Формы контроля. Контроль за освоением дисциплины осуществляется в каждом дисциплинарном разделе отдельно.

Контроль за освоением дисциплины осуществляется в каждом дисциплинарном разделе отдельно.

Рубежный контроль: тестирования по отдельным разделам дисциплины.

Промежуточная аттестация – экзамен в письменной форме.

Результаты текущего контроля и промежуточной аттестации формируют рейтинговую оценку работы студента. Распределение баллов при формировании рейтинговой оценки работы студента осуществляется в соответствии с «Положением о рейтинговой системе оценки успеваемости и качества знаний студентов в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Российский экономический университет имени Г.В. Плеханова». Распределение баллов по отдельным видам работ в процессе освоения дисциплины «Эконометрика» осуществляется в соответствии с Приложением 1.

II. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

Содержание разделов дисциплины

№ п/п	Наименование раздела дисциплины (темы)	Содержание	Формируемые компетенции	Результаты освоения (знать, уметь, владеть)	Образовательные технологии
	Основные понятия эконометрики	Роль и место дисциплины в современном экономическом анализе. Определение эконометрики и её основные цели и задачи. Связь эконометрики как научной дисциплины с другими дисциплинами экономического анализа и её отличительные особенности. Основные этапы построения эконометрических моделей. Общие понятия об эконометрических моделях. Классификация типов данных и видов эконометрических переменных. Основные классы эконометрических моделей.	ОК-1, ОК-4, ПК-6	знать: роль и место эконометрики в современном экономическом анализе;уметь: различать основные классы эконометрических моделей;владеть:навыками определения типов данных и видов переменных в эконометрических моделях.	лек., сам. раб.
	Элементы теории вероятностей и математической статистики в эконометрике	Основные законы распределения случайных величин, используемые в эконометрическом анализе. Нормальное распределение, распределения (хи-квадрат), Стьюдента, Фишера. Использование таблиц этих распределений для нахождения критических точек. Понятие многомерной случайной величины. Условный закон распределения и его числовые характеристики. Зависимые и независимые случайные величины. Статистическая зависимость между случайными величинами. Определение функции (линии) регрессии. Виды и свойства выборочных оценок. Определение доверительных интервалов для параметров распределения по статистическим данным. Примеры доверительных интервалов для математических ожиданий и дисперсий. Принципы проверки статистических гипотез. Доверительная вероятность, уровень значимости и их соотношение с ошибками первого и второго рода. Порядок выбора основной и альтернативной гипотезы. Критические области и области принятия решения. Примеры проверки гипотез о значениях параметров распределения случайных величин.	ПК-5, ПК-6	знать: законы распределения случайных величин, используемые в эконометрическом анализе; виды и свойства выборочных оценок; принципы проверки статистических гипотез;уметь: использовать таблицы законов распределения для нахождения критических точек;определять числовые характеристики тесноты связи между случайными величинами;определять доверительные интервалы для параметров распределения по статистическим данным; проверять статистические гипотезы о значениях параметров распределения случайных величин; владеть:практическиминавыками расчетов, в том числе с использованием функций пакета «мастер функций» и программ пакета «анализ данных» Ехсеl.	лек., практ. зан., сам. раб.
	Парная линейная регрессия	Статистическая (вероятностная, стохастическая), корреляционная и регрессионная зависимости между двумя переменными.Уравнение регрессии, модель регрессии и выборочное уравнение регрессии.Спецификация уравнения регрессии. Определение параметров уравнения парной линейной регрессии с помощью метода наименьших квадратов. Коэффициент корреляции. Предпосылки МНК, теорема Гаусса-Маркова. Точность определения оценок коэффициентов регрессии. Проверка гипотез относительно коэффициентов линейного уравнения регрессии. Интервальные оценки коэффициентов линейного уравнения регрессии. Доверительные интервалы для зависимой переменной. Коэффициент детерминации.	ПК-4, ПК-5, ПК-6, ПК-10	знать: предпосылки метода наименьших квадратов, теорему Гаусса-Маркова; уметь: использовать методы оценки и проверки качества параметров модели; правильно интерпретировать построенную модель и вырабатывать практические рекомендации по её применению; владеть: практическими навыками расчетов, в том числе с использованием функций пакета «мастер функций» и программ пакета «анализ данных» Ехсеl.	лек., практ. зан., сам. раб.
	Линеаризованные регрессионные модели.	Два класса нелинейных регрессий. Регрессии, нелинейные относительно объясняющих переменных. Регрессии, нелинейные по оцениваемым параметрам. Приведение нелинейной модели к линейному виду. Предпосылки МНК. Оценка параметров нелинейных моделей методом наименьших квадратов. Проверка качества уравнения регрессии. Коэффициент эластичности. Индексы корреляции и детерминации. Средний коэффициент аппроксимации. Выбор «наилучшей» модели.	ПК-4, ПК-5, ПК-6, ПК-8, ПК-10	знать: основные классы нелинейных регрессий; уметь: приводить нелинейной модели к линейному виду; использовать методы оценки и проверки качества параметров моделей; выбирать наилучшую модель; правильно интерпретировать построенную модель и вырабатывать практические рекомендации по её применению; владеть: практическими навыками расчетов, в том числе с использованием функций пакета «мастер функций» и программ пакета «анализ данных» Ехсеl.	лек., практ. зан., сам. раб.
	Динамические однофакторные модели.	Определение временного ряда. Основные элементы временного ряда. Стационарные временные ряды. Автокорреляция уровней временного ряда и выявление его структуры. Методы моделирования тенденции временного ряда. Аналитическое выравнивание временного ряда. Выбор наилучшего уравнения тенденции (тренда) ряда. Экономическая интерпретация параметров линейного и показательного трендов. Моделирование сезонных и циклических колебаний. Аддитивная модель временного ряда. Мультипликативная модель временного ряда. Применение фиктивных переменных для моделирования сезонных колебаний.	ПК-4, ПК-5, ПК-6, ПК-8, ПК-10	знать: определение временного ряды и его элементов; определение стационарного временного ряда;уметь: определить структуру временного ряда с помощью корреляционной функции (коррелограммы); использовать методы оценки и проверки качества параметров модели временного ряда; построить аддитивную и мультипликативную модель временного ряда; правильно интерпретировать построенную модель и вырабатывать практические рекомендации по её применению; владеть: практическими навыками расчетов, в том числе с использованием функций пакета «мастер функций» и программ пакета «анализ данных» Ехсеl.	лек., практ. зан., сам. раб. .
	Множественная линейная регрессия	Спецификация модели. Отбор факторов при построении множественной регрессии. Выбор формы уравнения регрессии. Представление модели множественной линейной регрессии в матричном виде. Вывод математических соотношений для расчета коэффициентов выборочного уравнения множественной линейной регрессии в матричном виде. Предпосылки МНК. Точность определения оценок коэффициентов регрессии. Проверка гипотез относительно коэффициентов линейного уравнения регрессии. Интервальные оценки коэффициентов линейного уравнения регрессии. Доверительные интервалы для зависимой переменной. Коэффициент детерминации.	ПК-4, ПК-5, ПК-6, ПК-8, ПК-10	знать: методы спецификации модели множественной линейной регрессии; предпосылки метода наименьших квадратов; уметь представить модель множественной линейной регрессии в матричном виде; вычислять коэффициенты выборочного уравнения регрессии; проверять качество уравнения регрессии; правильно интерпретировать построенную модель и вырабатывать практические рекомендации по её применению; владеть: практическими навыками расчетов, в том числе с использованием функций пакета «мастер функций» и программ пакета «анализ данных» Ехсеl.	лек., практ. зан., сам. раб.
	Нарушение условий Гаусса-Маркова. Обнаружение и устранение	Проверка выполнимости предпосылок МНК. Суть гетероскедастичности. Последствия гетероскедастичности. Методы выявления гетероскедастичности (Голдфелда-Квандта, ранговой корреляции Спирмена, Уайта, Парка, Глейзера). Смягчение последствий гетероскедастичности. Суть и причины автокорреляции. Последствия автокорреляции. Обнаружение (критерий Дарбина-Уотсона) и устранения автокорреляции первого порядка. Суть мультиколлинеарности. Последствия мультиколлинеарности. Определение мультиколлинеарности. Подходы, используемые для выявления и устранения мультиколлинеарности.	ПК-6	знать: основные подходы, используемые для проверки выполнимости предпосылок МНК; суть и последствия гетероскедастичности; суть, причины и последствия автокорреляции остатков; определение, суть и последствия мультиколлинеарности;уметь: использовать методы выявления и смягчения последствий гетероскедастичности; обнаруживать (критерий Дарбина-Уотсона) и устранять автокорреляцию первого порядка; использовать подходы для выявления и устранять мультиколлинеарности при построении модели; владеть: практическими навыками расчетов, в том числе с использованием функций пакета «мастер функций» и программ пакета «анализ данных» Ехсеl.	лек., практ. зан., сам. раб.
8.	Общие понятия о системах одновременных уравнений	Экономические предпосылки использования систем уравнений. Система линейных одновременных уравнений. Составляющие систем уравнений. Смещенность и несостоятельность оценок МНК для систем одновременных уравнений. Косвенный, двухшаговый и трехшаговый метод наименьших квадратов.	ОК-1, ОК-4, ПК-4, ПК-5, ПК-6, ПК-8, ПК-10	знать: виды и характеристики систем одновременных уравнений; сущность систем линейных уравнений; сущность косвенного, двухшагового, трехшагового метода наименьших квадратов; уметь: идентифицировать системы одновременных уравнений; применить различные методы для решения систем одновременных уравнений: проводить анализ на статистическую значимость и адекватность рассчитанных параметров; владеть: навыками построения систем одновременных уравнений; навыками применения различных алгоритмов решения систем одновременных уравнений: навыками проведения анализа на статистическую значимость и адекватность рассчитанных параметров.