ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ

Программа составлена в соответствии с требованиями Государственно-го образовательного стандарта высшего профессионального образования по специальностям “Бухгалтерский учет, анализ и аудит”, “Национальная эконо-мика”, “Статистика”.
Целью преподавания дисциплины являются обучение студентов по-строению, идентификации и применению эконометрических моделей.
Дисциплина состоит из трех разделов (“Линейная множественная рег-рессия”, “Статистический анализ экономических временных рядов” и “Систе-мы одновременных уравнений”) и изучается в течение одного семестра; ми-нимальный объем учебного времени, необходимый для освоения дисципли-ны, – 114 часов.
В первом разделе изучается модель множественной линейной регрес-сии (методы получения оценок параметров, свойства оценок, точечное и ин-тервальное прогнозирования по уравнению регрессии, особенности практиче-ского применения моделей регрессии, нелинейная регрессия и ее линеариза-ция).
Второй раздел посвящен анализу экономических временных рядов (ме-тоды выделения тренда, прогнозирование по тренду).
В третьем разделе изучаются собственно эконометрические модели как системы одновременных уравнений (структурная и приведенная формы, ус-ловия идентифицируемости, методы идентификации, прогнозирование по эконометрической модели).
Преподавание строится на сочетании лекций, консультаций и самостоя-тельной работы студентов. Промежуточный контроль – контрольное задание, итоговый контроль – зачет.
Для освоения дисциплины необходимо иметь фундаментальную мате-матическую подготовку в объеме курса “Высшая математика”, прикладную ма-тематическую подготовку в объеме одноименного курса, включающего “Тео-рию вероятностей и математическую статистику” и “Математические методы принятия решений в экономике”, а также экономическую подготовку в объеме дисциплины “Макроэкономика”.

1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эко-нометрики. – М.: ЮНИТИ, 1998.
2. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Началь-ный курс. – М.: Дело, 2001.
3. Маленво Э. Статистические методы эконометрии. – М.: Статистика, 1976.
4. Колемаев В.А., Калинина В.Н. Теория вероятностей и математиче-ская статистика. – М.: ИНФРА-М, 2001.
5. Фишер Ф. Проблема идентификации в эконометрии. – М.: Статисти-ка, 1978.

Тема 1. Введение в эконометрику
Задачи, объект, предмет и метод эконометрики. Эконометрическая мо-дель Клейна. Типы уравнений и переменных модели. Свойства случайных со-ставляющих.
Литература: [2: с. 187-209].

Вопросы для самоконтроля
1. Каков экономический смысл уравнений и коэффициентов модели Клейна?
2. Какие уравнения модели балансовые?
3. Какие переменные модели эндогенные, экзогенные, предопределен-ные?

Раздел 1. Линейная множественная регрессия

Тема 2. Модель множественной линейной регрессии
Зависимая и независимые переменные, детерминированная и случай-ная составляющие. Коэффициенты регрессии как предельные эффективности ресурсов. Способы линеаризации нелинейных детерминированных состав-ляющих.
Литература: [4: с. 206-230].

Вопросы для самоконтроля
1. В чем причины возникновения случайной составляющей?
2. Каков содержательный смысл коэффициентов регрессии?
3. Приведите пример линеаризации нелинейных зависимостей в эко-номике.

Тема 3. Оценка параметров с помощью метода наименьших
квадратов. Свойства МНК – оценок
Пространственная и временная выборки. Метод наименьших квадратов. Система нормальных уравнений. Решение нормальных уравнений в матрич-ной форме. Несмещенность и состоятельность МНК – оценок. Оценка диспер-сии случайной составляющей.
Литература: [4: с. 206-230].

Вопросы для самоконтроля
1. В чем суть метода наименьших квадратов (МНК)?
2. Что такое нормальные уравнения и как их записать в матричной форме?
3. Какие оценки называются состоятельными, несмещенными?
4. Почему МНК – оценки несмещены?
5. Как оценивается дисперсия случайной составляющей?

Тема 4. Проверка гипотез о параметрах регрессии и модели в целом
Значимость оценок коэффициентов регрессии. Последовательное уточ-нение модели путем исключения переменных с незначимыми оценками. Ин-тервальные оценки коэффициентов регрессии. Оценка качества модели в це-лом с помощью коэффициента детерминации и F – отношения.
Литература: [4: с. 206-230].

Вопросы для самоконтроля
1. Что такое расчетная и теоретическая значимости оценок?
2. В чем заключается процесс последовательного уточнения модели?
3. Когда модель множественной регрессии признается удовлетворительной?

Тема 5. Прогноз по регрессионной модели
Прогноз детерминированной составляющей. Несмещенность прогноза и его дисперсия. Интервальный прогноз.
Литература: [4: с. 206-230].

Вопросы для самоконтроля
1. Как выполняется прогноз по регрессионной модели?
2. Смещен ли точечный прогноз, какова его точность?
3. Как определяется интервальный прогноз по модели?
Тема 6. Обобщенный метод наименьших квадратов
Применение обобщенного метода наименьших квадратов в случае кор-релированности остатков. Свойства ОМНК – оценок.
Литература: [4: с. 228-229].

Вопросы для самоконтроля
1. В чем отличие обобщенного метода наименьших квадратов от обычного?
2. Смещены ли ОМНК – оценки?

Тема 7. Особенности практического применения регрессионных
моделей
Пространственно-временная выборка. “Засоренность” наблюдений. Мультиколлинеарность и гребневая регрессия. Ложная корреляция. Авторег-рессия. Регрессионно-авторегрессионные модели.
Литература: [4: с. 231-235].

Вопросы для самоконтроля
1. Что такое мультиколлинеарность наблюдений?
2. В чем причина ложной корреляции?
3. Что Вы понимаете под “засоренностью” наблюдений?
4. Как записываются авторегрессионая, регрессионно-авторегрессион¬ная модели?

Раздел 2. Статистический анализ экономических временных рядов

Тема 8. Выделение тренда
Модель временного ряда. Эволюторная, циклическая, сезонная и слу-чайная составляющие временного ряда. Линеаризация тренда. Полиномиаль-ный и гармонический тренды. Оценка коэффициентов тренда по методу наи-меньших квадратов.
Литература: [4: с. 237-259].

Вопросы для самоконтроля
1. Что такое тренд?
2. Как оцениваются коэффициенты тренда определенного аналитиче-ского вида?
3. Как определить коэффициенты линейного тренда?

Тема 9. Анализ случайной составляющей, прогноз по тренду
Стационарные случайные последовательности. Ковариационная функ-ция. Оценка ковариационной функции по выборке. Критерий Дарбина-Уотсона. Точечный и интервальный прогноз по тренду с учетом свойств слу-чайной составляющей.
Литература: [4: с. 237-259].

Вопросы для самоконтроля
1. Что такое ковариационная функция?
2. Как оценить ковариационную функцию стационарного случайного временного ряда?
3. В чем суть критерия Дарбина-Уотсона?
4. Как прогнозировать будущие значения временного ряда?
Тема 10. Экспоненциальное сглаживание
Экспоненциальное сглаживание как адаптивный метод прогноза эконо-мических временных рядов. Оператор сглаживания. Оценка коэффициентов прогнозирующего полинома с помощью дисконтированного метода наимень-ших квадратов.
Литература: [4: с. 262-268].

Вопросы для самоконтроля
1. Что такое оператор сглаживания?
2. Как отражается на временном ряде применение оператора сглаживания?
3. Что такое прогнозирующий полином?
4. Можно ли определить коэффициенты прогнозирующего полинома по сгла-женным значениям временного ряда?
5. Как осуществляется прогноз будущих значений временного ряда с помо-щью метода экспоненциального сглаживания?

Раздел 3. Системы одновременных уравнений

Тема 11. Эконометрическая модель
Типы уравнений и переменных эконометрической модели. Структурная и приведенная формы. Проблема идентифицируемости. Идентификация мо-дели и ее применение для анализа и прогнозирования.
Литература: [2: с. 187-209].

Вопросы для самоконтроля
1. Какие виды уравнений и переменных эконометрической модели Вы знаете?
2. Почему необходимо переходить от структурной формы к приведенной?
3. В чем отличие идентифицируемости от идентификации?
4. Что и как прогнозировать с помощью эконометрической модели?

Тема 12. Условия идентифицируемости эконометрической модели
Исключение балансовых равенств. Условия идентифицируемости моде-ли в целом (условия на матрицу коэффициентов при эндогенных переменных и на матрицу наблюдений предопределенных переменных). Условия иденти-фицируемости отдельного уравнения.
Литература: [2: с. 187-209].

Вопросы для самоконтроля
1. Каковы условия идентифицируемости модели в целом?
2. Каковы условия идентифицируемости отдельного уравнения?

Тема 13. Идентификация эконометрической модели
Косвенный метод наименьших квадратов. Двухшаговый и трехшаговый методы наименьших квадратов. Свойства оценок параметров приведенной и структурной форм.
Литература: [2: с. 187-209].

Вопросы для самоконтроля
1. В чем суть косвенного МНК и двухшагового МНК?
2. Когда следует применять трехшаговый МНК?
Тема 14. Прогноз по эконометрической модели
Точечный прогноз по эконометрической модели с учетом свойств случай-ных остатков. Несмещенность прогноза и его точность. Интервальный прогноз.
Литература: [2: с. 187-209].

Вопросы для самоконтроля
1. Как осуществляется точечный прогноз по эконометрической модели?
2. Какова точность прогноза?

Тема 15. Особенности практического применения
эконометрических моделей
Этапы эконометрического моделирования. Уточнение модели по ре-зультатам выполнения каждого из этапов.
Литература: [2: с.187-209].

Вопросы для самоконтроля
1. Каковы основные этапы эконометрического моделирования?
2. В чем состоит уточнение модели?