эконометрика - ДВИУ РАНХ и ГС(ранее ДВАГС)

ФГБОУ ВПО РОССИЙСКАЯ АКАДЕМИЯ НАРОДНОГО ХОЗЯЙСТВА
И ГОСУДАРСТВЕННОЙ СЛУЖБЫ
при ПРЕЗИДЕНТЕ РОССИЙСКОЙ ФЕДЕРАЦИИ
Дальневосточный институт
ЭКОНОМЕТРИКА
Методические указания по изучению дисциплины
для аспирантов специальности 08.00.05 – «Экономика и управление
народным хозяйством»
Хабаровск 2011
4
ОГЛАВЛЕНИЕ
Раздел 1. Цели и задачи учебной дисциплины ...............................................
5
Раздел 2. Учебная программа дисциплины .....................................................
6
Раздел 3. Структура учебной дисциплины ......................................................
7
Раздел 4. Учебно-тематический план дисциплины ........................................
8
Раздел 5. Планы семинарских (практических) занятий ................................. 10
Раздел 6. Самостоятельная работа аспирантов ............................................... 13
Раздел 7. Контроль знаний аспирантов ........................................................... 15
Раздел 8. Литература. Информационно-справочные системы обучения ..... 20
5
РАЗДЕЛ 1 ЦЕЛИ И ЗАДАЧИ УЧЕБНОЙ ДИСЦИПЛИНЫ
Достижения современной экономической науки предъявляют высокие
требования к уровню квалификации научно-педагогических кадров в области
экономики
и
управления.
Без
изменения
уровня
фундаментальной
подготовки аспирантов, без знания эконометрических и статистических
методов невозможно осуществить качественный скачок в подготовке
современного ученого, способного использовать передовые научные методы
в
области
статистического
исследование
и
и
теоретическое
эконометрического
обобщение
анализа,
эмпирических
выполнить
зависимостей,
построить надежный прогноз.
В связи с этим, у аспирантов должны быть сформированы умения и
навыки
использования
совокупности
теоретических
результатов
эконометрики, приемов, методов и моделей, предназначенных для того,
чтобы на базе экономической теории, экономической статистики и
математико-статистического
инструментария
количественное
общим
выражение
придавать
(качественным)
конкретное
закономерностям,
обусловленным экономической теорией.
Согласно федерального государственного образовательного стандарта
выпускник аспирантуры должен: на современном уровне качественно
обрабатывать и анализировать большие массивы социально-экономической
информации
для
выработки
управленческих
решений,
составления
социально-экономических прогнозов, оптимизации принимаемых решений и
выработки правильной социально-экономической политики с привлечением
эконометрических методов.
В связи с этим, основными задачами курса являются:
-
овладение
современными
методами
и
средствами
эконометрического и математического анализа и систематизации научных
данных;
 освоение научных методов в области статистического анализа;
 изучение методов и моделей исследования и теоретического обобщения
6
эмпирических зависимостей, построения надежного прогноза;
 формирование практических навыков использования эконометрических
методов в профессиональной деятельности исследователя и педагога;
 формирование практических навыков обработки и анализа социальноэкономической информации с использованием эконометрических ППП.
Программа курса эконометрики предполагает использование при
изучении курса во всех его разделах ИКТ и обеспечена программными
средствами в виде пакетов прикладных программ.
РАЗДЕЛ 2 УЧЕБНАЯ ПРОГРАММА
Модуль I. Модели с ограниченной зависимой переменной
1. Модели бинарного выбора. Линейные вероятностные модели. Probit и
Logit модели. Интерпретация коэффициентов в модели бинарного
выбора. Оценки максимального правдоподобия в Probit и Logit
моделях.
2. Модели с цензурированными и урезанными зависимыми переменными.
Tobit модель. Смещенность и несостоятельность OLS оценки. Оценки
максимального правдоподобия.
Модуль II. Модели с лагированными переменными
1. Модель распределенных лагов. Оценка модели распределенных лагов.
Полиномиальные лаги (модель Алмона). Геометрические лаги (модель
Койка). Определение структуры лагов. Эконометрический анализ
рынка капитала. Модели акселератора. Модель денежных потоков.
Неоклассическая модель. Модель Тобина.
2. Динамические модели. Авторегрессионные модели и модели с
автокорреляцией. Оценка. Тест на автокорреляцию (тесты Дарбина и
множителей
переменными
Лагранжа
(модели
).
Примеры
частичного
моделей
с
лагированными
выравнивания,
адаптивных
7
ожиданий,
коррекции
ошибок).
Тест
Гранжера
на
причинно-
следственную зависимость.
Модуль III. Временные ряды
1. Единичный корень и коинтеграция. Стационарность. Случайное
блуждание. AR(p) процесс. Единичные корни. Статистика ДикиФуллера. Мнимая регрессия. Коинтеграция. Подходы Энгеля и
Гранжера.
Статистика
Маккикона.
Коинтегрирующий
вектор.
Долгосрочное динамическое равновесие.
2. ARIMA-модели
и
методология
Бокса-Дженкинса
(Box-Jenkins).
Тренд, сезонность, взятие разностей. Тесты на стационарность. ACF и
PACF.
Модуль IV. Панельные данные
1. Структура и организация панельных данных. Pool model, Fixed и Random model. Индивидуальный эффект в модели.
2. Методы расчетов, сравнение моделей.
3. Критерии выбора моделей панельных данных. Актуальность метода
панельных
данных
в
региональных
исследованиях
российской
экономики.
4. Использование стандартного пакета программ для получения оценок.
РАЗДЕЛ 3 СТРУКТУРА УЧЕБНОЙ ДИСЦИПЛИНЫ
Трудоемкость
Вид учебной работы
часов
зачетных
единиц
Аудиторные занятия (всего)
18
0,5
Лекции
8
0,2
Практические занятия
10
0,3
8
Самостоятельная работа (всего)
18
Общая трудоемкость
36
часы
0,6
зачетные единицы
1
РАЗДЕЛ 4 УЧЕБНО-ТЕМАТИЧЕСКИЙ ПЛАН ДИСЦИПЛИНЫ
Количество часов
№№
тем
1.
2.
Наименование модулей и тем
Учебн
ые
Всего
недели
Внеауди
торная
работа
Лекци Практ.
Сам.
и
зан.
работа
Аудиторные
занятия
Модуль I. Модели с ограниченной зависимой переменной
Модели бинарного выбора.
1-4
8
2
2
Линейные вероятностные
модели. Probit и Logit модели.
Интерпретация коэффициентов
в модели бинарного выбора.
Оценки максимального
правдоподобия в Probit и Logit
моделях.
Модели с цензурированными и
урезанными зависимыми
переменными. Tobit модель.
Смещенность и
несостоятельность OLS оценки.
Оценки максимального
правдоподобия.
Модуль II. Динамические эконометрические модели
Модель распределенных лагов.
5-8
8
2
2
Оценка модели распределенных
лагов. Полиномиальные лаги
(модель Алмона).
Геометрические лаги (модель
Койка). Определение структуры
лагов. Эконометрический
анализ рынка капитала. Модели
4
4
9
акселератора. Модель денежных
потоков. Неоклассическая
модель. Модель Тобина.
Динамические модели.
Авторегрессионные модели и
модели с автокорреляцией.
Оценка. Тест на
автокорреляцию (тесты Дарбина
и множителей Лагранжа ).
Примеры моделей с
лагированными переменными
(модели частичного
выравнивания, адаптивных
ожиданий, коррекции ошибок).
Тест Гранжера на причинноследственную зависимость.
Модуль III. Эконометрические методы анализа временных рядов. ARMA
модели
3.1 Единичный корень и
9-11
7
2
2
3
коинтеграция. Стационарность.
Случайное блуждание. AR(p)
процесс. Единичные корни.
Статистика Дики-Фуллера.
Мнимая регрессия.
Коинтеграция. Подходы Энгеля
и Гранжера. Статистика
Маккикона. Коинтегрирующий
вектор. Долгосрочное
динамическое равновесие.
3.2 ARIMA-модели и методология 12-14
5
2
3
Бокса-Дженкинса (Box-Jenkins).
Тренд,
сезонность,
взятие
разностей.
Тесты
на
стационарность. ACF и PACF.
Модуль IV. Панельные данные
4. Структура
и
организация 15-17
8
2
2
4
10
панельных данных. Pool model,
Fixed
и Random model.
Индивидуальный эффект в
модели.
Методы расчетов, сравнение
моделей.
Критерии выбора моделей
панельных данных.
Актуальность метода панельных
данных в региональных
исследованиях российской
экономики.
Использование
стандартного
пакета программ для получения
оценок.
Общая трудоемкость, часов
Общая трудоемкость, зачетных единиц
36
1
8
0,2
10
0,3
18
0,6
РАЗДЕЛ 5 ПЛАНЫ СЕМИНАРСКИХ (ПРАКТИЧЕСКИХ) ЗАНЯТИЙ
№
занятия
1.
Наименование
модулей и тем
занятий
Модуль I.
Модели с
ограниченной
зависимой
переменной
Содержание тем занятий
(дидактические единицы)
Цель: изучить модели с
ограниченными переменными, их
назначение и специфику.
Вопросы для обсуждения:
1. Модели бинарного выбора.
Линейные вероятностные модели.
Probit и Logit модели.
Интерпретация коэффициентов в
модели бинарного выбора. Оценки
максимального правдоподобия в
Трудоемкость
час. зач.ед.
2
0,06
11
2.
Модуль II.
Модели с
лагированными
переменными
Probit и Logit моделях.
2.Модели с цензурированными и
урезанными зависимыми
переменными. Tobit модель.
Смещенность и несостоятельность
OLS оценки. Оценки
максимального правдоподобия.
Выполнение задания с
использованием раздаточного
материала.
Цель: изучить модели с
лагированными переменными, их
назначение и специфику.
Вопросы для обсуждения:
1. Модель распределенных лагов.
Оценка модели распределенных
лагов. Полиномиальные лаги
(модель Алмона). Геометрические
лаги (модель Койка). Определение
структуры лагов.
Эконометрический анализ рынка
капитала. Модели акселератора.
Модель денежных потоков.
Неоклассическая модель. Модель
Тобина.
2. Динамические модели.
Авторегрессионные модели и
модели с автокорреляцией. Оценка.
Тест на автокорреляцию (тесты
Дарбина и множителей Лагранжа ).
Примеры моделей с
лагированными переменными
(модели частичного выравнивания,
адаптивных ожиданий, коррекции
ошибок). Тест Гранжера на
причинно-следственную
2
0,06
12
3.
зависимость.
Выполнение задания с
использованием раздаточного
материала.
Цель: изучить временные ряды, их
Модуль III.
Временные ряды назначение и специфику.
Вопросы для обсуждения:
1.Единичный корень и
коинтеграция.
Стационарность. Случайное
блуждание. AR(p) процесс.
Единичные корни. Статистика
Дики-Фуллера. Мнимая регрессия.
Коинтеграция. Подходы Энгеля и
Гранжера. Статистика Маккикона.
Коинтегрирующий вектор.
Долгосрочное динамическое
равновесие.
2. ARIMA-модели и методология
Бокса-Дженкинса (Box-Jenkins).
Тренд, сезонность, взятие
разностей.
3.Тесты на стационарность. ACF и
PACF.
Выполнение задания с
использованием раздаточного
материала.
4
0,12
13
4.
Модуль IV.
Панельные
данные
Цель:
- изучить панельные данные, их
структуры и организацию;
- освоить стандартный пакет
программ для получения оценок –
Stata 7.0.
Вопросы для обсуждения:
1. Структура и организация
панельных данных. Pool model,
2. Fixed и Random model.
Индивидуальный эффект в модели.
2. Методы расчетов, сравнение
моделей.
3. 3. Критерии выбора моделей
панельных данных.
4. 4. Актуальность метода
панельных данных в региональных
исследованиях российской
экономики.
Выполнение задания с
использованием раздаточного
материала.
ИТОГО
2
0,06
10
0,3
РАЗДЕЛ 6 САМОСТОЯТЕЛЬНАЯ РАБОТА АСПИРАНТОВ
Внеаудиторная самостоятельная работа аспирантов включает
следующие виды деятельности:
- проработку учебного материала (по конспектам, учебной и научной
литературе);
- подготовку к выполнению индивидуальных заданий; тестов.
Разделы и темы для самостоятельного изучения
Трудоемкость
час. зач. ед.
14
Модуль I. Модели с ограниченной зависимой переменной
4
0,11
4
0,11
6
0,17
1.Дискретные зависимые переменные.
2. Модели бинарного выбора. Линейные вероятностные
модели. Probit и Logit модели. Интерпретация
коэффициентов в модели бинарного выбора. Оценки
максимального правдоподобия в Probit и Logit моделях.
3. Ошибки спецификации в моделях бинарного выбора.
Модели множественного выбора.
4. Модели с цензурированными и урезанными
зависимыми переменными. Tobit модель. Смещенность и
несостоятельность OLS оценки. Оценки максимального
правдоподобия.
5. Tobit-2 модель (модель Heckman): описание,
оценивание, интерпретация.
6. Модели времени жизни.
Модуль II. Модели с лагированными переменными
1. Модели с лагированными переменными. Модель
распределенных лагов. Оценка модели распределенных
лагов. Полиномиальные лаги (модель Алмона).
Геометрические лаги (модель Койка). Определение
структуры лагов. Эконометрический анализ рынка
капитала. Модели акселератора. Модель денежных
потоков. Неоклассическая модель. Модель Тобина.
2.Динамические модели.
3.
Авторегрессионные
модели
и
модели
с
автокорреляцией. Оценка. Тест на автокорреляцию (тесты
Дарбина и множителей Лагранжа ). Примеры моделей с
лагированными переменными (модели частичного
выравнивания,
адаптивных
ожиданий,
коррекции
ошибок). Тест Гранжера на причинно-следственную
зависимость.
Модуль III. Временные ряды
1. Единичный корень и коинтеграция.
15
Стационарность. Случайное блуждание. AR(p) процесс.
Единичные корни. Статистика Дики-Фуллера. Мнимая
регрессия. Коинтеграция. Подходы Энгеля и Гранжера.
Статистика Маккикона. Коинтегрирующий вектор.
Долгосрочное динамическое равновесие.
2. ARIMA-модели и методология Бокса-Дженкинса (BoxJenkins). Тренд, сезонность, взятие разностей. Тесты на
стационарность. ACF и PACF.
3. Уравнения Юла-Уолкера. MA модели. Обратимость.
Свойства ARMA моделей.
4. Модели авторегрессии с условной
гетероскедастичностью/ARCH, GARCH, ARCH-M, EGARCH модели. Тест множителей Лагранжа для ARCH.
Методы оценивания.
Модуль IV. Панельные данные
4
0,11
18
0,5
1.Структура и организация панельных данных. Pool
model,
2.Fixed и Random model.Индивидуальный эффект в
модели. Методы расчетов, сравнение моделей.
3.Критерии выбора моделей панельных данных.
Актуальность метода панельных данных в региональных
исследованиях российской экономики.
Использование стандартного пакета программ для
получения оценок – Stata 7.0.
ИТОГО
РАЗДЕЛ 7 КОНТРОЛЬ ЗНАНИЙ АСПИРАНТОВ
Входной контроль знаний
Входной контроль знаний осуществляется в первую неделю изучения
дисциплины. Основной целью входного контроля знаний аспирантов
16
выступает проверка общего уровня теоретических знаний и практических
навыков по применению статистических и эконометрических методов.
Входной контроль знаний аспирантов не оценивается. Проверка знаний
проводится с использованием тестов.
Текущий контроль знаний
Текущий контроль знаний проводится с использованием тестов по
изученным темам и защиты практических работ.
Завершенные практические работы
защищаются
с проведением
дискуссии. Защита представляет собой полемический диалог между
аспирантами и преподавателем, в котором слушатель должен доказать
правомерность и эффективность решений, принятых в компьютерной
реализации выданного задания и умение интерпретировать полученные
результаты.
Тесты по дисциплине
1. В модели распределенных лагов с полиномиальными лагами (модель
Алмона) вид коэффициентов структуры лага имеет следующий вид:___
i
1)  i   0 *  ; i  0
2)  i   0  1   2   3  ....  r;
rq
3)  i   0   1 * i   r * i ; r  q
2. В модели распределенных лагов с Геометрической структурой лагов
(модель Койка) вид коэффициентов структуры лага имеет следующий
вид:___
r
i
1)  i   0 *  ; i  0
2)  i   0  1   2   3  ....  r;
rq
3)  i   0   1 * i   r * i ; r  q
3. Каким методом оценивается модель распределенных лагов с
r
Геометрической структурой лагов (модель Койка)___:
1) МНК
2) ОМНК
17
3) Методом максимального правдоподобия
4) Как AR(1)
4. Для определения порядка лагов в модели распределенных лагов
ADL(0,q) с полиномиальными лагами применяется: _____.
1) Тест Фишера
2) Тест Дикки – Фуллера
3) Тест Бокса-Дженкинса
5. Стационарность. Стационарным в широком смысле называется
процесс yt , у которого: _____
y , y ,.... yt m ;
1) совместное распределение m наблюдений t1 t 2
не
зависит от сдвига по времени;
2) среднее, дисперсия и ковариация временного процесса
сохраняются во времени
3) среднее и дисперсия временного процесса сохраняются во
времени
4) все автокорреляционные функции близки к единице.
6. Стационарность. Стационарным в узком смысле называется процесс yt , у
которого: _____
y , y ,.... yt m ;
1) совместное распределение m наблюдений t1 t 2
не
зависит от сдвига по времени;
2) среднее, дисперсия и ковариация временного процесса
сохраняются во времени
3) среднее и дисперсия временного процесса сохраняются во времени
4) все автокорреляционные функции близки к единице.
7. Как выглядит график автокорреляционной функции ACF для AR(1)
процесса:____
1) 1как периодическая синусоидального типа функция
2) PACF(1)>0.2 ; PACF(2)>0.2; PACF(i)=0 для I>2
3) как экспоненциально убывающая функция
18
4) PACF(1)>0.2 ; PACF(i)=0 для I>
8. Как выглядит график частной автокорреляционной функции PACF для
AR(1) процесса:____
1) 1как периодическая синусоидального типа функция
2) PACF(1)>0.2 ; PACF(2)>0.2; PACF(i)=0 для I>2
3) как экспоненциально убывающая функция
4) PACF(1)>0.2 ; PACF(i)=0 для I>
9. Необходимое условие стационарности для AR(1) процесса:____
yt    1 yt 1   t ;
 t ~ iid (0,  2 )
1) PACF(1)>0.2 ; PACF(2)>0.2; PACF(i)=0 для I>2
2)
1  1
3) График ACF как экспоненциально убывающая функция
4)
1  1
10.Случайное блуждание есть процесс:____
1) MA(1) процесс
2) AR(1) процесс
3) Нестационарный процесс
4) AR(2) процесс
11.Тест Гранджерра применяется для установления:____
1) Автокорреляции
2) причинно-следственной зависимости
3) стационарности процесса
4) Автокорреляции первого порядка
12.Тест Дарбина применяется для установления:____
1) Автокорреляции
2) причинно-следственной зависимости
3) стационарности процесса
4) Автокорреляции первого порядка
Итоговый контроль
Итоговый
контроль
осуществляется
путем
сдачи
зачета.
Зачет
выставляется после защиты всех практических работ и выполнения тестов.
Примерный перечень вопросов к зачету
19
1. Модели
с
ограниченной
переменной.
Дискретные
зависимые
переменные. Модели бинарного выбора.
2.
Модели бинарного выбора. Линейные вероятностные модели. Probit и
Logit модели.
3. Интерпретация коэффициентов в модели бинарного выбора. Оценки
максимального правдоподобия в Probit и Logit моделях.
4. Ошибки
спецификации
в
моделях
бинарного
выбора.
Модели
множественного выбора.
5. Модели с цензурированными и урезанными зависимыми переменными.
Tobit модель.
6. Модели бинарного выбора. Смещенность и несостоятельность OLS
оценки. Оценки максимального правдоподобия.
7. Tobit-2
модель
(модель
Heckman):
описание,
оценивание,
интерпретация.
8. Модели с лагированными переменными. Модель распределенных лагов.
Оценка модели распределенных лагов.
9. Полиномиальные лаги (модель Алмона).
10. Геометрические лаги (модель Койка). Определение структуры лагов.
11. Эконометрический анализ рынка капитала. Модели акселератора.
12. Модель денежных потоков.
13. Неоклассическая модель.
14. Модель Тобина.
15. Динамические модели. Авторегрессионные модели и модели с
автокорреляцией. Оценка.
16. Тест на автокорреляцию (тесты Дарбина и множителей Лагранжа ).
17. Примеры моделей с лагированными переменными (модели частичного
выравнивания, адаптивных ожиданий, коррекции ошибок).
18. Тест Гранжера на причинно-следственную зависимость.
19. Временные ряды. Единичный корень и коинтеграция.
20. Стационарность. Случайное блуждание. AR(p) процесс.
20
21. Стационарность. Единичные корни. Статистика Дики-Фуллера.
22. Мнимая регрессия. Коинтеграция. Подходы Энгеля и Гранжера.
23. Статистика Маккикона. Коинтегрирующий вектор.
24. Долгосрочное динамическое равновесие.
25. ARIMA-модели и методология Бокса-Дженкинса (Box-Jenkins).
26. Тренд, сезонность, взятие разностей.
27. Тесты на стационарность. ACF и PACF.
28. MA модели. Обратимость. Свойства ARMA моделей.
29. Модели
авторегрессии
с
условной
гетероскедастичностью/
ARCH, GARCH, ARCH-M, E-GARCH модели.
30. Тест множителей Лагранжа для ARCH.
31. Модели
авторегрессии
с
условной
гетероскедастичностью/
ARCH, GARCH, ARCH-M, E-GARCH модели. Методы оценивания.
32. Панельные данные. Структура и организация панельных данных. Pool
model, Fixed и Random model.Индивидуальный эффект в модели.
33. Панельные данные. Pool model, Fixed
и Random model. Методы
расчетов, сравнение моделей.
34. Критерии выбора моделей панельных данных.
35. Актуальность метода панельных данных в региональных исследованиях
российской экономики.
РАЗДЕЛ 8 ЛИТЕРАТУРА. ИНФОРМАЦИОННО-СПРАВОЧНЫЕ
СИСТЕМЫ ОБУЧЕНИЯ
Основная литература
1. Катышев, П.К., Магнус, Я.Р., Пересецкий, А.А. Эконометрика.
Начальный курс. 6-е издание, Дело, Москва, 2006.
21
2. Доугерти, К. Введение в эконометрику. Издание второе. ИНФРА-М.,
2007.
3. Замков, О.О. Эконометрические методы в макроэкономическом
анализе (курс лекций). М. Диалог МГУ, 1999.
4. Елисеева, И.И. Эконометрика. – М.: Финансы и статистика, 2006.
5. Практикум по эконометрике: Учебное пособие / Под ред. И.И.
Елисеевой. – М.: Финансы и статистика, 2006.
6. Тихомиров, Н.П. Эконометрика. М.Экзамен, 2003.
Дополнительная литература
1. Айвазян, С.А., Мхитарян, В.С. Прикладная статистика и основы
эконометрики. М. «Юнити», 1998.
2. Анатольев, С. Эконометрика для подготовленных (Эконометрика - 4).
Курс лекций – М.: Российская Экономическая Школа, 2003.
3. Винн, О., Холден, К. Введение в прикладной эконометрический анализ.
М. Финансы и статистика, 1981.
4. Давнес, В.В., Тинякова, В.И., Мокшина, С.И., Вонщева, О.С.,
Щекунских, С.С. Эконометрика сложных процессов: Учебное пособие.
- Воронеж: Изд-во ВГУ, 2004. Некоторые эконометрические методы.
Метод максимального правдоподобия в эконометрии: Методическое
пособоие, М. 2005.
5. Маленво, Э. Статистические методы эконометрии. Москва, Статистика,
Том 1, 1975, том 2, 1976.
6. Сошникова, Л.А., Тамашевич, В.Н., Уебе, Г., Шеффер, М.
Многомерный статистический анализ в экономике. М. 1999г.
7. Джонстон, Дж. Эконометрические методы. М. Статистика, 1980.
8. J.Johnston, J.Dinardo, Econometric Methods. 5-th edition, Mc-Graw Hill,
1997.
9. W.H.Green, Econometric Analysis. Prentice Hall Int. 1997.
Материально-техническое обеспечение дисциплины
Для успешного освоения дисциплины и отработки навыков работы по
использованию информационных технологий в эконометрике используется
лицензированное программное обеспечение.
22
Эконометрика: методические указания по изучению дисциплины для
аспирантов специальности 08.00.05 – «Экономика и управление народным
хозяйством» / С.А. Ланец – Хабаровск : ДВИ-Ф РАНХ и ГС, 2011. – 20 с.
Подписано в печать
2011
Формат 60 × 84 1/16. Бумага А-4.
Усл. печ. л.
. Уч.-изд. л.
.
Тираж
. Заказ
.
Редакционно-издательский отдел
ФГБОУ ВПО «Дальневосточный институт-филиал
РАНХ и ГС при Президенте РФ»
680000, Хабаровск, ул. Муравьёва-Амурского, 33.