Książka zawiera podstawowy...– jest to...– jest to...„Dlaczego tak, a...” nie zaniedbuje odpowiedzi...„Jak je obliczamy?”. Zawiera liczne... (rozwiń opis)

Książka zawiera podstawowy kurs teorii i praktyki ekonometrii. Jest przeznaczona dla studentów różnych dyscyplin ekonomicznych poza specjalizacją ekonometrii. Będzie również użyteczna dla ekonomistów prowadzących analizy danych ekonomicznych, a jednocześnie niedysponujących solidnymi podstawami matematycznymi. W podręczniku uwzględnione zostały najnowsze ujęcia ekonometrii, które rozumiemy dwojako. Po pierwsze – jest to nowe ujęcie problemów tradycyjnej ekonometrii. Po drugie – jest to szersze ujęcie modeli dynamicznych wykorzystujących szeregi czasowe, stanowiących dominujący zbiór danych używanych w ekonomii. Książka, stawiając pytanie „Dlaczego tak, a nie inaczej estymujemy modele ekonometryczne?” nie zaniedbuje odpowiedzi na pytanie: „Jak je obliczamy?”. Zawiera liczne przykłady (dotyczące Polski, Unii Europejskiej i gospodarki światowej) zastosowania omawianych metod w różnych dziedzinach nauk ekonomicznych. Istotnym dopełnieniem podręcznika są trzy aneksy. Pierwszy aneks zawiera niezbędną, ograniczoną jedynie do wątków bezpośrednio stosowanych w trakcie wykładu, wiedzę z zakresu algebry macierzy. Drugi aneks jest poświęcony celowo wybranym fragmentom statystyki matematycznej, które są niezbędne do swobodnego korzystania z tekstu. Trzeci aneks jest zbiorem dostępnych w internecie baz danych ekonomicznych stanowiących materiał nie tylko do sensownego formułowania zadań ćwiczeniowych, lecz także do wykorzystywania w interesujących ekonomistę analizach.
(zwiń opis)

(spis treści)

SPIS TREŚCI

Wstęp

Część 1. Klasyczny model regresji liniowej

Wprowadzenie

1.1. Czym jest ekonometria?

1.2. Pojęcie modelu ekonometrycznego

1.3. Dane statystyczne

1.4. Metodologia ekonometrii

Podsumowanie

2. Podstawy klasycznego modelu regresji liniowej

2.1. Zapis macierzowy modelu

2.2. Od populacji do próby i od próby do populacji

2.3. Założenia klasycznego modelu regresji liniowej

Podsumowanie

3. Metoda najmniejszych kwadratów

3.1. Estymatory metody najmniejszych kwadratów

3.2. Własności algebraiczne rozwiązania MNK

Podsumowanie

4. Wnioskowanie o estymatorach metody najmniejszych kwadratów

4.1. Jeszcze o założeniu normalności zaburzeń losowych

4.2. Twierdzenie Gaussa-Markowa

4.3. Estymator wariancji zaburzenia losowego i błędy standardowe estymatorów

4.4. Rozkład t-Studenta, weryfikacja prostych hipotez i przedziały ufności

4.5. Istotność równania regresji

4.6. Asymptotyczne własności estymatorów MNK

Podsumowanie

5. Interpretacja równania regresji

5.1. Interpretacja współczynników regresji i założenie liniowości

5.2. Jakościowe zmienne objaśniające – regresory zerojedynkowe, oznaczane również jako zmienne 0–1 lub zmienne binarne

5.3. Restrykcje i modele zagnieżdżone. Łączna istotność zmiennych zerojedynkowych

5.4. Jakościowa zmienna objaśniana

5.5. Wybór regresorów zgodnie z zasadą „Od ogólnego do szczegółowego”. Skutki pominięcia w równaniu regresji istotnych zmiennych objaśniających; skutki dodania do równania regresji zmiennych nieistotnych

5.6. Testowanie łącznej istotności podzbioru regresorów

5.7. Testowanie hipotez złożonych

Podsumowanie

6. Problemy wynikające z niedoskonałości danych statystycznych

6.1. Współliniowość i jej konsekwencje. Wykrywanie współliniowości i środki zaradcze

6.2. Obserwacje opuszczone

6.3. Wykrywanie nietypowych wartości zmiennej objaśnianej i nietypowych wartości zmiennych objaśniających (obserwacje znaczące)

Podsumowanie

7. Prognozowanie na podstawie klasycznej metody regresji liniowej

7.1. Prognoza i błąd standardowy prognozy

Podsumowanie

Literatura uzupełniająca do części I

Część 2. Złagodzenie założeń modelu klasycznego

8. Uogólniona metoda najmniejszych kwadratów

8.1. Heteroskedastyczność i autokorelacja zaburzeń losowych w KMRL

8.2. Estymatory uogólnionej metody najmniejszych kwadratów

8.3. Testowanie heteroskedastyczności: testy Goldfelda-Quandta, Breuscha-Pagana oraz White’a

8.4. Estymacja macierzy wariancji-kowariancji zaburzeń losowych w przypadku heteroskedastyczności. Stosowalna uogólniona metoda najmniejszych kwadratów

8.5. Estymator White’a macierzy wariancji-kowariancji dla b wyznaczonego za pomocą MNK – odporny na heteroskedastyczność

8.6. Testowanie autokorelacji: testy Durbina-Watsona i Breuscha-Godfreya

8.7. Estymacja macierzy wariancji-kowariancji zaburzeń losowych w przypadku autokorelacji zaburzeń pierwszego rzędu

8.8. Estymator Neweya-Westa macierzy wariancji-kowariancji dla b oszacowanego za pomocą MNK – odporny na heteroskedastyczność i odporny na autokorelację

Podsumowanie

9. Diagnostyka w klasycznej metodzie regresji liniowej

9.1. Test White’a

9.2. Test RESET błędu specyfikacji postaci funkcyjnej równania regresji Ramseya

9.3. Test niezagnieżdżonych alternatyw

9.4. Testy stabilności parametrów Chowa

9.5. Test Jarque-Bera normalności zaburzeń

9.6. Ocena wyników analizy regresji

Podsumowanie

Literatura uzupełniająca do części II

Część 3. Szczególnie ważne modele ekonometryczne

10. Ograniczona zmienna objaśniana

10.1. Liniowa funkcja prawdopodobieństwa

10.2. Metody logitowa i probitowa

10.3. Wielomianowa metoda logitowa, metoda tobitowa, modele samoselekcji próby

Podsumowanie

11. Modele jednowymiarowych szeregów czasowych

11.1. Analiza klasyczna

11.2. Szereg czasowy jako realizacja procesu stochastycznego

11.3. Procedura Boxa-Jenkinsa

11.4. Funkcja autokorelacji i cząstkowej autokorelacji szeregu Dow Jones

11.5. Procesy ARIMA dla danych sezonowych

Podsumowanie

12. Modele dynamiczne

12.1. Problemy ekonometryczne modeli dynamicznych

12.2. Modele o opóźnieniach rozłożonych (Distributed Lag Models)

12.3. Estymacja modeli DL i wybór rzędu opóźnienia

12.4. Modele autoregresyjne i modele autoregresyjne z opóźnieniami rozłożonymi (AutoRegressive Distributed Lag Models – Modele ADL lub ARDL)

12.5. Niestacjonarność i integracja szeregu

12.6. Test pierwiastka jednostkowego Dickeya-Fullera (test DF)

12.7. Rozszerzony test pierwiastka jednostkowego (test ADF)

12.8. Kointegracja szeregów czasowych

12.9. Przyczynowość w ekonometrii

Podsumowanie

13. Modele wektorowej autoregresji (VAR) i modele korekty błędem

13.1. Modele wielorównaniowe

13.2. Modele wektorowej autoregresji (Vector AutoRegressive Models – VAR)

13.3. Model korekty błędem (równowagi) (Error Correction Model – ECM)

Podsumowanie

14. Opracowanie projektów badawczych

Literatura uzupełniająca do części III

Aneksy

A. Elementy algebry macierzy

B. Wybrane zagadnienia rachunku prawdopodobieństwa

C. Bazy danych

Bibliografia

Indeks
(zwiń spis treści)