Рабочая программа наименование дисциплины Эконометрика

Вид материалаРабочая программа

Содержание


Индекс по учебному плану
Форма обучения
1. Цели и задачи дисциплины
2. Место дисциплины в структуре ООП
3. Требования к результатам освоения дисциплины
4. Объем дисциплины и виды учебной работы
Аудиторные занятия (всего)
Самостоятельная работа (всего)
Другие виды самостоятельной работы
5. Содержание дисциплины
2. Парная регрессия и корреляция в эконометрических исследованиях
3. Нелинейная регрессия и нелинейная корреляция
4. Множественная регрессия и корреляция
5. Метод наименьших квадратов и его применение
6. Анализ временных рядов
7. Прогнозирование временных рядов
8. Системы одновременных уравнений
5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами
5.3. Разделы дисциплин и виды занятий
6. Лабораторный практикум.
...
Полное содержание
Подобный материал:
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ

Р

ОССИЙСКОЙ ФЕДЕРАЦИИ


ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ




Государственное образовательное учреждение высшего профессионального образования

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПЕЧАТИ»

УТВЕРЖДАЮ

Проректор по учебной работе

______________Т.В. Маркелова



«_____» ___________2010


РАБОЧАЯ ПРОГРАММА


Наименование дисциплины _____Эконометрика


По направлению подготовки ___080200.62 Менеджмент


По профилю подготовки ________080206 «Производственный

менеджмент»


Факультет Экономики и менеджмента

Кафедра Прикладной математики и моделирования систем


Квалификация (степень) выпускника бакалавр


Москва — 2010

Разработчики:

д.т.н., профессор Ю.П. Голинков, к.т.н., доцент Т.Г. Дацко


Рецензент:

проф. РГРТУ д.ф.-м.н., профессор В.А. Ковалев

доц. МГУП к.ф.-м.н. Г.О. Рытиков



    Рабочая программа обсуждена на заседании кафедры

    «Прикладная математика и моделирование систем» 19.11.2010 г, протокол № 4.

    Зав. кафедрой ________________/ Е.В. Никульчев /

    Одобрена Советом факультета

    Экономики и менеджмента «__» ноября 2010 г, протокол № __

    Председатель ______________/ О.В. Кублашвили /






^ Индекс по учебному плану

Цикл

Компонент

Базовая часть

вариативная часть

по выбору студента

Б.3.4.4

Гуманитарный и социальный

и экономический цикл










Математический и естественнонаучный цикл










Профессиональный цикл







×




^ Форма

обучения

курс

семестр

Трудоемкость дисциплины в часах

Форма

итогового

контроля

Всего часов

Аудиторных часов

Лекции

Семинарские (практически) занятия

Лабораторные занятия

Курсовая

Работа (проект)

Самостоятельная работа

Очная

3

5

144

51

17




34




93

экзамен

Очно-заочная































Заочная
































^ 1. Цели и задачи дисциплины:

Целью дисциплины «Эконометрика» является:
  • научить обучающихся основам эконометрического моделирования, использованию количественных данных наблюдений для выявления закономерностей функционирования экономических систем разного уровня;
  • изучить методы оценки и прогнозирования экономических показателей, характеризующих состояние и развитие анализируемых экономических систем;
  • освоить современные компьютерные технологии эконометрического анализа и возможности их применения для решения прикладных экономических задач.

Задачами изучения дисциплины являются:
  • изучение основных типов эконометрических моделей, методологии их разработки и практического использования в экономических приложениях;
  • изучение теоретических основ и практическое применение методов эконометрического анализа;
  • освоение методики подготовки исходных данных для проведения эконометрического анализа;
  • овладение пакетами эконометрических программ, практический опыт их применения для решения типовых задач эконометрики.

Полученные знания и практические навыки повысят уровень экономико-математической подготовки обучающихся, помогут им овладеть методами обоснования экономических решений и анализа результатов экономической деятельности предприятий и фирм, прогнозирования тенденций развития экономических и бизнес-процессов.


^ 2. Место дисциплины в структуре ООП:

Дисциплина относится к факультативной части профессионального цикла дисциплин, для ее успешного освоения студент должен обладать знаниями и умениями, полученными при изучении дисциплин «Математика», «Статистика», «Информатика», «Экономика организации» , «Управленческие решения». Знания и умения, полученные в ходе изучения дисциплины «Эконометрика», будут полезными при изучении дисциплин «Моделирование бизнес-процессов», «Экономическая диагностика», «Экономико-математическое моделирование производственных систем», «Управление проектами в издательско-полиграфической деятельности».


^ 3. Требования к результатам освоения дисциплины:

    Процесс изучения дисциплины направлен на формирование следующих компетенций:
  • способностью анализировать взаимосвязи между функциональными стратегиями компаний с целью подготовки сбалансированных управленческих решений (ПК-9);
  • владеть методами принятия стратегических, тактических и оперативных решений в управлении операционной (производственной) деятельностью организаций (ПК-18);
  • способностью планировать операционную (производственную) деятельность организаций (ПК-19);
  • умением применять количественные и качественные методы анализа при принятии управленческих решений и строить экономические, финансовые и организационно-управленческие модели (ПК-31);
  • способностью выбирать математические модели организационных систем, анализировать их адекватность, проводить адаптацию моделей к конкретным задачам управления (ПК-32);
  • владеть средствами программного обеспечения анализа и количественного моделирования систем управления (ПК-33).



В результате изучения дисциплины студент должен:

    Знать:
  • основные понятия и определения, базовые компоненты эконометрики и эконометрического моделирования;
  • суть, основные проблемы спецификации и идентификации эконометрических моделей;
  • классификацию, содержание и постановку типовых задач эконометрики;
  • математико-статистический инструментарий эконометрики: парную и множественную модели регрессии, классический и обобщенный метод наименьших квадратов, статистический анализ временных рядов, анализ систем одновременных уравнений;
  • требования к исходной информации для проведения эконометрического анализа;
  • области практического применения эконометрических моделей и методов;

    Уметь:
  • разрабатывать и применять эконометрические модели и методы для решения прикладных задач поддержки принятия оптимальных решений, текущего и перспективного планирования и управления предприятиями, организациями и фирмами;
  • применять современные информационные технологии подготовки исходных данных для эконометрических расчетов и анализа полученных результатов;
  • анализировать и интерпретировать результаты эконометрических расчетов, верифицировать модельные соотношения между анализируемыми экономическими показателями и оценивать неизвестные значения параметров в этих соотношениях на базе исходных экономических данных;
  • выполнять точечный и интервальный прогноз экономических показателей, основанный на регрессионных моделях и анализе временных рядов;

    Владеть:
  • навыками проведения регрессионного анализа экономических показателей с использованием классического и обобщенного метода наименьших квадратов;
  • навыками сглаживания и прогнозирования временных рядов;
  • навыками применения пакетов прикладных программ для решения типовых эконометрических задач.



^ 4. Объем дисциплины и виды учебной работы

Общая трудоемкость дисциплины составляет 4 зачетные единицы.

Вид учебной работы

Всего часов

Семестры

5

^ Аудиторные занятия (всего)

51

51

В том числе:




Лекции

17

17

Практические занятия (ПЗ)





Семинары (С)





Лабораторные работы (ЛР)

34

34

^ Самостоятельная работа (всего)

93

93

В том числе:




Курсовой проект (работа)





Расчетно-графические работы

36

36

Реферат





^ Другие виды самостоятельной работы




Подготовка к лабораторным занятиям

21

21

Вид промежуточной аттестации экзамен

36

36

Общая трудоемкость 144 час

4 зач. ед.





^ 5. Содержание дисциплины

5.1. Содержание разделов дисциплины

1. Основные понятия и определения эконометрики и эконометрического моделирования

Роль эконометрических методов и моделей в экономическом анализе хозяйственной деятельности предприятий в условиях рыночной экономики. Сущность эконометрики, ее место в ряду математико-статистических и экономических дисциплин. Экзогенные, эндогенные и предопределенные переменные в эконометрической модели, исходные статистические данные, необходимые для проведения ее статистического анализа. Классификация эконометрических методов и моделей. Этапы и основные проблемы эконометрического моделирования: спецификация, идентификация и верификация модели. Математико-статистический инструментарий эконометрики.


^ 2. Парная регрессия и корреляция в эконометрических исследованиях

Спецификация модели парной регрессии. Примеры эконометрических моделей. Матричная форма записи регрессионной модели. Метод наименьших квадратов. Оценивание уравнения регрессии с помощью F-критерия Фишера. Проверка статистической значимости коэффициентов регрессии и корреляции по t-критерию Стьюдента. Средняя ошибка аппроксимации результативного признака. Доверительные интервалы прогноза значений результативного признака по линейному уравнению регрессии.

^ 3. Нелинейная регрессия и нелинейная корреляция

Нелинейная регрессия. Примеры использования нелинейных функций регрессии в эконометрических моделях. Приведение нелинейных моделей к линейному виду. Коэффициент эластичности. Формулы расчета коэффициентов эластичности для наиболее распространенных типов уравнений регрессии. Корреляция для нелинейной регрессии. Решение типовых задач парной регрессии и корреляции с помощью пакетов прикладных программ.

^ 4. Множественная регрессия и корреляция

Спецификация модели множественной регрессии. Отбор факторов и выбор формы уравнения при построении множественной регрессии. Линейные регрессионные модели с переменной структурой. Введение фиктивных переменных в линейную модель регрессии. Нелинейные модели регрессии и их линеаризация. Оценка параметров уравнения множественной регрессии. Частные уравнения регрессии. Множественная и частная корреляция. Оценка надежности результатов множественной регрессии и корреляции. Точечный и интервальный прогноз, основанный на моделях линейной регрессии.

^ 5. Метод наименьших квадратов и его применение

Предпосылки метода наименьших квадратов. Классическая и обобщенная линейные модели множественной регрессии. Исследование случайных остатков при использовании множественной регрессии. Линейные модели регрессии с гетероскедастичными и автокорреляционными остатками. Обобщенный метод наименьших квадратов.

^ 6. Анализ временных рядов

Понятие временного ряда, определения, формулировка основных задач эконометрического моделирования временных рядов. Автокорреляция уровней временного ряда и выявление его структуры. Аналитические и алгоритмические методы сглаживания временного ряда. Моделирование сезонных колебаний временного ряда.

^ 7. Прогнозирование временных рядов

Адаптивные методы прогнозирования. Анализ качества моделей временного ряда. Автокорреляция в остатках. Критерий Дарбина – Уотсона. Исследование взаимосвязей по временным рядам. Оценивание параметров уравнения регрессии временных рядов при наличии автокорреляции в остатках. Прогнозирование экономических показателей, основанное на использовании динамических моделей временных рядов. Модели с распределенным лагом и модели авторегрессии.

^ 8. Системы одновременных уравнений

Общее понятие о системах уравнений, используемых в эконометрике. Эндогенные и экзогенные переменные. Структурная и приведенная формы модели. Необходимые и достаточные условия идентифицируемости уравнений системы. Оценивание параметров структурной модели. Косвенный, двухшаговый и трехшаговый методы наименьших квадратов. Примеры применения систем эконометрических уравнений.


^ 5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми (последующими) дисциплинами

№ п/п

Наименование обеспе-чиваемых (последую-щих) дисциплин.

№ № разделов данной дисциплины, необходимых для изучения обеспечиваемых (последующих) дисциплин.

1

2

3

4

5

6

7

8

1.

Моделирование бизнес-процессов

×

×

×

×







×




2.

Экономическая диагностика




×

×

×

×







×

3.

Экономико-математическое моделирование производственных систем




×

×

×

×

×

×

×

4.

Управление проектами в издательско-полиграфической деятельности




×

×

×




×

×




^ 5.3. Разделы дисциплин и виды занятий

№ п/п

Наименование раздела дисциплины

Лекц.

Практ.

зан.

Лаб.

зан.

Семинары

СРС

Все-го

час.

1.

Основные понятия и определения эконометрики и эконометрического моделирования

1










9

10

2.

Парная регрессия и корреляция в эконометрических исследованиях

3




10




12

25

3.

Нелинейная регрессия и нелинейная корреляция

2




2




12

16

4.

Множественная регрессия и корреляция

2




6




12

20

5.

Метод наименьших квадратов и его применение

2




6




12

20

6.

Анализ временных рядов

3




2




12

17

7.

Прогнозирование временных рядов

2




6




12

20

8.

Системы одновременных уравнений

2




2




12

16


^ 6. Лабораторный практикум.

№ п/п

№ раздела дисциплины

Тематика лабораторных занятий

Трудо-емкость

(час.)

1.

2

Построение линейной, степенной, экспоненциальной и логарифмической моделей парной регрессии.

2

2.

2

Построение обратной и гиперболической моделей парной регрессии.

2

3.

2

Применение пакета “Анализ данных” ЭТ Excel для построения моделей парной регрессии и оценки их качества.

2

4.

2

Построение модели парной линейной регрессии с помощью матричных вычислений.

2

5.

2

Применение пакета Statistica для построения модели парной линейной регрессии и прогнозирования.

2

6.

3

Применение пакета Statistica для построения модели парной нелинейной регрессии.

2

7.

4

Подготовка данных для построения модели множественной регрессии, выявление аномальных наблюдений.

2

8.

4

Анализ мультиколлинеарности факторов.

2

9.

4

Построение модели множественной линейной регрессии методом шаговой регрессии.

2

10.

5

Анализ качества модели множественной линейной регрессии.

2

11.

5

Исследование свойств ряда регрессионных остатков, анализ выполнения предпосылок МНК.

2

12.

5

Применение обобщенного метода наименьших квадратов для построения уравнений регрессии при наличии гетероскедастичности и автокорреляции остатков.

2

13.

6

Моделирование тенденции временного ряда.

2

14.

7

Моделирование тенденции временного ряда при наличии структурных изменений.

2

15.

7

Анализ качества моделей временного ряда и достоверности прогноза.

2

16.

7

Исследование взаимосвязи временных рядов.

2

17.

8

Построение динамической эконометрической модели с распределенным лагом.

2


^ 7. Практические занятия (семинары)

Практические занятия (семинары) не предусмотрены.


8. Примерная тематика курсовых работ (проектов).

Курсовые работы (проекты) не предусмотрены.


^ 9. Учебно-методическое и информационное обеспечение дисциплины:

а) основная литература
  1. Елисеева И.И., Курышева С.В. и др. Эконометрика: учебник — М.: Финансы и статистика, 2008. — 576 с.
  2. Елисеева И.И., Курышева С.В. и др. Практикум по эконометрике: учебное пособие. — М.: Финансы и статистика, 2007. — 344 с.
  3. Мхитарян В.С. Эконометрика: учебник. — М.: Проспект, 2008. — 384 с.
  4. Дуброва Т.А. Прогнозирование социально-экономических процессов. Статистические методы и модели: учебное пособие. — М.: Маркет ДС, 2007. — 192 с.
  5. Халафян А.А. STATISTICA 6: Статистический анализ данных: Учебник для вузов. — М.: Бином-Пресс, 2008. — 512 с.

б) дополнительная литература
  1. Вуколов Э.А. Основы статистического анализа. Практикум по статистическим методам и исследованию операций с использованием пакетов STATISTICA и EXCEL — М.: Форум, 2008. — 464 с.
  2. Каплан А.В. и др. Статистическая обработка и анализ экономических данных. — Ростов: Феникс, 2007. — 331 с.
  3. Левин Д.М., Стефан Д.и др. Статистика для менеджеров с использованием Microsoft Excel: Пер. с англ. — М.: Вильямс, 2005. — 1312 с.
  4. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы: Учебник. — М.: Финансы и статистика, 2003. — 352 с.
  5. Прикладная статистика. Основы эконометрики: Учебник для вузов: В 2 т. — Т. 2: Айвазян С.А. Основы эконометрики. — М.: ЮНИТИ–ДАНА, 2008. — 432 с.

в) программное обеспечение
  • ППП Statistica 7;
  • ППП Microsoft Excel;
  • ППП Microsoft Word.


^ 10. Материально-техническое обеспечение дисциплины:

Презентации Power Point для проведения лекций. Электронные документы (размещаются в сетевой папке studpdir на диске L:): файлы Парная регрессия.xls, Множественная регрессия.xls, Временной ряд.xls, Образец отчета по ЛР1.doc, Образец отчета по ЛР2.doc, Образец отчета по ЛР3.doc, Эконометрика.ppt. Автоматизированная система проверки знаний АСТ. Справочная система Help пакета прикладных программ Microsoft Office. Комплекс технических средств, позволяющих проецировать изображение из программ подготовки презентаций (экран, проектор, Notebook).


^ 11. Методические рекомендации по организации изучения дисциплины:

Оценка качества освоения включает текущий контроль успеваемости, промежуточную аттестацию обучающихся. Текущий контроль и промежуточная аттестация включают типовые задания, контрольные работы, тесты, позволяющие оценить знания, умения и уровень приобретенных компетенций с высокой степенью объективности (надежности), обоснованности (валидности) и сопоставимости.

Примерный перечень вопросов для подготовки к экзамену (зачету) по дисциплине:
  1. Предмет эконометрики. Эконометрические модели и методы. Примеры эконометрических моделей.
  2. Спецификация модели парной регрессии.
  3. Коэффициент эластичности, его экономический смысл. Формулы коэффициента эластичности для различных функций регрессии.
  4. Оценка параметров парной регрессии методом наименьших квадратов. Стандартные ошибки параметров парной регрессии.
  5. Коэффициент и индекс корреляции для парной регрессии. Коэффициент детерминации. Проверка значимости коэффициента корреляции.
  6. Основное соотношение дисперсионного анализа. Проверка значимости уравнения регрессии с использованием F-критерия Фишера.
  7. Средняя ошибка аппроксимации. Точечный и интервальный прогноз по уравнению регрессии.
  8. Спецификация модели множественной регрессии. Выбор формы уравнения множественной регрессии. Использование фиктивных переменных в уравнениях множественной регрессии.
  9. Методы построения уравнения множественной регрессии. Отбор факторов. Мультиколлинеарность факторов, способы ее преодоления.
  10. Оценка параметров уравнения множественной регрессии МНК.
  11. Оценка параметров стандартизованного уравнения линейной регрессии.
  12. Множественные коэффициенты (индексы) корреляции и детерминации. Скорректированная величина коэффициента детерминации. Частные коэффициенты корреляции.
  13. Оценка надежности результатов множественной регрессии и корреляции. Общий и частные F-критерии Фишера для множественной регрессии.
  14. Предпосылки метода наименьших квадратов. Классическая и нормальная линейные модели множественной регрессии. Свойства оценок, полученных МНК для этих моделей.
  15. Проверка гипотезы о гетероскедастичности остатков. Обобщенная линейная модель множественной регрессии с гетероскедастичными остатками.
  16. Проверка гипотезы об автокорреляции остатков. Обобщенная линейная модель множественной регрессии с автокоррелированными остатками.
  17. Обобщенный метод наименьших квадратов.
  18. Временной ряд. Структура временного ряда. Автокорреляционная функция временного ряда.
  19. Аналитические и алгоритмические методы сглаживания временного ряда.
  20. Моделирование сезонной компоненты временного ряда.
  21. Моделирование тенденции временного ряда при наличии структурных изменений.
  22. Анализ случайных остатков временного ряда. Прогнозирование значений временного ряда.
  23. Стационарные случайные процессы. Модели скользящего среднего MA(q) и авторегрессионные модели AR(p).
  24. Модели временных рядов на основе стохастических процессов ARMA(p,q) и ARIMA(p,d,q).
  25. Динамические эконометрические модели с распределенным лагом. Структура лага. Лаги Алмон. Метод Койка.
  26. Модели авторегрессии. Модели адаптивных ожиданий и неполной корректировки. Оценка параметров моделей авторегрессии.
  27. Системы эконометрических уравнений. Структурная и приведенная форма системы одновременных уравнений. Идентификация структурных уравнений.
  28. Оценивание параметров структурной модели. Косвенный и двухшаговый МНК.
  29. Законы распределения и числовые характеристики случайных величин.
  30. Статистическая проверка гипотез. Критерии проверки гипотез. Примеры проверки гипотез.
  31. Инструмент “Описательные статистики” пакета “Анализ данных”. Примеры применения при решении эконометрических задач.
  32. Инструмент “Корреляция” пакета “Анализ данных”. Примеры применения при решении эконометрических задач.
  33. Инструмент “Регрессия” пакета “Анализ данных”. Примеры применения при решении эконометрических задач.
  34. Ковариационная матрица и стандартные ошибки параметров множественной регрессии.
  35. Показатели значимости факторов в уравнении множественной регрессии, соотношения между ними.
  36. Применение ОМНК для модели регрессии с гетероскедастичными остатками.
  37. Применение ОМНК для модели регрессии с автокоррелированными остатками.
  38. Метод скользящего среднего.
  39. Метод экспоненциального сглаживания.
  40. Адаптивная модель Брауна.
  41. Прогнозирование значений временного ряда.
  42. Исследование взаимосвязи временных рядов. Методы исключения тенденции.
  43. Коинтеграция временных рядов. Проверка гипотезы о коинтеграции временных рядов.
  44. Оценивание параметров уравнения регрессии временных рядов при наличии автокорреляции в остатках.
  45. Область применения и алгоритм косвенного МНК.
  46. Область применения и алгоритм двухшагового МНК.
  47. Область применения и алгоритм взвешенного МНК.
  48. Удаление аномальных наблюдений с помощью пакетов “Анализ данных” и Statistica.
  49. Использование пакета “Анализ данных” для построения моделей множественной регрессии.
  50. Использование пакета Statistica для построения моделей множественной регрессии.
  51. Оценка мультиколлинеарности факторов при построении моделей множественной регрессии.
  52. Матричная версия ридж-регрессии.
  53. Выполнение прогноза с помощью пакета Statistica.
  54. Выполнение прогноза с помощью матричных вычислений.
  55. Использование пакета Statistica для оценивания моделей с распределенным лагом.



Протокол

согласования рабочей программы с другими дисциплинами специальности на 201 / 201 учебный год



Наименование дисциплин, изучение которых опирается на данную дисциплину

Кафедра

Предложения об изменениях в пропорциях материала, порядка изложения и т.д.

Принятое решение

(протокол N°. дата) кафедрой, разработавшей программу

1

2

3

4

Моделирование бизнес-процессов

ПМиМС







Экономическая диагностика










Экономико-математическое моделирование производственных систем

ПМиМС







Управление проектами в издательско-полиграфической деятельности












^ Дополнения и изменения в рабочей программе

на 201 / 201 учебный год


В рабочую программу вносятся следующие изменения:


____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________

____________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________________


Рабочая программа пересмотрена и одобрена на заседании


кафедры « »____________________201 г.


    Заведующий кафедрой ___________________/ /

    _______________________________________________________





Внесенные изменения утверждаю

Проректор по учебной работе

_______________Т.В. Маркелова



«_____»___________201 г.