Общие рекомендации по организации самостоятельной работы студентов

Дисциплина «Эконометрика (продвинутый уровень)» - важная дисциплина в математическом цикле учебного плана. Она позволяет привить студентам навыки применения базовых математических понятий для модельного анализа объектов и процессов на микро и макроэкономическом уровне. Поэтому студенты должны опираться, в основном, на знания и умения, полученные на лекционных и практических занятиях. Это в целом дает необходимый базис для дальнейшего углубленного изучения других дисциплин. Однако эти знания необходимо активизировать.

Для самостоятельной подготовки можно рекомендовать следующие источники:

· конспекты лекций и материалы практических занятий;

· учебную литературу соответствующего профиля.

Из учебной литературы в первую очередь необходимо рекомендовать учебники вузов с рассмотрением общетеоретических вопросов, а также расширенными подразделами данной тематики. Необходимые темы, как правило, легко найти, используя оглавление, либо предметный указатель в конце издания.

Самая современная информация доступна для пользователей Интернета.

Вопросы для самопроверки.

6.1. Примерный перечень вопросов к экзамену

1. Предмет, цель и задачи эконометрики.

2.Эконометрическая модель, основные этапы построения эконометрической модели.

3. Классификация исходных данных и переменных в эконометрических моделях.

4.Основные задачи регрессионного анализа. Модель парной линейной регрессии.

5. Функция регрессии, линия регрессии. Поле корреляции.

6.Выборочная функция регрессии, ее параметры.

7.Метод наименьших квадратов (МНК), его графическая интерпретация.

8.МНК-оценки параметров парной линейной регрессии, их свойства.

9.Стандартизированное уравнение регрессии, МНК-оценки параметров.

10. Коэффициент корреляции. Свойства.

11. Предпосылки МНК. Теорема Гаусса-Маркова.

12. Оценка качества уравнения регрессии. Коэффициент детерминации.

13. Суммы квадратов отклонений, связь между ними. Дисперсионный анализ.

14. Проверка значимости уравнения (критерий Фишера). Прогнозирование по регрессионной модели.

15. Доверительные интервалы для функции и параметров регрессии.

16. Модель множественной линейной регрессии. МНК-оценки параметров множественной регрессии.

17. Матричная запись МНК-оценок. Предпосылки МНК.

18. Проблема интерпретации коэффициентов регрессии.

19. Оценка качества уравнения множественной линейной регрессии. Коэффициент детерминации.

20. Суммы квадратов отклонений, связь между ними. Дисперсионный анализ.

21. Проверка значимости уравнения множественной линейной регрессии (критерий Фишера). Прогнозирование по модели множественной линейной регрессии. Доверительные интервалы для функции и параметров регрессии. Проверка статистической значимости коэффициентов регрессии.

22. Мультиколлинеарность. Методы устранения (уменьшения) мультиколлинеарности.

23. Вычисление МНК-оценок параметров нелинейной функции как непосредственно, так и после линеаризации, интерпретация коэффициентов.

24. Оценка качества уравнения регрессии. Коэффициент эластичности. Вычисление МНК-оценок параметров нелинеаризуемой нелинейной функции.

25. Тесты на гетероскедастичность (ранговой корреляции Спирмена, Голдфелда-Квандта, Уайта, Глейзера).

26. Авторегрессия первого порядка. Тест Дарбина-Уотсона. Тест серий (Бреуша-Годфри). Тест Льюига-Бокса.

27. Понятие о временных рядах. Основные составляющие временного ряда.

28. Мультипликативная и аддитивная модели временных рядов, их связь.

29. Задачи анализа временных рядов. Графическое представление временного ряда.

30. Этапы выделения компонент мультипликативной и аддитивной модели временных рядов.

31. Методы сглаживания временных рядов (скользящего среднего, экспоненциального сглаживания, последовательных разностей).

32. Прогнозирование на основе моделей временных рядов. Точечный и интервальный прогноз.

4. Тесты.

Дисциплина не предполагает проведение тестов.