(ФГБОУ ВО Чувашский ГАУ)
и научной работе
Направленность (профиль) Банки и реальная экономика
(<Курс>.<Семестр на курсе>)
Направленность (профиль) Банки и реальная экономика, одобренный Ученым советом ФГБОУ ВО Чувашский ГАУ от 26.03.2024 г., протокол № 12.
ции
ракт.
подг.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
- защита индивидуальных работ;
- доклад;
- тест.
1. Методология эконометрического исследования, эконометрическая модель.
2. Понятие регрессионной модели. Уравнение регрессии.
3. Метод наименьших квадратов, его геометрическая интерпретация.
5. Коэффициент линейной корреляции. Коэффициент детерминации.
6. Стандартная ошибка и значимость коэффициентов регрессии. Значимость коэффициента корреляции.
7. Точечное и интервальное прогнозирование по линейной регрессионной модели.
8. Оценки параметров регрессионной модели, проверка линейных гипотез о пара-метрах.
9. Устойчивость регрессионной модели, проверка существенности структурных изменений в уравнении регрессии.
10. Экономические задачи, приводящие к нелинейным регрессионным моделям.
11. Внутренне линейные парные регрессионные модели.
12. Классификация уравнений множественной регрессии, их использование в экономике.
13. Метод наименьших квадратов в многомерном случае, его геометрическая интерпретация.
14. Уравнение множественной линейной регрессии.
15. Нелинейные уравнения множественной регрессии и их линеаризация.
16. Матричная форма записи множественной регрессии.
17. Методы отбора факторов при построении множественных регрессионный моделей. Мультиколлинеарность факторов, способы ее устранения.
18. Множественная корреляция. Матрицы парных коэффициентов корреляции и межфакторной корреляции.
19. Коэффициенты множественной детерминации. Проверка значимости корреляции.
20. Применение дисперсионного анализа для оценки существенности факторов.
21. Предпосылки методов наименьших квадратов.
22. Гомоскедастичность и гетероскедастичность отклонений.
23. Оценивание регрессии в условиях гетероскедастичности ошибок.
24. Автокорреляция остатков. Вычисление коэффициентов автокорреляции.
25. Модель авторегрессии ошибок первого порядка.
26. Диагностирование автокорреляции. Оценивание регрессии в условиях автокорреляции ошибок.
27. Построение модели линейной регрессии при заданном наборе потенциальных факторов.
28. Обобщенный метод наименьших квадратов.
29. Метод главных компонент.
30. Фиктивные переменные во множественной регрессии.
31. Понятие динамических эконометрических моделей.
32. Общая характеристика моделей с распределенным лагом и моделей авторегрессии.
33. Изучение структуры лага и выбор вида модели с распределенным лагом.
34. Общее понятие о системах уравнений, используемых в эконометрике.
35. Структурная и приведенная формы модели.
36. Проблема идентификации. Оценивание параметров структурной модели.
37. Косвенный, двухшаговый и трехшаговый метод наименьших квадратов
38. Основные понятия в анализе временных рядов.
39. Сглаживание временного ряда.
40. Метод скользящих (подвижных) средних.
41. Экспоненциальное сглаживание.
42. Спектральный и гармонический анализ.
43. Модель линейного фильтра. Процессы авторегрессии. Процессы скользящего среднего.
44. Модель авторегрессии Бокса-Дженкинса. Модели, содержащие стохастический тренд.
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
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 параметров 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 линейной 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 гетероскедастичности. Тесты Бройша-Пагана, Голдфелда-Квандта, Парка, Глейзера, тес ранговой корреляции Спирмена.
35. Обобщенный метод наименьших квадратов при гетероскедастичности. Взвешенный метод наименьших квадратов. Прогнозирование при гетероскедастичности.
36. Мультиколлинеарность и ее последствия этого для оценок параметров регрессионной модели. Совершенная и практическая мультиколлинеарность. Показатели степени мультиколлинеарности. Вспомогательные регрессии. Методы борьбы с мультиколлинеарностью.
37. Использование регрессионных моделей с ограничениями в экономическом анализе.
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.
Система знаний по дисциплине «Эконометрика (продвинутый курс)» формируется в ходе аудиторных и внеаудиторных (самостоятельных) занятий. Используя лекционный материал, учебники и учебные пособия, дополнительную литературу, проявляя творческий подход, магистрант готовится к практическим занятиям, рассматривая их как пополнение, углубление, систематизацию своих теоретических знаний.
Для освоения дисциплины магистрами необходимо:
1. Посещать лекции, на которых в сжатом и системном виде излагаются основы дисциплины: даются определения понятий, методов, которые должны знать магистры. Магистру 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 практические занятия, к которым следует готовиться и активно на них работать. Задание к практическому занятию выдает преподаватель. Задание включает в себя основные вопросы, задачи и тесты для самостоятельной работы, литературу. Практические 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 практических занятиях решаются задачи, разбираются тестовые задания и задания, выданные для самостоятельной работы, заслушиваются реферативные выступления. Магистры, пропустившие занятие, или не подготовившиеся к нему, приглашаются на консультацию к преподавателю. Практическое 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 проводятся еженедельные консультации, на которые приглашаются магистры, 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