Ekonometria
Tyt. oryg.: "Introduction to econometrics ".
Wzorcowy podręcznik ujmujący najważniejsze problemy klasycznej i nowoczesnej ekonometrii.Zdaniem recenzentów książka:przedstawia najistotniejsze tematy z zakresu ekonometrii klasycznej i współczesnej,jest napisana w sposób jasny i precyzyjny,jest przyjazna dla osób rozpoczynających naukę ekonometrii,ułatwia dalsze studiowanie ekonometrii z podręczników na wyższym poziomie zaawansowania.Punktem wyjścia do rozważań jest
zawsze pewien problem ekonomiczny, który może być rozwiązany z wykorzystaniem określonych metod ekonometrycznych. Autor nie omawia metod dla nich samych, ale z punktuwidzenia problemów, jakie tymi metodami można rozwiązać. Polskie wydanie zawiera specjalnie przygotowany przez tłumaczy indeks.
Zobacz pełny opisOdpowiedzialność: | G.S. Maddala ; red. nauk. przekł. Marek Gruszczyński; [przekł. z jęz. ang. Marek Gruszczyński, Emilia Tomczyk, Bartosz Witkowski]. |
Hasła: | Ekonometria Statystyka matematyczna Podręczniki akademickie |
Adres wydawniczy: | Warszawa : Wydaw. Naukowe PWN, cop. 2008. |
Opis fizyczny: | 704 s. ; 24 cm. |
Przeznaczenie: | Książka przeznaczona dla kadry akademickiej i studentów uczelni ekonomicznych, uniwersytetów, politechnik i akademii rolniczych do studiowania ekonometrii i przedmiotów pokrewnych. |
Skocz do: | Dodaj recenzje, komentarz |
- Przedsłowie
- Przedmowa do drugiego wydania
- Przedmowa do trzeciego wydania
- Nekrolog G.S. Maddali
- Przedmowa do polskiego wydania
- Część pierwsza. Wprowadzenie i model regresji liniowej
- 1. Czym jest ekonometria
- Co jest w tym rozdziale
- 1.1. Czym jest ekonometria?
- 1.2. Model ekonomiczny i model ekonometryczny
- 1.3. Cele i metody ekonometrii
- 1.4. Co jest testem dla teorii ekonomicznej?
- Podsumowanie i plan książki
- 2. Podstawy statystyki i algebry macierzy
- Co jest w tym rozdziale
- 2.1. Wprowadzenie
- 2.2. Prawdopodobieństwo
- Zasady sumowania prawdopodobieństw
- Prawdopodobieństwo warunkowe i reguła iloczynu
- Twierdzenie Bayesa
- Operacje sumowania i mnożenia
- 2.3. Zmienne losowe i rozkłady prawdopodobieństwa
- Łączne, brzegowe i warunkowe rozkłady prawdopodobieństwa
- 2.4. Rozkład normalny i związane z nim inne rozkłady
- Rozkład normalny
- Rozkłady związane z rozkładem normalnym
- 2.5. Klasyczne wnioskowanie statystyczne
- 2.6. Własności estymatorów
- Nieobciążoność
- Efektywność
- Zgodność
- Inne własności asymptotyczne
- 2.7. Rozkłady z próby w przypadku prób pochodzących z populacji o rozkładzie normalnym
- 2.8. Estymacja przedziałowa
- 2.9. Weryfikacja hipotez
- 2.10. Związek między estymacją przedziałową i weryfikacją hipotez
- 2.11. Wnioskowanie na podstawie niezależnych testów
- Podsumowanie
- Ćwiczenia
- Dodatek: Algebra macierzy
- 3. Regresja prosta
- Co jest w tym rozdziale
- 3.1. Wprowadzenie
- 3.2. Specyfikacja zależności
- 3.3. Metoda momentów
- 3.4. Metoda najmniejszych kwadratów
- Regresja odwrotna
- 3.5. Wnioskowanie statystyczne w modelu regresji liniowej
- Przedziały ufności dla α, β i σ2
- Weryfikacja hipotez
- Regresja bez wyrazu wolnego
- 3.6. Analiza wariancji w modelu regresji prostej
- 3.7. Predykcja w modelu regresji prostej
- Predykcja wartości oczekiwanej
- 3.8. Obserwacje nietypowe
- 3.9. Alternatywne postacie funkcyjne równań regresji
- 3.10.* Predykcja odwrotna w modelu szacowanym metodą najmniejszych kwadratów
- 3.11.* Losowe zmienne objaśniające
- 3.12.* Pułapka regresji
- Dwuwymiarowy rozkład normalny
- Wynik Galtona i pułapka regresji
- Podsumowanie
- Ćwiczenia
- Dodatek
- 4. Model regresji wielorakiej
- Co jest w tym rozdziale
- 4.1. Wprowadzenie
- 4.2. Model z dwiema zmiennymi objaśniającymi
- Metoda najmniejszych kwadratów
- 4.3. Wnioskowanie statystyczne w modelu regresji wielorakiej
- Wzory dla ogólnego przypadku k zmiennych objaśniających
- 4.4. Interpretacja ocen parametrów w modelu regresji* 4.5. Współczynniki korelacji cząstkowej a współczynnik korelacji wielorakiej
- 4.6. Związek między współczynnikami korelacji prostej, cząstkowej i wielorakiej
- 4.7. Prognozowanie w modelu regresji wielorakiej
- 4.8. Analiza wariancji i weryfikacja hipotez
- Hipotezy zagnieżdżone i niezagnieżdżone
- Testy dla liniowych funkcji parametrów
- 4.9. Pominięcie właściwych zmiennych objaśniających i włączenie zbędnych zmiennych objaśniających
- Pominięcie właściwych zmiennych objaśniających
- Włączenie do modelu zbędnych zmiennych objaśniających
- 4.10. Stopnie swobody i R2
- 4.11. Testy stabilności
- Test oparty na analizie wariancji
- Predykcyjne testy stabilności
- 4.12.* Testy LR, W i LM
- Podsumowanie
- Ćwiczenia
- Dodatek: Model regresji wielorakiej w zapisie macierzowym
- Zbiory danych
- Część druga. Naruszenie założeń podstawowego modelu
- 5. Heteroskedastyczność
- Co jest w tym rozdziale
- 5.1. Wprowadzenie
- 5.2. Wykrywanie heteroskedastyczności
- Test ilorazu wiarygodności
- Test Goldfelda-Quandta
- Test Breuscha-Pagana
- Intuicyjne uzasadnienie testu Breuscha-Pagana
- 5.3. Konsekwencje heteroskedastyczności
- Ocena wariancji estymatora MNK w przypadku heteroskedastyczności
- 5.4. Rozwiązania kwestii heteroskedastyczności
- 5.5. Heteroskedastyczność a użycie deflatorów
- 5.6.* Testowanie liniowości względem log-liniowości
- Test Boxa-Coxa
- Test BM
- Test PE
- Podsumowanie
- Ćwiczenia
- Dodatek: Uogólniona metoda najmniejszych kwadratów
- 6. Autokorelacja
- Co jest w tym rozdziale
- 6.1. Wprowadzenie
- 6.2. Test Durbina-Watsona
- 6.3. Estymacja dla poziomów czy dla pierwszych różnic?
- 6.4. Techniki estymacji w przypadku występowania autokorelacji składnika losowego
- Metody iteracyjne
- Metody przeszukiwania „po kracie"
- 6.5. Wpływ składników losowych typu AR(1) na oceny parametrów uzyskane MNK
- 6.6. Dalsze uwagi dotyczące testu DW
- Test von Neumanna
- Test Berenbluta-Webba
- 6.7. Testy autokorelacji w modelach z opóźnioną zmienną objaśnianą
- Test h Durbina
- Alternatywny test Durbina
- 6.8. Uogólniony test autokorelacji wyższego rzędu: test LM
- 6.9. Metody postępowania w sytuacji, gdy test DW wskazuje na występowanie autokorelacji
- Składniki losowe inne niż AR(1)
- Autokorelacja spowodowana pominięciem zmiennych
- Autokorelacja spowodowana nieprawidłową specyfikacją dynamiki modelu
- Test Walda
- 6.10.* Trend i błądzenie przypadkowe
- Trendy pozorne
- Różnicowanie i efekty długookresowe: koncepcja kointegracji
- 6.11.* Modele ARCH i autokorelacja
- 6.12. Krótki komentarz do testu DW i testów h oraz t Durbina
- Podsumowanie
- Ćwiczenia
- Zbiory danych
- 7. Współliniowość
- Co jest w tym rozdziale
- 7.1. Wprowadzenie
- 7.2. Przykłady ilustrujące zagadnienie współliniowości
- 7.3. Wybrane miary współliniowości
- 7.4. Jak mierzyć współliniowość
- 7.5. Rozwiązania problemu współliniowości: regresja grzbietowa
- 7.6. Regresja względem głównych składowych
- 7.7. Usuwanie zmiennych
- 7.8. Inne rozwiązania problemu współliniowości
- Przekształcenie zmiennych: ilorazy lub pierwsze różnice
- Wykorzystanie zewnętrznych ocen parametrów
- Większy zbiór danych
- Podsumowanie
- Ćwiczenia
- Dodatek
- 8. Zmienne jakościowe i zmienne ucięte
- Co jest w tym rozdziale
- 8.1. Wprowadzenie
- 8.2. Zmienne zero-jedynkowe a zmiany wyrazu wolnego
- 8.3. Zmienne sztuczne a zmiany wartości współczynników kierunkowych
- 8.4. Zmienne sztuczne a ograniczenia nakładane na parametry różnych równań
- 8.5. Zmienne sztuczne a testy stabilności parametrów regresji
- 8.6. Wykorzystanie zmiennych sztucznych przy heteroskedastyczności i autokorelacji
- 8.7. Jakościowe zmienne zależne
- 8.8. Liniowy model prawdopodobieństwa i liniowa funkcja dyskryminacyjna
- Liniowy model prawdopodobieństwa
- Liniowa funkcja dyskryminacyjna
- 8.9. Model probitowy i model logitowy
- Problem prób niezbilansowanych
- Predykcja efektów zmian wartości zmiennych objaśniających
- Miary dopasowania
- 8.10. Zmienne ucięte: model tobitowy
- Metoda estymacji
- Ograniczenia modelu tobitowego
- Model regresji uciętej
- Podsumowanie
- Ćwiczenia
- 9. Modele wielorównaniowe
- Co jest w tym rozdziale
- 9.1. Wprowadzenie
- 9.2. Zmienne endogeniczne i zmienne egzogeniczne
- 9.3. Problem identyfikacji: identyfikacja przez postać zredukowaną
- 9.4. Konieczne i dostateczne warunki identyfikacji
- 9.5. Metody estymacji: metoda zmiennych instrumentalnych
- Pomiar R2
- 9.6. Metody estymacji: podwójna metoda najmniejszych kwadratów
- Wyznaczanie błędów standardowych
- 9.7. Problem normalizacji
- 9.8.* Metoda największej wiarygodności z ograniczoną informacją
- 9.9.* O zastosowaniach MNK w estymacji modeli wielorównaniowych
- Koncepcja identyfikacji Workinga
- Modele rekurencyjne
- Estymacja funkcji produkcji Cobba-Douglasa
- 9.10.* Egzogeniczność i przyczynowość
- Słaba egzogeniczność
- Superegzogeniczność
- Silna egzogeniczność
- Przyczynowość w sensie Grangera
- Przyczynowość i egzogeniczność w sensie Grangera
- Testy egzogeniczności
- 9.11. Problemy związane z estymacją metodami zmiennych instrumentalnych
- Podsumowanie
- Ćwiczenia
- Dodatek
- 10. Modele nieliniowe i modele oczekiwań. Normalność rozkładu składnika losowego
- Co jest w tym rozdziale
- 10.1. Wprowadzenie
- 10.2. Metoda Newtona-Raphsona
- 10.3. Nieliniowa metoda najmniejszych kwadratów
- Metoda Gaussa-Newtona
- 10.4. Modele oczekiwań
- 10.5. Modele oczekiwań naiwnych
- 10.6. Modele oczekiwań adaptacyjnych
- Estymacja modelu oczekiwań adaptacyjnych
- 10.7. Zmienne opisujące oczekiwania. Opóźnienia w dostosowaniach
- 10.8. Model częściowych dostosowań z oczekiwaniami adaptacyjnymi
- 10.9. Alternatywne modele z rozkładem opóźnień: opóźnienia wielomianowe
- Skończony rozkład opóźnień: opóźnienia wielomianowe
- Wybór stopnia wielomianu
- 10.10. Opóźnienia ilorazowe
- 10.11. Modele oczekiwań racjonalnych
- 10.12. Testy racjonalności
- 10.13. Estymacja modelu popytu i podaży z racjonalnymi oczekiwaniami
- 10.14. Problem autokorelacji składników losowych w modelach racjonalnych oczekiwań
- 10.15. Normalność rozkładu składników losowych
- 10.16. Przekształcenia danych
- Podsumowanie
- Ćwiczenia
- 11. Błędy w zmiennych
- Co jest w tym rozdziale
- 11.1. Wprowadzenie
- 11.2. Klasyczne rozwiązanie dla modelu jednorównaniowego z jedną zmienną objaśniającą
- 11.3. Model jednorównaniowy z dwiema zmiennymi objaśniającymi
- Dwie zmienne objaśniające: jedna mierzona z błędem
- Dwie zmienne objaśniające: obie podlegające błędom pomiaru
- 11.4. Regresja odwrotna
- 11.5. Metody zmiennych instrumentalnych
- 11.6. Zmienne zastępcze
- 11.7. Inne problemy
- Przypadek modelu wielorównaniowego
- Wzajemne skorelowanie błędów pomiaru oraz ich skorelowanie ze składnikami systematycznymi
- Podsumowanie
- Ćwiczenia
- Część trzecia. Rozszerzenia i zagadnienia specjalne
- 12. Diagnostyka, wybór modelu, testowanie specyfikacji
- Co jest w tym rozdziale
- 12.1. Wprowadzenie
- 12.2. Testy diagnostyczne oparte na resztach metody najmniejszych kwadratów
- Testy pominiętych zmiennych
- Testowanie efektów ARCH
- 12.3. Problemy związane z resztami metody najmniejszych kwadratów
- 12.4. Inne rodzaje reszt
- Reszty predyktywne i reszty studentyzowane
- Zastosowanie metody zmiennych zero-jedynkowych do wyznaczania reszt studentyzowanych
- Reszty BLUS
- Reszty rekurencyjne
- 12.5. DFFITS i estymacja ograniczonego wpływu
- 12.6. Wybór modelu
- Metoda weryfikacji hipotez
- Metoda interpretacyjna
- Metoda upraszczania
- Metoda zmiennych zastępczych
- Metoda poszukiwania danych
- Metoda konstruowania modelu po wstępnej analizie danych
- Metoda Hendry`ego
- 12.7. Dobór zmiennych objaśniających
- Kryterium R2 Theila
- Kryteria oparte na minimalizacji średniokwadratowego błędu predykcji
- Kryterium informacyjne Akaike`a
- 12.8. Statystyki F związane z różnymi kryteriami wyboru modelu
- Twierdzenie Bayesa i prawdopodobieństwo a posteriori w wyborze modelu
- 12.9. Wybór modelu według kryterium prognostycznego
- 12.10. Test błędu specyfikacji Hausmana
- Zastosowanie: testowanie błędów w zmiennych lub testowanie egzogeniczności
- Zastosowanie testu Hausmana do weryfikacji hipotezy o pominiętych zmiennych
- 12.11. Test różnicowy Plossera-Schwerta-White`a
- 12.12. Testy hipotez niezagnieżdżonych
- Test Davidsona i MacKinnona
- Test uniwersalny
- Podstawowy problem weryfikacji hipotez niezagnieżdżonych
- Weryfikacja hipotez a wybór modelu jako strategia badawcza
- Podsumowanie
- Ćwiczenia
- Dodatek
- 13. Wprowadzenie do analizy szeregów czasowych
- Co jest w tym rozdziale
- 13.1. Wprowadzenie
- 13.2. Dwie metody analizy szeregów czasowych: względem częstości i względem czasu
- 13.3. Szeregi czasowe stacjonarne i niestacjonarne
- Ścisła stacjonarność
- Słaba stacjonarność
- Własności funkcji autokorelacji
- Niestacjonarność
- 13.4. Wybrane modele szeregów czasowych
- Proces czysto losowy
- Błądzenie przypadkowe
- Proces średniej ruchomej
- Proces autoregresyjny
- Autoregresyjny proces średniej ruchomej
- Autoregresyjny zintegrowany proces średniej ruchomej
- 13.5. Estymacja modeli AR, MA i ARMA
- Estymacja modeli MA
- Estymacja modeli ARMA
- Reszty z modeli ARMA
- Testowanie dopasowania modelu
- 13.6. Podejście Boxa-Jenkinsa
- Prognozowanie na podstawie modeli Boxa-Jenkinsa
- Eliminowanie trendu: podejście klasyczne
- Sezonowość w modelach Boxa-Jenkinsa
- 13.7. Miary R2 w modelach szeregów czasowych
- Podsumowanie
- Ćwiczenia
- Zbiory danych
- 14. Autoregresja wektorowa, pierwiastki jednostkowe i kointegracja
- Co jest w tym rozdziale
- 14.1. Wprowadzenie
- 14.2. Autoregresja wektorowa
- 14.3. Problemy z modelami VAR w praktyce
- 14.4. Pierwiastki jednostkowe
- 14.5. Testy pierwiastka jednostkowego
- Test Dickeya-Fullera
- Problem autokorelacji
- Niska moc testów pierwiastka jednostkowego
- Test DF-GLS
- Co jest hipotezą zerową, a co alternatywną w testach pierwiastka jednostkowego?
- Testy, w których hipoteza zerowa mówi o stacjonarności
- Analiza potwierdzająca
- Testy pierwiastka jednostkowego dla danych panelowych
- Zmiany strukturalne i pierwiastki jednostkowe
- 14.6. Kointegracja
- 14.7. Regresja kointegrująca
- 14.8. Autoregresja wektorowa i kointegracja
- 14.9. Kointegracja i model korekty błędem
- 14.10. Testy kointegracji
- 14.11. Kointegracja i weryfikacja hipotezy racjonalnych oczekiwań oraz hipotezy rynku efektywnego
- 14.12. Ogólna ocena kointegracji
- Podsumowanie
- Ćwiczenia
- Tablica statystyczna
- 15. Analiza danych panelowych
- Co jest w tym rozdziale
- 15.1. Wprowadzenie
- 15.2. Model z efektami ustalonymi (model LSDV)
- 15.3. Model z efektami losowymi
- 15.4. Model z efektami ustalonymi czy model z efektami losowymi?
- Test Hausmana
- Test Breuscha i Pagana
- 15.5. Model SUR
- 15.6. Modele dynamiczne dla danych panelowych
- 15.7. Model z parametrami losowymi
- Podsumowanie
- 16. Teoria dużych prób
- Co jest w tym rozdziale
- 16.1. Metoda największej wiarygodności
- 16.2. Metody rozwiązywania równań wiarygodności
- 16.3. Dolna granica Rao-Cramera
- 16.4. Testy dużych prób oparte na MNW
- 16.5. UMZI i UMM
- Podsumowanie
- 17. Wnioskowanie w malej próbie: metody repróbkowania
- Co jest w tym rozdziale
- 17.1. Wprowadzenie
- 17.2. Metody Monte Carlo
- Metody Monte Carlo o zwiększonej efektywności
- Powierzchnie odpowiedzi
- 17.3. Metody repróbkowania: jackknife i bootstrap
- Inne zagadnienia związane z metodą bootstrap
- 17.4. Bootstrapowe przedziały ufności
- 17.5. Weryfikacja hipotez z wykorzystaniem metody bootstrap
- 17.6. Bootstrap reszt wobec bootstrapu danych
- 17.7. Składniki losowe niemające jednakowych i niezależnych rozkładów oraz modele niestacjonarne
- Heteroskedastyczność i autokorelacja
- Testy pierwiastka jednostkowego oparte na metodzie bootstrap
- Testy kointegracyjne
- 17.8. Inne zastosowania
- Podsumowanie
- Dodatki
- Dodatek A: Tablice statystyczne
- Dodatek B: Zbiory danych
- Dodatek C: Zbiory danych dostępne w Internecie
- Dodatek D: Programy komputerowe
- Literatura cytowana
- Indeks rzeczowy
- *
Zobacz spis treści
Sprawdź dostępność, zarezerwuj (zamów):
(kliknij w nazwę placówki - więcej informacji)