Autorzy podręczników z ekonometrii w różny sposób przedstawiają wykładany materiał. Najczęściej związane jest to z myślą o czytelnikach, dla których piszą podręcznik. Naszym celem było przedstawienie ekonometrii nie dla ekonomistów, którzy wykorzystują gotowe metody w celu sprawdzenia swoich teorii, a przede wszystkim dla tych, którzy opracowują konkretne metody ekonometryczne np. dla matematyków. Dlatego podręcznik poświęcono teoretycznym problemom ekonometrii, opierając wykład na teorii prawdopodobieństwa, statystyce matematycznej i teorii systemów. Dla wygody i matematycznej jasności wykładu w książce wykorzystano macierzową formę zapisu i podstawy teorii macierzy.
Ostatnio bardzo rozszerza się zakres zastosowań ekonometrii. W książce przedstawiono tylko wstęp do podstawowych problemów ekonometrii - metody identyfikacji parametrów modeli i ich własności w zależności od charakteru modelu. Opisano podstawowe zasady budowy modeli, tak, aby czytelnik mógł zrozumieć i zinterpretować otrzymane wyniki przedstawione np. we współczesnej literaturze. Zaś w przypadku konieczności przedstawione zagadnienia umożliwią czytelnikowi opracowanie własnego podejścia do rozwiązywanych problemów ekonometrycznych.
Pracę podzielono na sześć rozdziałów. I tak, w rozdziale I sformułowano podstawowe zasady budowy modeli ekonometrycznych. Pokazano zasady identyfikacji parametrów i struktury tych modeli, a także własności statystyczne, które powinny mieć budowane modele. W rozdziale II analizowano proces, opisany z pomocą jednego równania. W tym przypadku zastosowano klasyczną analizę regresyjną. Przedstawiono główne założenia tej metody, a także procedurę oceny parametrów równania regresji. W rozdziale III pokazano podstawowe pojęcia analizy stacjonarnych szeregów czasowych. Wykorzystanie szeregów związane jest z niewypełnieniem w praktyce niektórych założeń klasycznej analizy regresyjnej. W rozdziale IV przedstawiono możliwości wykorzystania charakterystycznych w ekonometrii układów równań jednoczesnych, które można przedstawić w postaci szeregu czasowego. W rozdziale V uogólniono wyniki otrzymane w poprzednich rozdziałach 1 pokazano sposoby postępowania w przypadku niespełnienia podstawowych założeń analizy regresyjnej. W rozdziale VI zainteresowanym czytelnikom zaproponowano zaznajomienie się z jeszcze jednym sposobem przedstawienia modeli ekonometrycznych w postaci łańcuchów Markowa.
Spis treści:
WSTĘP
1. ZASADY BUDOWY MODELI ZJAWISK EKONOMETRYCZNYCH
1.1. Zasady budowy modeli
1.2. Podstawowe zasady identyfikacji modeli
1.3. Oceny parametrów i ich własności
1.3.1. Rozkłady próbek
1.3.2. Własności rozkładu próbek
1.3.3. Metody oceny parametrów statystycznych
1.3.4. Zasady budowy metod oceny parametrów modelu
2. ANALIZA REGRESYJNA
2.1. Sformułowanie zadania
2.2. Klasyczny model regresji
2.3. Metoda najmniejszych kwadratów
2.4. Właściwości statystyczne estymatorów metody najmniejszych kwadratów
2.5. Weryfikacja liniowych hipotez statystycznych
2.5.1. Test Studenta
2.5.2. Test Fishera
2.6. Prognozowanie
3. ANALIZA SZEREGÓW CZASOWYCH
3.1. Wstęp
3.1.1. Stacjonarne szeregi czasowe
3.1.2. Autokowariancja
3.1.3. Gęstość widmowa
3.2. Modele autoregresyjne
3.2.1. Modele autoregresyjne pierwszego rzędu
3.2.2. Autoregresyjne modele drugiego rzędu
3.2.3. Modele autoregresyjne wyższych rzędów
3.3. Modele autoregresyjne z resztami w postaci ruchomych średnich
3.4. Asymptotyczne własności ocen parametrów modeli autoregresyjnych
3.5. Prognozowanie
3.6. Modele opóźnień
3.6.1. Opóźnienie ogólne
3.6.2. Opóźnienie geometryczne
3.6.3. Opóźnienia Almona
4. UOGÓLNIONA METODA NAJMNIEJSZYCH KWADRATÓW
4.1. Przypadek znanej macierzy kowariancji
4.1.1. Model
4.1.2. Oceny uogólnionej metody najmniejszych kwadratów
4.1.3. Efektywność ocen metody nąjnniejszych kwadratów
4.1.4. Zgodność ocen metody najmniejszych kwadratów
4.1.5. Przypadek osobliwej macierzy kowariancji
4.2. Przypadek nieznanej macierzy kowariancji
4.3. Korelacja seryjna
4.3.1. Asymptotyczna normalność ocen metody najmniejszych kwadratów
4.3.2. Ocena p
4.3.3. Oceny parametrów metodą największej wiarygodności
4.3.4. Test Durbin - Watsona
4.3.5. Jednoczesność endogennych zmiennych, opóźnień i korelacji seryjnej
4.4. Heteroskedastyczność
4.4.1. Nieusuwalna heteroskedastyczność
4.4.2. Uogólniona parametryzowalna heteroskedastyczność
4.4.3. Dyspersja jako liniowa funkcja regresorów
4.4.4. Dyspersja jako wykładnicza funkcja regresorów
5. MODELE O RÓWNANIACH WSPÓŁZALEŻNYCH
5.1. Model i jego identyfikacja
5.2. Przypadek pełnej informacji: ocena parametrów modelu metodą największej wiarygodności
5.3. Przypadek ograniczonej informacji
5.3.1. Wstęp
5.3.2. Metoda największej wiarygodności przy ograniczonej informacji
5.3.3. Dwukrokowa metoda najmniejszych kwadratów
5.3.4. Metoda największej wiarygodności i dwukrokowa metoda najmnięjszych kwadratów przy ograniczonej informacji: rozkład asymptotyczny
5.3.5. Interpretacja ocen dwukrokowej metody najmniejszych kwadratów
5.3.6. Oceny uogólnionej dwukrokowej metody najmniejszych kwadratów
5.4. Trójkrokowa metoda najmniejszych kwadratów
6. ŁAŃCUCHY MARKOWA
6.1. Wstęp
6.2. Empiryczne modele Markowa niezawierające zmiennych egzogennych
6.3. Dwustanowe modele ze zmiennymi egzogennymi
6.4. Wielostanowe modele ze zmiennymi egzogennymi
6.5. Estymacja modelu na podstawie danych agregowanych
DODATKI
INDEKS
BIBLIOGRAFIA
STRESZCZENIE
|
