HSE електронен каталог. Учебник: Ръководство по съвременна иконометрия

Книгата въвежда читателя в широк спектър от теми в съвременната иконометрия, които са важни за разбиране и изпълнение. практическа работа. Тази книга е ръководство за алтернативни методи с акцент върху осветлението. конкретни проблеми, например кога да се използва този методКакви са неговите предимства и недостатъци. Основният фокус на книгата не е върху изчисленията или формалните доказателства, а върху обяснението на подходите към проблема и неговото практическо решение.
Книгата е предназначена за студенти, докторанти, преподаватели, както и за специалисти по приложна икономика и иконометрия. Съдържанието и стилът на представяне отговарят на стандарта учебни програмипреподаване на тези дисциплини на ниво бакалавър (2-ра, 3-та и 4-та година на обучение) и магистърска степен (5-та и 6-та година на обучение) на висши учебни заведения от икономически профил.

Икономиката трябва да бъде икономична.” Такова твърдение навремето направи Л. И. Брежнев, лидерът на СССР по време на застоя - не се знае обаче дали самият той е автор. Изглежда напълно „банална истина“ като „маслото трябва да е мазно“, „водата трябва да е течно“ и други подобни. Но истината няма как да престане да бъде истина, дори и да е банална. В тази фраза има ясен смисъл - лозунгът. За да бъде нещо икономично, то трябва преди всичко да бъде измеримо. Необходимо е да се измислят ориентири и механизми за сравнение. Накратко, трябва да дигитализираме (звучи почти като омагьосване) икономиката. А икономиката всъщност е целият живот модерен човек- Сега дори се опитват да мерят емоциите. Най-трудната задача! Но няма какво да се прави и математиците, заедно с икономистите, не толкова отдавна, преди около тридесет години, започнаха да изграждат нова наука- иконометрия. Тази наука (и където има математика, това е наука) се носи от специалисти по математическа статистикаи други свързани математически дисциплини, като в същото време адаптират самите тези дисциплини, за да обуздаят такъв галопиращ кон като икономиката. Да се ​​опише комплексът от материални, социални, етногеографски, културни и други връзки и отношения, обединени от един термин " модерна икономика”, математиците мобилизират всички постигнати методи – от многовариантен анализкъм теорията на графите, а също така трябва да измислят нови. Така жива икономиканатиска се официална математикадо съвършенство и го обогатете.

Международна асоциация Солев е голяма руска консултантска фирма, която е специализирана в организирането на финансиране на инвестиционни проекти и програми, насочени към създаване и/или модернизиране индустриални производства, основно в „старите“ сфери на икономиката, използвайки схеми и методи за проектно финансиране както за частни търговски проекти, така и за обекти на публично-частно партньорство.

Финансирането на проекти разглежда транзакциите, когато се обръща изцяло към кредитополучателя различни причининевъзможен. И единствената разумна разпоредба за рисковете на инвеститорите и кредиторите е задълбочено проучване на самия проект, задълбочено маркетингово проучване, множество прегледи и компетентни прогнози, където без иконометрия е почти като без ръце, зрение и слух: невъзможно е да се усети бъдещият „паричен поток“, невъзможно е да се погледне, но дори глух и сляп човек може да помирише поне малко с помощта на обонянието, умствената прогноза и изчислението.

СЪДЪРЖАНИЕ
Предговор към Руско издание 12
от научен редакторРуско издание 14
Предговор 17
1. Въведение 20
1.1. Относно иконометрията 20
1.2. Структура на тази книга 23
1.3. Примери и упражнения 26
2. Въведение в модела на линейна регресия 29
2.1. Конвенционален метод най-малки квадратикато алгебричен инструмент 30
2.1.1. Обикновени най-малки квадрати (OLS) 30
2.1.2. Прост (сдвоен) модел на линейна регресия 34
2.1.3. Пример: индивидуална заплата 36
2.1.4. Матрична нотация 37
2.2. Линеен модел множествена регресия 39
2.3. Свойства на OLS оценителя за малки извадки 43
2.3.1. Предположения на Гаус-Марков 43
2.3.2. Свойства на оценката на най-малките квадрати 45
2.3.3. Пример: индивидуална заплата (продължение) 49
2.4. Качеството на „съответствието“ на данните от модела („добро съответствие“) 51
2.5. Преглед статистически хипотези 54
2.5.1. Прост ^-критерий 55
2.5.2. Пример: индивидуална заплата (продължение) 58
2.5.3. Тестване на едно линейно ограничение 59
2.5.4. Съвместен тест за значимостта на коефициентите на регресия 60
2.5.5. Пример: индивидуална заплата (продължение) 63
2.5.6. Общ случайлинейни ограничения върху коефициентите на регресия 65
2.5.7. Размер, мощност и p-стойности на теста 67
2.6. Асимптотични свойства на LSM оценките 69
2.6.1. Богатство 69
2.6.2. Асимптотична нормалност 73
2.7. Илюстрация: Модел за ценообразуване на финансови активи (CFAM) 75
2.7.1. CFAM като регресионен модел 76
2.7.2. Оценяване и тестване на CFAM 77
2.8. Мултиколинеарност 81
2.8.1. Пример: индивидуална заплата (продължение) 84
2.9. Прогнозиране 86
Упражнение 87
3. Интерпретиране и сравняване на регресионни модели 93
3.1. Интерпретация на линейния модел 93
3.2. Избор на множество обяснителни променливи 99
3.2.1. Неправилна спецификация на набора от регресори 99
3.2.2. Избор на обяснителни променливи 101
3.2.3. Сравняване на невложени модели 107
3.3. Неправилно посочена функционална форма 110
3.3.1. Не линейни модели 111
3.3.2. Тестване на функционална форма 112
3.4. Пример: обяснение на цените на жилищата 113
3.5. Пример: обяснение на индивидуална заплата 120
3.5.1. Линейни модели 121
3.5.2. Log Linear Модели 125
3.5.3. Нежни ефекти 130
3.5.4. Някои предупредителни бележки 133
Упражнения 134
4. Хетероскедастичност и автокорелация 137
4.1. Последици за свойствата на оценката на най-малките квадрати 138
4.2. Извеждане на алтернативна оценка 140
4.3. Хетероскедастичност 142
4.3.1. Въведение 142
4.3.2. Свойства на оценките и тестване на хипотези 145
4.3.3. Случаят на неизвестни вариации 146
4.3.4. Последователни оценки на стандартните грешки на OLS оценките при наличие на хетероскедастичност 148
4.3.5. Модел с две неизвестни вариации 150
4.3.6. Мултипликативна хетероскедастичност 151
4.4. Тестване за хетероскедастичност 153
4.4.1. Тестване на равенството на две неизвестни дисперсии 153
4.4.2. Тестване за мултипликативна хетероскедастичност.... 154
4.4.3. Тест на Бройш-Паган 155
4.4.4. Бял тест 155
4.4.5. Какъв тест? 157
4.5. Пример: обяснение на търсенето на труд 157
4.6. Автокорелация 164
4.6.1. Автокорелация от първи ред 166
4.6.2. p стойност неизвестна 169
4.7. Тестване за автокорелация от първи ред 170
4.7.1. Асимптотични тестове 171
4.7.2. Тест на Дърбин-Уотсън 172
4.8. Пример: търсене на сладолед 174
4.9. Алтернативни автокорелационни структури 179
4.9.1. автокорелация по-висок ред 179
4.9.2. Оставаща пълзяща средна 180
4.10. Какво да направите, когато откриете автокорелация? 182
4.10.1. Грешна спецификация 183
4.10.2. Богат стандартни грешки OLS оценки, като се има предвид хетероскедастичността и автокорелацията 185
4.11. Пример: рискова премия на валутните пазари 188
4.11.1. Понятия и символи 189
4.11.2. Тестове за рискови премии на едномесечния пазар 191
4.11.3. Тестове за премия за риск с използване на припокриващи се проби 195
Упражнение 199
5. Ендогенност, инструментални променливи и обобщеният метод на моментите (GMM) 202
5.1. Преглед на свойствата на оценката на най-малките квадрати 203
5.2. Случаи, когато не можете да използвате OLS оценка 209
5.2.1. Автокорелация на остатъци и изоставаща зависима променлива като регресор 209
5.2.2. Пример с грешка при измерване 210
5.2.3. Едновременност: Кейнсианският модел 214
5.3. Инструментална оценка на променливата 217
5.3.1. Оценка с един ендогенен регресор и една инструментална променлива 218
5.3.2. Обратно към кейнсианския модел 222
5.3.3. Обратно към проблема с грешките в измерването 224
5.3.4. Множество ендогенни регресори 225
5.4. Пример: оценка на възвръщаемостта от образованието 226
5.5. Обобщен метод на инструменталните променливи 234
5.5.1. Множество ендогенни регресори с произволен брой инструментални променливи 234
5.5.2. Две стъпки на най-малките квадрати и обратно към кейнсианския модел 240
5.6. Обобщен метод на моментите 242
5.6.1. Пример 243
5.6.2. Обобщен метод на моментите 245
5.6.3. Няколко прости примери 248
5.7. Пример: Оценка на междувременни модели за ценообразуване на финансови активи 250
5.8. Заключителни бележки 255
Упражнения 256
6. Тестове за оценка на максималната вероятност и спецификация 259
6.1. Въведение в метода на максималната вероятност 261
6.1.1. Някои примери 261
6.1.2. Общи свойства 266
6.1.3. Пример (продължение) 270
6.1.4. Модел на нормална линейна регресия 271
6.2. Спецификация тестове 273
6.2.1. Три принципа на тестване 273
6.2.2. Тестове за множител на Лагранж 276
6.2.3. Пример (продължение) 281
6.3. Тестове в модел на нормална линейна регресия 283
6.3.1. Тестване за значими невключени променливи 283
6.3.2. Тестване за хетероскедастичност 284
6.3.3. Тестване за автокорелация 286
6.4. Метод на квази-максималната вероятност и тестове на моментни условия 288
6.4.1. Метод на квазимаксималната вероятност 288
6.4.2. Тестове за състояние на момент 291
6.4.3. Тестване на хипотезата за нормалност 292
Упражнения 293
7. Модели с ограничени зависими променливи 296
7.1. Модели за двоичен избор 297
7.1.1. Дали да кандидатствам линейна регресия? 297
7.1.2. Въведение в моделите за двоичен избор 298
7.1.3. Базов латентен модел 300
7.1.4. Оценка 302
7.1.5. Качество на модел на данни 304 за „съответствие“ („добро съответствие“).
7.1.6. Пример: Въздействие на обезщетенията за безработица върху разписка 306
7.1.7. Тестове за спецификация в модели за двоичен избор 311
7.1.8. Облекчаване на някои предположения в моделите за двоичен избор 314
7.2. Модели с множество отговори 316
7.2.1. Модели на подреден отговор 317
7.2.2. Относно нормализацията 319
7.2.3. Пример: желание да се плати за природни зони, които не са засегнати от човешка дейност 320
7.2.4. Многочленни модели 324
7.3. Tobit модели 329
7.3.1. Стандартен модел Tobit 329
7.3.2. Оценка 333
7.3.3. Пример: Разходи за алкохол и тютюн (част 1) 335
7.3.4. Тестове на спецификациите за tobit модел 340
7.4. Обобщения на Tobit модели 343
7.4.1. Модел Tobit II 344
7.4.2. Оценка 348
7.4.3. Допълнителни обобщения 351
7.4.4. Пример: Разходи за алкохол и тютюн (част 2) 352
7.5. Отклонение поради селективност 359
7.5.1. Естеството на проблема със селективността 359
7.5.2. Полупараметрична оценка на модел с ограничения в извадка 363
Упражнения 365
8. Едномерни модели на времеви редове 370
8.1. Въведение 372
8.1.1. Някои примери 372
8.1.2. Стационарност и автокорелационна функция 375
8.2. Общи процесиавторегресивна подвижна средна (ARSS) 379
8.2.1. Формулиране на APCC процеси 379
8.2.2. Обратимост на полиноми от оператора за смяна 383
8.2.3. общи корени 384
8.3. Стационарност и единични корени 385
8.4. Тестване на единичен корен 389
8.4.1. Тестване на единичен корен в авторегресивен модел от първи ред 389
8.4.2. Тестване на единичен корен в авторегресивни модели от по-висок порядък 394
8.4.3. Пример: тримесечен разполагаем доход 397
8.5. Пример: дългосрочен динамичен паритет на покупателната способност (част 1) 400
8.6. Оценяване на APCC модели 405
8.6.1. Най-малки квадрати 406
8.6.2. Метод на максималната вероятност 407
8.7. Избор на модел 409
8.7.1. Автокорелационна функция 409
8.7.2. Частична автокорелационна функция 411
8.7.3. Диагностична проверка 413
8.7.4. Критерии за избор на модел 413
8.7.5. Пример: Моделиране на тримесечен разполагаем доход 414
8.8. Прогнозиране с APCC модели 417
8.8.1. Оптимална прогнозна функция 418
8.8.2. Точност на прогнозата 421
8.9. Пример: Теория на очакванията за времева рамка 424
8.10. Авторегресивна условна хетероскедастичност (ARHG) 430
8.10.1. AGC G- и AGC G-модел 431
8.10.2. Оценка и прогнозиране 436
8.10.3. Пример: Променливост на дневните обменни курсове 438
8.11. Какво може да се каже за многомерните модели? 442
Упражнение 443
9. Модели на многомерни времеви редове 447
9.1. Динамични модели със стационарни променливи 449
9.2. Модели с нестационарни променливи 453
9.2.1. Фалшиви регресии 453
9.2.2. Коинтеграция 456
9.2.3. Механизми на коинтеграция и корекция на остатъците 461
9.3. Пример: Дългосрочен динамичен паритет на покупателната способност (част 2) 463
9.4. Авторегресивни векторни модели 467
9.5. Коинтеграция: многовариантен случай 471
9.5.1. Коинтеграция във векторни авторегресивни модели 472
9.5.2. Пример: Коинтеграция в 2D векторен авторегресивен модел 475
9.5.3. Тест за коинтеграция 476
9.5.4. Пример: дългосрочен динамичен паритет на покупателната способност (част 3) 480
9.6. Пример: Търсене на пари и инфлация 483
9.7. Заключителни бележки 492
Упражнение 493
10. Модели, базирани на панелни данни 496
10.1. Предимства на панелните данни 497
10.1.1. Ефективност на оценката на параметъра 499
10.1.2. Идентификация на параметър 501
10.2. Статичен линеен модел 503
10.2.1. Модел с фиксирани ефекти 503
10.2.2. Модели с произволни ефекти 507
10.2.3. Фиксирани ефекти или произволни? 511
10.2.4. Качеството на данните отговаря на модел 514
10.2.5. Алтернативни оценки на метода на инструменталните променливи 516
10.2.6. Алтернативни структури на остатъци 519
10.2.7. Тестване за хетероскедастичност и автокорелация 521
10.3. Пример: обяснение на индивидуална заплата 524
10.4. Динамични линейни модели 528
10.4.1. Модел на авторегресия на панелни данни 528
10.4.2. Динамични модели с екзогенни променливи 535
10.4.3. Единични корени и коинтеграция 537
10.5. Пример: еластичност на търсенето на труд заплати 539
10.6. Модели с ограничени зависими променливи 542
10.6.1. Модели за двоичен избор 543
10.6.2. Фиксирани ефекти logit модел 545
10.6.3. Пробит модел със случайни ефекти 547
10.6.4. Tobit модели 549
10.6.5. Динамика и проблем начални условия 550
10.7. Непълни данни на панела и отклонение на селективността 553
10.7.1. Оценяване със случайно липсващи данни 555
10.7.2. Пристрастие поради селективност и някои прости тестове 557
10.7.3. Оценка с неслучайно липсващи данни 561
Упражнения 562
А. Вектори и матрици 567
А. 1. Терминология 567
А.2. Действия с матрици 568
А.З. Свойства на вектори и матрици 570
А.4. Обратни матрици 571
А.5. Идемпотентни матрици 572
А.6. Собствени стойностии собствени вектори 573
A.7. 575 серия
А.8. някои матрични действиясвързан с метода на най-малките квадрати 575
Б. Теория на статистиката и теория на разпределенията 578
8.1. Дискретни случайни променливи 578
8.2. Непрекъснати случайни променливи 579
8.3. Очаквана стойности моменти 581
8.4. Многомерни разпределения 582
8.5. Условни разпределения 584
8.6. Нормално разпределение 586
8.7. Разпределения, свързани с нормална дистрибуция 589
Литература 592
Предметен индекс 605.

Предговор

Иконометрията се развива бързо през последните две десетилетия и прилагането на съвременни иконометрични методи се превръща във все по-стандартна практика в емпиричната работа в много области на икономиката. Общи теми за изследване включват тестове за единичен корен; коинтеграция; оценка по обобщения метод на моментите; отчитане на хетероскедастичността и автокорелацията на регресионните остатъци; моделиране на условна хетероскедастичност; модели, базирани на панелни данни и модели с ограничени зависими променливи; ендогенни регресори и проблеми, свързани с ограниченията при вземането на проби („проблем с избора на извадка“). В същото време софтуериконометрията става все по-"приятелска" за потребителя и все повече отговаря на съвременните изисквания. В резултат на това потребителите могат да прилагат доста сложни методи, без да разбират естеството на основната теория и следователно без да разбират техните потенциални недостатъци или опасности. В същото време в много уводни учебници по иконометрия неоправдано се голямо вниманиесе дава на стандартния модел на линейна регресия при много строги допускания. Излишно е да казвам, че тези предположения едва ли са изпълнени на практика и всъщност са ненужни. От друга страна, по-напредналите учебници по иконометрия често са претрупани с технически подробности, което затруднява обикновения икономист да схване основните идеи и да извлече необходимата информация. Тази книга се опитва да запълни тази празнина.

Целта на книгата е да въведе читателя в широк кръг от теми в съвременната иконометрия, като детайлизира въпроси, които са важни за разбирането и извършването на емпирични изследвания. Тази книга е по-скоро ръководство (а не общ преглед) за алтернативни методи, така че презентацията не се фокусира върху формули след (въпреки че необходимите формулиса дадени), нито върху формални доказателства, и след описание на метода и неговата практическа обосновка, се фокусира върху развитието на неговото разбиране. Книгата обхваща широк кръг от теми, които обикновено не се включват в учебниците от това ниво. По-специално се обръща внимание на коинтеграцията, обобщения метод на моментите, моделите с ограничени зависими променливи и панелните модели на данни. В резултат на това книгата обсъжда по-нататъшното развитие на анализа на времевите редове, методите за анализ на пространствени („напречно сечение“) и панелни данни. Предоставени са десетки пълномащабни емпирични примери и илюстрации, взети от области като икономика на труда, финанси, световна икономика, поведение на потребителите, икономика на околната среда и макроикономика. Освен това редица упражнения са със специфичен емпиричен характер и изискват използването на реални данни.

Представеният текст се основава на бележки от лекции, дадени в магистърските програми по приложна иконометрия по икономика в KU Leuven и Tilburg University*^. Книгата е предназначена за аудитория от икономисти и студенти по икономика, които биха искали да се запознаят със съвременните иконометрични подходи и методи, които са важни за извършване, разбиране и оценка емпирични изследвания. Той отговаря на изискванията за курсове по приложна иконометрия на магистърско или висше ниво. В някои по-високи образователни институциитази книга отговаря на изискванията за един или повече курсове на магистърско ниво, при условие че студентите имат достатъчно обучение по статистика. Някои от последните глави могат да се използват в специални курсовеобхващащи специфични теми като панелни данни, модели

Льовен (Белгия), Тилбург (Холандия) (бел. превод на науч. изд.).

с ограничени зависими променливи или анализ на времеви редове. Освен това книгата може да служи като наръчник за мениджъри, икономисти изследователи и практици, които желаят да актуализират или разширят познанията си по иконометрия. Книгата използва елементи от матричната алгебра.

Дълбоко съм задължен на Ари Каптейн, Бертран Меленберг, Тео Нийман и Артър ван Соест, които допринесоха за моето разбиране на иконометрията и оформиха мисленето ми по много въпроси. Фактът, че някои от техните идеи са осъществени в този текст, е признание за техните усилия. Трябва също да благодаря на няколко поколения студенти, които ми помогнаха да оформя този текст в сегашната му форма, като коментираха предишни версии и ми задаваха въпроси, на които не можаха да намерят отговор. Широкият набор от практически и емпирични проблеми, свързани с иконометрията, предложени ми от студенти и колеги, беше важен стимул за завършването на тази книга. Моите колеги и приятели прочетоха различни части от ръкописа и направиха корекции и коментари. Много съм благодарен на Peter de Goeij, Ben Jacobsen, Wim Koevoets, Marco Lyrio, Konstantijn Maes, Wessel Marquering, Bertrand Melenberg, Paulo Nunes, Anatoly Peresetsky, Max van de Sande Bakhuyzen, Erik Schokkaert, Arthur van Soest, Frederic Vermeulen, Kuo -chun Yeh и много анонимни рецензенти. Разбира се, аз нося лична отговорност за всички останали грешки. Специални благодарности отиваме на Jef Flechet за помощта му с много емпирични илюстрации и неговите конструктивни коментари по много предишни версии. И накрая, искам да благодаря на съпругата си Марчела и децата ми Тимо и Талия за тяхното търпение и разбиране през цялото време, когато душата ми беше с тази книга, когато трябваше да бъде.

М.: 2008. - 616 с.

Марно Вербек – професор по иконометрия в Центъра икономически изследванияУниверситет в Льовен (Белгия). Работи и в Центъра за икономически изследвания към Тилбургския университет (Холандия).

Книгата запознава читателя с широк кръг от теми в съвременната иконометрия, които са важни за разбирането и извършването на практическа работа. Тази книга е ръководство за алтернативни методи, като се фокусира върху конкретни въпроси като кога да се използва даден метод, какви са неговите предимства и недостатъци. Основният фокус на книгата не е върху изчисленията или формалните доказателства, а върху обяснението на подходите към проблема и неговото практическо решение. Книгата обхваща широк кръг от теми, включително тези, които са слабо обхванати в местната литература, като регресионен анализ на времеви редове, коинтеграция, модели с ограничени зависими променливи, анализ на панелни данни и обобщен метод на моментите. Представени са емпирични примери от области като икономика на труда, икономика на околната среда, световната икономика, финанси и макроикономика. В края на всяка глава е даден преглед. ключови понятияобяснено на практически примери. За илюстрации и упражнения на уебсайта в Интернет необходимите набори от данни са представени онлайн.

Книгата е предназначена за студенти, докторанти, преподаватели, както и за специалисти по приложна икономика и иконометрия. Съдържанието и стилът на представяне съответстват на стандартните учебни програми за преподаване на тези дисциплини в бакалавърска (2-ра, 3-та и 4-та година на обучение) и магистърска (5-та и 6-та година на обучение) нива на висши учебни заведения с икономически профил.

формат: djvu

Размерът: 6,9 MB

Изтегли: yandex.disk

СЪДЪРЖАНИЕ
Предговор към руското издание 12
От научния редактор на руското издание 14
Предговор 17
1. Въведение 20
1.1. Относно иконометрията 20
1.2. Структура на тази книга 23
1.3. Примери и упражнения 26
2. Въведение в модела на линейна регресия 29
2.1. Обикновените най-малки квадрати като алгебричен инструмент 30
2.1.1. Обикновени най-малки квадрати (OLS) 30
2.1.2. Прост (сдвоен) модел на линейна регресия 34
2.1.3. Пример: индивидуална заплата 36
2.1.4. Матрична нотация 37
2.2. Модел на линейна множествена регресия 39
2.3. Свойства на OLS оценителя за малки извадки 43
2.3.1. Предположения на Гаус-Марков 43
2.3.2. Свойства на оценката на най-малките квадрати 45
2.3.3. Пример: индивидуална заплата (продължение) 49
2.4. Качеството на „съответствието“ на данните от модела („добро съответствие“) 51
2.5. Тестване на статистически хипотези 54
2.5.1. Прост ^-критерий 55
2.5.2. Пример: индивидуална заплата (продължение) 58
2.5.3. Тестване на едно линейно ограничение 59
2.5.4. Съвместен критерий за значимостта на регресионните коефициенти.. 60
2.5.5. Пример: индивидуална заплата (продължение) 63
2.5.6. Общ случай на линейни ограничения върху коефициентите на регресия 65
2.5.7. Размер, мощност и p-стойности на теста 67
2.6. Асимптотични свойства на LSM оценките 69
2.6.1. Богатство 69
2.6.2. Асимптотична нормалност 73
2.7. Илюстрация: Модел за ценообразуване на финансови активи (CFAM) 75
2.7.1. CFAM като регресионен модел 76
2.7.2. Оценяване и тестване на CFAM 77
2.8. Мултиколинеарност 81
2.8.1. Пример: индивидуална заплата (продължение) 84
2.9. Прогнозиране 86
Упражнение 87
3. Интерпретиране и сравняване на регресионни модели 93
3.1. Интерпретация на линейния модел 93
3.2. Избор на множество обяснителни променливи 99
3.2.1. Неправилна спецификация на набора от регресори 99
3.2.2. Избор на обяснителни променливи 101
3.2.3. Сравняване на невложени модели 107
3.3. Неправилно посочена функционална форма 110
3.3.1. Нелинейни модели 111
3.3.2. Тестване на функционална форма 112
3.4. Пример: обяснение на цените на жилищата 113
3.5. Пример: обяснение на индивидуална заплата 120
3.5.1. Линейни модели 121
3.5.2. Log Linear Модели 125
3.5.3. Нежни ефекти 130
3.5.4. Някои предупредителни бележки 133
Упражнения 134
4. Хетероскедастичност и автокорелация 137
4.1. Последици за свойствата на оценката на най-малките квадрати 138
4.2. Извеждане на алтернативна оценка 140
4.3. Хетероскедастичност 142
4.3.1. Въведение 142
4.3.2. Свойства на оценките и тестване на хипотези 145
4.3.3. Случаят на неизвестни вариации 146
4.3.4. Последователни оценки на стандартните грешки на OLS оценките при наличие на хетероскедастичност 148
4.3.5. Модел с две неизвестни вариации 150
4.3.6. Мултипликативна хетероскедастичност 151
4.4. Тестване за хетероскедастичност 153
4.4.1. Тестване на равенството на две неизвестни дисперсии 153
4.4.2. Тестване за мултипликативна хетероскедастичност.... 154
4.4.3. Тест на Бройш-Паган 155
4.4.4. Бял тест 155
4.4.5. Какъв тест? 157
4.5. Пример: обяснение на търсенето на труд 157
4.6. Автокорелация 164
4.6.1. Автокорелация от първи ред 166
4.6.2. p стойност неизвестна 169
4.7. Тестване за автокорелация от първи ред 170
4.7.1. Асимптотични тестове 171
4.7.2. Тест на Дърбин-Уотсън 172
4.8. Пример: търсене на сладолед 174
4.9. Алтернативни автокорелационни структури 179
4.9.1. Автокорелация от по-висок ред 179
4.9.2. Оставаща пълзяща средна 180
4.10. Какво да направите, когато откриете автокорелация? 182
4.10.1. Грешна спецификация 183
4.10.2. Последователни стандартни грешки на оценките на най-малките квадрати, като се вземат предвид хетероскедастичността и автокорелацията 185
4.11. Пример: рискова премия на валутните пазари 188
4.11.1. Понятия и символи 189
4.11.2. Тестове за рискови премии на едномесечния пазар 191
4.11.3. Тестове за премия за риск с използване на припокриващи се проби 195
Упражнение 199
5. Ендогенност, инструментални променливи и обобщеният метод на моментите (GMM) 202
5.1. Преглед на свойствата на оценката на най-малките квадрати 203
5.2. Случаи, когато не можете да използвате OLS оценка 209
5.2.1. Автокорелация на остатъци и изоставаща зависима променлива като регресор 209
5.2.2. Пример с грешка при измерване 210
5.2.3. Едновременност: Кейнсианският модел 214
5.3. Инструментална оценка на променливата 217
5.3.1. Оценка с един ендогенен регресор и една инструментална променлива 218
5.3.2. Обратно към кейнсианския модел 222
5.3.3. Обратно към проблема с грешките в измерването 224
5.3.4. Множество ендогенни регресори 225
5.4. Пример: оценка на възвръщаемостта от образованието 226
5.5. Обобщен метод на инструменталните променливи 234
5.5.1. Множество ендогенни регресори с произволен брой инструментални променливи 234
5.5.2. Две стъпки на най-малките квадрати и обратно към кейнсианския модел 240
5.6. Обобщен метод на моментите 242
5.6.1. Пример 243
5.6.2. Обобщен метод на моментите 245
5.6.3. Няколко прости примера 248
5.7. Пример: Оценка на междувременни модели за ценообразуване на финансови активи 250
5.8. Заключителни бележки 255
Упражнения 256
6. Тестове за оценка на максималната вероятност и спецификация 259
6.1. Въведение в метода на максималната вероятност 261
6.1.1. Някои примери 261
6.1.2. Общи свойства 266
6.1.3. Пример (продължение) 270
6.1.4. Модел на нормална линейна регресия 271
6.2. Спецификация тестове 273
6.2.1. Три принципа на тестване 273
6.2.2. Тестове за множител на Лагранж 276
6.2.3. Пример (продължение) 281
6.3. Тестове в модел на нормална линейна регресия 283
6.3.1. Тестване за значими невключени променливи 283
6.3.2. Тестване за хетероскедастичност 284
6.3.3. Тестване за автокорелация 286
6.4. Метод на квази-максималната вероятност и тестове на моментни условия 288
6.4.1. Метод на квазимаксималната вероятност 288
6.4.2. Тестове за състояние на момент 291
6.4.3. Тестване на хипотезата за нормалност 292
Упражнения 293
7. Модели с ограничени зависими променливи 296
7.1. Модели за двоичен избор 297
7.1.1. Трябва ли да използвам линейна регресия? 297
7.1.2. Въведение в моделите за двоичен избор 298
7.1.3. Базов латентен модел 300
7.1.4. Оценка 302
7.1.5. Качество на модел на данни 304 за „съответствие“ („добро съответствие“).
7.1.6. Пример: Въздействие на обезщетенията за безработица върху разписка 306
7.1.7. Тестове за спецификация в модели за двоичен избор 311
7.1.8. Облекчаване на някои предположения в моделите за двоичен избор 314
7.2. Модели с множество отговори 316
7.2.1. Модели на подреден отговор 317
7.2.2. Относно нормализацията 319
7.2.3. Пример: желание да се плати за природни зони, които не са засегнати от човешка дейност 320
7.2.4. Многочленни модели 324
7.3. Tobit модели 329
7.3.1. Стандартен модел Tobit 329
7.3.2. Оценка 333
7.3.3. Пример: Разходи за алкохол и тютюн (част 1) 335
7.3.4. Тестове на спецификациите за tobit модел 340
7.4. Обобщения на Tobit модели 343
7.4.1. Модел Tobit II 344
7.4.2. Оценка 348
7.4.3. Допълнителни обобщения 351
7.4.4. Пример: Разходи за алкохол и тютюн (част 2) 352
7.5. Отклонение поради селективност 359
7.5.1. Естеството на проблема със селективността 359
7.5.2. Полупараметрична оценка на модел с ограничения в извадка 363
Упражнения 365
8. Едномерни модели на времеви редове 370
8.1. Въведение 372
8.1.1. Някои примери 372
8.1.2. Стационарност и автокорелация 375
8.2. Общи процеси на авторегресивна подвижна средна (ARSS) 379
8.2.1. Формулиране на APCC процеси 379
8.2.2. Обратимост на полиноми от оператора за смяна 383
8.2.3. Общи корени 384
8.3. Стационарност и единични корени 385
8.4. Тестване на единичен корен 389
8.4.1. Тестване на единичен корен в авторегресивен модел от първи ред 389
8.4.2. Тестване на единичен корен в авторегресивни модели от по-висок порядък 394
8.4.3. Пример: тримесечен разполагаем доход 397
8.5. Пример: дългосрочен динамичен паритет на покупателната способност (част 1) 400
8.6. Оценяване на APCC модели 405
8.6.1. Най-малки квадрати 406
8.6.2. Метод на максималната вероятност 407
8.7. Избор на модел 409
8.7.1. Автокорелационна функция 409
8.7.2. Частична автокорелационна функция 411
8.7.3. Диагностична проверка 413
8.7.4. Критерии за избор на модел 413
8.7.5. Пример: Моделиране на тримесечен разполагаем доход 414
8.8. Прогнозиране с APCC модели 417
8.8.1. Оптимална прогнозна функция 418
8.8.2. Точност на прогнозата 421
8.9. Пример: Теория на очакванията за времева рамка 424
8.10. Авторегресивна условна хетероскедастичност (ARHG) 430
8.10.1. AGC G- и AGC G-модел 431
8.10.2. Оценка и прогнозиране 436
8.10.3. Пример: Променливост на дневните обменни курсове 438
8.11. Какво може да се каже за многомерните модели? 442
Упражнение 443
9. Модели на многомерни времеви редове 447
9.1. Динамични модели със стационарни променливи 449
9.2. Модели с нестационарни променливи 453
9.2.1. Фалшиви регресии 453
9.2.2. Коинтеграция 456
9.2.3. Механизми на коинтеграция и корекция на остатъците 461
9.3. Пример: Дългосрочен динамичен паритет на покупателната способност (част 2) 463
9.4. Авторегресивни векторни модели 467
9.5. Коинтеграция: многовариантен случай 471
9.5.1. Коинтеграция във векторни авторегресивни модели 472
9.5.2. Пример: Коинтеграция в 2D векторен авторегресивен модел 475
9.5.3. Тест за коинтеграция 476
9.5.4. Пример: дългосрочен динамичен паритет на покупателната способност (част 3) 480
9.6. Пример: Търсене на пари и инфлация 483
9.7. Заключителни бележки 492
Упражнение 493
10. Модели, базирани на панелни данни 496
10.1. Предимства на панелните данни 497
10.1.1. Ефективност на оценката на параметъра 499
10.1.2. Идентификация на параметър 501
10.2. Статичен линеен модел 503
10.2.1. Модел с фиксирани ефекти 503
10.2.2. Модели с произволни ефекти 507
10.2.3. Фиксирани ефекти или произволни? 511
10.2.4. Качеството на данните отговаря на модел 514
10.2.5. Алтернативни оценки на метода на инструменталните променливи 516
10.2.6. Алтернативни структури на остатъци 519
10.2.7. Тестване за хетероскедастичност и автокорелация 521
10.3. Пример: обяснение на индивидуална заплата 524
10.4. Динамични линейни модели 528
10.4.1. Модел на авторегресия на панелни данни 528
10.4.2. Динамични модели с екзогенни променливи 535
10.4.3. Единични корени и коинтеграция 537
10.5. Пример: еластичност на заплащането на търсенето на труд 539
10.6. Модели с ограничени зависими променливи 542
10.6.1. Модели за двоичен избор 543
10.6.2. Фиксирани ефекти logit модел 545
10.6.3. Пробит модел със случайни ефекти 547
10.6.4. Tobit модели 549
10.6.5. Динамика и проблем за началните условия 550
10.7. Непълни данни на панела и отклонение на селективността 553
10.7.1. Оценяване със случайно липсващи данни 555
10.7.2. Селективно отклонение и някои прости тестове 557
10.7.3. Оценка с неслучайно липсващи данни 561
Упражнения 562
А. Вектори и матрици 567
А. 1. Терминология 567
А.2. Действия с матрици 568
А.З. Свойства на вектори и матрици 570
А.4. Обратни матрици 571
А.5. Идемпотентни матрици 572
А.6. Собствени стойности и собствени вектори 573
A.7. 575 серия
А.8. Някои матрични операции, свързани с метода на най-малките квадрати 575
Б. Теория на статистиката и теория на разпределенията 578
8.1. Дискретни случайни променливи 578
8.2. Непрекъснати случайни променливи 579
8.3. Математическо очакване и моменти 581
8.4. Многомерни разпределения 582
8.5. Условни разпределения 584
8.6. Нормално разпределение 586
8.7. Разпределения, свързани с нормалното разпределение 589
Литература 592
Индекс 605