АННОТАЦИЯ

Содержит краткий курс лекций по дисциплине «Эконометрика», включая описа-
ние основных задач эконометрики и методов, применяемых для их решения. Предназначено для студентов экономических и информационных специальностей.

Учебное пособие является электронной версией книги:
Шанченко, Н. И. Лекции по эконометрике: учебное пособие / Ульяновск: УлГТУ, 2008. – 139 с.

СОДЕРЖАНИЕ
Введение
1. Предмет и методы эконометрики
1.1. Предмет и методы эконометрики
1.2. Характеристика взаимосвязей
1.3. Основные этапы построения эконометрической модели
1.4. Выбор вида эконометрической модели
1.5. Методы отбора факторов
1.6. Оценка параметров моделей
1.7. Примеры эконометрических моделей
Контрольные вопросы.
2. Парный регрессионный анализ
2.1. Понятие парной регрессии
2.2. Построение уравнения регрессии
2.2.1. Постановка задачи
2.2.2. Спецификация модели
2.3. Оценка параметров линейной парной регрессии
2.4. Оценка параметров нелинейных моделей
2.5. Качество оценок МНК линейной регрессии. Теорема Гаусса-Маркова
2.6. Проверка качества уравнения регрессии. F-критерий Фишера
2.7. Коэффициенты корреляции. Оценка тесноты связи
2.8. Точность коэффициентов регрессии. Проверка значимости
2.9. Точечный и интервальный прогноз по уравнению линейной регрессии
2.10. Коэффициент эластичности
Контрольные вопросы
3. Множественный регрессионный анализ
3.1. Понятие множественной регрессии
3.2. Отбор факторов при построении множественной регрессии
3.2.1. Требования к факторам
3.2.2. Мультиколлинеарность
3.3. Выбор формы уравнения регрессии
3.4. Оценка параметров уравнения линейной множественной регрессии
3.5. Качество оценок МНК линейной множественной регрессии. Теорема Гаусса-Маркова
3.6. Проверка качества уравнения регрессии. F-критерий Фишера
3.7. Точность коэффициентов регрессии. Доверительные интервалы
3.8. Частные уравнения регрессии. Частная корреляция
3.9. Обобщенный метод наименьших квадратов. Гетероскедастичность
3.9.1. Обобщенный метод наименьших квадратов
3.9.2. Обобщенный метод наименьших квадратов в случае
гетероскедастичности остатков
3.10. Проверка остатков регрессии на гетероскедастичность
3.11. Построение регрессионных моделей при наличии автокорреляции остатков
3.12. Регрессионные модели с переменной структурой. Фиктивные переменные
3.12.1. Фиктивные переменные
3.12.2. Тест Чоу
3.11. Проблемы построения регрессионных моделей
Контрольные вопросы
4. Системы эконометрических уравнений
4.1. Структурная и приведенная формы модели
4.2. Оценка параметров структурной формы модели
4.3. Косвенный метод наименьших квадратов
4.4. Двухшаговый метод наименьших квадратов
4.5. Трехшаговый метод наименьших квадратов
Контрольные вопросы
5. Моделирование одномерных временных рядов и прогнозирование
5.1. Составляющие временного ряда
5.2. Автокорреляция уровней временного ряда
5.3. Моделирование тенденции временного ряда
5.3.1. Методы определения наличия тенденции
5.3.2. Сглаживание временного ряда по методу скользящей средней
5.3.3. Метод аналитического выравнивания
5.3.4. Выбор вида тенденции
5.3.5. Оценка адекватности и точности модели тенденции
5.4. Моделирование периодических колебаний
5.4.1. Выделение периодической компоненты по методу
скользящей средней
5.4.2. Моделирование сезонных колебаний с помощью фиктивных переменных
5.4.3 Моделирование сезонных колебаний с помощью гармонического анализа
5.5. Прогнозирование уровней временного ряда на основе кривых роста
5.5.1. Метод аналитического выравнивания
5.6. Адаптивные модели прогнозирования
5.6.1. Понятие адаптивных методов прогнозирования
5.6.2. Экспоненциальное сглаживание
5.6.3. Использование экспоненциальной средней
для краткосрочного прогнозирования
5.6.4. Адаптивные полиномиальные модели
5.7. Исследование взаимосвязи двух временных рядов
5.8. Коинтеграция временных рядов
Контрольные вопросы
6. Линейные модели стохастических процессов
6.1. Стационарные стохастические процессы
6.1.1. Основные понятия
6.1.2. Параметрические тесты стационарности
6.1.3. Непараметрические тесты стационарности
6.2. Линейные модели стационарных временных рядов. Процессы ARMA
6.2.1. Модели авторегрессии (AR)
6.2.2. Модели скользящего среднего (MA)
6.2.3. Модели авторегрессии-скользящего среднего (ARMA)
6.3. Автокорреляционные функции
6.3.1. Автокорреляционная функция
6.3.2. Частная автокорреляционная функция
6.4. Прогнозирование ARMA-процессов
6.4.1. AR-процессы
6.4.2. MA-процессы
6.4.3. ARMA-процессы
6.5. Нестационарные интегрируемые процессы
6.5.1. Нестационарные стохастические процессы. Нестационарные временные ряды
6.5.2. Тесты Дики-Фуллера
6.5.3. Модификации теста Дики-Фуллера для случая автокорреляции
6.5.4. Метод разностей и интегрируемость
6.6. Модели ARIMA
6.6.1. Определение и идентификация модели
6.6.2. Прогнозирование ARIMA-процессов
Контрольные вопросы
7. Динамические эконометрические модели
7.1. Общая характеристика динамических моделей
7.2. Модели с распределенным лагом
7.2.1. Оценка параметров модели с распределенным лагом методом Койка
7.2.2. Оценка параметров модели с распределенным лагом методом Алмон
7.2.3. Интерпретация параметров
7.3. Модели авторегрессии
7.3.1. Интерпретация параметров
7.3.2. Оценка параметров моделей авторегрессии
7.4. Модель частичной корректировки
7.5. Модель адаптивных ожиданий
Контрольные вопросы
8. Информационные технологии эконометрических исследований
8.1. Электронные таблицы Excel
8.2. Статистический пакет общего назначения STATISTICA
8.3. Эконометрические программные пакеты. Matrixer 5.1
8.4. Анализ временных рядов в системе ЭВРИСТА
Контрольные вопросы
Глоссарий
Приложения
1. Нормированная функция Лапласа
2. Значения критических уровней t?,k для распределения Стьюдента
3. Значения F-критерия Фишера на уровне значимости? = 0,05
4. Значения F-критерия Фишера на уровне значимости? = 0,01
5. Значения X2a ;k критерия Пирсона
6. Значения статистик Дарбина-Уотсона dL dU
7. Критические значения f-критерия для DF-, ADF- и РР-тестов, рассчитанные по Маккиннону
8. Критические значения коинтеграционного ADF-критерия
Библиографический список
Интернет-ресурсы

Введение
Развитие экономики, усложнение экономических процессов и повышение
требований к принимаемым управленческим решениям в области макро и мик-
роэкономики потребовало более тщательного и объективного анализа реально
протекающих процессов на основе привлечения современных математических
и статистических методов.
С другой стороны, проблема нарушения предпосылок классических статистических методов при решении реальных экономических задач привели к необходимости развития и совершенствования классических методов математической статистики и уточнения постановок соответствующих задач.
В результате этих процессов осуществилось выделение и формирование новой отрасли знания под названием Эконометрика, связанной с разработкой и применением методов количественной оценки экономических явлений и процессов и их взаимосвязей.
Основным методом исследования в эконометрике является экономико-математическое моделирование. Правильно построенная модель должна давать
ответ на вопрос о количественной оценке величины изменения изучаемого явления или процесса в зависимости от изменений внешней среды. Например, как скажется увеличение или уменьшение уровня инвестиций на совокупном валовом продукте, какие дополнительные ресурсы понадобятся для запланированного увеличения выпуска продукции и т. п.
Практическая значимость эконометрики определяется тем, что применение ее методов позволяет выявить реально существующие связи между явлениями,
дать обоснованный прогноз развития явления в заданных условиях, проверить и
численно оценить экономические последствия принимаемых управленческих
решений.
Построение эконометрических моделей приходится осуществлять в условиях, когда нарушаются предпосылки классических статистических методов, и учитывать наличие таких явлений, как:
– мультиколлинеарность объясняющих переменных;
– закрытость механизма связи между переменными в изолированной регрессии;
– эффект гетероскедастичности, т. е. отсутствия нормального распределения остатков для регрессионной функции;
– автокорреляция остатков;
– ложная корреляция.
Разработка методов, преодолевающих эти трудности, составляет теоретическую основу эконометрики.
Наряду с логически правильным формальным применением имеющегося
математического и статистического инструментария важными составляющими
успеха эконометрического исследования являются экономически адекватная
постановка задачи и последующая экономическая интерпретация полученных
результатов.
Огромный толчок развитию эконометрических методов и их широкому
внедрению в практику дало развитие средств вычислительной техники и особенно появление персональных и портативных компьютеров. Разработка программных пакетов, реализующих методы построения и исследования эконометрических моделей привело к тому, что выполнение эконометрических процедур становится доступным самому широкому кругу аналитиков, экономистов и ме-
неджеров. В настоящее время основные усилия прикладного исследователя
сводятся к подготовке качественных исходных данных, к правильной постанов-
ке проблемы и экономически обоснованной интерпретации результатов иссле-
дования. Вместе с тем, от исследователя требуется четкое понимание областей
применимости используемых методов и сложности и неочевидности процесса
перенесения полученных теоретических результатов на реальную действительность.
Настоящее пособие отражает содержание односеместрового курса лекций, читаемых на факультете информационных систем и технологий УлГТУ студентам специальности «Прикладная информатика (в экономике)» и соответствует Государственному образовательному стандарту по дисциплине «Эконометрика». Пособие состоит из восьми глав и приложения.
В первой главе дается характеристика предмету эконометрики и применяемым ме-
тодам, освещаются основные аспекты эконометрического моделирования, применяемые методики и виды используемых переменных.
Во второй главе рассмотрены вопросы построения парных регрессионных
моделей: постановка задачи, спецификация и оценка параметров моделей,
оценка качества полученных моделей, получение точечного и интервального
прогнозных значений, экономическая интерпретация модели.
Третья глава посвящена построению множественных регрессионных моделей. Подробно рассмотрены вопросы спецификации и оценки параметров модели, оценки качества полученной модели и ее статистической значимости.
Приведены условия, обеспечивающие эффективность метода наименьших квадратов (теорема Гаусса-Маркова). Описан обобщенный метод наименьших
квадратов, позволяющий получать эффективные оценки параметров в условиях
мультиколлинеарности факторов и автокорреляции остатков. Рассмотрены рег-
рессионные модели с переменной структурой.
Четвертая глава посвящена построению моделей в виде системы эконометрических уравнений. Изложены особенности моделей, возникающие трудности применения классических методов и описаны наиболее широко применяемые методы оценки параметров, такие как косвенный, двухшаговый и трехшаговый методы наименьших квадратов.
В пятой главе рассмотрены вопросы моделирования одномерных временных рядов и прогнозирования: структура временного ряда, явление автокорреляции, моделирование тенденции и периодической составляющей ряда, прогнозирование уровней ряда. Отдельное внимание уделено адаптивным методам прогнозирования и моделированию коинтегрируемых временных рядов.
В шестой главе освещены вопросы построения линейных моделей стохастических процессов: AR, MA и ARMA-моделей стационарных процессов, ARIMA-моделей нестационарных процессов. Описаны методы проверки временных рядов на стационарность.
В седьмой главе излагаются модели и методы, применяемые для исследования эконометрических моделей, описывающих динамику развития экономических процессов. Рассмотрены модели авторегрессии и модели с распределенным лагом. Описаны применяемые для оценки параметров моделей, такие как методы инструментальных переменных, методы Койка и Алмон.
Восьмая глава посвящена информационным технологиям эконометрических
исследований. Изложены общие требования к программному обеспечению и возможности программных пакетов Excel, STATISTICA, ЭВРИСТА, Matrixer 5.1.
В приложении даны часто используемые статистические таблицы.
Пособие предназначено студентам экономических и информационных специальностей. Изложение материала ориентировано на читателя, обладающе-
го знаниями в пределах курсов высшей математики и математической статистики, читаемых студентам экономических и информационных специальностей. Пособие будет также полезно всем желающим познакомиться с основными задачами, моделями и методами эконометрики.

Электронная версия книги : [Скачать, PDF, 1.07 МБ ].

Для просмотра книги в формате PDF требуется программа Adobe Acrobat Reader, новую версию которой можно бесплатно скачать с сайта компании Adobe.

В учебнике излагаются основы эконометрики. Большое внимание уделяется классической (парной и множественной) и обобщенной моделям линейной регрессии, классическому и обобщенному методам наименьших квадратов, анализу временных рядов и систем одновременных уравнений, моделям с панельными данными. Обсуждаются различные аспекты многомерной регрессии: мультиколлинеарность, фиктивные переменные, спецификация и линеаризация модели, частная корреляция. Учебный материал сопровождается достаточным числом решенных задач и задач для самостоятельной работы.

Для студентов, бакалавров и магистров экономических направлений и специальностей вузов, аспирантов, преподавателей и специалистов по прикладной экономике и финансам, лиц, обучающихся по программам МВА, второго высшего образования и проходящих профессиональную переподготовку или повышение квалификации.

5.1. Мультиколлинеарность
Под мультиколлинеарностъю понимается высокая взаимная коррелированность объясняющих переменных. Мультиколлинеарность может проявляться в функциональной (явной) и стохастической (скрытой) формах.
При функциональной форме мультиколлинеарности по крайней мере одна из парных связей между объясняющими переменными является линейной функциональной зависимостью. В этом случае матрица Х"Х особенная, так как содержит линейно зависимые векторы-столбцы и ее определитель равен нулю, т. е. нарушается предпосылка 6 регрессионного анализа. Это приводит к невозможности решения соответствующей системы нормальных уравнений и получения оценок параметров регрессионной модели.
Однако в экономических исследованиях мультиколлинеарность чаще проявляется в стохастической форме, когда между хотя бы двумя объясняющими переменными существует тесная корреляционная связь. Матрица Х"Х в этом случае является неособенной, но ее определитель очень мал.

Оглавление
Предисловие
Введение
Глава 1. Основные аспекты эконометрического моделирования
1.1. Введение в эконометрическое моделирование
1.2. Основные математические предпосылки Эконометрического моделирования
1.3. Эконометрическая модель и экспериментальные данные
1.4. Линейная регрессионная модель
1.5. Система одновременных уравнений
1.6. Основные этапы и проблемы эконометрического моделирования
Глава 2. Элементы теории вероятностей и математической статистики
2.1. Случайные величины и их числовые характеристики
2.2. Функция распределения случайной величины.
Непрерывные случайные величины
2.3. Некоторые распределения случайных величин
2.4. Многомерные случайные величины. Условные законы распределения
2.5. Двумерный (n-мерный) нормальный закон распределения
2.6. Закон больших чисел и предельные теоремы
2.7. Точечные и интервальные оценки параметров
2.8. Проверка (тестирование) статистических гипотез
Упражнения
Глава 3. Парный регрессионный анализ
3.1. Функциональная, статистическая и корреляционная зависимости
3.2. Линейная парная регрессия
3.3. Коэффициент корреляции
3.4. Основные положения регрессионного анализа. Оценка параметров парной регрессионной модели. Теорема Гаусса-Маркова
3.5. Интервальная оценка функции регрессии и ее параметров
3.6. Оценка значимости уравнения регрессии. Коэффициент детерминации
3.7. Геометрическая интерпретация регрессии и коэффициента детерминации
3.8. Коэффициент ранговой корреляции Спирмена Упражнения
Глава 4. Множественный регрессионный анализ
4.1. Классическая нормальная линейная модель множественной регрессии
4.2. Оценка параметров классической регрессионной модели методом наименьших квадратов
4.3. Ковариационная матрица и ее выборочная оценка
4.4. Доказательство теоремы Гаусса-Маркова.
Оценка дисперсии возмущений
4.5. Определение доверительных интервалов для коэффициентов и функции регрессии
4.6. Оценка значимости множественной регрессии.
Коэффициенты детерминации R2 и R2 Упражнения
Глава 5. Некоторые вопросы практического использования регрессионных моделей
5.1. Мультиколлинеарность
5.2. Отбор наиболее существенных объясняющих переменных в регрессионной модели
5.3. Линейные регрессионные модели с переменной
структурой. Фиктивные переменные
5.4. Критерий Г. Чоу
5.5. Нелинейные модели регрессии
5.6. Частная корреляция Упражнения
Глава 6. Временные ряды и прогнозирование
6.1. Общие сведения о временных рядах и задачах их анализа
6.2. Стационарные временные ряды и их характеристики. Автокорреляционная функция
6.3. Аналитическое выравнивание (сглаживание) временного ряда (выделение неслучайной компоненты)
6.4. Прогнозирование на основе моделей временных рядов
6.5. Понятие об авторегрессионных моделях и моделях скользящей средней
Упражнения
Глава 7. Обобщенная линейная модель.
Гетероскедастичность и автокорреляция остатков
7.1. Обобщенная линейная модель множественной регрессии
7.2. Обобщенный метод наименьших квадратов
7.3. Гетероскедастичность пространственной выборки
7.4. Тесты на гетероскедастичность
7.5. Устранение гетероскедастичности
7.6. Автокорреляция остатков временного ряда. Положительная и отрицательная автокорреляция
7.7. Авторегрессия первого порядка. Статистика Дарбина-Уотсоно
7.8. Тесты на наличие автокорреляции
7.9. Устранение автокорреляции. Идентификация временного ряда
7.10. Авторегрессионная модель первого порядка
7.11. Доступный (обобщенный) метод наименьших квадратов
Упражнения
Глава 8. Регрессионные динамические модели
8.1. Стохастические регрессоры
8.2. Метод инструментальных переменных
8.3. Оценивание моделей с распределенными лагами. Обычный метод наименьших квадратов
8.4. Оценивание моделей с распределенными лагами. Нелинейный метод наименьших квадратов
326
8.5 Оценивание моделей с лотовыми переменными. Метод максимального правдоподобия
8.6. Модель частичной корректировки
8.7. Модель адаптивных ожиданий
8.8. Модель потребления Фридмено
8.9. Автокорреляция ошибок в моделях со стохастическими регрессорами
8.10 GАRСН-модели
8.11. Нестационарные временные ряды Упражнения
Глава 9. Системы одновременных уравнений
9.1. Общий вид системы одновременных уравнений. Модель спроса и предложения
9.2. Косвенный метод наименьших квадратов
9.3. Проблемы идентифицируемости
9.4. Метод инструментальных переменных
9.5. Одновременное оценивание регрессионных уравнений. Внешне не связанные уравнения
9.6. Трехшаговый метод наименьших квадратов
9.7. Экономически значимые примеры систем одновременных уравнений
Упражнения
Глава 10. Проблемы спецификации модели
10.1. Выбор одной из двух классических моделей. Теоретические аспекты
10.2. Выбор одной из двух классических моделей. Практические аспекты
10.3. Спецификация модели пространственной выборки при наличии гетероскедастичности
10.4. Спецификация регрессионной модели временных рядов
10.5. Важность экономического анализа Упражнения
Глава 11. Модели с различными типами выборочных данных
11.1. Статистические модели с панельными данными
11.2. Межгрупповые оценки с панельными данными
11.3. Модели с фиксированным и случайным эффектами
11.4. Оценивание модели с фиксированным эффектом
11.5. Оценивание модели со случайным эффектом
11.6. Проблема выбора модели с панельными данными
11.7. Бинарные модели с дискретными зависимыми переменными
11.8. Ргоbit- и logit-модели
11.9. Дискретные модели с панельными данными
11.10. Выборка с ограничениями Упражнения
Приложения
Глава 12. Элементы линейной алгебры
12.1. Матрицы
12.2. Определитель и след квадратной матрицы
12.3. Обратная матрица
12.4. Ранг матрицы и линейная зависимость ее строк (столбцов)
12.5. Система линейных уравнений
12.6. Векторы
12.7. Собственные векторы и собственные значения квадратной матрицы
12.8. Симметрические, положительно определенные, ортогональные и идемпотентные матрицы
12.9. Блочные матрицы. Произведение Кронекера
12.10. Матричное дифференцирование Упражнения
Глава 13. Эконометрические компьютерные пакеты
13.1. Оценивание модели с помощью компьютерных программ
13.2. Метод Монте-Карло Упражнения
Литература
Математико-статистические таблицы
Предметный указатель

Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
- fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России. Купить эту книгу


Скачать книгу Эконометрика, учебник для студентов вузов, Кремер Н.Ш., Путко Б.А., 2010 - pdf - Яндекс.Диск

Эконометрика, как считает подавляющее большинство студентов, — сложный предмет. Во-первых, потому, что в нем очень много математики (а к тому моменту, когда в программе появляется эконометрика, оказывается, что студенты уже основательно подзабыли даже самые простые вещи из элементарной математики). Во-вторых, потому, что каждый расчет должен быть подвергнут многочисленным проверкам (по принципу: посчитать-то посчитали, но есть ли в полученных цифрах какой-то смысл?). Для того, чтобы развенчать этот миф, в рамках своего проекта «ОбъяснялКИНО» я запустил на Ютюбе.

Одним из лучших учебников по эконометрике считается книга Елисеевой. Однако, как показывает мой опыт преподавания эконометрики, этот учебник сложен для студентов, особенно заочников, поскольку работа с ними предполагает наличие хороших базовых знаний не только по математике, но и по статистике (в первую очередь — математической). Иногда программы вузов составлены таким образом, что сначала студенты изучают эконометрику, и уже после этого — статистику (что можно сравнить с установкой телеги впереди лошади, причем погонщик тоже должен управлять этой конструкцией по-особому, сидя впереди телеги — естественно, лицом вперед).

На сегодняшний день не существует единственно верного, качественного и понятного учебника по эконометрике. Во-первых, ещё не закончено выделение эконометрики как науки и обособление её математического аппарата. Во-вторых, изложение материала в книгах по эконометрике ведётся «вольно», зачастую — с позиций теории и без учёта решения практических задач. Объяснить эту особенность можно тем, что каждый вопрос эконометрики весьма объёмен. Так, если только описание методики построения и анализа модели парной линейной регрессии занимает порядка 25 страниц (с формулами и подробным разъяснением их применения, но без обоснования и доказательства чего-либо), то в целом, раскрывая все частные вопросы этой методики и приводя доказательства каждой формулы и критически важного утверждения, можно довести объём материала до размеров внушительного учебника (а это — только одна тема, причём одна из простейших, и таких тем множество).

Когда я был студентом, мы изучали всё то, что сегодня описывается в эконометрике, в рамках курсов по статистике, математической статистике и высшей математике. Сегодня (студенты, радуйтесь!) многое из этого собрано в одном курсе. Вместе с тем, основанная на статистике и высшей математике, эконометрика унаследовала от них некоторые «неприятные особенности», среди которых и работа с большим количеством цифрового материала (попросту говоря — чисел), и использование одной и той же буквы (как это принято в математике и технических науках) для обозначения совершенно разных показателей и величин, и обозначение одного и того же показателя совершенно разными способами (как больше нравится автору учебника).

Эконометрика — это прежде всего дисциплина. Чтобы решить задачу, нужно самому быть дисциплинированным, внимательным и пунктуальным, чтобы выполнить все расчеты и проверки, четко следуя установленному алгоритму, иначе результат будет получен, но будет ли он действительным? Ведь цель эконометрики — не расчеты ради расчетов, а расчеты как база для принятия управленческих решений. Чего будет стоить решение, основанное на неверных расчетах?

Сегодня методы эконометрики активно применяются в сфере обработки Больших Данных. Но — должен вас предостеречь от ошибки ложной корреляции: если вы возьмёте 100 совершенно независимых друг от друга величин, не связанных ни логически, ни функционально, можно быть практически уверенным, что обнаружится как минимум 5 пар, где показатели «тесно связаны» друг с другом, то есть между ними будет корреляция, которую можно признать значимой. Чем больше данных и чем больше их разнообразие — тем выше вероятность получить ошибочный, но очень «красивый» результат.

В настоящее время я уже не преподаю в вузе (к сожалению, реформы зацепили и наш филиал, который оказался закрыт), однако у меня накоплен большой опыт объяснения сложных концепций понятным даже неподготовленному студенту языком. Поэтому сейчас я работаю над авторским курсом по эконометрике, который был в целом разработан и обкатан на студентах-заочниках (а это люди, зачастую капитально забывшие даже школьную математику), и готов предложить его всем желающим разобраться с парной и множественной регрессией, построением и анализом рядов динамики, системами одновременных уравнений (кстати, для того, чтобы объяснить эту тему, я даю студентам азы системного анализа, так что уверен на все сто, что аналогов моему курсу вы не найдёте).

Если все известные мне учебники эконометрики предполагают, что студент владеет знаниями математической статистики и линейной алгебры и навыками соответствующих расчетов, то мой курс можно назвать самодостаточным: если какой-либо показатель можно посчитать разными способами, все они собраны вместе, и даже более того: объясняются алгоритмы расчёта по каждой формуле.

Конечно, в разных вузах свои требования, подчиняясь которым учебники становятся сложными, нудными и тяжеловесными. Но базовые вопросы, на которых основано большинство расчетов, я стараюсь объяснить, что называется, «на пальцах». Частично мои объяснения вы можете посмотреть на Ютюбе в проекте ОбъяснялКИНО: эконометрика без галстука . К сожалению, я не успел завершить работу над этим проектом, и «в эфир» выложены только первые занятия. Может быть, это и к счастью, поскольку сегодня я лучше представляю себе, как можно и нужно сделать этот курс более эффективным и полезным. Сейчас ведётся переработка видеороликов — их я сделаю короче и чётче по подаче материала, плюс добавлю мини-курс по системному анализу и много других интересных мини-курсов, так что подписывайтесь на канал — скоро на нём будет много нового и интересного!

P.S. Если вы хотите постичь азы эконометрики (парная и множественная регрессия, временные ряды) в индивидуальном порядке (разбор теории, решение задач), пишите мне на почту (573896 » mail.ru).

P.P.S. Если вам понравились эти материалы и вы хотите поддержать разработку и публикацию моих курсов, можете пополнить счёт телефона +7922794138.

Эконометрика. Книги 1 и 2. Носко В.П.

М.: 2011.; Кн. 1 - 672с., Кн. 2 - 576с.

В учебнике излагаются методы эконометрического анализа - от самых простых до весьма продвинутых. В основе учебника - курсы лекций, прочитанные автором в Институте экономической политики им. Е.Т. Гайдара, на механико-математическом факультете Московского государственного университета им. М.В. Ломоносова и на экономическом факультете РАНХиГС.

Учебник состоит из двух книг (четырех частей): в кн. 1 рассматриваются линейные модели регрессии; модели стационарных и нестационарных временных рядов, особенности регрессионного анализа для стационарных и нестационарных переменных; в кн. 2 - модели одновременных уравнений, модели с дискретными и цензурированными объясняемыми переменными, модели для анализа панельных данных; модель стохастической границы производственных возможностей, а также содержится дополнительный материал по анализу временных рядов (прогнозирование, методология векторных авторегрессий и др.). В каждой части учебника имеется словарь употребляемых в ней терминов. Для студентов, аспирантов, преподавателей, а также для специалистов по прикладной экономике.

Книга 1. Части 1-2.

Формат: djvu

Размер: 8 ,62 Мб

Скачать: yandex.disk

Книга 2 . Части 3 -4 .

Формат: djvu

Размер: 8,35 Мб

Скачать: yandex.disk

КНИГА 1.
Предисловие 6
Предисловие к первой книге 8
Часть 1 ОСНОВНЫЕ ПОНЯТИЯ, ЭЛЕМЕНТАРНЫЕ МЕТОДЫ
Раздел 1. ЭКОНОМЕТРИКА И ЕЕ СВЯЗЬ С ЭКОНОМИЧЕСКОЙ ТЕОРИЕЙ. МЕТОД НАИМЕНЬШИХ КВАДРАТОВ 11
Тема 1.1. Модели связи и модели наблюдений; эконометрическая модель, подобранная модель 11
Тема 1.2. Метод наименьших квадратов. Прямолинейный характер связи между двумя экономическими факторами 26
Тема 1.3. Примеры подбора линейных моделей связи между двумя факторами. Ложная линейная связь 45
Тема 1.4. Нелинейная связь между экономическими факторами 51
Раздел 2. ЛИНЕЙНАЯ МОДЕЛЬ НАБЛЮДЕНИЙ. РЕГРЕССИОННЫЙ АНАЛИЗ 74
Тема 2.1. Линейные модели с несколькими объясняющими переменными. Оценивание и интерпретация коэффициентов 74
Тема 2.2. Свойства оценок коэффициентов при стандартных предположениях о вероятностной структуре ошибок. Доверительные интервалы для коэффициентов 90
Приложение П-2а. Случайные векторы и их характеристики 109
Приложение П-26. Многомерное нормальное распределение 111
Раздел 3. ПРОВЕРКА ГИПОТЕЗ, ВЫБОР «НАИЛУЧШЕЙ» МОДЕЛИ И ПРОГНОЗИРОВАНИЕ ПО ОЦЕНЕННОЙ МОДЕЛИ 113
Тема 3.1. Проверка статистических гипотез о значениях отдельных коэффициентов и общей линейной гипотезы 113
Тема 3.2. Использование F-статистики для редукции исходной эконометрической модели. Проверка односторонних гипотез 127
Тема 3.3. Сравнение альтернативных моделей. Мультиколлинеарность. Прогнозирование по оцененной модели 149
Раздел 4. ПРОВЕРКА ВЫПОЛНЕНИЯ СТАНДАРТНЫХ ПРЕДПОЛОЖЕНИЙ О МОДЕЛИ НАБЛЮДЕНИЙ 170
Тема 4.1. Графические методы 170
Тема 4.2. Формальные статистические критерии 184
Раздел 5. УЧЕТ НАРУШЕНИЙ СТАНДАРТНЫХ ПРЕДПОЛОЖЕНИЙ О МОДЕЛИ 203
Тема 5.1. Включение в модель фиктивных переменных 203
Тема 5.2. Учет гетероскедастичности 215
Тема 5.3. Учет автокоррелированности ошибок 224
Раздел 6. ОСОБЕННОСТИ РЕГРЕССИОННОГО АНАЛИЗА ДЛЯ СТОХАСТИЧЕСКИХ ОБЪЯСНЯЮЩИХ ПЕРЕМЕННЫХ 234
Тема 6.1. Линейные регрессионные модели со стохастическими объясняющими переменными 234
Тема 6.2. Метод инструментальных переменных 243
Задания для семинарских занятий, работы в компьютерном классе и для самостоятельной работы 261
Приложение. Таблицы статистических данных к заданиям 287
Литература 291
Глоссарий 292
Часть 2 РЕГРЕССИОННЫЙ АНАЛИЗ ВРЕМЕННЫХ РЯДОВ
Раздел 7. СТАЦИОНАРНЫЕ ВРЕМЕННЫЕ РЯДЫ. МОДЕЛИ ARMA 307
Тема 7.1. Стационарные модели ARMA 307
Тема 7.2. Подбор стационарной модели ARMA для ряда наблюдений 340
Приложение П-7. Проверка гипотезы случайности 369
Раздел 8. РЕГРЕССИОННЫЙ АНАЛИЗ ДЛЯ СТАЦИОНАРНЫХ ПЕРЕМЕННЫХ 377
Тема 8.1. Асимптотическая обоснованность стандартных процедур 377
Тема 8.2. Динамические модели. Векторная авторегрессия 383
Раздел 9. НЕСТАЦИОНАРНЫЕ ВРЕМЕННЫЕ РЯДЫ. МОДЕЛИ ARIMA 423
Тема 9.1. Нестационарные ARMA модели 423
Тема 9.2. Проблема различения TS- и AS-рядов. Гипотеза единичного корня 448
Раздел 10. ПРОЦЕДУРЫ ДЛЯ РАЗЛИЧЕНИЯ TS- И DS-РЯДОВ 454
Тема 10.1. Критерии Дики-Фуллера. Многовариантные процедуры проверки гипотезы единичного корня 454
Тема 10.2. Обзор некоторых других процедур 489
Раздел 11. РЕГРЕССИОННЫЙ АНАЛИЗ ДЛЯ НЕСТАЦИОНАРНЫХ ПЕРЕМЕННЫХ. КОИНТЕГРИРОВАННЫЕ ВРЕМЕННЫЕ РЯДЫ. МОДЕЛИ КОРРЕКЦИИ ОШИБОК 520
Тема 11.1. Проблема ложной регрессии. Коинтегрированные временные ряды. Модели коррекции ошибок 520
Тема 11.2. Оценивание коинтегрированных систем временных рядов 558
Тема 11.3. Оценивание ранга коинтеграции и модели коррекции ошибок методом Йохансена 579
Задания для семинарских занятий, работы в компьютерном классе и для самостоятельной работы 605
Приложение. Таблицы статистических данных к заданиям 637
Литература 647
Глоссарий 651
Предметный указатель 665

КНИГА 2.
Предисловие 6
Предисловие ко второй книге 8
Часть 3 СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ, ПАНЕЛЬНЫЕ ДАННЫЕ, МОДЕЛИ С ДИСКРЕТНЫМИ И ОГРАНИЧЕННЫМИ ОБЪЯСНЯЕМЫМИ ПЕРЕМЕННЫМИ
Раздел 1. СИСТЕМЫ ОДНОВРЕМЕННЫХ УРАВНЕНИЙ 11
Тема 1.1. Идентифицируемость структурной формы системы одновременных уравнений 11
Тема 1.2. Оценивание систем одновременных уравнений 42
Раздел 2. СТРУКТУРНЫЕ И ПРИВЕДЕННЫЕ ФОРМЫ МОДЕЛЕЙ КОРРЕКЦИИ ОШИБОК 86
Тема 2.1. Структурные и приведенные формы векторных авторегрессий и моделей коррекции ошибок 86
Раздел 3. ПАНЕЛЬНЫЕ ДАННЫЕ 105
Тема 3.1. Панельные данные: модель пула, модель ковариационного анализа, модель кажущихся несвязанными регрессий 105
Тема 3.2. Модели с фиксированными и случайными эффектами 129
Тема 3.3. Двунаправленные модели 156
Тема 3.4. Несбалансированные панели, эндогенные объясняющие переменные, модели с индивидуально-специфическими переменными 163
Тема 3.5. Динамические модели 173
Раздел 4. МОДЕЛИ С ДИСКРЕТНЫМИ И ОГРАНИЧЕННЫМИ ОБЪЯСНЯЕМЫМИ ПЕРЕМЕННЫМИ 185
Тема 4.1. Модели, в которых объясняемая переменная принимает только два различных значения 185
Тема 4.2. Модели, в которых объясняемая переменная принимает несколько различных значений 212
Тема 4.3. Цензурированные модели регрессии (тобит-модели) 228
Тема 4.4. Модели бинарного выбора для панельных данных 249
Тема 4.5. Тобит-модели для панельных данных 261
Задания для семинарских занятий, работы в компьютерном классе и для самостоятельной работы 271
Приложение. Статистические данные к заданиям 306
Литература 311
Глоссарий 313
Часть 4 ВРЕМЕННЫЕ РЯДЫ: ДОПОЛНИТЕЛЬНЫЕ ГЛАВЫ. МОДЕЛЬ СТОХАСТИЧЕСКОЙ ГРАНИЦЫ
Раздел 5. СГЛАЖИВАНИЕ И ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ 327
Тема 5.1. Адаптивные методы, метод наименьших квадратов 327
Тема 5.2. Прогнозирование по моделям AR, M A, ARM A, ARIM А 360
Раздел 6. МЕТОДОЛОГИЯ ВЕКТОРНЫХ АВТОРЕГРЕССИЙ 392
Тема 6.1. Прогнозирование по модели векторной авторегрессии, проверка наличия причинности по Грейнджеру для двух и более рядов 392
Тема 6.2. Методология VAR 414
Тема 6.3. Эмпирические исследования 440
Тема 6.4. Нестабильные VAR 467
Раздел 7. ТЕСТЫ НА ЕДИНИЧНЫЕ КОРНИ И НЕЛИНЕЙНЫЕ ПРЕОБРАЗОВАНИЯ. ДИНАМИЧЕСКИЙ МЕТОД НАИМЕНЬШИХ КВАДРАТОВ 489
Тема 7.1. Тесты на единичные корни и нелинейные преобразования 489
Тема 7.2. Динамический метод наименьших квадратов для оценивания коинтегрирующего вектора системы интегрированных рядов 504
Раздел 8. МОДЕЛЬ СТОХАСТИЧЕСКОЙ ГРАНИЦЫ 515
Тема 8.1. Модель стохастической границы для перекрестной выборки 515
Тема 8.2. Модели стохастической границы для панельных данных 531
Задания для семинарских занятий, работы в компьютерном классе н для самостоятельной работы 537
Приложение. Таблицы статистических данных к заданиям 558
Литература 563
Глоссарий 567
Предметный указатель 572