Введение в эконометрику. Доугерти К.

3-е изд. - М.: 2009. — 465с. М.: 1999. — 416с.

Книга Кристофера Доугерти — один из самых популярных на Западе вводных учебников эконометрики для студентов-экономистов. Курс эконометрики занимает важное место в современных программах экономических вузов во всем мире наряду с такими предметами, как микроэкономика, макроэкономика, финансовый анализ. Эконометрические методы необходимо знать и ученому, и преподавателю, и практику. Без них нельзя построить сколько-нибудь надежного прогноза, а значит, под вопросом и успех в банковском деле, финансах, бизнесе.

Популярный учебник по эконометрике издается в России впервые. Актуальность его появления на российском книжном рынке связана с острым дефицитом книг по эконометрике. Книгу отличает доступность изложения и вместе с тем высокий научный уровень освещения основных современных идей и методов эконометрики.

Книга может быть рекомендована в качестве базового учебника для студентов экономических специальностей, изучающих курс эконометрики. Ее можно также рекомендовать для самостоятельного ознакомления с этой дисциплиной. Работа может оказаться весьма полезной и при решении широкого круга прикладных проблем, с которыми читатель сталкивается в практической работе.

Формат: pdf ( 2009, 465с.)

Размер: 64,3 Мб

Скачать: drive.google

Формат: pdf ( 1999, 416с.)

Размер: 13,3 Мб

Скачать: yandex.disk

СОДЕРЖАНИЕ
От научного редактора перевода V
Предисловие VIII
Обзор: случайные переменные, выборки и оценки 3
0.1. Введение 3
0.2. Дискретная случайная переменная и математическое ожидание 4
0.3. Непрерывные случайные переменные 11
0.4. Теоретическая ковариация, правила для дисперсии и ковариации, корреляция 16
0.5. Выборки и способы оценивания 19
0.6. Несмещенность и эффективность 23
0.7. Оценки дисперсии, ковариации и корреляции 29
0.8. Асимптотические свойства оценок 30
1. Парный регрессионный анализ 44
1.1. Модель парной линейной регрессии 44
1.2. Регрессия методом наименьших квадратов 46
1.3. Регрессия методом наименьших квадратов: два примера 49
1.4. Регрессия методом наименьших квадратов с одной независимой переменной 52
1.5. Два разложения для зависимой переменной 55
1.6. Интерпретация уравнения регрессии 56
1.7. Качество оценивания: коэффициент R2 61
2. Свойства коэффициентов регрессии и проверка гипотез 68
2.1. Типы данных и регрессионная модель 68
2.2. Предпосылки регрессионной модели с нестохастическими регрессорами 70
2.3. Случайные составляющие коэффициентов регрессии 73
2.4. Эксперимент Монте-Карло 77
2.5. Несмещенность коэффициентов регрессии 81
2.6. Точность коэффициентов регрессии 84
2.7. Теорема Гаусса-Маркова 92
2.8. Проверка гипотез, относящихся к коэффициентам регрессии 95
2.9. Доверительные интервалы 108
2.10. Односторонние/-критерии 111
2.11. ^-критерий для проверки качества оценивания 116
2.12. Взаимосвязь между F-критерием общего качества регрессии и /-критерием для коэффициента наклона в парном регрессионном анализе 118
3. Множественный регрессионный анализ 121
3.1. Иллюстрация: модель с двумя объясняющими переменными 121
3.2. Вывод и интерпретация коэффициентов множественной регрессии 124
3.3. Свойства коэффициентов множественной регрессии 129
3.4. Мультиколлинеарность 135
3.5. Качество оценивания: коэффициент R2 146
4. Преобразования переменных 156
4.1. Простейшая процедура 156
4.2. Логарифмические преобразования 160
4.3. Случайный член 168
4.4. Нелинейная регрессия 170
4.5. Сравнение линейной и логарифмической моделей 172
5. Фиктивные переменные 176
5.1. Пример использования фиктивной переменной 176
5.2. Обобщение для фиктивных переменных более чем двух категорий и их нескольких наборов 182
5.3. Фиктивные переменные для коэффициента наклона 193
5.4. Тест Чоу 197
6. Спецификация переменных регрессии: предварительное рассмотрение 203
6.1. Спецификация модели 203
6.2. Влияние отсутствия в уравнении переменной, которая должна быть в него включена 204
6.3. Влияние наличия в модели переменной, которая не должна быть в нее включена 213
6.4. Замещающие переменные 216
6.5. Проверка линейного ограничения 221
6.6. Как извлечь максимум информации из анализа остатков 227
7. Гетероскедастичность 229
7.1. Гетероскедастичность и ее последствия 229
7.2. Обнаружение гетероскедастичности 234
7.3. Что можно сделать в случае гетероскедастичности? 238
8. Стохастические объясняющие переменные и ошибки измерения 246
8.1. Допущения моделей со стохастическими объясняющими переменными 246
8.2. Свойства оценок коэффициентов регрессии по МНК в случае конечной выборки 248
8.3. Асимптотические свойства оценок регрессии по МНК 250
8.4. Последствия ошибок измерения 252
8.5. Критика М. Фридменом стандартной функции потребления 260
8.6. Инструментальные переменные 265
9. Оценивание систем одновременных уравнений 275
9.1. Модели в виде одновременных уравнений: структурная и приведенная форма уравнений 275
9.2. Смещение оценок в системах одновременных уравнений 277
9.3. Оценивание с помощью инструментальных переменных 282
10. Модели двоичного выбора, модели с ограничениями для зависимой переменной и оценивание методом максимального правдоподобия 297
10.1. Линейная вероятностная модель 297
10.2. Логит-анализ 301
10.3. Пробит-анализ 306
10.4. Цензурированию регрессии: тобит-анализ 309
10.5. Смещение при построении выборки 314
10.6. Оценивание методом максимального правдоподобия (введение) 319
11. Моделирование по данным временных рядов 329
11.1. Статические модели 330
11.2. Динамические модели 333
11.3. Модель адаптивных ожиданий 336
11.4. Модель частичной корректировки 344
11.5. Предсказание 348
11.6. Тесты на устойчивость 354
12. Свойства регрессионных моделей с временными рядами 357
12.1. Допущения для регрессионных моделей с временными рядами 357
12.2. Допущение о независимости случайного члена и регрессоров 358
12.3. Определение и выявление автокорреляции 360
12.4. Что можно сделать для устранения автокорреляции? 366
12.5. Автокорреляция с лаговой зависимой переменной 370
12.6. Тест на общий множитель 372
12.7. Кажущаяся автокорреляция 378
12.8. Спецификация модели: от частного к общему или от общего к частному? 381
13. Нестационарные временные ряды: введение 388
13.1. Стационарность и нестационарность 388
13.2. Последствия нестационарности 394
13.3. Обнаружение нестационарности 398
13.4. Коинтеграция 405
13.5. Оценивание моделей с нестационарными временными рядами 410
13.6. Заключение 413
14. Модели с панельными данными: введение 415
14.1. Введение 415
14.2. Регрессионные модели с фиксированным эффектом 419
14.3. Регрессии со случайным эффектом 423
Приложение А: Статистические таблицы 431
Приложение В: Наборы данных 444
Библиография 455
Именной указатель 458
Предметный указатель 459

Книга Кристофера Доугерти «Введение в эконометрику» хорошо знакома российскому читателю. Перевод ее первого издания был опубликован в 1997 г., второго — в 2004 г. За прошедшие годы эта книга сыграла неоценимую роль в развитии преподавания вводного курса эконометрики в российских вузах. Если десять лет назад введение такого курса для студентов широкого круга экономических специальностей еще только предстояло, то сейчас эта задача решается и, можно считать, — в значительной мере решена. Базовым учебником на уровне бакалавриата по экономике обычно служит книга К. Доугерти (на уровне магистратуры и специализированных программ столь же значимую роль сыграл учебник Я. Магнуса, П.К. Катышева и А.А. Пересецкого).
Эта книга — учебник для вводного годичного курса эконометрики на уровне бакалавриата. Она призвана удовлетворить спрос на учебную литературу, вызванный изменением характерного типа студента, изучающего эконометрику. Раньше курс эконометрики для магистров экономики чаще всего был факультативным, но теперь он обычно является обязательным. Это связано с рядом обстоятельств. Возможно, наиболее важное из них — растущее понимание того, что познание эмпирических методов исследования — не только желательная, но и необходимая часть начальной подготовки экономиста. Для этого недостаточно ограничиваться курсом прикладной статистики. Без сомнения, это соображение было подкреплено тем фактом, что курсы эконометрики на уровне магистра стали намного более сложными, в результате чего слабость эконометрической подготовки бакалавров стала препятствием для поступления на магистерские и докторские программы в ведущих университетах. Сыграл свою роль и «фактор предложения», связанный с развитием образования. Волна, которая подняла эконометрику к высокому положению в обучении экономистов, идет вслед за другой волной, поднявшей значение математики и статистики. Без этого обучение количественным методам анализа и включение эконометрики в ядро программы для экономистов было бы невозможным.
В результате происшедших изменений студенты, изучающие курс эконометрики, существенно различаются по своим возможностям по сравнению со студентами прошлых лет. Они больше не составляют элитное меньшинство математиков — профессионалов высокого полета. Типичный современный студент, специализирующийся в области экономики, уже изучил основы математического анализа и статистики, но не прослушал их на продвинутых курсах. Демократизация эконометрики создала спрос на более широкий спектр учебников, чем прежде, особенно для начинающих — массовой студенческой аудитории. Будущие математики-профессионалы уже много лет пользуются рядом продвинутых учебников. Более широкая аудитория — начинающие экономисты-эконометристы — обеспечена литературой гораздо хуже. Новое издание нашей книги по-прежнему в основном адресовано ей.
Основные изменения в этом издании по сравнению с предыдущим можно свести к следующему: добавление главы о моделях с панельными данными, более детальное рассмотрение предпосылок регрессионных моделей, изменение обозначений для оценок коэффициентов регрессии, обновление основных наборов данных и расширение главы «Обзор» о статистике.