Econometrics

2024/2025

Academic Year

RUS

Instruction in Russian

ECTS credits

Delivered by:

School of Finance

Type:

Compulsory course

When:

1 year, 2 semester

Instructor

Polyakova, Marina V.

Программа дисциплины

Аннотация

Настоящая программа учебной дисциплины устанавливает минимальные требования к знаниям и умениям аспиранта по направлению подготовки 38.06.01 «Экономика» и определяет содержание и виды учебных занятий и отчетности. Изучение данной дисциплины базируется на следующих базовых дисциплинах: • Линейная алгебра, • Математический анализ, • Теория вероятностей, • Математическая статистика. Основные положения дисциплины могут быть использованы в дальнейшем при изучении следующих дисциплин: • Микроэконометрика (продвинутый уровень) • Теория отраслевых рынков и конкурентная политика • Моделирование кредитных рейтингов • Современные исследования финансовых рынков • Современные исследования в корпоративных финансах, а также при написании эмпирической части диссертации.

Цель освоения дисциплины

• • Получение аспирантами представления о теоретических основах эконометрики, основных эконометрических моделях и методах их оценивания, области их применения
• • Освоение аспирантами статистических пакетов, позволяющих применить эконометрические методы к анализу реальных статистических данных
• • Развитие навыков выбирать и применять методы исследования, адекватные предмету и задачам исследования - способности предложить эконометрическую модель, приближающую и объясняющую происходящие в обществе процессы, а также адекватный метод ее оценивания
• • Развитие навыка выбирать необходимые для исследования статистические данные
• • Развитие способности оценииать необходимые эконометрические модели по имеющимся статистическим данным с использованием современных статистических пакетов

Планируемые результаты обучения

• Умеет выбирать регрессионную модель в зависимости от типа шкалы зависимой переменной;
• Знать теоретическое обоснование основных эконометрических моделей и методов.
• Иметь навыки (приобрести опыт) работы с модулями статистических пакетов Excel, Gretl и STATA , позволяющие применить эконометрические методы оценивания.
• Уметь применять эконометрические методы оценивания при работе с реальными статистическими данными
• знать базовые модели (логит и пробит) для качественных зависимых переменных
• Уметь построить модель панельных данных и описать её
• Уметь строить модели с фиксированным и случайным эффектом для панельных данных. Знать тест Хаусмана и тесты на наличие случайного/детерминированного индивидуального эффекта.
• Умеет специфицировать и оценить регрессионную модель.
• Включать в регрессионную модель переменные взаимодействия и интерпретировать коэффициенты переменных взаимодействия
• знает модели бинарного выбора (линейную модель вероятности и ее недостатки, модель логит, модель пробит)
• Знает методы анализа временных рядов;
• Знать основные принципы регрессионного анализа панельных данных и уметь с ними работать
• Построить линейную регрессионную модель и интерпретировать полученные результаты
• Строить модель логит, интерпретировать коэффициенты

Содержание учебной дисциплины

• Основные понятия теории вероятностей
• Множественная линейная регрессия
• Проверка гипотез для коэффициентов множественной регрессии
• Выбор функциональной формы модели
• Ошибки спецификации модели
• Гетероскедастичность. Обобщенный МНК
• Эндогенность
• Модели с ограниченными зависимыми переменными
• Тобит-модели и модели Хекмана. Модели счетных данных
• Модели панельных данных
• Введение в теорию временных рядов. Одномерные модели временных рядов

Элементы контроля

• Самостоятельная работа - построение модели множественной регрессии
  Работа должна быть выполнена к фиксированной дате. Опоздание влечет потерю 20% баллов.
• Тест
  Тест на 30 минут с открытыми и закрытыми вопросами

Промежуточная аттестация

• 2024/2025 2nd semester
  0.6 * Самостоятельная работа - построение модели множественной регрессии + 0.4 * Тест

Список литературы

Рекомендуемая основная литература

• A Guide to Modern Econometrics, 4th ed., 497 p., Verbeek, M., 2012
• Brooks,Chris. (2019). Introductory Econometrics for Finance. Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsrep&AN=edsrep.b.cup.cbooks.9781108422536
• Jeffrey M. Wooldridge. (2019). Introductory Econometrics: A Modern Approach, Edition 7. Cengage Learning.
• Ragnar Nymoen. (2019). Dynamic Econometrics for Empirical Macroeconomic Modelling. World Scientific Publishing Co. Pte. Ltd. https://doi.org/10.1142/11479
• Tsionas, M. (2019). Panel Data Econometrics : Theory (Vol. First edition). London: Academic Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1951497
• Verbeek, M. (2017). A Guide to Modern Econometrics (Vol. 5th edition). Hoboken, NJ: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1639496
• Введение в эконометрику : учебник для вузов, Доугерти, К., 2010
• Методы эконометрики : учебник, Айвазян С.А., Мос. шк. экономики МГУ им. М.В. Ломоносова, 2016
• Путеводитель по современной эконометрике, учебно-методическое пособие, пер. с англ. В. А. Банникова ; науч. ред. и предисл. С. А. Айвазяна, 616 с., Вербик, М., 2008
• Теория и методы эконометрики : учебник для вузов, Дэвидсон, Р., 2018

Авторы

• Полякова Марина Васильевна