Ekonometria

Wstęp

Notacja, konwencje, stosowane symbole i akronimy

1. Statyczny 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. Właściwości i błędy średnie estymatorów. Wariancja składnika losowego
1.6. Przedziały ufności
1.7. Testowanie hipotez
Nota bibliograficzna

2. Statyczny model regresji liniowej — przypadek wielu zmiennych objaśniających
2.1. Wstęp
2.2. Założenia modelu regresji liniowej wielu zmiennych
2.3. Interpretacja w modelu regresji liniowej wielu zmiennych
2.4. Metoda najmniejszych kwadratów
2.5. Właściwości estymatora klasycznej metody najmniejszych kwadratów
2.6. Estymator wariancji składnika losowego
2.7. Miary zgodności
2.8. Testowanie hipotez
2.9. Metoda najmniejszych kwadratów przy warunkach pobocznych
2.10. Testowanie stabilności parametrów
2.11. Strategia modelowania „od ogółu do szczegółu”
Nota bibliograficzna

3. Metoda największej wiarygodności
3.1. Wstęp
3.2. Estymator MNW parametrów modelu regresji liniowej
3.3. Właściwości estymatora największej wiarygodności
3.4. Testy ilorazu wiarygodności, Walda i mnożnika Lagrange’a
Nota bibliograficzna

4. Niesferyczność składnika losowego w statycznym modelu regresji: autokorelacja i heteroskedastyczność
4.1. Wstęp
4.2. Przyczyny autokorelacji
4.3. Schemat autoregresyjny pierwszego rzędu
4.4. Estymacja w przypadku autokorelacji składników losowych, gdy znany jest współczynnik autokorelacji
4.5. Estymacja w przypadku autokorelacji składników losowych, gdy współczynnik autokorelacji jest nieznany
4.6. Testowanie występowania zjawiska autokorelacji pierwszego rzędu
4.7. Estymacja i testowanie w przypadku szczególnego procesu AR(4)
4.8. Estymacja i testowanie w przypadku procesu MA(1)
4.9. Estymacja w przypadku heteroskedastyczności, gdy wariancje składników losowych są znane
4.10. Estymacja w przypadku heteroskedastyczności, gdy wariancje składników losowych nie są znane
4.11. Testowanie występowania heteroskedastyczności składników losowych
4.12. Modele ARCH
4.13. Modele zmienności stochastycznej
Nota bibliograficzna

5. Współliniowość
5.1. Wstęp
5.2. Dokładna współliniowość
5.3. Przybliżona współliniowość
5.4. Pomiar współliniowości
5.5. Postępowanie w przypadku przybliżonej współliniowości
5.6. Wnioski
Nota bibliograficzna

6. Modele dynamiczne
6.1. Wstęp
6.2. Modele z nieskończonym rozkładem opóźnień
6.3. Modele ze skończonym rozkładem opóźnień
6.4. Model autoregresyjny z rozkładem opóźnień
6.5. Model ze zautokorelowanym składnikiem losowym
6.6. Model korekty błędem
6.7. Modele ARMA
Nota bibliograficzna

7. Modele specjalne
7.1. Modele z objaśniającymi zmiennymi zero-jedynkowymi
7.2. Modele przełącznikowe
7.3. Modele wygładzonego przejścia
7.4. Modele nieliniowe
7.5. Modele nierównowagi
7.6. Modele z oczekiwaniami
7.7. Modele racjonalnych oczekiwań
Nota bibliograficzna

8. Prognozy na podstawie modeli jednorównaniowych
8.1. Wstęp
8.2. Prognozy na podstawie modelu z jedną zmienną objaśniającą
8.3. Prognozy warunkowe
8.4. Prognozy na podstawie modelu regresji wielu zmiennych
8.5. Zastosowanie zmiennych zero-jedynkowych w prognozowaniu
8.6. Źródła błędów prognoz
8.7. Pomiar dokładności prognoz
8.8. Prognozy optymalne
8.9. Porównywanie prognoz
8.10. Zakończenie
Nota bibliograficzna

9. Modele wielorównaniowe o równaniach współzależnych
9.1. Wstęp
9.2. Zapis. Założenia
9.3. Rodzaje modeli
9.4. Postać zredukowana
9.5. Postać końcowa. Mnożniki
9.6. Identyfikacja
9.7. Estymacja parametrów
9.8. Estymacja parametrów pojedynczych równań
9.9. Estymacja łączna
9.10. Metody estymacji w praktyce modelowania
Nota bibliograficzna

10. Symulacje i wykorzystanie modeli wielorównaniowych
10.1. Wstęp
10.2. Rodzaje symulacji
10.3. Klasyczny algorytm Gaussa–Seidela
10.4. Istnienie rozwiązania i jego poszukiwanie metodą Gaussa–Seidela
10.5. Rozwiązywanie dużych układów równań liniowych metodą Gaussa–Seidela
10.6. Rozwiązywanie nieliniowych modeli ekonometrycznych metodą Gaussa–Seidela
10.7. Metoda Newtona–Raphsona
10.8. Porządkowanie układu równań
10.9. Zastosowanie metody Newtona–Raphsona do symulacji modeli ekonometrycznych
10.10. Numeryczne wyznaczanie wartości mnożników .
10.11. Symulacje stochastyczne
10.12. Budowa modeli o równaniach współzależnych
10.13. Prognozy na podstawie modeli wielorównaniowych
10.14. Korekty struktury modelu
Nota bibliograficzna

11. Niestacjonarność. Jednowymiarowa analiza kointegracyjna
11.1. Równowaga. Zależności długookresowe
11.2. Stacjonarność i równowaga
11.3. Trendy deterministyczne i stochastyczne
11.4. Testy pierwiastka jednostkowego
11.5. Regresje pozorne
11.6. Kointegracja
11.7. Stabilność długookresowa modelu log-liniowego
11.8. Testy kointegracji
Nota bibliograficzna

12. Skointegrowane modele wielowymiarowe
12.1. Modele VAR i CVAR
12.2. Model CVAR uwzględniający zmiany strukturalne
12.3. Estymacja parametrów i testowanie wymiaru przestrzeni kointegracyjnej
12.4. Restrykcje w modelu CVAR
12.5. Strukturalny model CVAR
12.6. Model CVAR w przypadku zmiennych I(2)
12.7. Analiza reakcji na impuls
Nota bibliograficzna

Bibliografia (wybór)

Indeks