ВУЗ:
Составители:
Рубрика:
2
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
Изучение данного курса эконометрики предполагает традиционные
лекции и лабораторные занятия с использованием компьютерного
эконометрического пакета Eviews. Предполагается, что студенты знакомы с
курсами линейной алгебры и математической статистики. В течение семестра
студенты выполняют и сдают 4 практических задания.
Веб-страница курса http://www.iacp.dvo.ru/lab_11/oxxo/Velichko/student.html
На веб-странице курса размещена программа курса, вопросы к экзамену,
часы и аудитории занятий и консультаций, ссылки на дополнительную
литературу и ресурсы Интернет.
Аннотация
Изучение данного курса эконометрики предполагает традиционные
лекции и лабораторные занятия с использованием компьютерного
эконометрического пакета Eviews. Предполагается, что студенты знакомы с
курсами линейной алгебры и математической статистики. В течение семестра
студенты выполняют и сдают 4 практических задания.
1. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ (34)
Модуль 1. Множественная линейная регрессия (10)
Лекция 1. Введение в эконометрику.
Предмет эконометрики. Этапы эконометрического моделирования. Пространственные,
временные, панельные статистические данные. Получение, преобразование и
предварительная обработка данных. Аномальные наблюдения и погрешности
наблюдений. Зависимые и независимые, эндогенные и экзогенные переменные.
Лекция 2-3. Постановка задачи множественной линейной регрессии.
Метод наименьших квадратов (МНК).
Модель и задачи линейного множественного регрессионого анализа. Основные
предположения метода наименьших квадратов (МНК). Вывод формулы для МНК-оценки.
Геометрическая интерпретация МНК. Экономическая интерпретация коэффициентов
регрессии. Статистические свойства оценок МНК. Теорема Гаусса – Маркова. Частный
случай парной регрессии и его геометрическая интерпретация.
Лекция 4-5. Показатели качества регрессии. Проверка статистических
гипотез и построение доверительных интервалов для параметров регрессии.
Стандартизованные коэффициенты регрессии, коэффициент детерминации. Статистика
Стьюдента и критерий Фишера. Тест Вальда.
Модуль 2. Обобщение и модификация задачи линейной регрессии (6)
Лекция 1. Нелинейные регрессионные модели. Полная и частичная
мультиколлинеарность.
Линеаризация нелинейной модели регрессии. Коэффициент эластичности. Полная и
частичная мультиколлинеарность. Методы устранения мультиколлинеарности.
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
Изучение данного курса эконометрики предполагает традиционные
лекции и лабораторные занятия с использованием компьютерного
эконометрического пакета Eviews. Предполагается, что студенты знакомы с
курсами линейной алгебры и математической статистики. В течение семестра
студенты выполняют и сдают 4 практических задания.
Веб-страница курса http://www.iacp.dvo.ru/lab_11/oxxo/Velichko/student.html
На веб-странице курса размещена программа курса, вопросы к экзамену,
часы и аудитории занятий и консультаций, ссылки на дополнительную
литературу и ресурсы Интернет.
Аннотация
Изучение данного курса эконометрики предполагает традиционные
лекции и лабораторные занятия с использованием компьютерного
эконометрического пакета Eviews. Предполагается, что студенты знакомы с
курсами линейной алгебры и математической статистики. В течение семестра
студенты выполняют и сдают 4 практических задания.
1. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ (34)
Модуль 1. Множественная линейная регрессия (10)
Лекция 1. Введение в эконометрику.
Предмет эконометрики. Этапы эконометрического моделирования. Пространственные,
временные, панельные статистические данные. Получение, преобразование и
предварительная обработка данных. Аномальные наблюдения и погрешности
наблюдений. Зависимые и независимые, эндогенные и экзогенные переменные.
Лекция 2-3. Постановка задачи множественной линейной регрессии.
Метод наименьших квадратов (МНК).
Модель и задачи линейного множественного регрессионого анализа. Основные
предположения метода наименьших квадратов (МНК). Вывод формулы для МНК-оценки.
Геометрическая интерпретация МНК. Экономическая интерпретация коэффициентов
регрессии. Статистические свойства оценок МНК. Теорема Гаусса – Маркова. Частный
случай парной регрессии и его геометрическая интерпретация.
Лекция 4-5. Показатели качества регрессии. Проверка статистических
гипотез и построение доверительных интервалов для параметров регрессии.
Стандартизованные коэффициенты регрессии, коэффициент детерминации. Статистика
Стьюдента и критерий Фишера. Тест Вальда.
Модуль 2. Обобщение и модификация задачи линейной регрессии (6)
Лекция 1. Нелинейные регрессионные модели. Полная и частичная
мультиколлинеарность.
Линеаризация нелинейной модели регрессии. Коэффициент эластичности. Полная и
частичная мультиколлинеарность. Методы устранения мультиколлинеарности.
2
