ПРЕДИСЛОВИЕ | 8 |
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ | 11 |
ГЛАВА 1. ОБЩАЯ ХАРАКТЕРИСТИКА ЭКОНОМЕТРИЧЕСКОГО ПОДХОДА | 13 |
1.1. Понятие эконометрики и эконометрической модели | 13 |
1.2. Классификация эконометрических моделей1 | 16 |
1.2.1. Типы данных | 16 |
1.2.2. Общий вид, принципы построения и использования эконометрической модели | 18 |
1.2.3. Классификация и основные типы эконометрических моделей | 20 |
1.3. Этапы построения эконометрических моделей | 22 |
ГЛАВА 2. ВЕРОЯТНОСТНОЕ ОПИСАНИЕ ЭКОНОМИЧЕСКИХ ПЕРЕМЕННЫХ | 24 |
2.1. Векторно-матричные представления и элементы матричной алгебры | 24 |
2.1.1. Пример векторно-матричного представления эконометрической модели | 24 |
2.1.2. Векторы и операции над ними | 26 |
2.1.3. Матрицы: основные операции и свойства | 29 |
2.2. Использование случайных величин и векторов для описания экономических переменных | 33 |
2.2.1. Понятие случайной величины и случайного вектора | 33 |
2.2.2. Дискретные и непрерывные случайные величины | 35 |
2.3. Характеристики случайных величин и векторов | 37 |
2.3.1. Числовые характеристики случайных величин и их свойства | 38 |
2.3.2. Числовые характеристики случайных векторов | 41 |
2.4. Примеры законов распределения вероятностей | 44 |
2.4.1. Одномерный нормальный закон распределения | 44 |
2.4.2. Многомерный нормальный закон распределения | 46 |
2.4.3. Законы распределения хи-квадрат, Фишера и Стьюдента | 48 |
2.5. Модель данных «случайная выборка» | 49 |
2.6. Случайные процессы и временные ряды | 51 |
2.6.1. Стационарные случайные процессы и их характеристики | 51 |
2.6.2. Автокорреляционная и частная автокорреляционная функции | 55 |
ГЛАВА 3. ЭЛЕМЕНТЫ СТАТИСТЙЧЕСКОГО АНАЛИЗА ДАННЫХ | 59 |
3.1. Принципы статистического анализа данных | 59 |
3.2. Выборочные числовые и функциональные характеристики | 60 |
3.2.1. Выборочные числовые характеристики | 60 |
3.2.2. Выборочные функциональные характеристики | 62 |
3.3. Статистическое оценивание параметров по случайным выборкам | 65 |
3.3.1. Понятие статистической оценки. Подстановочный принцип оценивания | 65 |
3.3.2. Свойства статистических оценок | 66 |
3.4. Общая харакгерисгика методов статистического оценивания параметров | 70 |
3.4.1. Метод наименьших квадратов | 71 |
3.4.2. Метод максимального правдоподобия | 72 |
3.5. Элементы теории статистической проверки гипотез | 75 |
3.5.1. Принцип статистической проверки гипотез на основе подхода Неймана – Пирсона | 75 |
3.5.2. Общий вид и способы представления статистических критериев | 79 |
3.5.3. Анализ закона распределения выборки с помощью критериев согласия | 82 |
ЗАДАНИЯ | 83 |
ГЛАВА 4. МОДЕЛЙ И МЕТОДЫ РЕГРЕССИОННОГО АНАЛИЗА | 88 |
4.1. Общая линейная етатистическая модель | 88 |
4.1.1. Определение общей линейной статистической модели и тра д иционные модельные прелположения | 88 |
4.1.2. Оценки параметров модели по методу наименьших квадратов | 93 |
4.1.3. Оценки параметров по методу максимального правдоподобия | 100 |
4.2. Общая линейная статистическая модель с линейными ограничениями на параметры | 100 |
4.2.1. Определение и примеры ОЛСМ с линейными ограничениями на параметры | 100 |
4.2.2. Оценки параметров ОЛСМ с линейными ограничениями на параметры | 102 |
4.2.3. Проверка линейных ограничений на параметры ОЛСМ | 103 |
4.3. Методы анализа адекватности ОЛСМ | 106 |
4.3.1. Анализ вариации зависимой переменной. Коэффициент детерминации модели | 107 |
4.3.2. Проверка адекватности ОЛСМ на основе статистических тестов | 111 |
4.3.3. Анализ структурных изменений | 115 |
4.3.4. Анализ остатков | 117 |
4.4. Методы построения ОЛСМ в условиях мультиколлинеарности факторов | 122 |
ЗАДАНИЯ | 124 |
ГЛАВА 5. МОДЕЛИ И МЕТОДЫ АНАЛИЗА ЭКОНОМИЧЕСКИХ ВРЕМЕННЫХ РЯДОВ | 129 |
5.1. Модели стационарных временных рядов | 129 |
5.1.1. Определение и свойства модели ARMA | 130 |
5.1.2. Методы построения и тестирования модели ARMA | 133 |
ЗАДАНИЯ | 136 |
5.2. Модели временных рядов с детерминированным трендом | 141 |
5.2.1. Определение и свойства модели | 141 |
5.2.2. Методы построения и тестирования модели | 142 |
ЗАДАНИЯ | 143 |
5.3. Модели нестационарных временных рядов типа ARIMA | 144 |
5.3.1. Определение и свойства модели ARIMA | 144 |
5.3.2. Методы построения и тестирования модели ARIMA | 147 |
5.3.3. Особенности построения сезонной модели ARIMA | 147 |
ЗАДАНИЯ | 150 |
5.4. Модели процессов «единичного корня» | 153 |
5.4.1. Определение и свойства моделей «единичного корня» | 153 |
5.4.2. Методы тестирования процессов «единичного корня» | 158 |
ЗАДАНИЯ | 162 |
5.5. Нестационарность вследствие нарушения условия рационарности ARMA | 163 |
ЗАДАНИЯ | 165 |
5.6. Моделирование временных рядов с безусловной гетероскедастичностью | 165 |
5.7. Модели временных рядов с условной гетероскедастичностью | 167 |
5.7.1. Признаки условной гетероскегдастичности в экономических временных рядах | 167 |
5.7.2. Определение и свойства моделей ARCH и GARCH | 169 |
5.7.3. Построение моделей ARCH и GARCH | 174 |
ЗАДАНИЯ | 175 |
5.8. Построение регрессионных моделей по экономическим временным рядам | 176 |
5.8.1. Проблема использования нестационарных временных рядов в регрессионных моделях | 177 |
5.8.2. Коинтегрированные временные ряды и механизм коррекции ошибок | 181 |
5.8.3. Построение модели коррекции ошибок с помощью подхода Энгла – Грэйнджера | 187 |
ЗАДАНИЯ | 192 |
ГЛАВА 6. ВЕКТОРНЫЕ АВТОРЕГРЕССИОННЫЕ МОДЕЛИ | 196 |
6.1. Модель VAR и ее вероятностно-статистические характеристики | 196 |
ЗАДАНИЯ | 202 |
6.2. Статистическое оценивание параметров VAR | 204 |
ЗАДАНИЯ | 208 |
6.3. Статистическая проверка линейных гипотез о параметрах VAR | 209 |
ЗАДАНИЯ | 213 |
6.4. Статистическая проверка гипотез о порядке векторной авторегрессии | 214 |
ЗАДАНИЯ | 217 |
6.5. Статистический анализ остатков векторной авторегрессии | 218 |
ЗАДАНИЯ | 224 |
6.6. Статистическое прогнозирование на основе VAR | 224 |
ЗАДАНИЯ | 230 |
6.7. Векторные модели с интегрированными и коинтегрированными переменными | 230 |
ЗАДАНИЯ | 239 |
ГЛАВА 7. СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ И ИХ АНАЛИ3 | 240 |
7.1. Модель SSE и условия ее идентифицируемости | 240 |
ЗАДАНИЯ | 247 |
7.2. Косвенный метод наименьших квадратов для идентификации SSE | 248 |
ЗАДАНИЯ | 251 |
7.3. Подход к идентификации SSE, основанный на введении инструментальных переменных | 253 |
ЗАДАНИЯ | 257 |
7.4. МИП-оценки параметров в случае точно идентифицируемого структурного уравнения | 257 |
ЗАДАНИЯ | 258 |
7.5. Двухшаговый метод наименьших квадратов | 259 |
ЗАДАНИЯ | 261 |
7.6. Метод максимaльного правдоподобия с ограниченной информацией | 262 |
ЗАДАНИЯ | 265 |
7.7. Трехшаговый метод наименьших квадратов | 266 |
ЗАДАНИЯ | 268 |
7.8. Метод максимального правдоподобия с полной информацией | 269 |
ЗАДАНИЯ | 270 |
ГЛАВА 8. БАЙЕСОВСКИЕ МЕТОДЫ ЭКОНОМЕТРИЧЕСКОГО АНАЛИЗА | 271 |
8.1. Байесовский подход к оцениванию параметров и прогнозированию | 271 |
ЗАДАНИЯ | 275 |
8.2. Байесовское оценивание математического ожидания | 277 |
ЗАДАНИЯ | 279 |
8.3. Оценивание параметров модели линейной регрессии | 280 |
8.3.1. Случай известной дисперсии случайных ошибок | 281 |
8.3.2. Случай неизвестной дисперсии случайных ошибок | 282 |
ЗАДАНИЯ | 284 |
8.4. Общая модель байесовского прогнозирования | 285 |
ЗАДАНИЯ | 288 |
8.5. Байесовское прогнозирование временных рядов с трендом | 289 |
ЗАДАНИЯ | 291 |
8.6. Байесовское прогнозирование авторегрессионных временных рядов | 292 |
ЗАДАНИЯ | 296 |
ГЛАВА 9. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ КОМПЬЮТЕРНЫХ ПРАКТИКУМОВ ПО ЭКОНОМЕТРИКЕ | 297 |
9.1. Эконометрическое программное обеспечение | 297 |
9.2. Система эконометрическоro моделирования и прогнозирования СЭМП 1.1 | 298 |
9.2.1. Назначение и область применения СЭМП 1.1 | 298 |
9.2.2. Принципы организации и возможности СЭМП 1.1 | 299 |
9.2.3. Построение эконометрических моделей | 302 |
9.2.4. Использование эконометрических моделей | 304 |
9.2.5. Работа с данными | 305 |
9.3. Организация компьютерного практикума на основе ППП СЭМП | 307 |
ЛИТЕРАТУРА | 311 |