Тема 1. Основные аспекты эконометрического моделирования.

Введение в эконометрическое моделирование. Основные этапы и проблемы эконометрического моделирования. Задачи эконометрики в области социально-экономических исследований. Информационные технологии на базе ПЭВМ в эконометрических исследованиях. Классификация переменных в эконометрических моделях. Понятия спецификации и идентифицируем ости модели. Примеры эконометрических моделей (модель предложения и спроса на конкурентном рынке).

Тема 2. Элементы теории вероятностей и математической статистики.

Случайные величины и их числовые характеристики. Функции распределения случайной величины. Многомерные случайные величины. Закон больших чисел. Точечные и интервальные оценки параметров. Проверка статистических гипотез.

Тема 3. Парный регрессионный анализ. Показатели качества регрессии.

Функциональная, статистическая и корреляционная зависимости. Линейная парная регрессия. Коэффициент корреляции. Основные положения регрессионного анализа. Интервальная оценка функции регрессии и ее параметров оценка значимости уравнения регрессии.

Тема 4. Линейная модель множественной регрессии.

Классическая нормальная линейная модель множественной регрессии. Матричная форма модели множественной регрессии. Предпосылки для множественного регрессионного анализа. Оценка значимости множественной регрессии.

Тема 5. Метод наименьших квадратов (МНК).

Метод наименьших квадратов. Допущения классической линейной модели регрессии. Теорема Гаусса-Маркова.

Тема 6. Свойства оценок МНК.

Свойства оценок: состоятельность, несмещенность и эффективность.

Тема 7. Линейные регрессионные модели с гетероскедастичными и автокорреляционными остатками.

Последствия нарушения допущений классической модели линейной регрессии. Гомоскедастичность и гетероскедастичность. Тесты на гетероскедастичность: Голфельда-Квандта, Уайта, Глейзера. Устранение гетероскедастичности.

Автокорреляция регрессионных остатков. Проверка уравнения регрессии на автокорреляцию: тесты Дарбина-Уотсона, Бреуша-Годфри, Льюинга-Бокса. Устранение автокорреляции.

Тема 8. Обобщенный метод наименьших квадратов (ОМНК).

Обобщенная линейная модель множественной регрессии (ОЛММР) и обобщенный метод наименьших квадратов (ОМНК). Теорема Айткена.ОЛММР с гетероследастичными остатками. Сравнение ОМНК –и МНК : оценки в моделях регрессии с гетероследастичными остатками. ОЛММР с автокоррелированными остатками. Искажения характеристик точности МНК : оценки, обусловленные автокоррелированностью остатков.

Тема 9. Вопросы практического использования регрессионных моделей. Регрессионные модели с переменной структурой. Фиктивные переменные.

Мультиколлинеарность: полная и частичная. Методы устранения мультиколлинеарности. Использование регрессионных моделей с переменной структурой. Фиктивные переменные, их влияние на оценку регрессионной модели. Критерий Г.Чоу. Частная корреляция.

Тема 10. Нелинейные модели регрессии и их линеаризация.

Некоторые виды нелинейных зависимостей поддающиеся непосредственной линеаризацией: экспоненциальные, логарифмические,гиперболические, стипенные. Подбор линеаризирующего преобразования (подход Бокса-Кокса). Производственные функции и их анализ.

Тема 11. Характеристики временных рядов.

Временной ряд и этапы его анализа. Составляющие временного ряда: тренд, сезонная, циклическая, случайная компоненты. Аналитическое выравнивание временного ряда. Прогнозирование на основе моделей временных рядов.

Тема12. Модели стационарных и нестационарных временных рядов, их классификация.

Модели стационарных временных рядов и их идентификация: модели авторегрессии порядка «p»(AR(p)), скользящего среднего порядка «q»(MA(q)) и авторегрессионные модели скользящими средними в остатках (ARMA (p, q, k) ).

Модели нестационарных временных рядов и их идентификация: модели ARCH GARCH. Адаптивные модели прогнозирования Брауна, Кольта, Уинтерса, Тейло-Вейджа, Бокса-Дженкинса.

Тема 13 Система линейных одновременных уравнений. Косвенный, двухшаговый и трехшаговый метод наименьших квадратов.

Система одновременных уравнений (СОУ). Косвенный метод наименьших квадратов.

Структурная и приведенная формы модели систем одновременных уравнений. Рекурсивные системы одновременных уравнений. Модель спроса – предложения как пример системы одновременных уравнений. Основные структурные характеристики моделей. Условия идентифицируемости уравнений системы. Идентификация рекурсивных систем.

Статистическое оценивание неизвестных значений параметров. Двухшаговый метод наименьших квадратов (2 МНК) оценивания структурных параметров отдельного уравнения системы.

Трехшаговый метод наименьших квадратов (3 МНК) одновременного оценивания всех параметров системы уравнений.