Методические указания для студентов

ОЧНОЙ ФОРМЫ ОБУЧЕНИЯ ПО ПОДГОТОВКЕ К ПРАКТИЧЕСКИМ ЗАНЯТИЯМ ПО «ЭКОНОМЕТРИКЕ»

Тема. Введение. Определение эконометрики.

Общие сведения

Цель: объяснить роль и назначение эконометрики, познакомить с основными понятиями теории вероятностей и математической статистики

· Появление и развитие эконометрики

· Сущность эконометрической модели

· Законы и функции распределения случайной величины.

Изучив данную тему студент должен

Знать этапы эконометрического моделирования, связь математической статистики с теорией вероятностей, основные виды случайных переменных, статистические оценки параметров распределения

При изучении темы необходимо

§ Читать главу 1учебника «Эконометрика» под редакцией И.И. Елисеевой, стр.7.

Акцентировать внимание на следующих понятиях

· Математическое ожидание случайной величины

· Математическое ожидание функций случайной величины

· Дисперсия

· Генеральная и выборочная дисперсия.

· Доверительные интервалы и проверка гипотез.

· Несмещенность оценок

· Состоятельность оценок

· Эффективность оценок

Список литературы

1. Эконометрика [Текст]: учебник/ И. И. Елисеева, С. В. Курышев, Ю.В. Нерадовская - 3-е изд., перераб. и доп.- М.: Проспект , 2011.- 576 c.
2. Бигильдеева, Т. Б. Эконометрика [Текст]: учебное пособие/ Т. Б. Бигильдеева, Е. А. Постников.- Челябинск: Челяб. гос. ун-т, 2007.- 109 c.
3. Кремер, Н.Ш. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2010. – 311 с.
4. Колемаев, В.А. Эконометрика [Текст] : учебник : /В.А. Колемаев.- .- М. : Инфра-М, 2006.- 160 c.
5. Практикум по эконометрике: Учебное. пособие / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2008. – 192 с.

Тема. Парная регрессия и корреляция

Общие сведения

Цель: ознакомить с тем, как построить уравнение регрессии, научить оценивать параметры регрессий, определить статистическую значимость коэффициентов линейной и нелинейной регрессии.

1. Линейные и нелинейные регрессии

2. Метод наименьших квадратов (МНК).

3. Смысл и оценка параметров линейной регрессии и корреляции.

4. Нелинейная регрессия. Коэффициент корреляции.

5. Оценка параметров нелинейной регрессии..

Изучив данную тему студент должен

§ Знать отличие линейной регрессии от нелинейной, сущность задачи корреляционного и регрессионного анализа, смысл параметров линейной регрессии и корреляции, уметь оценивать критерий существенности параметров линейной регрессии и корреляции, провести дисперсионный анализ

При изучении темы необходимо

§ Читать главу 2учебника «Эконометрика» под редакцией И.И. Елисеевой, стр.34.

Акцентировать внимание на следующих понятиях

· Статистическая связь

· Спецификация уравнения регрессии

· Параметры уравнения регрессии

· Сумма квадратов отклонений

· Компоненты дисперсии

· Коэффициент регрессии

· Коэффициент корреляции

· Коэффициент детерминации

· F – критерий Фишера

· t-критерий Стьюдента.

· Интервалы прогноза по линейному уравнению регрессии.

· Средняя ошибка аппроксимации

Список литературы

1. Эконометрика [Текст]: учебник/ И. И. Елисеева, С. В. Курышев, Ю.В. Нерадовская - 3-е изд., перераб. и доп.- М.: Проспект , 2011.- 576 c.
2. Бигильдеева, Т. Б. Эконометрика [Текст]: учебное пособие/ Т. Б. Бигильдеева, Е. А. Постников.- Челябинск: Челяб. гос. ун-т, 2007.- 109 c.
3. Кремер, Н.Ш. Эконометрика: Учебник для вузов / Под ред. проф. Н.Ш. Кремера. – М.: ЮНИТИ-ДАНА, 2010. – 311 с.
4. Колемаев, В.А. Эконометрика [Текст] : учебник : /В.А. Колемаев.- .- М. : Инфра-М, 2006.- 160 c.
5. Практикум по эконометрике: Учебное. пособие / Под ред. И.И. Елисеевой. – М.: Финансы и статистика, 2008. – 192 с.

Тема. Модель множественной линейной регрессии. Мультиколлинеарность. Гетероскедастичность

Общие сведения

Цель: построить модель с большим числом факторов, определив при этом влияние каждого из них в отдельности, а также совокупность их воздействие на моделируемый показатель.

1) Классическая нормальная линейная модель множественной регрессии

2) Оценка параметров классической регрессионной модели методом наименьших квадратов.

3) Мультиколлинеарность как проблема данных.

4) Линейные регрессионные модели с гетероскедастичными остатками.

5)Автокорреляция