Учебная программа

Учебная программа

Сведения об авторах

Мхитарян Владимир Сергеевич доктор экономических наук, профессор, академик Международной академии наук Высшей школы, заведующий кафедрой математической статистики и эконометрики.

Архипова Марина Юрьевна кандидат экономических наук, доцент кафедры экономической статистики и эконометрики, зав. сектором Института проблем информатизации РАН.

Сиротин Вячеслав Павлович кандидат технических наук, доцент, профессор кафедры экономической статистики и эконометрики.

1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

Цель преподавания курса дать студентам научное представление о методах, моделях и приемах, позволяющих получать количественные выражения закономерностям экономической теории на базе экономической статистики с использованием математико-статистического инструментария. Курс рассчитан на 64 часа.

Задачи курса. В соответствии с целью курса студенты должны усвоить методы количественной оценки социально-экономических процессов, научиться содержательно интерпретировать формальные результаты.

Связь с другими дисциплинами. Курс базируется на дисциплинах «Теория вероятностей» и «Математическая статистика». В свою очередь является основой для дисциплины «Статистические методы прогнозирования».

Курс изучается в форме лекций (2 час/нед) и практических занятий (2 час/нед). Предусмотрена самостоятельная подготовка студентов. Они выполняют индивидуальные компьютерные исследования, сдают экзамен.

2. СОДЕРЖАНИЕ КУРСА

Тема 1. Корреляционный анализ.

Задачи эконометрики в области социально-экономических исследований. Информационные технологии на базе ПЭВМ в эконометрическом исследованиях. Классификация переменных в эконометрических исследованиях. Понятия спецификации и идентифицируемости модели. Примеры эконометрических моделей (модель предложения и спроса на конкурентном рынке).

Оценка ковариационной (корреляционной) матрицы. Оценки частных и множественных коэффициентов корреляции. Проверка их значимости. Построение доверительных интервалов для частных коэффициентов.

Тема 2. Регрессионный анализ.

Основные задачи регрессионного анализа. Особенности классической линейной модели множественной регрессии. Выбор адекватного уравнения регрессии.

Оценка вектора коэффициентов уравнения регрессии и остаточной дисперсии с помощью метода наименьших квадратов (МНК).

Проверка значимости и интервальное оценивание коэффициентов и уравнения регрессии, проблема мультиколлинеарности, пошаговые алгоритмы регрессионного анализа.

Тема 3. Методы многомерной классификации. Кластерный анализ.

Построение типологических регрессионных моделей по неоднородным данным. Основные понятия кластерного анализа, расстояния между объектами и мера близости. Функционалы качества разбиения. Иерархические кластер-процедуры.

Метод К-средних. Классификация больших совокупностей объектов методами параллельных процедур.

Построение множественных регрессионных моделей по типологическим группам.

Тема 4. Производственные функции. Производственная функция Кобба — Дугласа.

Оценивание параметров производственной функции Кобба Дугласа по пространственной и временной информации.

Тема 5. Системы одновременных эконометрических уравнений.

Структурная и приведенная формы модели систем одновременных уравнений. Рекурсивные системы одновременных уравнений. Модель спроса предложения как пример системы одновременных уравнений. Основные структурные характеристики моделей. Условия идентифицируемости уравнений системы. Идентификация рекурсивных систем.