю совокупность технически эффективных способов производства (технологий).

Оценивание параметров производственной функции Кобба-Дугласа

При изучении данной темы необходимо обратить внимание на особенности оценивания параметров производственной функции Кобба-Дугласа по пространственной и временной информации.

Знания, умения, навыки по теме 4

Изучив тему 4, студенты должны знать:

Что такое производственная функция.

Как оценивать параметры производственной функции Кобба-Дугласа по пространственной информации.

Как оценивать параметры производственной функции Кобба-Дугласа по временной информации.

уметь:

•S Оценивать параметры производственной функции Кобба-Дугласа по пространственной и временной информации.

•S Решать задачи с использованием теоретического материала.

•S Использовать статистические пакеты для решения поставленных задач.

Ссылки на учебный материал

Айвазян С.А., Мхитарян В.С. Практикум по прикладной статистике и эконометрике. М.: МЭСИ, 2003.

Айвазян С. А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

Боровиков В.П., Ивченко Г.И. Statistica. Прогнозирование в системе WINDOWS. -М.: Финансы и статистика, 1999.

Боровиков Г.И. Statistica. Анализ и обработка данных в системе WINDOWS. М.: Финансы и статистика, 1998.

Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистка, 2003.

Лукашин Ю.П. Регрессионные и адаптивные методы прогнозирования. Учебное пособие. М.: МЭСИ, 1997.

Задания для самооценки

Выполните задания и ответьте на вопросы:

Что представляет собой производственная функция Кобба-Дугласа?

Как оценивать параметры производственной функции Кобба-Дугласа по пространственной и временной информации?

План практических занятий по теме 4

Занятие 1. Производственная функция Кобба-Дугласса Решение задач. Занятие 2.

Производственные функции, оценка параметров (2 часа).

Практические занятия проходят в компьютерных классах и посвящены построению и оцениванию параметров производственной функции Кобба-Дугласа с использованием пакетов программ STATISTICA и SPSS.

Тема 5. Системы одновременных эконометрических уравнений

Системы одновременных эконометрических уравнений являются третьим основным классом моделей, которые применяются для анализа и (или) прогноза. Эти модели описываются системами уравнений, которые могут состоять из тождеств и регрессионных уравнений, каждое из которых может, кроме объясняющих переменных, включать в себя также объясняемые переменные из других уравнений системы. Т.е. набор объясняемых переменных связан через уравнения системы.

Системы одновременных эконометрических уравнений

Данная тема знакомит студентов с основными понятиями систем одновременных эконометрических уравнений. Рассматриваются различные формы модели систем одновременных уравнений. Основными понятиями при изучении данного раздела являются структурная и приведенная формы модели систем одновременных уравнений, а также рекурсивные системы одновременных уравнений.

Применение МНК для оценки параметров систем одновременных уравнений

В данном разделе рассматривается двухшаговый и трехшаговый метод наименьших квадратов и их использование для оценивания параметров систем одновременных уравнений. Цель и особенности применения данных методов. Изучение данной темы базируется на знании студентами метода наименьших квадратов (МНК), умении использовать МНК для оценки параметров систем одновременных эконометрических уравнений.

Знания, умения, навыки по теме 5

Изучив тему 5, студенты должны знать:

Что собой представляют систем одновременных эконометрических уравнений

Что такое структурная и приведенная форма системы уравнений

Как оценивать параметры рекурсивной системы одновременных эконометриче-ских уравнений.

Двухшаговый метод наименьших квадратов.

Особенности применения трехшагового МНК.

уметь:

•S Рассчитывать параметры систем одновременных эконометрических уравнений. •S Использовать двухшаговый и трехшаговый МНК для оценки параметров систем одновременных эконометрических уравнений.

•S Применять рекурсивные системы одновременных эконометрических уравнений.

Получить навыки применения систем одновременных эконометрических уравнений в профессиональной деятельности.

Ссылки на учебный материал

Айвазян С. А., Енюков И.С., Мешалкин Л. Д. Прикладная статистика. Методы исследования зависимостей. М.: Финансы и статистика, 1983. Т.1.

Айвазян С. А., Мхитарян В. С. Практикум по прикладной статистике и эконометрике. М.: МЭСИ, 2000.

Айвазян С. А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.:

ЮНИТИ, 1998.

Боровиков В.П., Ивченко Г.И. Statistica. Прогнозирование в системе WINDOWS. -М.: Финансы и статистика, 1999.

Боровиков Г.И. Statistica. Анализ и обработка данных в системе WINDOWS. М.: Финансы и статистика, 1998.

План практических занятий по теме 5 Занятие 1.

Тема: Системы одновременных эконометрических уравнений. Решение задач.

Условия идентифицируемости уравнений системы. Идентификация рекурсивных систем.

Занятие 2.

Тема: Модель спроса предложения как пример системы одновременных уравнений. Основные структурные характеристики моделей.

На практических занятиях строится рекурсивная модель мирового рынка нефти, отражающая взаимосвязь между тремя основными элементами рыночного механизма -спросом, ценой и предложением (эндогенными переменными), которые, в свою очередь, определяются в каждый момент времени с помощью системы объясняющих, экзогенных переменных.

Особый интерес представляют показатели, обладающие опережающим эффектом (временным лагом) по отношению к динамике эндогенных переменных конъюнктуры рынка нефти.

При построении модели используется система показателей, основанная на ежеквартальных динамических рядах за 15 лет, которая характеризует основные стороны рынка нефти в экономическом, временном и географическом аспектах.

Задания для самооценки

Выполните задания и ответьте на вопросы:

Почему возникла необходимость изучения данной темы?

Какие системы одновременных эконометрических уравнений Вы знаете?

Целесообразно ли применять методы корреляционного анализа на этапе предварительной обработки данных?

В чем заключаются особенности использования трехшагового МНК для оценки параметров одновременных эконометрических уравнений?

5. Итоговый контроль знаний по курсу

Итоговая оценка знаний складывается по результатам тестирований, проводимых как по отдельным темам, так и по результатам итогового тестирования. Принимается во внимание также своевременность и качество выполнения студентами текущих заданий, активность участия на практических занятиях.

6. Список рекомендуемой литературы Основная

Айвазян С. А., Мхитарян В. С. Практикум по прикладной статистике и эконометрике. М.: МЭСИ, 2003.

Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. -М.: ЮНИТИ, 2001.

Боровиков В.П., Ивченко Г.И. Statistica. Прогнозирование в системе WINDOWS. -М.: Финансы и статистика, 1999.

Боровиков Г.И. Statistica. Анализ и обработка данных в системе WINDOWS. М.: Финансы и статистика, 1998.

Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы. М.: Финансы и статистка, 2003.

Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования. М.: Статистка, 2003.

Лукашин Ю.П. Регрессионные и адаптивные методы прогнозирования: Учебное пособие. М.: МЭСИ, 1997.

Мхитарян В.С., Дуброва Т.А., Ткачев А.В. Многомерная классификация с использованием пакета программ Statistica. Методическое пособие. М.: МЭСИ, 1997.

Мхитарян В. С, Трошин Л.И. Статистический анализ многомерных совокупностей. Учебное пособие. М.: МЭСИ, 1992.

Дополнительная

Айвазян С.А., Бежаева Э.И., Староверов О.В. Классификация многомерных наблюдений. М.: Статистика, 1974.

Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1985, т. 2.

Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Методы исследования зависимостей. М.: Финансы и статистика, 1983, т. 1.

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

Доугерти Кристофер Введение в эконометрику. М.: ИНФРА-М, 1997.

Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерный статистический анализ в экономических исследованиях. М.: МЭСИ, 1988.

Иберла К. Факторный анализ. М.: Статистика, 1980.

Иванова В. М. Эконометрика. М.: Соминтек, 1991.

Клейнер Г. Производственные функции. М.: ФиС, 1986.

Корнилов И.А. Исследование зависимостей с помощью пакетов программ статистического анализа для ЕС ЭВМ. М.: МЭСИ, 1988.

Магнус Я.Р., Катышев П.К., Пересецкий А. А. Эконометрика. Начальный курс. М.: Дело, 1997.

Мандель И. Д. Кластерный анализ. М.: Финансы и статистика, 1988.

Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания. М.: Статистика,

1980.