Методы эконометрики. Айвазян С.А.

М.: 2010 - 512 с.

Содержание учебника соответствует действующим образовательным стандартам и учебным программам высших учебных заведений экономического профиля по дисциплине «Эконометрика». Особенность данного издания заключается в том, что в нем в описание традиционных методов решения эконометрических задач впервые органично встроены (там, где это позволяет повысить точность и глубину анализа) современные методы многомерного статистического анализа, ранее не включавшиеся в инструментарий эконометрики (в частности, дискриминантный и кластер-анализы, метод главных компонент и др.). Представленные в учебнике методы и модели регрессионного анализа, бинарного и множественного выбора, анализа временных рядов могут составить содержание одного или двух базовых семестровых курсов по эконометрике в рамках учебного плана бакалавриата. Для студентов, аспирантов, преподавателей, а также специалистов по прикладной экономике и эконометрике.

Формат: pdf

Размер: 5,8 Мб

Скачать: drive.google ; Rghost

ОГЛАВЛЕНИЕ
Предисловие 9
Глава 1. Введение 13
1.1. Эконометрика: эволюция определения и реальность 13
1.2. Обеднение математического аппарата эконометрики 16
1.3. Место эконометрики в ряду математико-статистических и экономических дисциплин 19
1.4. Эконометрическая модель и проблемы эконометрического моделирования 22
Выводы 30
Глава 2. Введение в регрессионный анализ 33
2.1. Общая формулировка проблемы статистического исследования зависимостей 33
2.2. Какова конечная прикладная цель статистического исследования зависимостей? 42
2.3. Некоторые типовые задачи практики эконометрического моделирования 45
2.4. Основные типы зависимостей между количественными переменными 50
2.5. О выборе общего вида функции регрессии 55
Выводы 65
Глава 3. Введение в корреляционный анализ 67
3.1. Назначение и место корреляционного анализа в статистическом исследовании 67
3.2. Корреляционный анализ количественных признаков 69
3.3. Корреляционный анализ ранговых (ординальных) переменных: ранговая корреляция 96
3.4. Корреляционный анализ категоризованных переменных: таблицы сопряженности 111
Выводы 117
Глава 4. Классическая линейная модель множественной регрессии (КЛММР) 121
4.1. Описание КЛММР. Основные допущения модели 121
4.2. Оценивание неизвестных параметров КЛММР: метод наименьших квадратов и метод максимального правдоподобия 126
4.3. Анализ вариации результирующего показателя у и выборочный коэффициент детерминации Щх 140
4.4. Мультиколлинеарность и отбор наиболее существенных объясняющих переменных в КЛММР 145
4.5. КЛММР с линейными ограничениями на параметры 162
4.6. Общий подход к статистической проверке гипотез о наличии линейных связей между параметрами КЛММР 167
Выводы 176
Глава 5. Обобщенная линейная модель множественной регрессии 179
5.1. Описание обобщенной линейной модели множественной регрессии (ОЛММР) 179
5.2. Оценки параметров ОЛММР по обобщенному методу наименьших квадратов (ОМНК-оценки) 183
5.3. ОЛММР с гетероскедастичными остатками 188
5.4. ОЛММР с автокоррелированными остатками 198
5.5. Практически реализуемый ОМНК (общий подход) 207
Выводы 210
Глава 6. Прогнозирование, основанное на линейных моделях множественной регрессии 213
6.1. Анализ точности оцененной ЛММР (теоретическая база для решения задач прогноза) 214
6.2. Наилучший точечный прогноз у(Х) и f{X) = E(y|X), основанный на ОЛММР 216
6.3. Интервальный прогноз у(Х) и f(X) = E(y|X), основанный на ОЛММР 220
6.4. Анализ точности регрессионной модели и прогнозирование в условиях реалистической ситуации 226
Выводы 230
Глава 7. Линейные модели регрессии со стохастическими объясняющими переменными 233
7.1. Случайные остатки е не зависят от предикторов X и оцениваемых коэффициентов регрессии в 235
7.2. Общий случай: стохастические предикторы X коррелированы с регрессионными остатками е. Метод инструментальных переменных 238
7.3. Случайные ошибки в измерении значений объясняющих переменных 243
Выводы 249
Глава 8. Линейные регрессионные модели с переменной структурой 251
8.1. Проблема неоднородных (в регрессионном смысле) данных 251
8.2. Введение «манекенов» (фиктивных переменных) в линейную модель регрессии 254
8.3. Проверка регрессионной однородности двух групп наблюдений (критерий Г. Чоу) 263
8.4. Построение КЛММР по неоднородным данным в условиях, когда значения сопутствующих переменных неизвестны 265
Выводы 269
Глава 9. Модели с дискретными и дискретно-непрерывными зависимыми переменными 271
9.1. Модели бинарного выбора 273
9.2. Модели множественного выбора 282
9.3. Связь моделей бинарного и множественного выбора с дискриминантным анализом 285
9.4. Модель с дискретно-непрерывной зависимой переменной (тобит-модель) 287
Выводы 291
Глава 10. Анализ одномерных временных рядов (модели и прогнозирование) 293
10.1. Временной ряд: определения, примеры, формулировка основных задач 295
10.2. Стационарные временные ряды и их основные характеристики 302
10.3. Неслучайная составляющая временного ряда и методы его сглаживания 314
10.4. Модели стационарных временных рядов и их идентификация 336
10.5. Модели нестационарных временных рядов и их идентификация 378
10.6. Прогнозирование экономических показателей, основанное на использовании моделей временных рядов 395
Выводы 409
Приложение 1. Таблицы математической статистики 413
Приложение 2. Необходимые сведения из матричной алгебры .. 433
Приложение 3. Многомерный статистический анализ 455
Литература 493
Алфавитно-предметный указатель 497