Podstawowy kurs Ekonometri.pdf

(2173 KB) Pobierz
Brunon R. Górecki
Podstawowy kurs
nowoczesnej ekonometrii
SPIS TREŚCI
Wstęp
CZĘŚĆ I. KLASYCZNY MODEL REGRESJI LINIOWEJ
1.Wprowadzenie
1.1. Czym jest ekonometria?
1.2. Pojęcie modelu ekonometrycznego
1.3. Dane statystyczne
1.4. Metodologia ekonometrii
2. Klasyczny model regresji liniowej (KMRL)
2.1. Zapis macierzowy modelu
2.2. Od populacji do próby i od próby do populacji
2.3. Zało enia KMRL
3. Metoda najmniejszych kwadratów (MNK)
3.1. Estymatory MNK
3.2. Własności algebraiczne rozwiązania MNK
3.4 Dobroć dopasowania równania regresji
4. Wnioskowanie o estymatorach MNK
4.1. Jeszcze o zało eniu normalności zaburzeń losowych
4.2. Najlepszy liniowy nieobcią ony estymator i twierdzenie Gaussa-Markowa
4.3. Estymator wariancji zaburzenia losowego i błędy standardowe estymatorów
4.4. Rozkład
t-
Studenta, weryfikacja prostych hipotez i przedziały ufności
4.5. Istotność równania regresji
4.6. Asymptotyczne własności estymatorów MNK
5. Interpretacja równania regresji i testowanie hipotez
5.1. Interpretacja współczynników regresji i zało enie liniowości w modelu regresji
5.2. Jakościowe zmienne objaśniające – zmienne 0-1
5.3. Restrykcje i modele zagnie d one. Łączna
jedynkowych
5.4.Jakościowa zmienna objaśniana
istotność zmiennych
zero-
5.5. Wybór regresorów. Skutki pominięcia w równaniu regresji istotnych zmiennych
objaśniających; skutki dodania w równaniu regresji zmiennych nieistotnych
5.6. Testowanie łącznej istotności podzbioru regresorów
5.7.Testowanie hipotez zło onych
6.
Problemy danych statystycznych
6.1. Współliniowość i jej konsekwencje. Wykrywanie współliniowości i
środki
zaradcze
6.2 . Obserwacje opuszczone
6.3 . Wykrywanie nietypowych wartości zmiennej objaśnianej i nietypowych wartości
zmiennych objaśniających
7.
Prognozowanie na podstawie KMRL
7.1 Prognoza i błąd standardowy prognozy
7.2 Wykorzystanie modelu dla celów symulacji
CZĘŚĆ II ZŁAGODZENIE ZAŁO EŃ MODELU KLASYCZNEGO
8. Uogólniona metoda najmniejszych kwadratów (UMNK)
8.1. Heteroscedastyczność i autokorelacja zaburzenia losowego w KMRL
8.2. Estymatory uogólnionej metody najmniejszych kwadratów (UMNK)
8.3. Testowanie heteroscedastyczności: testy Goldfelda-Quandta, Breuscha-Pagana
oraz White`a
8.4. Estymacja macierzy wariancji-kowariancji zaburzeń losowych w przypadku
heteroskedastyczności. Stosowalna uogólniona metoda najmniejszych kwadratów
8.5. Odporny na heteroscedastyczność estymator White`a macierzy wariancji-
kowariancji dla
b
wyznaczonego za pomocą MNK
8.6. Testowanie autokorelacji: testy Durbina-Watsona i Breuscha-Godfreya
8.7. Estymacja macierzy wariancji-kowariancji zaburzeń losowych w
przypadkach autokorelacji pierwszego rzędu
8.8. Odporny na heteroscedastyczność i odporny na autokorelację estymator Newey`a-
Westa macierzy wariancji-kowariancji dla
b
oszacowanego za pomocą MNK
9. Diagnostyka w klasycznym modelu regresji liniowej
9.1 Test White`a
9.2 Test RESET błędu specyfikacji postaci funkcyjnej równania regresji Ramsey`a
9.3 Test niezagnie d onych alternatyw
9.4 Test stabilność parametrów Chowa
9.5 Test Jarque-Bera`y nienormalności zaburzeń
9.6 Ocena wyników analizy regresji
CZĘŚĆ III. SZCZEGÓLNIE WA NE MODELE EKONOMETRYCZNE
10. Ograniczona zmienna objaśniana
10.1. Liniowa funkcja prawdopodobieństwa
10.2. Metody logitowa i probitowa
10.3. Wielomianowa metoda logitowa, metoda tobitowa, modele samoselekcji próby
11. Modele pojedynczego szeregu czasowego
11.1. Analiza klasyczna
11.2. Szereg czasowy jako realizacja procesu stochastycznego
11.3. Procesy autoregresyjne rzędu p -AR(p) (Autoregressive), procesy
średniej
ruchomej rzędu q – MA(q) (Moving Average), Zintegrowane rzędu d procesy
autoregresyjne rzędu p ze
średnią
ruchomą rzędu q - ARIMA(p,d,q) (Autoregressive
Integrated Moving Average).
11.4. Procedura Boxa – Jenkinsa
11.5 Procesy ARIMA dla danych sezonowych
12. Modele dynamiczne
12.1. Modele o opóźnieniach rozło onych (Distributed Lag Models)
12.2. Estymacja modeli DL i wybór rzędu opóźnienia
12.3. Modele autoregresyjne i modele autoregresyjne z opóźnieniami rozło onymi
(AutoRegressive Distributed Lag Models – Modele ADL lub ARDL)
12.4. Niestacjonarność i integracja szeregu ; konsekwencje
12.5. Test pierwiastka jednostkowego Dickeya-Fullera (Test DF)
12.6. Rozszerzony test pierwiastka jednostkowego zwany w języku angielskim
Augmented Dickey-Fuller Test (Test ADF)
12.7. Kointegracja szeregów czasowych
12.8. Przyczynowość w ekonometrii
13. Modele wektorowej autoregresji (Vector AutoRegressive Models - VAR) i modele
korekty błędów
13.1. Modele wektorowej autoregresji (Vector AutoRegressive Models (VAR)
13.2. Model korekty błędów (Error Correction Model – ECM)
13.
Opracowywanie projektów badawczych
.
CZĘŚĆ IV ANEKSY
Aneks A. Elementy algebry macierzy
Aneks B. Wybrane fragmenty rozkładów prawdopodobieństwa
Aneks C. Bazy danych

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika:

Zgłoś jeśli naruszono regulamin