Ekonometria. Metody i ich zastosowanie

Spis treści

1. Klasyczny model regresji liniowej - przypadek jednej zmiennej objaśniającej
1.1. Wprowadzenie
1.2. Założenia modelu regresji liniowej
1.3. Metoda najmniejszych kwadratów
1.4. Dekompozycja wariancji zmiennej objaśnianej
1.5. Własności i błędy średnie estymatorów. Wariancja składnika losowego
1.6. Przedziały ufności
1.7. Testowanie hipotez o istotności
1.8. Metoda największej wiarygodności

2. Klasyczny model regresji liniowej - przypadek wielu zmiennych objaśniających
2.1. Wstęp
2.2. Założenia modelu liniowej regresji wielu zmiennych
2.3. Interpretacja w modelu regresji wielu zmiennych
2.4. Metoda najmniejszych kwadratów
2.5. Własności estymatora klasycznej metody najmniejszych kwadratów
2.6. Estymator warjancji składnika losowego
2.7. Miary zgodności
2.8. Metoda największej wiarygodności
2.9. Testowanie hipotez
2.10. Metoda najmniejszych kwadratów przy warunkach pobocznych
2.11. Testowanie stabilności parametrów

3. Autokorelacja
3.1. Wstęp
3.2. Przyczyny autokorelacji
3.3. Schemat autoregresyjny pierwszego rzędu
3.4. Inne schematy autokorelacji
3.5. Estymacja w przypadku procesu AR(1), gdy znany jest współczynnik autokorelacji
3.6. Estymacja w przypadku procesu AR(1), gdy współczynnik autokorelacji jest nieznany
3.7. Testowanie występowania zjawiska autokorelacji pierwszego rzędu
3.8. Estymacja i testowanie w przypadku procesu MA(1)
3.9. Estymacja i testowanie w przypadku szczególnego procesu AR(4)
3.10. Respecyfikacja modelu

4. Heteroskedastyczność
4.1. Wstęp
4.2. Estymacja w przypadku, gdy macierz ę jest znana
4.3. Estymacja w przypadku , gdy macierz ę nie jest znana
4.4. Modele ARCH
4.5. Testowanie występowania heteroskedastyczności składników losowych

5. Współliniowość
5.1. Wstęp
5.2. Konsekwencje występowania współliniowości
5.3. Dokładna współliniowość
5.4. Przybliżona współliniowość
5.5. Pomiar współliniowości
5.6. Postępowanie w przypadku przybliżonej współliniowości zmiennych objaśniających
5.7. Wnioski

6. Modele specjalne
6.1. Modele nieliniowe
6.2. Estymacja parametrów modeli nieliniowych
6.3. Konsekwencje zastosowania różnych postaci analitycznych funkcji
6.4. Testowanie postaci analitycznej
6.5. Modele ze zmiennymi zero-jedynkowymi
6.6. Modele przełącznikowe
6.7. Modele nierównowagi
6.8. Modele z rozkładami opóźnień
6.9. Modele oczekiwań
6.10. Modele racjonalnych oczekiwań

7. Prognozy na podstawie modeli jednorównianiowych
7.1 Wstęp
7.2 Prognozy na podstawie modelu z jedną zmienną objaśniającą
7.3 Prognozy warunkowe
7.4 Prognozy na podstawie modelu regresji wielu zmiennych
7.5 Zastosowanie zmiennych zero-jedynkowych w prognozowaniu
7.6 Źródła błędów prognoz

8. Modele wielorównaniowe
8.1. Wstęp
8.2. Zapis modeli wielorównaniowych. Założenia
8.3. Rodzaje modeli wielorównaniowych
8.4. Postać zredukowana modelu
8.5. Postać końcowa modelu. Mnożniki
8.6. Identyfikacja
8.7. Estymacja parametrów modeli wielorównaniowych
8.8. Estymacja parametrów pojedynczych równań
8.9. Estymacja łączna parametrów układów równań
8.10. Metody estymacji w praktyce modelowania

9. Symulacje i wykorzystanie modeli wielorównaniowych
9.1. Wstęp
9.2. Rodzaje symulacji
9.3. Klasyczny algorytm Gaussa-Seidela
9.4. Istnienie rozwiązania i jego poszukiwanie metodą Gaussa-Seidela
9.5. Rozwiązywanie dużych układów równań liniowych metodą Gaussa-Seidela
9.6. Rozwiązywanie nieliniowych modeli ekonometrycznych metodą Gaussa-Seidela
9.7. Metoda Newtona-Raphsona
9.8. Porządkowanie układu równań
9.9. Zastosowanie metody Newtona-Raphsona do symulacji modeli ekonometrycznych
9.10. Numeryczne wyznaczanie wartości mnożników
9.11. Błędy symulacji
9.12. Prognozy na podstawie modeli wielorównaniowych
9.13. Korekty struktury modelu

10. Analiza szeregów niestacjonarnych
10.1. Równowaga. Zależności długookresowe
10.2. Stacjonarność i równowaga
10.3. Niestacjonarność . Testy pierwiastków jednostkowych
10.4. Regresje pozorne
10.5. Kointegracja
10.6. Testy kointegracji
10.7. Twierdzenie Grangera
10.8. Estymacja parametrów modelu VAR
10.9. Uwagi końcowe