Grīdas pagrabā un pagrabā
Ekonometrija - iesācēju kurss - Magnuss Ja.R., Katyshevs P.K., Peresetskis A.A. es

Ekonometrija - iesācēju kurss - Magnuss Ja.R., Katyshevs P.K., Peresetskis A.A. es

UDC 330.43(075.8)
BBK 65v6ya73

Magnuss Ja.R., Katiševs P.K., Peresetskis A.A.
Ekonometrija. Sākotnējais kurss: Proc. - 8. izd., Rev. — M.:, 2007. — 504 lpp.

ISBN 978-5-7749-0473-0

Mācību grāmata satur sistemātisku ekonometrijas pamatu izklāstu un ir uzrakstīta, pamatojoties uz lekcijām, kuras autori vairākus gadus lasīja Krievijas Ekonomikas augstskolā un Ekonomikas augstskolā. Detalizēti tiek pētīti lineārās regresijas modeļi (mazākie kvadrāti, hipotēžu pārbaude, heteroskedastiskums, kļūdu autokorelācija, modeļa specifikācija). Atsevišķas nodaļas ir veltītas vienlaicīgu vienādojumu sistēmām, maksimālās ticamības metodei regresijas modeļos, modeļiem ar diskrētiem un ierobežotiem atkarīgiem mainīgajiem.

Paneļa datu nodaļa paplašina grāmatu līdz pilnīgam to tēmu sarakstam, kas tradicionāli iekļautas mūsdienu ekonometrijas pamatkursos. Nodaļas "Iepriekšējā pārbaude" un "Finanšu tirgu ekonometrija" noderēs tiem, kurus interesē attiecīgi ekonometrijas teorētiskie un lietišķie aspekti. Vingrinājumu skaits ir ievērojami palielināts. Iekļauti vingrinājumi ar reāliem datiem, kas lasītājam ir pieejami grāmatas vietnē.

Studentiem, maģistrantiem, skolotājiem, kā arī lietišķās ekonomikas un finanšu speciālistiem.

Mācību grāmata satur sistemātisku ekonometrijas pamatu izklāstu un ir uzrakstīta, pamatojoties uz lekcijām, kuras autori vairākus gadus lasīja Krievijas Ekonomikas augstskolā un Ekonomikas augstskolā. Tvaika istabas lineārie modeļi un daudzkārtēja regresija, tostarp tādas tēmas kā mazākie kvadrāti, hipotēžu pārbaude, vispārinātie mazākie kvadrāti, heteroskedastiskums un kļūdu autokorelācija, prognozēšana, modeļa specifikācijas problēmas. Atsevišķa nodaļa ir veltīta vienlaicīgu vienādojumu sistēmām.

Salīdzinot ar 1997. gada izdevumu, grāmatā ir iekļautas trīs jaunas nodaļas par maksimālo iespējamību regresijas modeļos, laika rindās un modeļos ar diskrētiem un ierobežotiem atkarīgiem mainīgajiem. Būtiski palielināts piemēru skaits no Krievijas ekonomikas, uzdevumiem un mācībām.

Studentiem, maģistrantiem, skolotājiem, kā arī lietišķās ekonomikas un finanšu speciālistiem.

Ekonometrija (līdzās mikroekonomikai un makroekonomikai) ir viena no mūsdienu ekonomiskās izglītības pamatdisciplīnām. Kas ir ekonometrija? Runājot par dzīvu, attīstošu zinātni, vienmēr ir grūti īsi aprakstīt tās priekšmetu un metodes. Vai mēs varam teikt, ka ekonometrija ir ekonomisko mērījumu zinātne, kā norāda tās nosaukums? Protams, tas ir iespējams, bet tad rodas jautājums, ko nozīmē jēdziens “ekonomiskās dimensijas”. Tas ir analoģisks matemātikas kā skaitļu zinātnes definīcijai. Tāpēc, nemēģinot šo problēmu attīstīt sīkāk, citēsim ekonomikā un ekonometrikā atzītu autoritātes izteikumus.

“Ekonometrija ļauj kvantitatīvi analizēt reālās ekonomikas parādības, balstoties uz mūsdienu teorijas attīstību un novērojumiem, kas saistīti ar secinājumu izdarīšanas metodēm” (Samuelsons).

“Ekonometrijas galvenais uzdevums ir aizpildīt a priori ekonomisko argumentāciju ar empīrisku saturu” (Kleins).

“Ekonometrijas mērķis ir ekonomisko likumu empīriska atvasināšana. Ekonometrija papildina teoriju, izmantojot reālus datus, lai pārbaudītu un precizētu postulētās attiecības” (Malenvo).

Šī grāmata galvenokārt ir adresēta studentiem, kuri pirmo reizi uzsāk ekonometrijas studijas, un tai ir divi mērķi. Pirmkārt, mēs vēlamies sagatavot lasītāju lietišķajiem pētījumiem ekonomikā. Otrkārt, domājam, ka tas noderēs studentiem, kuri gatavojas tālāk padziļināti apgūt ekonometrijas teoriju. Priekšzināšanas ekonometrijā nav nepieciešamas. Tomēr tiek pieņemts, ka sākotnējā sējumā ir jāzina lineārās algebras, varbūtību teorijas un matemātiskās statistikas kursi (piemēram, Gelfand, 1971; Ilyin, Poznyak, 1984; Wentzel, 1964). Mēs arī pieņemam, ka lasītājs ir lietpratīgs matemātiskajā analīzē tehniskās universitātes standarta kursa ietvaros.

Ir vairākas lieliskas ekonometrijas mācību grāmatas angļu valoda. Piemēram, grāmatu (Grīns, 1997) pamatoti var uzskatīt par "ekonometrisko enciklopēdiju" - tajā ir gandrīz visas mūsdienu ekonometrijas sadaļas. Mācību grāmata (Goldberger, 1990) vairāk pievēršas ekonometrijas formāli matemātiskajai pusei. Mūsuprāt, grāmata (Johnston and DiNardo, 1997) ir ļoti veiksmīga, mūsdienīga un sabalansēta teorijas un pielietojuma ziņā. Jāatzīmē arī mācību grāmatas (Griffits, Hill and Judge, 1993) un (Pindyck and Rubinfeld, 1991), kas ir paredzētas lasītājiem, kuriem nav spēcīgas matemātikas zināšanas un kas ir aprīkoti ar liels daudzums piemēri un vingrinājumi. Labs papildinājums standarta mācību grāmatām ir grāmata (Kennedy, 1998), kas koncentrējas uz ekonometriskās analīzes satura pusi un satur liels skaitlis interesanti vingrinājumi. Jāpiemin arī grāmata (Hamilton, 1994), kur ļoti detalizēti un augstā matemātiskā līmenī ir izklāstīta laika rindu teorija, un grāmata (Stjuarts, 1991), kurā apkopotas veiksmīgas un kompaktas teorijas sadaļas. laika rindas.

Tāpēc, iespējams, nāksies izteikt dažus argumentus par labu jaunas grāmatas rakstīšanai, nevis vienkārši tulkot kādu no esošajām mācību grāmatām. Mūsu grāmata ir balstīta uz lekcijām, ko viens no autoriem (J. Magnuss) lasīja kā ievadkursu Krievijas Ekonomikas skolas (NES) studentiem 1993. gada martā-aprīlī. Vēl divi autori (P. Katiševs, A. Peresetskis) ) vadīja praktiskās nodarbības. Intensīvajā 7 nedēļu kursā tika apgūti ekonometrijas pamati. Šis bija pirmais Krievijas Ekonomikas augstskolas pastāvēšanas gads. Turpmākajos gados autori sadarbojās, izstrādājot mācību programmu visiem trim ekonometrijas kursiem NES pirmā kursa studentiem. Darba procesā mēs īpaši apkopojām piemērus no Krievijas ekonomikas, ko izmantojām tradicionāli uzskatīto Rietumeiropas un ASV ekonomikas piemēru vietā. Beigās nonācām pie secinājuma, ka būtu vēlama mācību grāmata, kas būtu rakstīta tieši krievu studentiem, un kursa programmu pārstrādājām atsevišķā grāmatā. Tādējādi šī grāmata ir piecus gadus ilgas ekonometrijas mācīšanas rezultāts krievu studentiem.

2.-4. nodaļā ir ietverta klasiskā lineārās regresijas modeļu teorija. Šis materiāls ir ekonometrijas pamats, un skolēniem tas ir jāiepazīst, pirms pāriet uz pārējo grāmatas daļu. 2. nodaļā apskatīts vienkāršākais modelis ar diviem regresoriem, 3. nodaļa ir veltīta daudzfaktoru modeļiem. Savā ziņā 2. nodaļa ir lieka, taču no pedagoģiskā viedokļa ir ārkārtīgi lietderīgi vispirms izpētīt regresijas modeļus ar diviem mainīgajiem. Tad, piemēram, no matricas algebras var iztikt, divdimensiju gadījumā ir vieglāk saprast arī regresijas grafisko interpretāciju. 4.nodaļa satur vairākas papildu sadaļas (multikolinearitātes problēma, fiktīvie mainīgie, modeļa specifikācija), taču tās materiālu var klasificēt arī kā ekonometrijas standarta pamatus.

5.-9. nodaļā ir apskatīti daži standarta daudzkārtējās regresijas modeļa vispārinājumi, piemēram, stohastiskie regresori, vispārinātie mazākie kvadrāti, atlikumu heteroskedasticitāte un autokorelācija, pieejamie vispārinātie mazākie kvadrāti, prognozes, instrumentālie mainīgie. Pārsteidzošais ekonometrijas teorijā ir tas, ka šajā līmenī lielākā daļa teorijas standarta kodola teorēmu (2.-4.nodaļa) paliek spēkā vismaz aptuveni vai asimptotiski, kad teorēmu nosacījumi ir atviegloti. Mēs ļoti iesakām 5.–9. nodaļas rezultātus pastāvīgi korelēt ar galvenajiem rezultātiem, kas sniegti 2.–4. nodaļā.

10. nodaļā ir ietverta vienlaicīgu vienādojumu sistēmu teorija, t.i. gadījumā, ja modelī ir vairāk nekā viens vienādojums. Tiek aplūkotas problēmas, ar kurām ekonometriķis var saskarties praktiskajā darbā.

Grāmatā ir iekļauti vairāki pielikumi, tostarp ekonometrisko pakešu pārskats un kodolīgs angļu-krievu glosārijs.

Mūsu pieredze liecina, ka 1.-7.nodaļas materiāls ir pietiekams 7 nedēļu kursam 6 stundas nedēļā, bet 1.-10.nodaļas materiāls ir pietiekams standarta viena semestra kursam. Labus rezultātus esam sasnieguši ar sekojošu kursu struktūru: divas divu stundu lekcijas nedēļā un viens seminārs (mazākās apakšgrupās), taču iespējamas arī citas kursu struktūras.

Studenti

Problēmu risināšana ir matemātikas, statistikas un ekonometrijas apguves atslēga. Mūsu skolotāji mums to stāstīja, kad bijām studenti, un mēs to atkārtojam šeit. Un tas ir pareizi! Praktiskiem studentiem ir svarīgi eksperimentēt ar datiem. Noņemiet dažus novērojumus no saviem datiem un uzziniet, kas notiek ar jūsu aprēķiniem un kāpēc. Pievienojiet skaidrojošos mainīgos un skatiet, kā mainās jūsu aprēķini un prognozes. Kopumā eksperimentējiet. Uz teoriju orientētam studentam pašam sev jājautā, kāpēc tāds vai cits teorēmas nosacījums ir vajadzīgs. Kāpēc teorēma pārstāj būt patiesa, ja noņemat vai maināt kādu no nosacījumiem. Atrodiet pretpiemērus.

Skolotāji

Svarīgi, lai visiem skolēniem būtu nepieciešamās matemātiskās un statistikas līmenī sagatavošanās kursa sākumā. Ja tas tā nav, kurss jāsāk ar nepieciešamo lineārās algebras un matemātiskās statistikas jēdzienu pārskatīšanu. 2.-4.nodaļai jābūt kursa sākumā. Ir zināma brīvība turpmāko tēmu izvēlē, ja laiks neļauj kursā iekļaut visu grāmatu. Laika trūkuma gadījumā stohastiskos regresorus (5.1. sadaļa) un heteroskedastikas testus (bet ne pašu heteroskedastikas jēdzienu) var atlikt uz nākamo kursu. No 7. līdz 10. nodaļai ir īpašas, bet svarīgas sadaļas, kuras var iekļaut kursā ar dažādu detalizācijas pakāpi atkarībā no pasniedzēja gaumes.

Būsim pateicīgi par jebkādiem komentāriem, ziņojumiem par drukas kļūdām, neskaidrām vietām, kļūdām šajā grāmatā.

Paldies

Mēs esam parādā tām piecām Jaunās ekonomikas skolas studentu paaudzēm, kuras kursa apguves gaitā izteica daudz kritisku piezīmju, ko izmantojām, strādājot pie grāmatas. Bez viņiem šī grāmata nekad nebūtu tapusi.

Esam pateicīgi NES absolventiem Vladislavam Karginam un Aleksejam Onatskim, kuri grāmatai sagatavoja piemēru par Maskavas dzīvokļu tirgu, kā arī NES studentiem Jeļenai Palcevai un Gauharam Turmukhambetovai, kuru pūliņiem izdevās izvairīties no daudzām drukas kļūdām. Esam pateicīgi arī kolēģim Aleksandram Slastņikovam, kurš uzņēmās manuskripta rediģēšanu. Strādājot pie manuskripta, P.Katiševs un A.Peresetskis saņēma finansiālu atbalstu no Krievijas Humanitārās zinātnes fonda projekta 96-02-16011a.

Tilburga/Maskava, 1997. gada marts

Satura rādītājs Priekšvārds Pirmā izdevuma priekšvārds Trešā izdevuma priekšvārds Sestā izdevuma priekšvārds 1. Ievads 1.1. Modeļi 1.2. Modeļu veidi 1.3. Datu tipi 2. Pāru regresijas modelis 2.1. Līknes montāža 2.2. Mazāko kvadrātu metode (LSM) 2.3. Lineārās regresijas modelis ar diviem mainīgajiem 2.4. Gausa-Markova teorēma. Kļūdu izkliedes novērtējums a2 2.5. LSM-Regresijas parametru aplēšu statistiskās īpašības. Hipotēžu pārbaude b = bo- Regresijas koeficientu ticamības intervāli 2.6. Atkarīgā mainīgā regresijas variācijas analīze. R2 determinācijas koeficients 2.7. Regresijas koeficientu maksimālās iespējamības novērtēšanas vingrinājumi 3. Daudzkārtējas regresijas modelis 3.1. Galvenās hipotēzes 3.2. Mazākā kvadrāta metode. Gausa-Markova teorēma 3.3. LSM aplēšu statistiskās īpašības 3.4. Atkarīgā mainīgā regresijas variācijas analīze. Koeficients R2 un koriģēts R 3.5. Hipotēžu pārbaude. Ticamības intervāli un ticamības reģioni 4. uzdevums. Daudzkārtējas regresijas dažādi aspekti 4.1. Daudzkolinearitāte 4.2. Dummy mainīgie 4.3. Daļēja korelācija 4.4. Modeļa specifikācija Uzdevumi 5. Daži daudzkārtējas regresijas vispārinājumi 5.1. Stohastiskie regresori 5.2. Vispārināto mazāko kvadrātu metode 5.3. Pieejamie vispārinātie mazākie kvadrāti Uzdevumi 6. Heteroskedastiskums un laika korelācija 6.1. Heteroskedasticitāte 6.2. Laika korelācijas uzdevumi 7. Prognozēšana regresijas modeļos 7.1. Beznosacījumu prognozēšana 7.2. Nosacītā prognozēšana 7.3. Prognozēšana autoregresīvu kļūdu klātbūtnē. Uzdevumi 8. Instrumentālie mainīgie 8.1. Izmantojot instrumentālos mainīgos iegūto aplēšu konsekvence 8.2. Mērījumu kļūdu ietekme 8.3. Divpakāpju mazākie kvadrāti 8.4. Hausmana tests Uzdevumi 9. Regresijas vienādojumu sistēmas 3.1. Ārēji nesaistīti vienādojumi 9.1. Vienlaicīgo vienādojumu sistēmas vingrinājumi 10. Maksimālās varbūtības metode regresijas modeļos 10.1. Ievads 10.2. Matemātiskais aparāts 246 10.3. Daudzfaktoru normālā sadalījuma parametru maksimālās varbūtības novērtējums 10.4. Maksimālās varbūtības aplēses īpašības 10.5. Maksimālās varbūtības novērtējums lineārā modelī 10.6. Hipotēžu pārbaude lineārā modelī, I 10.7. Hipotēžu pārbaude lineārā modelī, II 10.8. Nelineārie ierobežojumi Uzdevumi 11. Laikrindas 11.1. Sadalītie lag modeļi 11.2. Dinamiskie modeļi 11. 3 Vienību saknes un kointegrācija 11.4 Box-Jenkins modeļi (ARIMA) 11.5. GARCH modeļi Uzdevumi 12. Diskrēti atkarīgie mainīgie un cenzētie paraugi 12.1. Binārie un vairāku izvēļu modeļi 12.2. Apgriezti un cenzēti modeļi Uzdevumi 13. Paneļa dati 13.1. Ievads 13.2. Apzīmējumi un pamatmodeļi 13.3. Fiksēto efektu modeļa 13.4. sadaļa. Izlases efekta modelis 13.5. Piemērošanas kvalitāte 13.6. Modeļu izvēle 13.7. Dinamiskie modeļi 13.8. Binārās izvēles modeļi ar paneļa datiem 13.9. Vispārināta momentu metode Uzdevumi 14. Iepriekšēja pārbaude: ievads 14.1. Ievads 14.2. Problēmas izklāsts 14.3. Galvenais rezultāts 14.4. Pirmstesta novērtējums 14.5. WALS rezultāts 14,6. Ekvivalences teorēma 14.7. Iepriekšēja pārbaude un nepietiekamas novērtēšanas efekts 14.8. "Nepietiekamas novērtēšanas" efekts. Viens palīgparametrs 14.9. Modeļa izvēle: no vispārīga uz konkrētu un no īpaša uz vispārīgu 14.10. "Nepietiekamas novērtēšanas" efekts. Divi palīgparametri 14.11. Prognozēšana un iepriekšēja pārbaude 14.12. Vispārinājumi 14.13. Citi jautājumi Uzdevumi 15. Finanšu tirgu ekonometrija 15.1. Ievads 15.2. Efektivitātes hipotēze finanšu tirgus 15.3. Vērtspapīru portfeļa optimizācija 15.4. Tests jaunu aktīvu iekļaušanai efektīvā portfelī 15.5. Optimāls portfelis bezriska aktīva klātbūtnē 15.6. Finanšu aktīvu vērtēšanas modeļi 16. uzdevums. Ekonometriskās perspektīvas 1.6.1. Ievads 16.2. Ko īsti dara ekonometrists? 16.3. Ekonometrija un fizika 16.4. Ekonometrija un matemātiskā statistika 16.5. Teorija un prakse 16.6. Ekonometriskā metode 16.7. Vājais posms 16.8. Summēšana 16.9. Kā izmantot citus darbus 16.10. Secinājums LA pielikums. Lineārā algebra 1. Vektortelpa 2. Vektortelpa Ln 3. Lineārā atkarība 4. Lineārā apakštelpa 5. Pamats. Dimensija 6. Lineārie operatori 7. Matricas 8. Matricas darbības 9. Matricas invarianti: trase, determinants 10. Matricas rangs 11. Apgrieztā matrica 12. Sistēmas lineārie vienādojumi 13. Īpašvērtības un vektori 14. Simetriskas matricas 15. Pozitīvās noteiktās matricas 16. Idempotentās matricas 17. Bloku matricas 18. Kronekera reizinājums 19. Diferencēšana attiecībā pret vektora argumentu Uzdevumi Pielikums MS. Varbūtību teorija un matemātiskā statistika 1. Gadījuma lielumi, gadījuma vektori 2. Nosacītie sadalījumi 3. Daži īpašie sadalījumi 4. Daudzfaktoru normālais sadalījums 5. Lielo skaitļu likums. Centrālās robežu teorēma 6. Matemātiskās statistikas pamatjēdzieni un problēmas 7. Parametru novērtējums 8. Hipotēžu pārbaude Pielikums EP. Ekonometrisko paku pārskats 1. Paku izcelsme. Windows versija. Grafika 2. Par dažiem iepakojumiem 3. Pieredze praktiskais darbs Pieteikums ST. Īsa angļu-krievu terminu vārdnīca TA pielikums. Tabulas Literatūras rādītājs

6. izdevums, pārskatīts. un papildu - M.: Delo, 2004. - 576 lpp.

Grāmatas sestajam izdevumam ir pievienotas trīs jaunas nodaļas. Paneļa datu nodaļa paplašina grāmatu līdz pilnīgam to tēmu sarakstam, kas tradicionāli iekļautas mūsdienu ekonometrijas pamatkursos. Papildinātas arī nodaļas "Iepriekšējā pārbaude" un "Finanšu tirgu ekonometrija", kas noderēs tiem, kurus interesē attiecīgi ekonometrijas teorētiskie un lietišķie aspekti. Vingrinājumu skaits ir ievērojami palielināts. Iekļauti vingrinājumi ar reāliem datiem, kas lasītājam ir pieejami grāmatas vietnē.

Studentiem, maģistrantiem, skolotājiem, kā arī lietišķās ekonomikas un finanšu speciālistiem

Formāts: djvu

Izmērs: 5,9 MB

Lejupielādēt: yandex.disk

Formāts: pdf

Izmērs: 21,7 Mb

Lejupielādēt: drive.google

Satura rādītājs
Sākuma piezīme 10
Priekšvārds pirmajam izdevumam 13
Priekšvārds trešajam izdevumam 18
Sestā izdevuma priekšvārds 23
1. Ievads 26
1.1. Modeļi 26
1.2. Modeļu veidi 28
1.3. Datu veidi 30
2. Pāru regresijas modelis 32
2.1. Izliekuma montāža 32
2.2. Mazākie kvadrāti (OLS) 34
2.3. Lineārās regresijas modelis ar diviem mainīgajiem 38
2.4. Gausa-Markova teorēma. Kļūdas dispersijas novērtējums a2 41
2.5. LSM-Regresijas parametru aplēšu statistiskās īpašības. Hipotēzes pārbaude b = bo- Regresijas koeficientu ticamības intervāli 46
2.6. Atkarīgā mainīgā regresijas variācijas analīze. Determinācijas koeficients R2 51
2.7. Regresijas koeficientu maksimālās varbūtības novērtējums 55
58. vingrinājums
3. Daudzkārtējas regresijas modelis 67
3.1. Galvenās hipotēzes 68
3.2. Mazākā kvadrāta metode. Gausa-Markova teorēma 69
3.3. OLS aplēšu statistiskās īpašības 72
3.4. Atkarīgā mainīgā regresijas variācijas analīze. R2 koeficienti un koriģēts R^, 74
3.5. Hipotēžu pārbaude. Uzticības intervāli un ticamības reģioni 78"
88. vingrinājums
4. Dažādi daudzkārtējas regresijas aspekti 108
4.1. Daudzkolinearitāte 109;
4.2. Iekļautie mainīgie 112
4.3. Daļēja korelācija 118
4.4. Modeļa 124 specifikācija
135. vingrinājums
5. Daži daudzkārtējas regresijas vispārinājumi 148
5.1. Stohastiskie regresori 149
5.2. Vispārinātie mazākie kvadrāti.... 154
5.3. Par pieņemamu cenu ģeneralizēti mazākie kvadrāti 160
163. vingrinājums
6. Heteroskedastiskums un laika korelācija 167
6.1. Heteroskedasticitāte 168
6.2. Laika korelācija 184
192. vingrinājums
7. Prognozēšana regresijas modeļos 204
7.1. Beznosacījumu prognozēšana 205
7.2. Nosacītā pareģošana 208
7.3. Prognozēšana autoregresīvu kļūdu klātbūtnē 209
211. vingrinājums
astoņi . Instrumentālie mainīgie 212
8.1. Izmantojot instrumentālos mainīgos iegūto aplēšu konsekvence 213
8.2. Mērījumu kļūdu ietekme 214
8.3. Divpakāpju mazākie kvadrāti.... 215
8.4. Houseman tests 217
218. vingrinājums
9. Regresijas vienādojumu sistēmas 220
3.1. Ārēji nesaistīti vienādojumi 221
9.1. Vienlaicīgo vienādojumu sistēmas 224
241. vingrinājums
10. Maksimālās varbūtības metode regresijas modeļos 244
10.1. Ievads 245
10.2. Matemātiskais aparāts 246
10.3. Daudzfaktoru normālā sadalījuma parametru maksimālās varbūtības novērtējums. . 248
10.4. Maksimālās varbūtības aplēšu īpašības. 249
10.5. Maksimālās varbūtības novērtējums lineārajā modelī 250
10.6. Hipotēžu pārbaude lineārā modelī, I 253
10.7. Hipotēžu pārbaude lineārā modelī, II 257
10.8. Nelineārie ierobežojumi 258
Vingrinājumi 260
11. 264. laikrinda
11.1. Izplatītie lag modeļi 266
11.2. Dinamiskie modeļi 268
11.3. Vienību saknes un kointegrācija 276
11.4. Box-Jenkins modeļi (ARIMA) 28
11.5. GARCH modeļi 3
3J vingrinājumi
12. Diskrēti atkarīgie mainīgie un cenzētie paraugi 3
12.1. Binārie un atbilžu varianti... 3!
12.2. Modeļi ar saīsinātiem un cenzētiem paraugiem 3.
3. vingrinājums;
13. Paneļa dati 31
13.1. Ievads 3
13.2. Apzīmējumi un pamata modeļi 3
13.3. Fiksēta efekta modelis 3
13.4. Modelis ar nejaušības efektu 31
13.5. Z1 piemērota kvalitāte
13.6. Modeļa izvēle 3"
13.7. Dinamiskie modeļi 3
13.8. Binārās izvēles modeļi ar paneļa datiem 3
13.9. Vispārināta momentu metode 3
39. vingrinājums
14. Iepriekšēja pārbaude: 39. ievads
14.1. Ievads 3!
14.2. Problēmas paziņojums 40
14.3. Galvenais rezultāts 40"
14.4. Iepriekšējā aplēse 4 USD
14.5. WALS rezultāts 40
14.6. Ekvivalences teorēma 4
14.7. Iepriekšēja pārbaude un nepietiekamas novērtēšanas efekts 407
14.8. "Nepietiekamas novērtēšanas" efekts. Viens palīgparametrs 412
14.9. Modeļu izvēle: no vispārīga uz konkrētu un no īpaša uz vispārīgu 415
14.10. "Nepietiekamas novērtēšanas" efekts. Divi palīgparametri 419
11. Prognozēšana un iepriekšēja pārbaude 425
.12. Vispārinājumi 429
13. Citas lietas 432
434. vingrinājums
15. Finanšu tirgu ekonometrija 435
11.5.1. Ievads 436
15.2. Hipotēze par finanšu tirgus efektivitāti. . . 438
15.3. Vērtspapīru portfeļa optimizācija 446
15.4. Tests jaunu aktīvu iekļaušanai efektīvā portfelī 450
15.5. Optimāls portfelis bezriska aktīva klātbūtnē 456
15.6. Finanšu aktīvu vērtēšanas modeļi 461
471. vingrinājums
16. Ekonometrijas perspektīvas 472
1.6.1. Ievads 472
16.2. Ko īsti dara ekonometrists? .... 473
16.3. Ekonometrija un fizika 474
16.4. Ekonometrija un matemātiskā statistika. . . 475
16.5. Teorija un prakse 476
16.6. Ekonometriskā metode 477
16.7. Vājā saite 480
1.6.8. Apkopojums 481
16.9. Kā izmantot citus 481 darbus
16.10. 482. secinājums
LA pieteikums. Lineārā algebra 484
1. Vektortelpa 484
2. Vektortelpa Lp 485
3. Lineārā atkarība 485
4. Lineārā apakštelpa 486
5. Pamats. Izmērs 486
6. Lineārie operatori 487
7. Matricas 488
8. Darbības ar matricām 489
9. Matricas invarianti: trase, determinants 492
10. Matricas rangs 494
11. Apgrieztā matrica 495
12. Lineāro vienādojumu sistēmas 496
13. Īpašvērtības un vektori 496
14. Simetriskās matricas 498
15. Pozitīvās noteiktās matricas 500
16 Idempotentu matricas 502
17. Bloku matricas 503
18. Kronecker Product 504
19. Diferencēšana attiecībā uz vektora argumentu. . 505
507. vingrinājums
MS lietojumprogramma. Varbūtību teorija un matemātiskā statistika 509
1. Gadījuma mainīgie, gadījuma vektori 509
2. Nosacītie sadalījumi 516
3. Daži īpašie sadalījumi 518
4. Daudzfaktoru normālais sadalījums 524
5.Lielo skaitļu likums. Centrālās robežas teorēma 528
6 Matemātiskās statistikas pamatjēdzieni un uzdevumi 531
7. Parametru novērtējums 533
8. Hipotēžu pārbaude 539
EP pieteikums. Ekonometrisko pakešu pārskats 542
1. Iepakojuma izcelsme. Windows versija. Grafika 543
2. Par dažiem iepakojumiem 544
3. Praktiskā darba pieredze 546
Pieteikums ST. Īsa angļu-krievu terminu vārdnīca 547
TA pieteikums. 555. tabulas
Literatūra 561
Indekss 570