• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Эконометрика

2018/2019
Учебный год
RUS
Обучение ведется на русском языке
2
Кредиты
Статус:
Курс по выбору
Когда читается:
1-й курс, 2 модуль

Преподаватель

Программа дисциплины

Аннотация

Настоящая рабочая программа дисциплины устанавливает минимальные требования к образовательным результатам, а также определяет содержание и виды учебных занятий и отчетности. Программа предназначена для преподавателей, ведущих дисциплину «Эконометрика», учебных ассистентов и студентов образовательной программы «Городское развитие и управление» направления 38.04.04 «Государственное и муниципальное управление». Программа разработана в соответствии с: • Образовательным стандартом НИУ ВШЭ по направлению подготовки 38.04.04 «Государственное и муниципальное управление» (квалификация «магистр»), утвержденным ученым советом Национального исследовательского университета «Высшая школа экономики», протокол от 06.12.2013 №50. • Образовательной программой подготовки магистров по направлению 38.04.04 «Государственное и муниципальное управление» «Городское развитие и управление» . • Объединенным учебным планом университета по образовательной программе «Городское развитие и управление», утвержденным в 2018 г.
Цель освоения дисциплины

Цель освоения дисциплины

  • Целями освоения дисциплины являются формирование у студентов теоретических знаний и практических навыков исследования закономерностей в реальных данных, необходимых для приобретения профессиональных компетенций по самостоятельному осуществлению научно-исследовательской работы в сфере государственного и муниципального управления, использованию в управленческой деятельности современных информационно-коммуникационных технологий.
Планируемые результаты обучения

Планируемые результаты обучения

  • Умеет оценивать линейную парную и множественную регрессии методом МНК в программной среде R-Studio. Знает статистические статистические свойства оценок коэффициентов. Умеет интерпретировать линейные модели.
  • Знает о последствиях мультиколлинеарности, гетероскедастичности и автокорреляции для свойств МНК-оценки линейной регрессии. Умеет осуществлять тестирование на наличие мультиколлинеарности, гетероскедастичности и автокорреляции. Умеет предлагать решения или условия устранения мультиколлинеарности, гетероскедастичности и автокорреляции.
  • Понимает общие свойства метода максимального правдоподобия. Понимает отличие моделей с бинарной зависимой переменной от нормальных моделей линейной регрессии. Умеет оценивать logit и probit модели в R-Studio и интерпретировать результаты оценок параметров.
  • Понимает примеры моделей одномерных временных рядов. Умеет проверять стационарность временного ряда. Умеет выбирать спецификацию модели временного ряда на основе оценки автокорреляционной и частной автокорреляционной функции.Умеет прогнозировать на основе модели временного ряда.
  • Понимает причины и последствия эндогенности. Умеет выявлять причины эндогенности и предлагает пути ее устранения. Умеет оценивать регрессии с инструментальными переменными в R-Studio.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в линейную модель регрессии
    Метод наименьших квадратов. Линейная модель множественной регрессии. Свойства МНК-оценок. Проверка статистических гипотез. Асимптотические свойства МНК-оценок. Дамми-переменные, сравнение вложенных моделей.
  • Последствия и условия устранения в множественных регрессиях мультиколлинеарности, гетороскедастичности и автокорреляции
    Понятия мультиколлинеарности, гетероскедастичности и автокорреляции в моделях линейных регрессий. Последствия для свойств МНК-оценки. Тестирование на наличие мультиколлинеарности, гетероскедастичности и автокорреляции. Изучение условий устранения этих явлений.
  • Метод максимального правдоподобия. Модели бинарного выбора.
    Введение в метод максимального правдоподобия. Модели с бинарной зависимой переменной и их оценка ММП (logit и probit-модели).
  • Стационарные временные ряды
    Примеры временных рядов. Стационарность и автокорреляционная функция. Общие процессы авторегрессии-скользящего среднего. Стационарность и единичные корни. Выбор модели: оценка коэффициентов автокорреляций и частных автокорреляций. Прогнозирование с помощью моделей авторегрессии-скользящего среднего.
  • Эндогенность в моделях линейной регрессии
    Последствия нарушение предположения об экзогенности регрессоров. Причины: пропуск существенных переменных; ошибки измерения регрессоров; самоотбор; одновременность. Метод инструментальных переменных. Двухшаговый МНК.
Элементы контроля

Элементы контроля

  • неблокирующий письменная итоговая контрольная работа
  • неблокирующий устное собеседование по пройденному материалу
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.7 * письменная итоговая контрольная работа + 0.3 * устное собеседование по пройденному материалу
Список литературы

Список литературы

Рекомендуемая основная литература

  • Бородич, С. А. (2001). Эконометрика : учебное пособие / С.А. Бородич. - Минск : Новое знание, 2001. - 408 с. Belarus, Europe. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.96B7DC72
  • Густомесов, В. А. (2016). Эконометрика: учебное пособие. Russia, Europe: Российский государственный профессионально-педагогический университет. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.3E67ABB3
  • Методы эконометрики: Учебник / С.А. Айвазян; Московская школа экономики МГУ им. М.В. Ломоносова (МШЭ). - М.: Магистр: ИНФРА-М, 2010. - 512 с.: 70x100 1/16. (переплет) ISBN 978-5-9776-0153-5 - Режим доступа: http://znanium.com/catalog/product/196548

Рекомендуемая дополнительная литература

  • Кийко П. В. (2015). Эконометрика. Продвинутый уровень. [N.p.]: Директ-Медиа. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1467035