Московский государственный университет печати

Ю.П. Голинков


         

Методическое руководство по изучению дисциплины "Эконометрика"

для направлений: 080100 — «Экономика», 080200 — «Менеджмент»


Ю.П. Голинков
Методическое руководство по изучению дисциплины "Эконометрика"
Начало
Об электронном издании
Оглавление

Введение в курс

1.

Тема 1. Основные понятия и определения эконометрики и эконометрического моделирования

1.1.

Основные изучаемые вопросы темы

1.2.

Литература

1.3.

Методические указания

1.4.

Вопросы для самопроверки

2.

Тема 2. Парная регрессия и корреляция

2.1.

Основные изучаемые вопросы

2.2.

Литература

2.3.

Методические указания

2.4.

Вопросы для самопроверки

3.

Тема 3. Множественная регрессия и корреляция

3.1.

Основные изучаемые вопросы

3.2.

Литература

3.3.

Методические указания

3.4.

Вопросы для самопроверки

4.

Тема 4. Анализ временных рядов

4.1.

Основные изучаемые вопросы

4.2.

Литература

4.3.

Методические указания

4.4.

Вопросы для самопроверки

5.

Тема 5. Системы одновременных уравнений

5.1.

Основные изучаемые вопросы

5.2.

Литература

5.3.

Методические указания

5.4.

Вопросы для самопроверки

6.

Лабораторные работы

6.1.

Лабораторная работа № 1

6.1.1.

Цель работы

6.1.2.

Задание

6.1.3.

Информационные ресурсы для выполнения лабораторной работы № 1

6.1.4.

Методика и порядок выполнения лабораторной работы № 1

6.2.

Лабораторная работа № 2

6.2.1.

Цель работы

6.2.2.

Задание

6.2.3.

Информационные ресурсы для выполнения лабораторной работы № 2

6.2.4.

Методика и порядок выполнения лабораторной работы № 2

6.3.

Лабораторная работа № 3

6.3.1.

Цель работы

6.3.2.

Задание

6.3.3.

Информационные ресурсы для выполнения лабораторной работы № 3

6.3.4.

Методика и порядок выполнения лабораторной работы № 3

7.

Литература по всему курсу

7.1.

Основная:

7.2.

Дополнительная:

8.

Формы контроля

По дисциплине “Эконометрика” студенты должны выполнить 3 лабораторных работы. Вариант выби рается самостоятельно.

При выполнении лабораторных работ следует использовать следующие файлы:

  • по ЛР1 - Парная регрессия.xls, Образец отчета по ЛР1.doc;
  • по ЛР2 - Множественная регрессия.xls, Образец отчета по ЛР2.doc;
  • по ЛР3 - Временной ряд.xls, Образец отчета по ЛР3.doc.

Работы, выполненные не в полном объеме, не будут рассматриваться и оцениваться.

Освоение методики построения моделей парной линейной и нелинейной регрессии и оценки их качества.

Построить поле корреляции для заданной совокупности наблюдений, на основе визуального анализа удалить из выборки аномальные наблюдения (не более 5% от исходного числа), добиваясь увеличения коэффициента детерминации для линейной модели парной регрессии.

Используя встроенные функции Excel, для скорректированной выборки наблюдений построить модели парной регрессии для 6 заданных функций регрессии: линейной, степенной, экспоненциальной, полулогарифмической, обратной, гиперболической. Для каждой из построенных моделей определить коэффициент детерминации, среднюю ошибку аппроксимации, коэффициент эластичности. Прокомментировать качество построенных моделей.

Привести расчетные формулы и выполнить вычисления параметров уравнения парной линейной регрессии, показателей статистической значимости уравнения регрессии в целом, коэффициентов регрессии и корреляции, точечного и интервального прогноза. Используя надстройку Excel "Анализ данных" и матричные вычисления, продублировать вычисления параметров модели парной линейной регрессии и всех показателей, характеризующих ее качество.

С помощью пакета STATISTICA провести расчеты для линейной, гиперболической и обратной функций регрессии. Построить график с доверительными интервалами прогноза для линейной регрессии.

Проанализировать возможность улучшения качества модели регрессии за счет применения нелинейных функций регрессии и удаления некоторых наблюдений (не более 10%).

Приступая к выполнению работы, необходимо изучить компьютерный курс лекций по теме 2 "Парная регрессия и корреляция" (файл Эконометрика_ПР.ppt).

Сделав копии файлов Парная регрессия.xls и Образец отчета по ЛР1.doc, необходимо переименовать их как Фамилия_ЛР1.xls и Фамилия_ЛР1.doc.

Открыть файл Фамилия_ЛР1.xls, ответив отрицательно на запросы об отключении макросов и обновлении связей с другими документами. Познакомиться с вариантом 0 Тестовая задача.

Рядом с листами "Модели парной регрессии", "Обратные функции" и др., где рассматривается решение тестовой задачи, добавлять листы "Мои исходные данные", "Мой поиск решения" и т.д. На эти листы рекомендуется последовательно переносить фрагменты исходных листов, корректировать их в соответствии со своим индивидуальным заданием, получать и комментировать требуемые результаты. Объем, содержание и качество оформления разработанных материалов должны соответствовать образцам, представленным на исходных листах для тестовой задачи.

Задания, связанные с применением пакета STATISTICA, допускается выполнять с помощью пакета SPSS или другого популярного статистического пакета.

Материалы, разработанные в документе Фамилия_ЛР1.xls, переносятся в документ Фамилия_ЛР1.doc, замещая соответствующие материалы, относящиеся к тестовой задаче, комментируются и подготавливаются для печати.

По представленным студентом файлам Фамилия_ЛР1.xls и Фамилия_ЛР1.doc преподавателем оцениваются итоги выполнения лабораторной работы.

Освоение методики построения моделей множественной линейной регрессии и оценки их качества.

С помощью пакета "Анализ данных" вычислить описательные статистики для результирующего и факторных признаков. Оценить показатели вариации каждого признака и сделать вывод о возможностях применения МНК для построения качественной модели регрессии.

С помощью пакета "Анализ данных" последовательно удалять аномальные наблюдения (не более 5%), добиваясь улучшения коэффициента детерминации. С помощью пакета Statistica выявить аномальные наблюдения в исходной выборке. Последовательно удалять аномальные наблюдения, добиваясь улучшения показателей вариации. На основе сравнения результатов, полученных двумя методами, сформировать выборку без аномальных наблюдений. После исключения аномальных наблюдений проанализировать линейные коэффициенты парной и частной корреляции.

С помощью пакета "Анализ данных" построить уравнение множественной регрессии в стандартизованной и естественной форме. Рассчитать средние коэффициенты эластичности, сравнить их с коэффициентами стандартизованного уравнения регрессии, пояснить различия между ними. Провести анализ мультиколлинеарности факторов. Рассчитать общий и частные F-критерии Фишера. Обосновать отбор факторов в модели линейной множественной регрессии и построить уравнение регрессии только с информативными факторами. Оценить качество этого уравнения регрессии.

С помощью пакета Statistica построить уравнение множественной регрессии с информативными факторами методами исключения и включения. Для модели с полным набором факторов применить метод ридж-регрессии с различными значениями параметра l, обосновать наиболее подходящую величину l. Выполнить матричные вычисления метода ридж-регрессии для стандартизованной модели и сравнить с результатами, полученными пакетом Statistica.

С помощью матричных вычислений и пакета Statistica провести расчеты точечного прогноза результативного показателя и построить доверительные интервалы прогноза. Проанализировать изменение ширины доверительного интервала при варьировании величины факторных признаков в диапазоне от их минимальных до максимальных значений.

Для уравнения множественной регрессии с информативными факторами провести анализ ряда остатков с помощью пакетов "Анализ данных" и Statistica. Построить графики остатков, выполнить тесты Гольдфельда-Квандта для проверки гомоскедастичности остатков и Дарбина-Уотсона для проверки автокорреляции остатков, оценить соответствие ряда остатков нормальному закону распределения.

С помощью пакета "Анализ данных" и матричных вычислений построить уравнения регрессии, применив взвешенный метод наименьших квадратов (ВМНК). Рассмотреть различные версии моделей: с остатками, пропорциональными разным факторам в первой степени, их квадратам, расчетной величине результативного показателя.

Приступая к выполнению работы, необходимо изучить компьютерный курс лекций по теме 3 "Множественная регрессия и корреляция" (файл Эконометрика_МР.ppt).

Сделав копии файлов Множественная регрессия.xls и Образец отчета по ЛР2.doc, необходимо переименовать их как Фамилия_ЛР2.xls и Фамилия_ЛР2.doc.

Открыть файл Фамилия_ЛР2.xls, ответив отрицательно на запросы об отключении макросов и обновлении связей с другими документами.

Далее следует руководствоваться общими положениями, изложенными при описании лабораторной работы № 1.

Освоение методики моделирования временных рядов.

Построить графики временных рядов средней цены заданных книг и курса евро) за заданный период. Для временного ряда средней цены книг построить коррелограмму и сделать вывод о структуре анализируемого временного ряда. Провести сглаживание временного ряда с помощью линейной, логарифмической, степенной, экспоненциальной и полиномиальной функций, выбрать лучшую из нелинейных функций с учетом величины коэффициента детерминации и наглядной экономической интерпретации параметров модели. Для линейной и лучшей из нелинейных функций построить коррелограммы ряда остатков. Оценить соответствие ряда остатков стационарному случайному процессу. При проведении расчетов использовать пакеты "Анализ данных" и Statistica. Провести тестирование заданного временного ряда на наличие структурных изменений.

Для заданного временного ряда цен книжного рынка применить алгоритмические методы сглаживания: скользящей средней, экспоненциального сглаживания, адаптивный метод Брауна. Расчеты провести с помощью пакетов "Анализ данных" и STATISTICA..

Провести анализ соблюдения предпосылок МНК для ряда остатков моделей временного ряда: линейной, экспоненциальной, Брауна, регрессионной. Построить точечный и интервальный прогноз на пять последующих периодов по каждой из этих моделей.

Вычислить первые и вторые разности исходного временного ряда, построить их графики и коррелограммы. На основе визуального сопоставления коррелограмм исходного временного ряда, его первых и вторых разностей с коррелогаммами типовых моделей, представленных на листе Моделирование, подобрать наиболее подходящие модели для дальнейшего анализа. С помощью пакета STATISTICA провести расчеты параметров и прогноза для шести наиболее популярных моделей ARIMA: (0, 1, 1), (0, 2, 2), (1, 1, 1), (1, 1, 0), (2, 1, 0), (2, 2, 0) и самостоятельно выбранных дополнительных моделей. Выбрать лучшие модели и сопоставить их на графиках с линейной моделью тренда.

Для заданных временных рядов построить регрессионные модели с использованием методов отклонения от трендов, первых разностей и включения в модель фактора времени. Построить регрессионную модель по исходным значениям заданных временных рядов. Применить тесты Энгеля-Грангера и Дарбина-Уотсона для анализа коинтеграции между рассматриваемыми временными рядами. При наличии коинтеграции оценить автокорреляцию в остатках и применить ОМНК для корректировки регрессионной модели по рассматриваемым временным рядам. При отсутствии коинтеграции оценить автокорреляцию в остатках для модели по фактору времени и применить ОМНК для корректировки этой модели.

Применить матричные вычисления для построения регрессионной модели с использованием ОМНК.

Приступая к выполнению работы, необходимо изучить компьютерный курс лекций по теме 4 "Анализ временных рядов" (файл Эконометрика_ВР.ppt).

Сделав копии файлов Временной ряд.xls и Образец отчета по ЛР3.doc, необходимо переименовать их как Фамилия_ЛР3.xls и Фамилия_ЛР3.doc.

Открыть файл Фамилия_ЛР3.xls, ответив отрицательно на запросы об отключении макросов и обновлении связей с другими документами.

Далее следует руководствоваться общими положениями, изложенными при описании лабораторной работы № 1.

© Центр дистанционного образования МГУП