Эконометрика (стр. 5 из 5)
12. Прямая неопределенности используется при определении:
А) Наличия коинтеграции временных рядов.
Б) Наличия коинтеграции рядов распределения.
В) Автокорреляции остатков.
Г) Автокорреляции уровней рядов динамики.
Д) Автокорреляции уровней рядов распределения.
13. Что характеризует
-коэффициент?14. Уравнение множественной регрессии в стандартизованном виде имеет вид:
. Сила влияния какого фактора выше на результативный признак?А) x1<x2; Б) x1>x2; B) x1=x2.
15. Модель имеет вид:
Y1 = a1+b11X1+ b13X3+C12Y2+e1,
Y2 = a2+b22X2+ C21Y1 +e2,
Y3 = a3+b32X2 + b33X3+e3.
А) модель идентифицируема;
Б) модель сверхидентифицируема;
В) модель неидентифицируема.
8. Учебно-методическое обеспечение дисциплины
8.1 Основная литература
1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. -М: ЮНИТИ, 1998, - 102 с.
2. Бородич С.А. Эконометрика. – М.: Новое знание, 2001.
3. Грицан В.Н. Эконометрика. – М.: Издательско-торговая корпорация “Дашков и К”, 2002.
4. Доугерти Кристофер. Введение в эконометрику. Пер. с англ. – М.: ИНФРА-М.-XIV, 1997, - 402 с.
5. Дуброва Т.А. Статистические методы прогнозирования в экономике: Учебное пособие. – М.: МЭСИ, 2002. – 52 с.
6. Замков О.О. Эконометрические методы в макроэкономическом анализе. – М.: ГУ ВШЭ, 2001.
7. Катышев П.К., Магнус Я.Р., Пересецкий А.А. Сборник задач к начальному курсу эконометрики. – М.: Дело, 2002.
8. Кремер Н.Ш., Путко Б.А. Эконометрика: Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2003. – 311 с.
9. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. 3-е изд. - М.: Дело, 1997, - 400 с.
10. Мардас А.Н. Эконометрика. – СПб.: Питер, 2001.
11. Носко В.П. Эконометрика для начинающих: основные понятия, элементарные методы, границы применимости, интерпретация результатов. М., ИЭПП, 2000. - 252 с.
12. Орлов А.И. Эконометрика: Учеб. пособ.. – М.: Из-во «Экзамен»,2002.
13. Практикум по эконометрике: Учеб. Пособие/ под. ред И.И. Елисеевой. – М.: Финансы и статистика, 2001.
14. Четыркин Е.М. Статистические методы прогнозирования. – М.:Статистика, 1977.
15. Эконометрика: Учебник/Под ред. И.И.Елисеевой. – М.: Финансы и статистика, 2002. – 344 с.
8.2 Дополнительная литература
1. Практикум по эконометрике/ Под ред. И.И.Елисеевой. – М.: Финансы и статистика, 2002.
2. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. М.: Финансы и статистика, 1986-1987.
3. Клейнер Г. Производственные функции. М.: Финансы и статистика, 1986.
4. Афанасьев В.Н., Юзбашев М.М. Анализ временных рядов и прогнозирование. М.: Финансы и статистика, 2001.
5. Джонстон Дж. Эконометрические методы. М.: Статистика, 1980.
6. Образцова О.Н., Назарова О.В., Канторович Г.Г. Экономическая статистика. Эконометрика. Методические материалы. – М.: ГУ – ВШЭ, 2000.
7. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов. – М.: ЮНИТИ-ДАНА, 2001. – 543 с.
8.3 Интернет-ресурсы
http://econline.h1.ru/theor.htm Economics Online. Экономическая теория - англоязычные и русскоязычные ресурсы.
http://www.xplore-stat.de/ebooks/ebooks.html Учебники по прикладной статистике и эконометрике.
http://www.qmw.ac.uk/~ugte133/book/protsdbk.htm Pollock. Time Series, Analysis Signal Processing and Dynamics.
http://tumania.econ.msu.ru/study.html Сайт экономического факультета МГУ.
http://www.nsu.ru/ef/tsy/ecmr/index.htm Эконометрическая страничка Цыплакова А.
http://molchanov.narod.ru/ Персональный сайт Молчанова И.Н.
http://u-pereslavl.botik.ru/UP/ECON/econometrics/index0.koi8.html Кульбака Н.Э. Основы эконометрики. Слайды лекций.
http://www.oup.com/uk/best.textbooks/economics/dougherty2e Персональный сайт Доугерти.
9. Материально-техническое обеспечение дисциплины
Для освоения данной дисциплины необходим определенный объем информации. Это информация об основных экономических показателях, рассматриваемых на микро- и макроуровнях.
10. Методические рекомендации по организации изучения дисциплины
На основании программы разрабатываются рабочие учебные программы дисциплины с учетом фактического количества часов, отведенных на ее изучение. Исходя из этого, в рабочей программе отдельные разделы программы могут быть либо усилены, либо сокращены, либо опущены.
Знания и навыки, полученные при изучении данного курса, широко применяются студентами в дипломном проектировании.
Программа составлена в соответствии с государственными образовательными стандартами высшего профессионального образования.
11. Словарь терминов
Автокорреляция. Автокорреляция имеет место, когда значения последовательных наблюдений, следующих друг за другом во времени, связаны между собой.
Аппроксимация – приближенное выражение математических объектов через более простые объекты, например, сведение задачи выпуклого программирования к кусочно-линейной задаче путем аппроксимации целевой функции и ограничений кусочно-линейными функциями.
Автокорреляция – корреляция между величиной и ее запаздыванием на один и более периодов времени.
Биноминальное распределение – это распределение дискретной случайной величины, значения которой равны Х успехам в n испытаниях результата биноминального эксперимента.
Временной ряд – это ряд, состоящий из данных, зафиксированных или наблюдаемых в течение последовательных промежутков времени.
Выборочное распределение – это ряд всех возможных значений выборочной статистики, который может быть получен из генеральной совокупности для выборки данного объёма.
Интервальная оценка – это числовой интервал, в котором, вероятно, находится некоторый параметр генеральной совокупности.
Корреляционный анализ изучает взаимосвязи, между переменными.
Коррелограмма – это график коэффициентов автокорреляции для различных значений временного лага.
Кросс-секционные данные – это наблюдения, произведенные в один тот же момент времени.
Коэффициент детерминации – измеряет процент изменчивости У, которая может быть объяснена информацией об изменчивости независимой переменной Х.
Коэффициент корреляции определяет тесноту связи.
Коэффициент регрессии измеряет среднее изменение зависимой переменной при единичном изменении соответствующей независимой переменной, если остальные независимые переменные постоянны.
Метод наименьших квадратов. Этот метод используется для получения уравнения регрессии, минимизирующей сумму квадратов отклонений фактических значений результативного признака от теоретических.
Методология Бокса-Дженкинса опирается на ряд процедур идентификации, корректировки и проверки моделей ARIMA с целью анализа данных временных рядов. Прогноз вытекает непосредственно из подобранной модели.
Многомерная регрессия использует более чем одну независимую переменную для прогноза значений зависимой переменной.
Модель авторегрессии. Это модель, в которой значение прогноза находится как функция от предыдущих значений временных рядов.
Мультиколлинеарность – это ситуация, при которой независимые переменные в многомерном уравнении регрессии сильно коррелируют между собой.
Нормальное распределение. Диаграмма нормального распределения имеет форму колокола и определяется математическим ожиданием и среднеквадратичеким отклонением.
Ошибка прогноза. Представляет собой разность между действительно наблюдаемым значением и его прогнозом.
Пошаговая регрессия – это процедура выбора «лучшей» функции регрессии посредством добавления или удаления отдельных независимых переменных на разных этапах анализа.
Простое среднее. Вычисляется как среднее значение для всего набора участвующих в расчетах данных, которое затем принимается для построения прогноза на следующий период.
Регрессионный анализ обеспечивает подбор уравнения по серии исходных данных.
Сезонная компонента. Это модель изменения данных, повторяющаяся из года в год.
Скользящее среднее. Вычисляется как среднее значение для определенного количества элементов данных, которое затем применяется для построения прогноза на следующий период или для сглаживания ряда динамики.
Среднеквадратическое отклонение характеризует разброс значений случайной величины.
Стандартная ошибка оценивания. Измеряет величину, на которую имеющиеся значения У отличаются от их оценок
. Она равна оценке стандартного отклонения слагаемого ошибки 
в модели простой линейной регрессии.Стационарный ряд – это временной ряд данных, основные статистические характеристики которого, такие как среднее значение и дисперсия, остаются постоянными во времени.
Степени свободы. Степени свободы для набора данных определяют количество единиц данных, независимых друг от друга, т.е. таких, которые могут являться носителями отдельных единиц информации.
Точечная оценка. Это единичная оценка параметра генеральной совокупности.
Тренд – это долгосрочная компонента, представляющая возрастание или убывание значений временного ряда в течение продолжительного промежутка времени.
Фиктивные переменные – переменные, используемые для определения взаимосвязи между качественными независимыми переменными и зависимой переменной.
Циклическая компоненита – это волнообразная флуктуация значений данных вокруг линии тренда.
Эконометрия – наука, изучающая конкретные количественные закономерности и взаимосвязи экономических объектов и процессов с помощью математических методов и моделей.
Экспоненциальное сглаживание - это процедура для постоянного пересмотра прогнозов в свете наиболее свежих поступающих данных.
Экстраполяция тенденций – прогнозирование временных рядов.