Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
«Московский государственный университет технологий и управления имени К.Г.Разумовского»
филиал ФГБОУ ВПО «МГУТУ имени К.Г.Разумовского» в г. Мелеузе (Республика Башкортостан)
КАФЕДРА ЭКОНОМИКИ И ПРАВА
ЭКОНОМЕТРИКА
УЧЕБНО-МЕТОДИЧЕСКОЕ ПОСОБИЕ
Направление подготовки - 080100 «Экономика»
Профили «Бухгалтерский учет, анализ и аудит», «Финансы и кредит», «Экономика организаций»
Мелеуз - 2012
|
[1] Содержание
[1.1] [1.2] 2 Содержание дисциплины [1.2.1] 2.1 Учебно-образовательные модули дисциплины, их трудоемкость [1.2.2] 2.2 Дидактический минимум учебно-образовательных модулей дисциплины
[1.2.3] [1.3] 3. Самостоятельная работа [1.3.1] 3.1 Задания и методические рекомендации по организации самостоятельной работы [1.3.2] 3.2 Методические указания по выполнению контрольной работы
[1.4]
[1.5] |
Цель и задачи дисциплины «Эконометрика» определены в соответствии с Государственным образовательным стандартом высшего профессионального образования по направлению 080100 «Экономика».
Основная цель дисциплины «Эконометрика» является обучение студентов методологии и методике построения и применения эконометрических моделей для анализа состояния и для оценки закономерностей развития экономических и социальных систем в условиях взаимосвязей между их внутренними и внешними факторами, обоснования наиболее приоритетных направлений деятельности фирм, предприятия в условиях конкурентной среды.
Задачи изучения дисциплины «Эконометрика» являются:
расширение и углубление теоретических знаний о качественных особенностях экономических и социальных систем, количественных взаимосвязях и закономерностях их развития;
— овладение методологией и методикой построения и применения эконометрических моделей как для анализа состояния, так и для оценки закономерностей развития указанных систем;
— изучение наиболее типичных моделей и получение навыков практической работы с ними, в частности, эконометрические модели спроса, выпуска продукции, ценообразования и другие;
Место дисциплины в структуре ООП
Дисциплина «Эконометрика» относится к дисциплинам по выбору профессионального цикла (Б.3).
Изучение дисциплины требует знаний, полученных ранее при изучении дисциплин «Микроэкономика», «Макроэкономика», «Статистика», «Линейная алгебра», «Математический анализ», «Теория игр»
Освоение дисциплины «Эконометрика» необходимо для дальнейшего успешного изучения дисциплин «Макроэкономическое планирование и прогнозирование», «Региональная экономика», «Планирование».
Общие требования к содержанию и уровню освоения дисциплины
Обучающиеся, приступая к изучению дисциплины «Эконометрика», должны:
знать: основы экономической теории и математического анализа;
уметь применять методы математического анализа для описания и решения прикладных задач;
владеть современными информационными технологиями для обработки экономической информации.
Компетенции обучающегося, формируемые в результате освоения дисциплины.
Выпускник по направлению подготовки «Экономика» в соответствии с задачами профессиональной деятельности и целями основной образовательной программы после изучения дисциплины «Эконометрика» должен обладать следующими компетенциями:
общекультурные компетенциями (ОК):
профессиональными компетенциями (ПК):
В результате освоения дисциплины «Эконометрика» студенты
должны знать:
должны уметь:
должны владеть:
- методологией экономического исследования;
- современными методами сбора, обработки и анализа экономических и социальных данных;
- современной методикой построения эконометрических моделей;
- методами и приемами анализа экономических явлений и процессов с помощью стандартных теоретических и эконометрических моделей;
- современными методиками расчета и анализа социально-экономических показателей, характеризующих экономические процессы и явления на микро- и макроуровне;
- навыками самостоятельной работы, самоорганизации и организации выполнения поручений;
Общая трудоемкость дисциплины составляет 4 зачетных единицы. 1 зачетная единица равна ориентировочно 36 академическим часам.
В таблице 1 дано название базовых образовательных модулей дисциплины и рекомендованные виды учебной работы, которые детализированы в зависимости от используемых технологий обучения. Трудоемкость модулей в зачетных единицах и видов учебной работы в пределах каждого модуля в учебных часах установлена в зависимости от технологии обучения и определяется временными затратами на освоение регламентированного минимума результатов обучения в виде компетенций, знаний, умений и навыков.
Таблица 1 - Базовые модули дисциплины «Эконометрика», рекомендуемая трудоемкость, академические часы
|
№ п/п |
Наименование модуля и темы |
Всего |
Аудиторные |
В т.ч. |
Самост. работа |
|
|
лекции |
практические |
|||||
|
1 |
Модуль 1. Стартовые предпосылки |
12 |
1 |
1 |
- |
11 |
|
2 |
Тема 1. Введение в дисциплину |
0,25 |
0,25 |
|||
|
3 |
Тема 2. Модель и моделирование |
0,5 |
0,5 |
|||
|
4 |
Тема 3. Переменные в моделях и их типы |
0,25 |
0,25 |
|||
|
5 |
Модуль 2. Парный регрессионный анализ |
48 |
4 |
2 |
2 |
44 |
|
6 |
Тема 1. Уравнение и вид функции парной регрессии |
1 |
0,5 |
0,5 |
||
|
7 |
Тема 2. Оценка параметров уравнения линейной регрессии |
1 |
0,5 |
0,5 |
||
|
8 |
Тема 3. Оценка адекватности модели и существенности параметров линейной регрессии |
1 |
0,5 |
0,5 |
||
|
9 |
Тема 4 Прогнозирование и нелинейная регрессия |
1 |
0,5 |
0,5 |
||
|
10 |
Модуль 3. Модель множественной регрессии |
48 |
4 |
3 |
1 |
44 |
|
11 |
Тема 1. Спецификация моделей множественной линейной регрессии |
1 |
0,5 |
0,5 |
||
|
12 |
Тема 2. Оценка параметров уравнения множественной линейной регрессии. |
1 |
0,5 |
0,5 |
||
|
13 |
Тема 3. Оценка адекватности и существенности параметров модели множественной регрессии |
1 |
0,5 |
0,5 |
||
|
14 |
Тема 4. Оценка систем эконометрических уравнений |
1 |
0,5 |
0,5 |
||
|
15 |
Модуль 4. Моделирование временных рядов |
36 |
3 |
2 |
1 |
33 |
|
16 |
Тема 1. Понятие временного ряда |
1 |
1 |
0 |
||
|
17 |
Тема 2. Моделирование тенденций временного ряда |
1 |
0,5 |
0,5 |
||
|
18 |
Тема 3. Динамические эконометрические модели |
1 |
0,5 |
0,5 |
||
|
Всего по дисциплине |
144 |
12 |
8 |
4 |
132 |
Таблица 2 - Обязательный дидактический минимум содержания учебно-образовательных модулей и тем дисциплины
|
№ п/п |
Наименование модуля и тем дисциплины |
Дидактический минимум |
|
1 |
Модуль 1. Стартовые предпосылки |
|
|
2 |
Тема 1. Введение в дисциплину |
Сущность, цели, задачи, предмет и методы эконометрики. Предпосылки возникновения, история развитие, современная роль предмета, перспективы |
|
3 |
Тема 2. Модель и моделирование |
Модель, этапы моделирование, проблемы построения эконометрических моделей, отбор факторов |
|
Тема 3. Переменные в моделях и их типы |
Экзогенные переменные. Эндогенные переменные. Предопределенные переменные. Лаговые эндогенные переменные. Ковариация, дисперсия, корреляция |
|
|
4 |
Модуль 2. Парный регрессионный анализ |
|
|
5 |
Тема 1. Уравнение и вид функции парной регрессии |
Парный регрессионный анализ. Спецификация модели. Результативный признак, признак-фактор и стохастическая переменная в модели. Параметры регрессии. |
|
6 |
Тема 2. Оценка параметров уравнения линейной регрессии |
Оценки наименьших квадратов для параметров линейной модели связи между двумя экономическими факторами. Полная, объясняемая моделью и остаточная суммы квадратов. Дисперсионный анализ. Коэффициент детерминации и его связь с коэффициентом корреляции между факторами. Примеры подгонки модели линейной связи к реальным данным экономической статистики (модели спроса, расходов и др.). |
|
8 |
Тема 3. Оценка адекватности модели и существенности параметров линейной регрессии |
Число степеней свободы. Дисперсия на одну степень свободы. F- критерий Фишера. Стандартные ошибки коэффициентов уравнения регрессии. t – критерий Стьюдента. Доверительные интервалы. Интервалы прогноза. Средняя ошибка аппроксимации. |
|
Тема 4 Прогнозирование и нелинейная регрессия |
Нелинейные модели связи между экономическими факторами, сводящиеся и не сводящиеся к линейной модели. Предельная склонность к потреблению. Эластичность. Примеры подбора нелинейных моделей к реальным данным экономической статистики |
|
|
Модуль 3. Множественная регрессия и корреляция |
||
|
Тема 1. Спецификация моделей множественной линейной регрессии |
Модель множественной линейной регрессии - привлечение для объяснения изменчивости исследуемого экономического показателя нескольких экономических факторов. Система нормальных уравнений. |
|
|
Тема 2. Оценка параметров уравнения множественной линейной регрессии. |
Оценки наименьших квадратов, их вычисление. Интерпретация оценок коэффициентов. Частные уравнения регрессии и частные коэффициенты эластичности. Проверка статистических гипотез о значениях коэффициентов. |
|
|
Тема 3. Оценка адекватности и существенности параметров модели множественной регрессии |
Индекс множественной корреляции. Скорректированный индекс множественной корреляции. Коэффициент частной корреляции Коэффициент частной корреляции. F- критерий Фишера модели множественной регрессии. t – критерий Стьюдента. Использование оцененной модели для прогнозирования. Фиктивные переменные. Проблемы гетероскедастичности |
|
|
Тема 4. Оценка систем эконометрических уравнений |
Общее понятие о системах уравнений, используемых в эконометрике. Оценка точно идентифицированного уравнения. Косвенный метод наименьших квадратов (КМНК). Двухшаговый и трехшаговый метод наименьших квадратов |
|
|
9 |
Модуль 4. Моделирование временных рядов |
|
|
Тема 1. Понятие временного ряда |
Временные ряды и их характеристики. Основные факторы, влияющие на значения членов временного ряда. Основные задачи анализа временного ряда. Автокорреляция уровней временного ряда и выявление его структуры |
|
|
Тема 2. Моделирование тенденций временного ряда |
Моделирование тенденции временного ряда (построение тренда). Моделирование сезонных и циклических колебаний. Модели авторегрессии, скользящего среднего. Исключение сезонных колебаний и тенденций. |
|
|
Тема 3. Динамические эконометрические модели |
Общая характеристика динамических эконометрических моделей. Модели авторегрессии. Модели с распределенным лагом. Автокорреляция случайных составляющихКритерий Дарбина—Уотсона. Устранение автокорреляции случайных составляющих. Прогнозирование на основе моделей временных рядов. |
Практические работы являются формой групповой аудиторной работы в малых группах. Основная цель практических работ – это приобретение инструментальных компетенций и практических навыков в области документирования управленческой информации. Практические работы рекомендуется проводить в основном по всем учебно-образовательным модулям. Содержание практических работ должно соответствовать профессиональной области знаний, по которой осуществляется обучение. В таблице 6 представлен перечень практических занятий, рекомендуемый для различных областей знаний, а также определены основные цели, которые должны быть достигнуты.
Практические занятия полностью обеспечены учебными и методическими пособиями и указаниями по каждой работе, необходимыми для учебного процесса (имеется Практикум по дисциплине «Эконометрика»). Перед проведением практических занятий студенты должны освоить требуемый теоретический материал и процедуры выполнения практических работ по предварительно полученным учебным и методическим материалам. Повысить эффективность проведения практических занятий возможно за счет использования информационных технологий, мультимедийных программных средств.
Таблица 3 - Практические работы для студентов дневной формы
|
№ п/п |
Учебно-образовательный модуль. |
Примерный перечень практических работ или семинарских занятий |
Часы |
|
1 |
Модуль 2. Парный регрессионный анализ |
Решение задач и разбор ситуаций по определению параметров уравнения регрессии; Решение задач и разбор ситуаций по коэффициентам корреляции и детерминации; Оценка адекватности модели |
2 |
|
2 |
Модуль 3. Модель множественной регрессии |
Решение задач и разбор ситуаций по определению параметров уравнения множественной регрессии; Оценка адекватности модели Расчет вариантов стратегического развития регионов и обоснование выбора варианта |
2 |
|
3 |
Модуль 4. Моделирование временных рядов. |
Решение задач и разбор ситуаций по определению параметров временных рядов; Составление мультипликативной и аддитивной моделей. Деловая игра: «Прогнозирование развития» |
2 |
|
Всего часов |
4 |
Самостоятельная работа студентов должна составлять не менее 50% от общей трудоемкости дисциплины и является важным компонентом образовательного процесса, формирующим личность студента, его мировоззрение и культуру профессиональной деятельности, способствует развитию способности к самообучению и постоянному повышению своего профессионального уровня.
Цели самостоятельной работы
Формирование способностей к самостоятельному познанию и обучению, поиску литературы, обобщению, оформлению и представлению полученных результатов, их анализу, умению принять решение, аргументированному обсуждению предложений, умений подготовки выступлений и ведения дискуссии.
Организация самостоятельной работы
Самостоятельная работа заключается в изучении тем программы дисциплины по рекомендуемой учебной литературе, в изучении тем лекций, в подготовке к практическим занятиям, тренингам, деловым обучающим играм, к текущему модульному контролю, промежуточной аттестации – рубежному контролю – зачету. Для студентов заочной формы обучения также предусматривается выполнение контрольной работы.
Содержание самостоятельной работы
Тематика самостоятельной работы определяется вузом и должна иметь профессионально-ориентированный характер и непосредственную связь рассматриваемых вопросов с будущей профессиональной деятельностью выпускника.
В самостоятельную работу включена подготовка рефератов, доклада и презентации по теме реферата. В начале учебного процесса после вводной лекции, в которой указывается структура и общее содержание дисциплины, проблемы и практическая значимость, студентам предлагается перечень тем рефератов в рамках существующих проблем данной дисциплины, из которого студенты выбирают тему реферата. Студент может предложить свои индивидуальные темы в рамках общей тематики.
Студенты готовят текст реферата и делают по нему презентацию доклада, который представляют в группе. Обсуждение доклада происходит с участием всех студентов группы. Такая активная технология обучения способствует развитию у студентов информационной коммункативности, активности мышления, умений вести дискуссию, аргументированно отвечать на вопросы, анализировать и синтезировать изучаемый материал.
Цель контрольной работы по курсу «Эконометрика» - углубление, систематизация, а также закрепление знаний, полученных в лекционном курсе и на практических занятиях.
Для бизнесменов, предпринимателей; для менеджеров, экономистов, в конкретных обстоятельствах необходимо знать, оценить, предвидеть за счет каких факторов, и в какой степени можно увеличить прибыль, снизить затраты на единицу выпуска продукции, обосновать выпуск конкурентоспособной продукции, активизировать производственно-хозяйственную деятельность предприятия и т.д., то есть необходимо количественно оценить возможные сценарии развития ситуации. Решение подобных задач, как правило, осуществляется на основе разумного использования эконометрических методов.
Современный экономист должен уметь формировать (исследовать) различные эконометрические модели и осуществлять (обосновывать) по ним соответствующие экономические выводы с тем расчетом, чтобы формировать экономические модели спроса, выпуска продукции, ценообразования и другие. При выполнении контрольных работ, также следует обратить внимание на выбор адекватных функций имитирующих реальные экономические процессы. При выполнении контрольных работ - главное не механические расчеты, а осуществление последовательных, содержательных экономических расчетов, позволяющих обосновать наиболее приоритетные направления деятельности фирм, предприятия и т.д. с тем расчетом, чтобы достичь конкурентных преимуществ.
Объем контрольной работы 20-25 страниц. В работе обязательно должно быть оглавление, список использованных источников информации.
Работа выполняется в печатном виде, формат А4, подшивается в папку. Оформляется на компьютере в текстовом редакторе Word (совместимом с Word 97-2003). Размер полей (расстояние между текстом и краем страницы): слева – 30мм, справа – 10 мм, сверху – 25 мм, снизу – 22 мм. Нумерация страниц – по центру вверху страницы на уровне 15 мм от края листа арабскими цифрами. Межстрочный интервал – 1,5 (в рабочем поле располагается 28-30 строк); размер шрифта (кегль) – 14; тип (гарнитура) шрифта: - для основного текста Times New Roman, начертание литер обычное; для заголовка желательно Arial, начертание литер полужирное; выравнивание основного текста – по ширине; перенос – автоматический.
Варианты контрольной работы
Вариант 1. Для студентов фамилии которых начинаются с букв А, Б, В.
1. Сформулируйте основные принципы, методы построения эконометрических моделей спроса, предложения, ценообразования. Приведите примеры.
2. Решите задачу. Имеются данные, характеризующие динамику спроса (у) в зависимости от насыщенности рынка (х1) и фактора цен (х2).
Успрос 43,3; 44,1; 45,8; 46,6; 47,3; 48,4; 49,3; 49,5; 49,8; 49,9; 49,9; 50,0
Х1 (н.р) 80,2; 80,9; 81,4; 81,9; 83,8; 84,2; 85,7; 87,9; 88,3; 89,1; 90,3; 93,1
Х2 (цена) 16,0; 16,0; 16,3; 16,9; 17,3; 17,7; 18,1; 18,5; 18,6; 18,9; 19,0; 19,3
Требуется предвидеть дальнейшее поведение спроса на периоды t13, t14, t15, t16.
Оцените адекватность выводов.
Вариант 2. Для студентов, фамилии которых начинаются с букв Г, Д, Е.
1. Прокомментируйте наиболее привлекательные функции для оценки спроса, выпуска продукции, ценообразования.
2. Решите задачу. Имеются данные, характеризующие последовательность изменения цен в зависимости от факторов:
У(цена) 26,4; 28,1; 28,9; 31,4; 32,2; 33,4, 38,9; 41,4; 42,2; 43,4
Х1 (спрос) 84,3; 84,4; 85,3; 83,3; 82,3; 81,4; 80,3; 80,0; 77,8; 76,1
Х2 (н. р.) 87,3; 88,4; 89,1; 90,3; 91,3; 92,4; 93,1; 94,3; 95,4; 96,8
Требуется определить, по каким ценам можно выставлять товары на потребительский рынок, если тенденция спроса и насыщенности рынка сохранится на прежнем уровне. Оцените адекватность выводов.
Вариант 3. Для студентов фамилии которых начинаются с букв Ж, З, И.
1. Уравнения регрессии и корреляции. Коэффициенты парной и множественной корреляции. Оценка качества уравнения регрессии.
2. . Решите задачу. Имеются данные, характеризующие динамику уровня квалификации рабочих (у) в зависимости от оплаты труда (х1) и стажа работы (х2).
Уквалиф. 3,3; 4,1; 4,4; 4,6; 4,7; 5,4; 5,9; 6,5; 6,8; 6,9; 6,9; 7,0
Х1 (з.п.) 8,2; 8,9; 8,4; 8,9; 8,8; 8,2; 8,7; 8,9; 8,3; 9,1; 9,3; 9,1
Х2 (стаж) 16,1; 16,1; 16,3; 16,9; 17,3; 17,7; 18,8; 18,5; 18,6; 18,9; 19,0; 19,3
Оцените адекватность выводов
Вариант 4. Для студентов, фамилии которых начинаются с букв К, Л, М.
1. Раскройте содержание стационарных и нестационарных временных рядов. Оценка факторов временного ряда.
2. Решите задачу. Имеются данные, характеризующие последовательность изменения спроса (У) в зависимости от двух факторов: (Х1) - насыщенность потребительского рынка, (Х2) - цена:
Успрос 172,4; 170,1; 169,8; 161,3; 153,8; 146,3; 145,8; 145,3; 144,8
Х1(н.р.) 119,4; 120,8; 120,9; 121,4; 125,8; 129,8; 131,4; 134,8; 135,6
Х2(цена) 13,5; 15,8; 17,4; 18,1; 19,1; 19,3; 19,5; 19,8; 21,4
Оцените адекватность выводов.
Вариант 5. Для студентов, фамилии которых начинаются с букв Н, О, П.
1. Раскройте содержание многофакторных эконометрических моделей выпуска продукции. Метод трех точек.
2. Обоснуйте целесообразность расширения производства, если:
У(спрос) 77,1; 77,9; 79,1; 81,8; 84,3; 84,9; 85,1; 85,7; 85,9; 86,4
Х1 (н. р.) 85,9; 86,2; 87,3; 89,9; 90,3; 90,4; 90,8; 91,3; 91,7; 91,8
Х2 (цена) 11,2; 11,9; 12,1; 12,5; 13,3; 13,7; 13,9; 14,1; 14,3; 14,8
При этом коэффициент использования производственной мощности не превышает 79 %.
Вариант 6. Для студентов, фамилии которых начинаются с букв Р, С, Т.
1. Динамические модели прогнозирования выпуска продукции с автокоррелированными остатками. Доверительные интервалы прогноза.
2. Имеются данные, характеризующие последовательность изменения спроса во времени (t):
У(спрос) 16,1; 17,8; 16,8; 18,3; 17,9; 19,1; 18,7; 20,8; 19,7; 21,3; 20,7; 22,3; 21,4; 23,3; 22,7; 24,9; 23,7; 22,9; 25,6; 24,8; 26,3; 25,9; 27,8; 28,8; 29,3; 29,8; 30,1; 30,7; 31,8
Требуется обосновать дальнейшее поведение спроса. Оцените адекватность выводов.
Вариант 7. для студентов, фамилии которых начинаются с букв У, Ф, Х.
1. Экстремум функции нескольких переменных. Условный экстремум и их интерпретация относительно технико-экономических показателей. Гомоскедастичность, гетероскедастичность остатков.
2. Имеются данные:
У(спрос) 30,1; 32,3; 32,6; 33,1; 33,5; 34,1; 34,3; 34,6; 35,1; 35,5
Х1 (цена) 16,1; 17,6; 17,9; 18,9; 19,7; 20,1; 20,6; 20,9; 21,5; 21,7
Х2 (качество) 91,3; 91,8; 92,3; 92,9; 93,3; 94,3; 95,8; 96,3; 96,9; 97,3
Требуется исследовать факторы спроса. Оцените адекватность вывода.
Вариант 8. Для студентов, фамилии которых начинаются с букв Ц, Ч, Ш.
1. Парные регрессионные модели и корреляция. Базовая регрессионная модель. Процесс выбора математической формы связи.
2. Требуется обосновать дальнейшее поведение цены. Оцените адекватность выводов.
У(цена) 46,1; 47,8; 46,8; 48,3; 47,9; 49,1; 48,7; 50,8; 49,7; 51,3; 50,7; 52,3; 51,4; 53,3; 52,7; 54,9
Вариант 9. Для студентов, фамилии которых начинаются с букв Щ, Э, Ю,Я
2. Имеются данные, характеризующие последовательность изменения спроса в зависимости от факторов: Х1 (насыщенность рынка); Х2 (цена); Х3 (качество продукции).
У(спрос) 140,3; 140,8; 142,3; 146,3; 149,8; 150,3; 154,3; 156,8
Х1 (н. р.) 83,4; 83,8; 84,4; 85,6; 86,1; 86,4; 86,6; 87,1
Х2 (цена) 18,1; 19,3; 19,6; 19,9; 20,3; 20,6; 20,9; 21,3
Х3 (качество) 90,0; 90,1; 90,2; 90,3; 90,4; 90,8; 91,3; 91,8
Построить качественную регрессионную.
Основная литература:
1. Хубулава Н.М. Эконометрика. Учебно-практическое пособие. М., МГТА, 2004.
2. Хубулава Н.М. Практикум по курсу: "Эконометрика". М., МГУ ТУ, 2007.
3. Хубулава Н.М. "Эконометрика". Учебник. Восход-А. М., 2010.
4. Эконометрика. Учебник. Под редакцией Члена корреспондента РАН Елисеевой И.И. М., 2002.
5. Практикум по эконометрике. Под редакцией Члена корреспондента РАН Елисеевой И.И. М., 2003.
Дополнительная литература:
1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М., ЮНИТИ, 1998
2. Андерсон Т. Статистический анализ временных рядов. М., Мир, 1976.
3. Бендат Дж., Пирсон А. Применения корреляционного и спектрального анализа: Пер. с анг. М., Мир. 1983.
4. Бокс Дж. Дженкинс Г. Анализ временных рядов. Прогноз и управление: Пер. с анг. М., Мир, 1979.
5. Болч Б.. Хуань К. Дж. Многомерные статистические методы для экономики: Пер. с анг., М., статистика, 1979.
6. Боровиков В.П., Ивченко Г.И. Прогнозирование в системе STATISTUCA в среде Windows. М., Финансы и статистика, 1999.
7. Венецкий И.Г., Кильдишев Г.С. Теория вероятностей и математическая статистика. М., Статистика, 1975.
8. Виленкин Н.Я. Комбинаторика. М., Наука, 1969.
9. Глаголев А.А., Солнцева Т.В. Курс высшей математики. М. Высшая школа, 1971.
10. Дуброва Т.А. Статистические методы прогнозирования. М., ЮНИТИ, 2003.
11. Доугерти К. Введение в эконометрику: Пер. с анг. М., ИНФРА –М. 2001.
12. Кендэл М. Временные ряды. Пер. с анг. М., Финансы и статистика, 1981.
13. Кильдишев Г.С., Френкель А.А. Анализ временных рядов и прогнозирование. М., Статистика, 1973.
14. Кремер Н.Ш., Путко Б.А. Эконометрика. Пер. с анг. М., ИНИТИ-Д, 2002.
15. Ланкастер К. Математическая экономика. М., Советское радио, 1972.
16. Лугачев М.И., Ляпунов Ю.П. Методы социального прогнозирования. М., МГУ, ТЕИС, 1999.
17. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования. М., Статистика, 1979.
18. Льюис К.Д. Методы прогнозирования экономических показателей. М., Финансы и статистика, 1986.
19. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М., Дело, 2000.
20. Маленво Э. Статистические методы эконометрии. Перевод с франц., Статистика. 1975.
21. Отнес Р., Эноксон Л. Прикладной анализ временных рядов. Пер. с анг. М., Мир, 1982.
22. Тейл Г. Прикладное экономическое прогнозирование. Пер. с анг., М., Статистика, 1972.
23. Харман Г. Современный факторный анализ. М., Статистика, 1972.
24. Хазанов Ю.С. М., Статистика, 1979.
25. Четыркин Е.М. Статистические методы прогнозирования. М., Статистика, 1975.
26. Швирков В.В. Тайна традиционной статистики Запада. М., Финансы и статистика, 1998.
27. Ежеманская С.Н. Эконометрика. Высшее образование. Феникс. Ростов-на-Дону, 2007.
28. Прокопьев С.П. Прикладная эконометрика. Санкт-Петербург, 2008.
Эконометрика – это наука, которая даёт количественное выражение взаимосвязей экономических явлений и процессов.
Эконометрические модели позволяют выявить особенности функционирования экономического объекта и на основе этого предсказывать будущее его поведение при изменении каких-либо параметров.
Эндогенные – это внутренние переменные получаются в результате расчетов (например, выпуск продукции, численность работников, производительность труда)
Экзогенные - внешние переменные (например, поставка ресурсов, климатические условия и др.), задаются вне модели, т.е. известны заранее, а эндогенные переменные.
Регрессионными называют модели, основанные на уравнении регрессии, или системе регрессионных уравнений, связывающих величины эндогенных (у) и экзогенных (х) переменных.
Линейная модель уравнение парной регрессии имеет вид:
у = а0 + а,х,
Линейная модель уравнение множественной регрессии:
у = а0+а,х,+а2х2+.. аnхn
Функциональные связи характеризуются полным соответствием между изменением факторного признака (признаков) и исследуемого показателя. Так, величина начисленной зарплаты при повременной оплате труда однозначно определяется количеством отработанных часов.
Корреляционные связи характеризуются тем, что между изменением факторного и результативного признаков нет однозначного соответствия, воздействие факторов проявляется лишь в среднем при многократном наблюдении фактических данных.
Парная регрессия – регрессия между двумя переменными y и x, то есть модель вида: y=f(x)+ε, где:
y - зависимая переменная (результативный признак),
x – независимая, объясняющая, переменная ( признак- фактор),
ε - возмущение или стохастическая переменная, включающая влияние неучтенных в модели факторов.
Метод наименьших квадратов – метод оценивания параметров линейной регрессии, минимизирующий сумму квадратов отклонений наблюдений зависимой переменной от искомой линейной функции.
Коэффициент корреляции величин x и y (rxy)– свидетельствует о наличии или отсутствии линейной связи между переменными:
Если: rxy = -1, то наблюдается строгая отрицательная связь;
rxy = 1, то наблюдается строгая положительная связь;
rxy = 0, то линейная связь отсутствует.
Коэффициент детерминации (rxy2) – характеризует долю дисперсии результативного признака y, объясняемую дисперсией, в общей дисперсии результативного признака. Чем ближе rxy2 к 1, тем качественнее регрессионная модель, то есть исходная модель хорошо аппроксимирует исходные данные.
Временной ряд - это последовательность экономических показателей измеренных через равные промежутки времени. В экономике временные ряды - это ежедневные цены на акции, курсы валют, еженедельные и месячные объемы продаж, годовые объемы производства и т.п.
Трендом временного ряда называют плавно изменяющуюся, не циклическую компоненту, описывающую чистое влияние долговременных факторов, эффект которых сказывается постепенно.
Сезонная компонента временного ряда отражает повторяемость процессов во времени. Описывает поведение, изменяющееся регулярно в течение заданного периода (года, месяца, недели, дня и т.п.). Она состоит из последовательности почти повторяющихся циклов.
Циклическая компонента занимает как бы промежуточное положение между закономерной и случайной составляющими временного ряда, описывает длительные периоды относительного подъёма и спада.
Мультиколлинеарность наличие среди переменных (факторов) линейно связанных.
Коллинеарность - линейная зависимость, если парный коэффициент корреляции между ними по абсолютной величине превышает 0,8.
Коэффициент детерминации применяется для оценки тесноты связи модели с исходными данными, показывает долю изменения (вариации) результативного признака под действием факторного признака.
Коэффициент эластичности показывает, на сколько процентов изменяется результативный признак у при изменении факторного признака X, на один процент.
Аддитивная модель – модель вида: Y=T+S+E,
где Т - трендовая компонента;
S – циклическая компонента;
Е – случайная компонента.
Мультипликативная модель – модель вида: Y=T*S*E.
Автокорреляция временного ряда – корреляционная зависимость между последовательными уровнями временного ряда.
Лаг – число периодов, по которым рассчитывается коэффициент автокорреляции.
Две переменные явно коллинеарны, т. е. находятся между собой в линейной зависимости, если rxixj ≥ 0,7
Общая сумма квадратов отклонений (Sобщ):
Факторная сумма квадратов отклонений (Sфакт):
Остаточная сумма квадратов отклонений (S ост):
S ост= Sобщ - Sфакт.
Дисперсия на одну степень свободы:
Добщ = Sобщ /(n-1); Дфак= Sфак / 1; Дост = S ост/ (n-2).
F – критерий Фишера:
Fвыч= Дфак / Дост.
Если Fвыч > Fтаб, то уравнение регрессии значимо.
Стандартные ошибки коэффициентов регрессии:
Фактическое значение t-критерия Стьюдента:
tb=b/mb; ta=a/ma.
Доверительные интервалы : b+t* mb и b-t* mb; a+t* ma и a-t* ma.
Корреляция для нелинейной регрессии:
Чем ближе R к 1, тем теснее связь рассматриваемых признаков.
F-критерий Фишера для нелинейной регрессии:
где: n – число наблюдений, а m – число параметров при переменных x.
Средняя ошибка аппроксимации:
Гомоскедастичность дисперсии остатков означает, что для каждого значения фактора xj остатки (ε = yi - i) имеют одинаковую дисперсию. (Это условие применения МНК).
Гетероскедастичность дисперсии остатков означает, что для каждого значения фактора xj остатки ε различны, не имеют одинаковую дисперсию, выполняются неравенства
PAGE \* MERGEFORMAT 1