(ФГБОУ ВО Чувашский ГАУ)
и научной работе
Направленность (профиль) Финансы и кредит
(<Курс>.<Семестр на курсе>)
Направленность (профиль) Финансы и кредит, одобренный Ученым советом ФГБОУ ВО Чувашский ГАУ от 26.03.2024 г., протокол № 12.
ции
ракт.
подг.
- защита лабораторных работ;
- доклад;
- тест.
- защита лабораторных работ;
- доклад;
- тест.
- защита лабораторных работ;
- доклад;
- тест.
- защита лабораторных работ;
- доклад;
- тест.
- защита лабораторных работ;
- доклад;
- тест.
2. Взаимосвязь случайных величин. Ковариация и коэффициент корреляции. Их свойства.
3. Базовые понятия статистики. Основные числовые характеристики выборки.
4. Выборочная ковариация и выборочный коэффициент корреляции. Свойства выборочного коэффициента корреляции. Шкала Чеддока.
5. Проверка гипотезы о значимости коэффициента корреляции.
6. Суть регрессионного анализа. Этапы построения уравнения регрессии.
7. Парная линейная регрессия.
8. Метод наименьших квадратов. Вывод выражений для коэффициентов парной линейной регрессии. Связь между коэффициентом корреляции и коэффициентом парной линейной регрессии.
9. Интерпретация коэффициентов уравнения парной линейной регрессии. Обратная модель прямолинейной связи.
10. Предпосылки МНК. Теорема Гаусса-Маркова.
11. Анализ точности оценок коэффициентов уравнения парной линейной регрессии. Расчет стандартной ошибки регрессии и стандартных ошибок коэффициентов регрессии.
12. Проверка гипотез относительно параметров парного линейного уравнения регрессии. Интервальные оценки коэффициентов регрессии.
13. Коэффициент детерминации. Проверка его значимости.
14. Прогнозирование на основании парной линейной регрессии. Точечный и интервальный прогнозы.
15. Нелинейная парная регрессия. Логарифмическая модель. Линеаризация.
16. Нелинейная парная регрессия. Полулогарифмические модели. Обратная модель. Линеаризация.
17. Нелинейная парная регрессия. Степенная модель. Показательная модель. Линеаризация.
18. Признаки «хорошей» модели. Виды ошибок спецификации.
19. Множественная регрессия. Предпосылки МНК.
20. Нахождение коэффициентов уравнения множественной линейной регрессии матричным методом. Нахождение стандартных ошибок регрессии и коэффициентов регрессии.
21. Доверительные интервалы для оценки теоретических коэффициентов множественной линейной регрессии.
22. Проверка статистической значимости коэффициентов множественной линейной регрессии. Точное и «грубое» правила.
23. Проверка общего качества уравнения множественной линейной регрессии. Коэффициент детерминации и проверка его значимости. Скорректированный коэффициент детерминации.
24. Множественная регрессия в нелинейных моделях. Производственная функция Кобба - Дугласа.
25. Проверка предпосылок МНК. Гетероскедастичность. Последствия гетероскедастичности. Обнаружение гетероскедастичности графическим методом.
26. Методы обнаружения гетероскедастичности (тест ранговой корреляции Спирмена, тест Голдфелда-Квандта).
27. Устранение (смягчение) гетероскедастичности. Метод взвешенных наименьших квадратов.
28. Проверка предпосылок МНК. Автокорреляция остатков. Возможные причины и последствия автокорреляции. Обнаружение автокорреляции графическим методом.
29. Обнаружение автокорреляции. Критерий Дарбина - Уотсона.
30. Методы устранения автокорреляции остатков.
31. Проверка предпосылок МНК. Мультиколлинеарность. Последствия мультиколлинеарности.
32. Обнаружение мультиколлинеарности. Частные коэффициенты корреляции. Методы устранения мультиколлинеарности.
33. Фиктивные переменные в сезонном анализе.
34. Модели с фиктивной зависимой переменной.
35. Временные ряды. Основные понятия. Этапы построения модели временного ряда.
36. Анализ аддитивной модели временного ряда.
37. Анализ мультипликативной модели временного ряда.
38. Автокорреляция уровней временного ряда и выявление его структуры.
39. Системы одновременных уравнений, их виды.
1. Цели и методы эконометрики.
2. Сравнение эконометрики и математической экономики.
3. Описание шагов, включенных в экономический анализ эконометрической модели.
4. Типы экономических данных: временные ряды, перекрестные данные, панельные данные.
5. Спецификация нелинейных (по параметрам) моделей регрессии.
6. Линеаризация нелинейных (по параметрам) моделей со стандартными функциями регрессии при помощи операции логарифмирования.
7. Линеаризация нелинейных (по параметрам) моделей с произвольными гладкими функциями регрессии.
8. Тест Голдфелда-Квандта гомоскедастичности случайного остатка в линей ной модели множественной регрессии.
9. Тест Дарбина-Уотсона отсутствия автокорреляции случайного остатка в линейной модели множественной регрессии.
10. Характеристики временных рядов: ожидаемое значение, дисперсия, авто- ковариационная и автокорреляционная функция временного ряда.
11. Модели стационарных временных рядов, их идентификация.
12. Оптимальные алгоритмы прогнозирования стационарных временных рядов.
13. Модели нестационарных временных рядов и их идентификация.
14. Линейные регрессионные модели с гетероскедастичным остатком.
15. Оценивание линейной регрессионной модели взвешенным методом наименьших квадратов (ВМНК).
16. Линейные регрессионные модели с автокоррелированным случайным остатком.
17. Обобщенный метод наименьших квадратов. Оценивание линейной регрессионной модели доступным обобщенным методом наименьших квадратов.
18. Последствия, симптомы и методика устранения ошибки спецификации эконометрической модели, состоящей в неверном выборе типа функции, играющей роль уравнения регрессии.
19. Последствия, симптомы и методика устранения ошибки спецификации эконометрической модели, состоящей во включении в линейное уравнение регрессии незначимой объясняющей переменной.
20. Последствия, симптомы и методика устранения ошибки спецификации эконометрической модели, состоящей в отсутствии в линейном уравнении регрессии значимой объясняющей переменной.
21. Одномерное нормальное распределение, хи-квадрат распределение, распределения Стьюдента и Снедекора-Фишера, их основные свойства.
22. Статистическое оценивание. Точечные оценки. Линейность, несмещенность, эффективность и состоятельность оценок. Принципы наименьших квадратов и максимального правдоподобия.
23. Статистические выводы и проверка статистических гипотез. Ошибки 1-го и 2-го рода. Уровень доверия и проверка значимости. Интервальные оценки, доверительный интервал. Критерии Неймана-Пирсона, Найквиста-Михайлова, Колмогорова-Смирнова.
24. Разложение суммы квадратов отклонений. Дисперсионный анализ. Степень соответствия линии регрессии имеющимся данным. Коэффициент детерминации и его свойства.
25. Предположение о нормальном распределении случайной ошибки в рамках классической линейной регрессии и его следствия. Доверительные интервалы оценок па-раметров и проверка гипотез их значимости. Проверка адекватности регрессии. Прогнозирование по регрессионной модели и его точность.
26. Методология эконометрического исследования на примере линейной регрессии для случая одной объясняющей переменной. Особенности представления результатов регрессионного анализа в одном из основных программных пакетов (например в Microsoft Office Excel).
27. Принцип максимального правдоподобия. Сравнение оценок МНК и метода максимального правдоподобия при нормальном распределении ошибок в классической линейной регрессии.
28. Множественная линейная регрессия. Матричная запись эконометрической модели и оценок МНК. Коэффициент множественной детерминации, скорректированный на число степеней свободы.
29. Функциональные преобразования переменных в линейной регрессионной модели. Логарифмическая регрессия, как модель с постоянной эластичностью. Функциональные преобразования при построении кривых Филлипса и Энгеля. Полиномиальная регрессия.
30. Фиктивные переменные в множественной линейной регрессии. Проверка структурных изменений и сравнение двух регрессий с помощью фиктивных переменных. Анализ сезонности.
31. Проверка общей линейной гипотезы о коэффициентах множественной линей-ной регрессии. Регрессия с ограничениями на параметры.
32. Понятие об автокорреляции остатков. Экономические причины автокорреляции остатков. Тест серий. Статистика Дарбина-Уотсона. Обобщенный метод наименьших квадратов для оценки регрессии при наличии автокорреляции. Процедура Кохрана-Оркатта.
33. Регрессионные динамические модели. Авторегрессия и модель с распределенными лагами, инструментальные переменные. Схема Койка. Адаптивные ожидания.
34. Гетероскедастичность и экономические причины ее наличия. Последствия гетероскедастичности для оценок МНК. Признаки присутствия гетероскедастачности. Тесты Бройша-Пагана, Голдфелда-Квандта, Парка, Глейзера, тес ранговой корреляции Спирмена.
36. Мультиколлинеарность и ее последствия этого для оценок параметров регрессионной модели. Совершенная и практическая мультиколлинеарность. Показатели степе-ни мультиколлинеарности. Вспомогательные регрессии. Методы борьбы с мультиколлинеарностью.
37. Использование регрессионных моделей с ограничениями в экономическом ана-лизе.
38. Эконометрическое моделирование спроса на деньги.
39. Моделирование инфляции.
40. Модели инфляционных ожиданий.
41. Эконометрическое моделирование и прогнозирование спроса на продукцию.
42. Прогнозирование себестоимости продукции.
43. Эконометрическое моделирование ценообразования.
44. Эконометрическое моделирование циклов.
45. Эконометрическое моделирование в оценке кредитоспособности предприятия.
46. Эконометрическое моделирование региональной экономики. Понятие и обзор моделей Бокса–Дженкинса (AR, AM, ARMA, ARIMA).
47. Модели бинарного выбора. Особенности оценивания параметров в логит- и пробит-моделях.
48. Фиктивные переменные в пространственных и динамических регрессионных моделях. Интерпретация коэффициентов при фиктивных переменных. Ошибки спецификации.
49. Модель предложения и спроса на конкурентном рынке как пример системы одновременных уравнений. Основные структурные характеристики модели.
50. Производственная функция Кобба-Дугласа. Оценка параметров производственной функции Кобба-Дугласа по пространственной и временной информации.
Система знаний по дисциплине «Эконометрика» формируется в ходе аудиторных и внеаудиторных (самостоятельных) занятий. Используя лекционный материал, учебники и учебные пособия, дополнительную литературу, проявляя творческий подход, студент готовится к лабораторным занятиям, рассматривая их как пополнение, углубление, систематизацию своих теоретических знаний.
Для освоения дисциплины студентами необходимо:
1. Посещать лекции, на которых в сжатом и системном виде излагаются основы дисциплины: даются определения понятий, методов, которые должны знать студенты. Студенту важно понять, что лекция есть своеобразная творческая форма самостоятельной работы. Надо пытаться стать активным соучастником лекции: думать, сравнивать известное с вновь получаемыми знаниями, войти в логику изложения материала лектором, следить за ходом его мыслей, за его аргументацией, находить в ней кажущиеся вам слабости. Во время лекции можно задать лектору вопрос, желательно в письменной форме, чтобы не мешать и не нарушать логики проведения лекции. Слушая лекцию, следует зафиксировать основные идеи, положения, обобщения, выводы. Работа над записью лекции завершается дома. На свежую голову (пока еще лекция в памяти) надо уточнить то, что записано, обогатить запись тем, что не удалось зафиксировать в ходе лекции, записать в виде вопросов то, что надо прояснить, до конца понять. Важно соотнести материал лекции с темой учебной программы и установить, какие ее вопросы нашли освещение в прослушанной лекции. Тогда полезно обращаться и к учебнику. Лекция и учебник не заменяют, а дополняют друг друга.
2. Посещать лабораторные занятия, к которым следует готовиться и активно на них работать. Задание к лабораторному занятию выдает преподаватель. Задание включает в себя основные вопросы, задачи и тесты для самостоятельной работы, литературу. Лабораторные занятия начинаются с вступительного слова преподавателя, в котором называются цель, задачи и вопросы занятия. В процессе проведения занятий преподаватель задает основные и дополнительные вопросы, организует их обсуждение. На лабораторных занятиях решаются задачи, разбираются тестовые задания и задания, выданные для самостоятельной работы. Студенты, пропустившие занятие, или не подготовившиеся к нему, приглашаются на консультацию к преподавателю. Лабораторное занятие заканчивается подведением итогов: выводами по теме и выставлением оценок.
3. Систематически заниматься самостоятельной работой, которая включает в себя изучение материалов учебников и статей из литературы, решение задач. Задания для самостоятельной работы выдаются преподавателем.
4. Под руководством преподавателя заниматься научно-исследовательской работой, что предполагает выступления с докладами на научно-практических конференциях и публикацию тезисов и статей по их результатам.
5. При возникающих затруднениях при освоении дисциплины, для неуспевающих студентов и студентов, не посещающих занятия, проводятся еженедельные консультации, на которые приглашаются неуспевающие студенты, а также студенты, испытывающие потребность в помощи преподавателя при изучении дисциплины.
в 20___ /20___ учебном году
в 20___ /20___ учебном году
в 20___ /20___ учебном году
в 20___ /20___ учебном году
в 20___ /20___ учебном году
в 20___ /20___ учебном году