Количественные методы анализа экономики

 Цели курса:

• Получение студентами представления о первичных методах анализа данных, проверки статистических гипотез, а также основных эконометрических моделях и методах их оценивания, области их применения;

• Освоение студентами инструментов, позволяющих проводить первичный анализ данных и применять эконометрические методы для анализа реальных статистических данных.

В результате освоения дисциплины студент должен:

• Знать основы статистических и эконометрических методов анализа данных;

• Уметь проводить первичный анализ данных на основании описательных статистик, таблиц и графиков;

• Уметь применять эконометрические методы оценивания при работе с реальными статистическими данными;

• Иметь навыки работы с данными в статистическом пакете Gretl.

Курс состоит из 10 недель. Каждая неделя содержит видеолекции, тестовые задания и материалы для самостоятельного изучения. В открытом доступе вы можете ознакомиться с видеолекциями, доступ к оцениваемым заданиям и экзамену с прокторингом станет доступен после оплаты курса.

Основная литература:

1. Левин Д. М., Стефан Д., Кребиль Т.С, Беренсон М.Л. Статистика для менеджеров с использованием Microsoft Excel, 4-е изд. — М.: Издательский дом «Вильямс», 2004. — 1312 с.
2. Доугерти, К. Введение в эконометрику. Издание второе. М.: Инфра-М., 2009.
3. Уилан Ч. Голая статистика. Самая интересная книга о самой скучной науке. ООО «Манн, Иванов и Фербер», 2016.

Дополнительная литература:

1. Айвазян С.А., Мхитарян В.С. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.
2. Берндт Э. Р. Практика эконометрики: классика и современность. М.: ЮНИТИ-ДАНА, 2005. - 863 с.
3. Борзых Д. А., Вакуленко Е. С., Фурманов К. К. Эконометрика: работа с данными на компьютере. Практикум: Элементы теории. Практические задания. Ответы и решения. Издательская группа URSS, 2021.
4. Борзых Д. А., Демешев Б. Б. Эконометрика в задачах и упражнениях. Издание 2. М.: Издательская группа URSS, 2017.
5. Вербик М. Путеводитель по современной эконометрике. Научная книга, 2008.
6. Демидова О. А., Малахов Д. И. Эконометрика. Учебник и практикум для прикладного бакалавриата. / Рук.: О. А. Демидова. М.: Юрайт, 2016.
7. Елисеева И.И., Юзбашев М.М. Общая теория статистики: учеб. для вузов. – М.: Финансы и статистика, 1995.
8. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. 3-е изд., перераб. и доп. М. ИНФРА-М., 2002.
9. Такахаси С. Занимательная статистика, Регрессионный анализ. Манга. М.: Додэка. 2014. 214 с.

Литература на английском языке:

1. Bluman A. Elementary statistics. McGraw-Hill, 2008.
2. Newbold P. Statistics for Business and Economics. 4th ed. London: Prentice-Hall, 1995.

Для освоения учебной дисциплины, студенты должны владеть следующими знаниями и компетенциями:

• Базовые знания экономики
• Математика в объеме программы средней школы.

1. Введение. Зачем нужен анализ данных?
2. Почему не стоит покупать лотерейные билеты? Основы теории вероятностей.
3. Аудиторская проверка накладных в компании: построение доверительных интервалов.
4. Процесс расфасовки зерновых культур по коробкам. Проверка простейших статистических гипотез: одновыборочные критерии.
5. Дороже ли квартиры на северо-западе Москвы, чем квартиры на юго-востоке столицы? Проверка статистических гипотез: двухвыборочные критерии.
6. Связь продаж мороженого с температурой воздуха: парная регрессия.
7. Производственная функция: множественная регрессия.
8. Анализ связи между ценой и качеством. Мультиколлинеарность и гетероскедастичность.
9. Типичные регрессионные ошибки: ошибки спецификации.
10. Измерение дискриминации в оплате труда: фиктивные переменные в моделях регрессии.

В результате освоения дисциплины студент должен:

• Знать основы статистических и эконометрических методов анализа данных;
• Уметь проводить первичный анализ данных на основании описательных статистик, таблиц и графиков;
• Уметь применять эконометрические методы оценивания при работе с реальными статистическими данными;
• Иметь навыки работы с данными в статистическом пакете Gretl.

• Способен к самостоятельной исследовательской работе;
• Способен работать со статистическими пакетами, позволяющими проводить первичный анализ данных;
• Способен применять эконометрические методы к анализу реальных статистических данных.