Правообладателям

Эконометрика. Кремер Н.Ш., Путко Б.А.

3-е изд., перераб. и доп. - М.: 2010. — 328 с.

В учебнике налагаются основы эконометрики. Большое внимание уделяется классической (парной и множественной) и обобщенной моделям линейной регрессии, классическому и обобщенному методам наименьших квадратов, анализу временных рядов и систем одновременных уравнений, моделям с панельными данными. Обсуждаются различные аспекты многомерной регрессии: мультиколлинеарность, фиктивные переменные, спецификация и линеаризация модели, частная корреляция. Учебный материал сопровождается достаточным числом решенных задач и задач для самостоятельной работы. Для студентов, бакалавров и магистров экономических направлений и специальностей вузов, аспирантов, преподавателей и специалистов по прикладной экономике и финансам, лиц, обучающихся по программам МВА, второго высшего образования и проходящих профессиональную переподготовку или повышение квалификации.

Формат: pdf

Размер: 7,5 Мб

Смотреть, скачать: docs.google.com ; rusfolder.com

Оглавление
Предисловие 3
Введение 6
Глава 1. Основные аспекты эконометрического моделирования 9
1.1. Введение в эконометрическое моделирование 9
1.2. Основные математические предпосылки эконометрического моделирования 11
1.3. Эконометрическая модель и экспериментальные данные 13
1.4. Линейная регрессионная модель 17
1.5. Система одновременных уравнений 19
1.6. Основные этапы и проблемы эконометрического моделирования 21
Глава 2. Элементы теории вероятностей и математической статистики 24
2.1. Случайные величины и их числовые характеристики 24
2.2. Функция распределения случайной величины. Непрерывные случайные величины 29
2.3. Некоторые распределения случайных величин 33
2.4. Многомерные случайные величины. Условные законы распределения 36
2.5. Двумерный (л-мерный) нормальный закон распределения 40
2.6. Закон больших чисел и предельные теоремы 41
2.7. Точечные и интервальные оценки параметров 42
2.8. Проверка (тестирование) статистических гипотез 45
Упражнения 48
Глава 3. Парный регрессионный анализ 50
3.1. Функциональная, статистическая и корреляционная зависимости 50
3.2. Линейная парная регрессия 52
3.3. Коэффициент корреляции 56
3.4. Основные положения регрессионного анализа. Оценка параметров парной регрессионной модели. Теорема Гаусса—Маркова 60
3.5. Интервальная оценка функции регрессии и ее параметров 64
3.6. Оценка значимости уравнения регрессии. Коэффициент детерминации 70
3.7. Геометрическая интерпретация регрессии и коэффициента детерминации 76
3.8. Коэффициент ранговой корреляции Спирмена 78
Упражнения 80
Глава 4. Множественный регрессионный анализ 82
4.1. Классическая нормальная линейная модель множественной регрессии 82
4.2. Оценка параметров классической регрессионной модели методом наименьших квадратов 83
4.3. Ковариационная матрица и ее выборочная оценка 91
4.4. Доказательство теоремы Гаусса—Маркова. Оценка дисперсии возмущений 94
4.5. Определение доверительных интервалов для коэффициентов и функции регрессии 97
4.6. Оценка значимости множественной регрессии. Коэффициенты детерминации R2 и R 102
Упражнения 106
Глава 5. Некоторые вопросы практического использования регрессионных моделей 108
5.1. Мультиколлинеарность 108
5.2. Отбор наиболее существенных объясняющих переменных в регрессионной модели 111
5.3. Линейные регрессионные модели с переменной структурой. Фиктивные переменные 115
5.4. Критерий Г. Чоу 122
5.5. Нелинейные модели регрессии 124
5.6. Частная корреляция 128
Упражнения 130
Глава 6. Временные ряды и прогнозирование 133
6.1. Общие сведения о временных рядах и задачах их анализа 133
6.2. Стационарные временные ряды и их характеристики. Автокорреляционная функция 135
6.3. Аналитическое выравнивание (сглаживание) временного ряда (выделение неслучайной компоненты) 139
6.4. Прогнозирование на основе моделей временных рядов 144
6.5. Понятие об авторегрессионных моделях и моделях скользящей средней 146
Упражнения 149
Глава 7. Обобщенная линейная модель. Гетероскедастичность и автокорреляция остатков 150
7.1. Обобщенная линейная модель множественной регрессии 150
7.2. Обобщенный метод наименьших квадратов 152
7.3. Гетероскедастичность пространственной выборки 155
7.4. Тесты на гетероскедастичность 157
7.5. Устранение гетероскедастичности 163
7.6. Автокорреляция остатков временного ряда. Положительная и отрицательная автокорреляция 167
7.7. Авторегрессия первого порядка. Статистика Дарбина—Уотсона 170
7.8. Тесты на наличие автокорреляции 174
7.9. Устранение автокорреляции. Идентификация временного ряда 178
7.10. Авторегрессионная модель первого порядка 181
7.11. Доступный (обобщенный) метод наименьших квадратов 185
Упражнения 188
Глава 8. Регрессионные динамические модели 191
8.1. Стохастические регрессоры 191
8.2. Метод инструментальных переменных 196
8.3. Оценивание моделей с распределенными лагами. Обычный метод наименьших квадратов 199
8.4. Оценивание моделей с распределенными лагами. Нелинейный метод наименьших квадратов 202
8.5 Оценивание моделей с лотовыми переменными. Метод максимального правдоподобия 204
8.6. Модель частичной корректировки 205
8.7. Модель адаптивных ожиданий 206
8.8. Модель потребления Фридмена 210
8.9. Автокорреляция ошибок в моделях со стохастическими регрессорами 212
8.10 GARCH-модели 214
8.11. Нестационарные временные ряды 217
Упражнения 221
Глава 9. Системы одновременных уравнений 223
9.1. Общий вид системы одновременных уравнений. Модель спроса и предложения 223
9.2. Косвенный метод наименьших квадратов 225
9.3. Проблемы идентифицируемости 229
9.4. Метод инструментальных переменных 232
9.5. Одновременное оценивание регрессионных уравнений. Внешне не связанные уравнения 235
9.6. Трехшаговый метод наименьших квадратов 238
9.7. Экономически значимые примеры систем одновременных уравнений 239
Упражнения 241
Глава 10. Проблемы спецификации модели 242
10.1. Выбор одной из двух классических моделей. Теоретические аспекты 242
10.2. Выбор одной из двух классических моделей. Практические аспекты 246
10.3. Спецификация модели пространственной выборки при наличии гетероскедастичности 248
10.4. Спецификация регрессионной модели временных рядов 251
10.5. Важность экономического анализа 253
Упражнения 255
Глава 11. Модели с различными типами выборочных данных 257
11.1. Статистические модели с панельными данными 257
11.2. Межгрупповые оценки с панельными данными 259
11.3. Модели с фиксированным и случайным эффектами 260
11.4. Оценивание модели с фиксированным эффектом 261
11.5. Оценивание модели со случайным эффектом 263
11.6. Проблема выбора модели с панельными данными 264
11.7. Бинарные модели с дискретными зависимыми переменными 267
11.8. Probit- и logit-модели 268
11.9. Дискретные модели с панельными данными 271
11.10. Выборка с ограничениями 272
Упражнения 273
Приложения 275
Глава 12. Элементы линейной алгебры 275
12.1. Матрицы 275
12.2. Определитель и след квадратной матрицы 278
12.3. Обратная матрица 281
12.4. Ранг матрицы и линейная зависимость ее строк (столбцов) 283
12.5. Система линейных уравнений 285
12.6. Векторы 286
12.7. Собственные векторы и собственные значения квадратной матрицы 288
12.8. Симметрические, положительно определенные, ортогональные и идемпотентные матрицы 289
12.9. Блочные матрицы. Произведение Кронекера 291
12.10. Матричное дифференцирование 293
Упражнения 294
Глава 13. Эконометрические компьютерные пакеты 296
13.1. Оценивание модели с помощью компьютерных программ 296
13.2. Метод Монте-Карло 302
Упражнения 304
Литература 306
Математико-статистические таблицы 308
Предметный указатель 316

«Эконометрика» как дисциплина федерального (регионального) компонента по циклу общих математических и естественно-научньгх дисциплин включена в основную образовательную программу подготовки экономистов, определяемую Государственными образовательными стандартами высшего образования. Однако в настоящее время ощущается нехватка доступных учебников и учебных пособий по эконометрике для студентов экономических специальностей вузов.
Авторы данного учебника попытались хотя бы в некоторой степени восполнить имеющийся пробел. Учебник написан в соответствии с требованиями Государственного образовательного стандарта по дисциплине «Эконометрика» для экономических специальностей вузов. При изложении учебного материала предполагается, что читатель владеет основами теории вероятностей, математической статистики и линейной алгебры в объеме курса математики экономического вуза (например, [4], или [5], и [17]).
Учебник состоит из введения, основного учебного материала (гл. 1—11) и приложения (гл. 12—13).
Во введении дано определение эконометрики, показано ее место в ряду математико-статистических и экономических дисциплин.
В главе 1 изложены основные аспекты эконометрического моделирования, его предпосылки, типы выборочных данных, виды моделей, этапы проведения и возникающие при этом проблемы моделирования.
В связи с тем, что основой математического инструментария эконометрики является теория вероятностей и математическая статистика, в главе 2 представлен краткий обзор ее основных понятий и результатов. Следует иметь в виду, что данный обзор не может заменить систематического изучения соответствующего вузовского курса.
В главах 3,4 рассмотрены классические линейные регрессионные модели: в главе 3 — парные регрессионные модели, на примере которых наиболее доступно и наглядно удается проследить базовые понятия регрессионного анализа, выяснить основные предпосылки классической модели, дать оценку ее параметров и геометрическую интерпретацию; в главе 4 — обобщение
регрессии на случай нескольких объясняющих переменных. Применение в главе 4 аппарата матричной алгебры позволяет дать компактное описание и анализ множественной регрессии, доказательство ее основных положений.