Практико-ориентированный подход к изучению дисциплины «Эконометрика» в БФУ имени И. Канта | Статья в журнале «Молодой ученый»

Библиографическое описание:

Лукьянова Н. Ю., Козьменко Т. В., Симанова И. А. Практико-ориентированный подход к изучению дисциплины «Эконометрика» в БФУ имени И. Канта // Молодой ученый. — 2015. — №21.1. — С. 89-92. — URL https://moluch.ru/archive/101/23064/ (дата обращения: 20.08.2018).



Практико-ориентированный подход к изучению дисциплины «Эконометрика» в БФУ имени И. Канта

Лукьянова Наталия Юрьевна, кандидат экономических наук, доцент;

Козьменко Татьяна Викторовна, студент; Симанова Ирина Александровна, студент

Балтийский федеральный университет имени И. Канта (г. Калининград)

В статье рассмотрен практико-ориентированный подход к преподаванию дисциплины “Эконометрика” студентам бакалавриата по направлению 38.03.01 «Экономика» в Балтийском федеральном университете имени Иммануила Канта.

Ключевые слова: методический подход, эконометрика, моделирование.

При изучении дисциплины «Эконометрика» в высших учебных заведениях студенты бакалавриата обычно сталкиваются с проблемой понимания практической значимости эконометрических терминов и сложностью интерпретации результатов эконометрического моделирования. Решение данной проблемы видится в решении эконометрических задач на конкретных примерах эконометрического моделирования, понятных для студентов и актуальных для решения насущных проблем экономики региона.

В этой связи обучение эконометрическому моделированию ведется на примерах научно-практических исследований, реализованных доцентом Лукьяновой Н.Ю. в различные годы. Например, в рамках проекта “Создание университетской информационно-аналитической системы поддержки региональных социально-экономических исследований и ее внедрение в научную, образовательную и инновационную деятельность БФУ им. И. Канта” по Программе развития БФУ им. И. Канта на 2011 - 2020 годы, в котором было реализовано эконометрическое моделирование потребительского спроса на продукты питания в Калининградской области [1, 2].

В ходе освоения дисциплины студентам предлагается провести ряд самостоятельных эконометрических исследований на реальных статистических данных, собранных ими самостоятельно с учетом накопленных знаний и личных предпочтений. Например, предлагается построить многофакторные эконометрические зависимости и сделать прогноз важных экономических показателей, характеризующих экономику РФ или регионов. Ниже приведены результаты двух самостоятельных эконометрических исследований студентов 3 курса бакалавриата, проведенных по методике, изложенной в [1, 2].

Пример 1. На основе сборника «Регионы России. Социально-экономические показатели за 2014 год» были собраны данные по 85 субъектам РФ, представленные в таблице 1.

Таблица 1

Подбор факторов для моделирования

Обозначение

показателя

Показатель

Единицы измерения

Y

Валовый региональный продукт

Денежные единицы (миллионов рублей.)

X1

Основные фонды в экономике

Денежные единицы (миллионов рублей)

X2

Среднемесячная номинальная начисленная заработная плата работников организаций

Денежные единицы. (рублей.)

X3

Потребительские расходы в среднем на душу населения (в месяц)

Денежные единицы (рублей.)

X4

Среднедушевые денежные доходы (в месяц)

Денежные единицы (рублей)

X5

Среднегодовая численность занятых в экономике субъекта РФ

Тысяч человек

После проверки данных на возможность регрессионного моделирования в выборке было оставлено 30 регионов, по которым можно считать, что совокупности исследуемых факторов однородны, а их средние типичны. На рисунке 1 представлены результаты дескриптивно-статистического анализа. Последние два столбца - skewness (асимметрия) и kurtosis (эксцесс) подтверждают, что данные близки к нормальному распределению.

Рис. 1. Дескриптивно-статистический анализ, пакет STATISTICATM

Далее с использованием программы STATISTICATM была построена пятифакторная регрессионная модель, описывающая зависимость изучаемых показателей (рисунок 2),

Рисунок 2. Результаты моделирования пятифакторной модели, пакет STATISTICATM

Которая прошла проверку по F-критерию Фишера с вероятностью большей, чем 99 %, на статистическую значимость в целом. Уравнение множественной регрессии примет вид: Y = - 139808+ 0,001X1 + 12X2+ 21X3 -18X4+ 262X5. Для оценки значимости коэффициентов регрессионного моделирования был применен тест Стьюдента. Данную проверку прошли только 2 фактора: X1 и X5, следовательно только они являются статистическими значимыми. Поэтому итоговая модель примет вид Y=101294+0,2X1+137,8X5 (рисунок 3). Данная модель прошла проверку на тест Фишера: (Fрасч.=19,161>Fтабл(d.f.1 = 2 и d.f.2 = 27)= 3,35.). Из чего можно сделать вывод, что модель является статистически значимой с вероятностью, большей чем 95%.

Рис. 3. Результаты моделирования двухфакторной модели, пакет STATISTICATM

По итогам моделирования можно с высокой степенью вероятности утверждать, что в среднем, начиная с 101294 миллионов рублей, с ростом основных фондов в экономике региона на 1 миллион рублей, валовый региональный продукт увеличится на 0,2 миллиона рублей (при постоянстве всех остальных факторов). А с ростом среднегодовой численности занятых в экономике региона на 1 тысячу человек, валовый региональный продукт увеличится на 137,8 миллионов рублей (при постоянстве всех остальных факторов).

Пример 2. На основе данных Росстата были собраны данные по 78 субъектам Российской Федерации, представленные в таблице 2.

Таблица 2

Подбор факторов для моделирования

Обозначение

показателя

Показатель

Единицы измерения

Y

Численность безработных

Тысяч человек

X1

Среднедушевые доходы на человека в месяц

Денежные единицы (рублей)

Х2

Численность экономически активного населения

Тысяч человек

Х3

Численность населения

Тысяч человек

Х4

Ожидаемая продолжительности жизни при рождении

Лет

X6

Среднемесячная номинальная начисленная заработная плата

Денежные единицы (рублей.)

Х7

Мощности амбулаторно-поликлинических организаций

На конец года, на 10 000 человек населения

Х8

Индексы потребительских цен

Декабрь к декабрю прошлого года (%)

Х9

Общие коэффициентов брачности

На 1000 человек

После проверки данных на возможность регрессионного моделирования в выборке было оставлено 68 регионов, по которым можно считать, что совокупности исследуемых факторов однородны, а их средние типичны. На рисунке 4 представлены результаты дескриптивно-статистического анализа факторов.

Рис. 4. Дескриптивно-статистический анализ, пакет STATISTICATM

По полученным данным строится восьмифакторная модель (рисунок 5). Модель прошла проверку на статистическую значимость в целом по F-критерию Фишера с вероятностью большей, чем 95 %.

Рис. 5. Результаты моделирования восьмифакторной модели, пакет STATISTICATM

Уравнение множественной регрессии примет вид: Y=379,32-0,0016Х1-0,0833Х2+0,0691Х3+1,0377Х4+0,0014Х6-0,0798Х7-4,0907Х8+1,6486Х9. Для оценки значимости коэффициентов регрессионной модели был применен тест Стьюдента. Данную проверку прошли только четыре фактора: X1, X3, Х6 и Х8 (рисунок 6). Поэтому уравнение регрессии примет вид: У = 468,85 – 0,0016Х1+0,0265Х3+0,0010Х6-4,2575Х8. Таким образом, можно предположить, что в среднем, начиная с численности безработных в 469 тысяч, с ростом среднемесячных душевых доходов на 1000 рублей, численность безработных сократится на 1,6 тысяч человек (при постоянстве всех остальных факторов). С ростом численности населения на 1000 человек, численность безработных увеличится на 26 человек (при постоянстве всех остальных факторов). С ростом среднемесячной номинальной начисленной заработной платы на 1000 рублей, численность безработных увеличится на 1 тысячу человек (при постоянстве всех остальных факторов). С ростом индекса потребительских цен на 1%, численность безработных сократится на 4, 26 тысячи человек (при постоянстве всех остальных факторов). Данная модель прошла проверку на тест Фишера: (Fрасч.=62,06>Fтабл(d.f.1 = 4 и d.f.2 = 63)= 2,52.). Из чего можно заключить, что модель является статистически значимой с высокой степенью вероятности.

Рис. 6. Результаты моделирования четырехфакторной модели, пакет STATISTICATM

Приведенные выше примеры наглядно демонстрируют, что к эконометрическому моделированию нельзя подходить формально (полученные в ходе самостоятельной работы студентов модели носят дискуссионный характер, как по набору переменных, так и по интерпретации полученных результатов). Поэтому особое внимание в процессе обучения уделяется подготовке данных для моделирования, подбору эндогенной и экзогенных переменных и интерпретации результатов моделирования, что обеспечивает практическую значимость проведенных студентами исследований. В частности, на практических занятиях со студентами разбираются, полученные результаты моделирования, указываются ошибки подбора факторов для моделирования и даются рекомендации по совершенствованию моделей и интерпретации полученных результатов и т.д. Практико-ориентированный подход к изучению эконометрики позволяет продемонстрировать возможности эконометрического моделирования на доступном для бакалавров уровне.

Литература:

  1. Лукьянова Н.Ю. Информационное обеспечение моделирования портрета потребителей продуктов питания Калининградской области. // Молодой ученый. 2014. №19.1. С. 67-69
  2. Лукьянова Н.Ю. Моделирование потребительского спроса на продукты питания в Калининградской области. //Вестник БФУ им. И. Канта, Серия экономические и юридические науки, №3, 2015. С. 77-83.
Основные термины (генерируются автоматически): STATISTICATM, эконометрическое моделирование, численность безработных, рубль, результат моделирования, дескриптивно-статистический анализ, валовый региональный продукт, регрессионное моделирование, среднемесячная номинальная начисленная заработная плата, практико-ориентированный подход.


Ключевые слова

моделирование, эконометрика, методический подход

Похожие статьи

Эконометрический анализ валового внутреннего продукта...

Моделирование выполнено с помощью программного продукта Gretl 1.9.90.

3. Зарова Е. В, Хасаев Г. Р. Эконометрическое моделирование и прогнозирование развития региона в

Статистический анализ валового регионального продукта Брянской области.

Теоретический обзор эконометрических моделей исследования...

Основные показатели, используемые в модели, следующие: индекс промышленного производства, общая численность безработных, чистый экспорт, индекс потребительских цен, начисленная среднемесячная заработная плата, инвестиции в основной капитал.

Статистический анализ валового регионального продукта...

Объем валового регионального продукта в 2008 году в основных ценах сложился в объеме 137,5 млрд. рублей или 129,6 процента в сопоставимых ценах к уровню 2007 года.

Эконометрический анализ валового внутреннего продукта России.

Эконометрическое моделирование и прогнозирование...

Эконометрическое моделирование валового сбора зерновых и зернобобовых культур.

Эконометрическое моделирование стоимости туристического продукта на примере Краснодарского края и Республики Крым.

Статистический анализ уровня безработицы в Российской...

...среднемесячная номинальная начисленная заработная плата работников по полному кругу организаций на начало 2016 г., рублей;X2 — число прибывших из за пределов России (общие итого миграции), человек;X3 — численность студентов...

Факторный анализ валового внутреннего продукта РФ

Результаты регрессионного анализа представим в таблице 2.

Эконометрический анализ валового внутреннего продукта России. Анализ зависимости объемов валового регионального продукта от степени использования экспортно-импортного потенциала с...

Подходы к анализу показателей системы национальных счетов

Моделирование и прогнозирование параметров экономической динамики при помощи эконометрических (главным образом, регрессионных) моделей позволяет определить, с какой точностью получен тот или иной результат...

Построение эконометрической модели для прогнозирования...

Целью работы является построение эконометрической модели для выявления наиболее значимых факторов, влияющих на

В ходе анализа была выдвинута следующая гипотеза: с увеличением просроченной задолженности по заработной плате увеличивается количество...

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Эконометрический анализ валового внутреннего продукта...

Моделирование выполнено с помощью программного продукта Gretl 1.9.90.

3. Зарова Е. В, Хасаев Г. Р. Эконометрическое моделирование и прогнозирование развития региона в

Статистический анализ валового регионального продукта Брянской области.

Теоретический обзор эконометрических моделей исследования...

Основные показатели, используемые в модели, следующие: индекс промышленного производства, общая численность безработных, чистый экспорт, индекс потребительских цен, начисленная среднемесячная заработная плата, инвестиции в основной капитал.

Статистический анализ валового регионального продукта...

Объем валового регионального продукта в 2008 году в основных ценах сложился в объеме 137,5 млрд. рублей или 129,6 процента в сопоставимых ценах к уровню 2007 года.

Эконометрический анализ валового внутреннего продукта России.

Эконометрическое моделирование и прогнозирование...

Эконометрическое моделирование валового сбора зерновых и зернобобовых культур.

Эконометрическое моделирование стоимости туристического продукта на примере Краснодарского края и Республики Крым.

Статистический анализ уровня безработицы в Российской...

...среднемесячная номинальная начисленная заработная плата работников по полному кругу организаций на начало 2016 г., рублей;X2 — число прибывших из за пределов России (общие итого миграции), человек;X3 — численность студентов...

Факторный анализ валового внутреннего продукта РФ

Результаты регрессионного анализа представим в таблице 2.

Эконометрический анализ валового внутреннего продукта России. Анализ зависимости объемов валового регионального продукта от степени использования экспортно-импортного потенциала с...

Подходы к анализу показателей системы национальных счетов

Моделирование и прогнозирование параметров экономической динамики при помощи эконометрических (главным образом, регрессионных) моделей позволяет определить, с какой точностью получен тот или иной результат...

Построение эконометрической модели для прогнозирования...

Целью работы является построение эконометрической модели для выявления наиболее значимых факторов, влияющих на

В ходе анализа была выдвинута следующая гипотеза: с увеличением просроченной задолженности по заработной плате увеличивается количество...

Задать вопрос