Эконометрика Эконометрика исследует конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей.

2 Общие сведения по дисциплине Название: Эконометрика Читается для специальности: для студентов специальности «Финансы и кредит» Важность изучения дисциплины Эконометрика является одной из фундаментальных дисциплин экономико-математического цикла. Она изучает методы построения экономических моделей, которые численно описывают взаимосвязь между экономическими показателями, даёт навыки использования этих моделей в экономических исследованиях Сфера профессионального использования Сегодня деятельность в любой области экономики (управлении, финансово-кредитной сфере, маркетинге, учете, аудите) требует от специалиста применения современных методов работы, знания достижений мировой экономической мысли, пони­мания научного языка. Большинство новых методов основано на эконометрических моделях, концепциях, приемах. Без глубоких знаний эконометрики научиться их использовать невозможно.

3 Краткое описание дисциплины Курс посвящен изложению общего представления об эконометрике, соответствующего общепринятому.

4 Цели и задачи преподавания дисциплины Целью изучения учебной дисциплины "Эконометрика" является овладение современными эконометрическими методами анализа конкретных экономических данных на уровне, достаточном для использования в практической деятельности специалиста в области финансов и кредита. Основные задачи курса – изучение современных эконометрических методов и моделей, в том числе методов прикладной статистики (статистики случайных величин, многомерного статистического анализа, временных рядов и др.).

5 Место дисциплины среди смежных дисциплин Как учебная дисциплина эконометрика изучается после прохождения курса теории вероятностей и математической статистики.

6 Начальные знания Теоретическую базу эконометрики составляют математические дисциплины – общий курс (математический анализ, линейная алгебра), теория вероятностей и математическая статистика, дискретная математика.

7 Итоговые знания, умения и навыки В результате изучения дисциплины студент должен: иметь представление о роли эконометрики и перспективах ее применения в экономических исследованиях; знать этапы эконометрического моделирования; структуру регрессионной модели; методы оценки параметров парной и множественной регрессии; алгоритмы получения и методику эконометрического анализа основных характеристик регрессионной модели; знать методику верификации эконометрических моделей для целей краткосрочного и среднесрочного прогнозирования; правила проведения расчетов на ЭВМ характеристик регрессионной модели с использованием табличного процессора и пакетов прикладных программ; уметь выявить экономическую проблему, построить и реализовать модель решения проблемы с использованием ЭВМ.

8 Содержание лекционного курса Тема 1. Множественный регрессионный анализ. Линейная модель множественной регрессии. Метод наименьших квадратов (МНК). Свойства оценок МНК. Показатели качества регрессии. Тема 2. Обобщенная линейная модель. Линейные регрессионные модели с гетероскедастичными и автокоррелированными остатками. Обобщенный метод наименьших квадратов ОМНК). Регрессионные модели с переменной структурой (фиктивные переменные) Тема 3. Нелинейные модели регрессии и их линеаризация. Тема 4. Временные ряды и прогнозирование. Характеристики временных рядов. Модели стационарных и нестационарных временных рядов, их идентификация. Тема 5. Система линейных одновременных уравнений. Общий вид системы одновременных равнений. Косвенный, двухшаговый и трехшаговый метод наименьших квадратов.

9 Тема 1. Моделирование. Линейная модель множественной регрессии. Метод наименьших квадратов. Первая тема дисциплины посвящена рассмотрению нахождения оценок множественной регрессионной модели методом наименьших квадратов, а также статистическому исследованию свойств построенной модели применительно к экономическим задачам.

10 Тема 2. Характеристики обобщенной линейной модели. Линейные модели с переменной структурой. Данная тема посвящена линейным регрессионным моделям с гетероскедастичными и автокоррелированными остатками, применению для их оценивания обобщенного метода наименьших квадратов ОМНК), а также регрессионным моделям с переменной структурой (фиктивные переменные)

11 Тема 3. Нелинейные модели регрессии и их линеаризация В данной теме рассматриваются вопросы построения нелинейных эконометрических моделей с использованием техники линеаризации, а также некоторые особенности и сложности решения подобных задач.

12 Тема 4. Временные ряды и прогнозирование В рамках данной темы рассмотрены модели стационарных и нестационарных временных рядов, методы их идентификации и использование для прогнозирования тех или иных экономических показателей

13 Тема 5. Структурная и приведенная формы модели систем одновременных уравнений. Рекурсивные системы одновременных уравнений Материал четвертой темы связан с так называемыми системами одновременных уравнений. Рассмотрены общий вид системы одновременных равнений, косвенный, двухшаговый и трехшаговый метод наименьших квадратов.

14 Контрольные мероприятия Предварительный контроль Ответы на контрольные вопросы по каждой теме (тестирование) Текущий контроль Индивидуальное (расчетное) задание Итоговый контроль Зачет (Тестирование)

15 Глоссарий идентификация модели – статистическое оценивание ее параметров коэффициент корреляции – мера линейной согласованно­сти между переменными коэффициент множественной корреляции – обобщение парного коэффициента корреляции для многомерного случая МНК – метод наименьших квадратов. мультиколлинеарность – взаимосвязь независимых переменных уравнения регрес­сии множественная регрессия – регрессия результативного признака с двумя и большим числом факторов нелинейная модель (по входным переменным) – модель, для которой не выполняется свойство суперпозиции нестационарный временной ряд – это такой временной ряд, характеристики которого изменяются во времени предпосылки регрессионного анализа – принимаемые предположения о характере случайного возмущения: простая регрессия – между двумя переменными сезонная компонента: под временными рядами, содержащими сезонную компоненту, понимаются процессы, при формировании значений которых обязательно присутствовали сезонные и/или циклические факторы стационарный временной ряд – это такой временной ряд, свойства которого не меняются со временем экзогенные переменные – это задаваемые извне, автономно, в определенной степени управляемые переменные эконометрика – это наука, изучающая конкретные количественные и качественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей экономическая величина – некоторое количество определенного экономического "качества" экстраполяция – прогнозирование значений временного ряда по имеющимся наблюдениям, полученным до текущего момента времени эндогенные переменные – это такие переменные, значения которых формируются в процессе и внутри функционирования анализируемой социально-экономической системы в существенной мере под воздействием экзогенных переменных; в эконометрической модели они являются предметом объяснения

16 Список литературы Основная: Круглов В.В. Эконометрика: Учебное пособие. Смоленск: НОУ ВПО «Смоленский институт бизнеса и предпринимательства» (СИБП), Эконометрика/ Под ред. И.И.Елисеевой. Учебник для вузов. М.: Проспект, Белокопытов А.В. Эконометрика: Учебное пособие. Ч. 1 и 2. Смоленск: СИБП, Дополнительная литература: Практикум по эконометрике/ Под ред. И.И.Елисеевой. Учебное пособие для вузов. М.: Финансы и статистика, гг. Свириденкова М.А. Эконометрика: Методические указания. Смоленск: СИБП, Яновский Л.П. Введение в эконометрику: Электронный учебник. M.: КноРус, 2009 (на CD). Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики: Учебник для вузов. М.: ЮНИТИ, 1998.