HSE elektrooniline kataloog. Õpik: kaasaegse ökonomeetria juhend

Raamat tutvustab lugejale laia valikut kaasaegse ökonomeetria teemasid, mis on mõistmiseks ja sooritamiseks olulised. praktiline töö. See raamat on alternatiivsete meetodite juhend, keskendudes valgustusele. konkreetsed küsimused, näiteks millal kasutada seda meetodit Millised on selle eelised ja puudused. Raamatu põhirõhk ei ole arvutustel ega formaalsetel tõestustel, vaid probleemi käsitluste ja selle praktilise lahenduse selgitamisel.
Raamat on suunatud üliõpilastele, magistrantidele, õpetajatele, aga ka rakendusökonoomika ja ökonomeetria spetsialistidele. Esitluse sisu ja stiil vastavad standardile õppekavad nende erialade õpetamine majandusprofiiliga kõrgkoolide bakalaureuseõppe (2., 3. ja 4. õppeaasta) ning magistrikraadi (5. ja 6. õppeaasta) tasemel.

Majandus peab olema ökonoomne. Sellise avalduse tegi kunagi stagnaaegne NSV Liidu juht L. I. Brežnev - pole aga teada, kas ta ise oli autor. Tundub täiesti “banaalne tõde” nagu “õli peab olema õline”, “vesi peab olema vedel” jms. Kuid tõde ei saa lakata olemast tõde, isegi kui see on banaalne. Sellel fraasil on selge tähendus - loosung. Et miski oleks ökonoomne, peab see ennekõike olema mõõdetav. Võrdluseks on vaja välja mõelda võrdluspunktid ja mehhanismid. Lühidalt, me peame majanduse digitaliseerima (kõlab peaaegu nagu lummamine). Ja majandus on tegelikult kogu elu kaasaegne inimene- Nüüd püüavad nad isegi emotsioone mõõta. Raskeim ülesanne! Kuid midagi pole teha ja matemaatikud hakkasid koos majandusteadlastega mitte nii kaua aega tagasi, umbes kolmkümmend aastat tagasi ehitama. uus teadus- ökonomeetria. Seda teadust (ja seal, kus on matemaatika, on see loodusteadus) viivad edasi spetsialistid matemaatiline statistika ja teised sellega seotud matemaatilised distsipliinid, kohandades samal ajal neid distsipliine ise, et ohjeldada sellist galopeerivat hobust nagu majandus. Kirjeldada materiaalsete, sotsiaalsete, etnogeograafiliste, kultuuriliste ja muude seoste ja suhete kompleksi, mida ühendab üks termin. kaasaegne majandus”, matemaatikud mobiliseerivad kõik saavutatud meetodid – alates mitme muutujaga analüüs graafikuteooriale ja peab ka uusi leiutama. Niisiis elav majandus surub ennast formaalne matemaatika täiuslikkuseni ja seda rikastada.

Solev International Association on suur Venemaa konsultatsioonifirma, mis on spetsialiseerunud investeerimisprojektide ja programmide rahastamisele, mille eesmärk on luua ja/või moderniseerida. tööstuslikud toodangud, peamiselt "vanades" majandusvaldkondades, kasutades projektide rahastamise skeeme ja meetodeid nii erakommertsprojektide kui ka avaliku ja erasektori partnerluse objektide jaoks.

Projekti rahastamine võtab tehinguid arvesse, kui laenuvõtja on täielikult pöördunud erinevad põhjused võimatu. Ainus mõistlik ettevõtmine investorite ja võlausaldajate riskide katteks on projekti enda põhjalik, põhjalik uurimine turuuuring, arvukad uuringud ja pädevad prognoosid, kus ilma ökonomeetriata on peaaegu nagu ilma käte, nägemise ja kuulmiseta: tulevast “rahavoogu” on võimatu tunnetada, vaadata on võimatu, aga kurt ja pime inimene tunneb vähemalt natuke lõhna. lõhna abi, mõtteline prognoos ja arvutamine.

SISUKORD
Eessõna venekeelne väljaanne 12
Alates teaduslik toimetaja Venekeelne väljaanne 14
Eessõna 17
1. Sissejuhatus 20
1.1. Ökonomeetria kohta 20
1.2. Selle raamatu ülesehitus 23
1.3. Näited ja harjutused 26
2. Sissejuhatus lineaarse regressiooni mudelisse 29
2.1. Tavapärane meetod vähimruudud algebralise tööriistana 30
2.1.1. Tavalised vähimruudud (OLS) 30
2.1.2. Lihtne (paaritud) lineaarse regressioonimudel 34
2.1.3. Näide: individuaalne palk 36
2.1.4. Maatrikstähistus 37
2.2. Lineaarne mudel mitmekordne regressioon 39
2.3. OLS-i hinnangu omadused väikeste valimite jaoks 43
2.3.1. Gauss-Markovi oletused 43
2.3.2. Vähimruutude hinnangu 45 omadused
2.3.3. Näide: individuaalne palk (jätkub) 49
2.4. Andmete sobivuse kvaliteet mudeli järgi ("sobivus") 51
2.5. Uurimine statistilised hüpoteesid 54
2.5.1. Lihtne ^-kriteerium 55
2.5.2. Näide: individuaalne palk (jätkub) 58
2.5.3. Ühe lineaarse piirangu testimine 59
2.5.4. Regressioonikordajate olulisuse ühistest 60
2.5.5. Näide: individuaalne palk (jätkub) 63
2.5.6. Üldine juhtum regressioonikoefitsientide lineaarsed piirangud 65
2.5.7. Testi suurus, võimsus ja p-väärtused 67
2.6. LSM-i hinnangute asümptootilised omadused 69
2.6.1. Rikkus 69
2.6.2. Asümptootiline normaalsus 73
2.7. Illustratsioon: Finantsvarade hinnakujundusmudel (CFAM) 75
2.7.1. CFAM kui regressioonimudel 76
2.7.2. CFAM 77 hindamine ja testimine
2.8. Multikollineaarsus 81
2.8.1. Näide: individuaalne palk (jätkub) 84
2.9. Prognoos 86
Harjutus 87
3. Regressioonimudelite tõlgendamine ja võrdlemine 93
3.1. Lineaarse mudeli tõlgendamine 93
3.2. Mitme selgitava muutuja valik 99
3.2.1. Regressorite komplekti 99 vale spetsifikatsioon
3.2.2. Selgitavate muutujate valik 101
3.2.3. Pesastamata mudelite võrdlemine 107
3.3. Valesti määratud funktsionaalne vorm 110
3.3.1. Mitte lineaarsed mudelid 111
3.3.2. Funktsionaalse vormi testimine 112
3.4. Näide: majahindade selgitus 113
3.5. Näide: üksikisiku palga selgitus 120
3.5.1. Lineaarsed mudelid 121
3.5.2. Logi lineaarsed mudelid 125
3.5.3. Õrn mõju 130
3.5.4. Mõned hoiatavad märkused 133
Harjutused 134
4. Heteroskedastilisus ja autokorrelatsioon 137
4.1. Mõju vähimruutude hindaja 138 omadustele
4.2. Alternatiivse hinnangu tuletamine 140
4.3. Heteroskedastilisus 142
4.3.1. Sissejuhatus 142
4.3.2. Hinnangute ja hüpoteeside testimise omadused 145
4.3.3. Tundmatute dispersioonide juhtum 146
4.3.4. OLS-i hinnangute standardvigade järjekindlad hinnangud heteroskedastilisuse esinemisel 148
4.3.5. Kahe tundmatu dispersiooniga mudel 150
4.3.6. Multiplikatiivne heteroskedastilisus 151
4.4. Heteroskedastilisuse 153 testimine
4.4.1. Kahe tundmatu dispersiooni võrdsuse testimine 153
4.4.2. Multiplikatiivse heteroskedastilisuse testimine... 154
4.4.3. Breuschi-Pagani test 155
4.4.4. Valge test 155
4.4.5. Mis test? 157
4.5. Näide: tööjõu nõudluse selgitamine 157
4.6. Autokorrelatsioon 164
4.6.1. Esimest järku autokorrelatsioon 166
4.6.2. p väärtus teadmata 169
4.7. Esimese järgu autokorrelatsiooni testimine 170
4.7.1. Asümptootilised testid 171
4.7.2. Durbin-Watsoni test 172
4.8. Näide: nõudlus jäätise järele 174
4.9. Alternatiivsed autokorrelatsioonistruktuurid 179
4.9.1. autokorrelatsioon kõrgem järjekord 179
4.9.2. Ülejäänud libisev keskmine 180
4.10. Mida teha, kui leiate autokorrelatsiooni? 182
4.10.1. Vale spetsifikatsioon 183
4.10.2. Jõukas standardvead OLS-i hinnangud, mis võtavad arvesse heteroskedastilisust ja autokorrelatsiooni 185
4.11. Näide: riskipreemia valuutaturgudel 188
4.11.1. Mõisted ja sümbolid 189
4.11.2. Ühe kuu tururiskipreemia testid 191
4.11.3. Riskipreemia testid kattuvate proovide abil 195
Harjutus 199
5. Endogeensus, instrumentaalsed muutujad ja momentide üldistatud meetod (GMM) 202
5.1. Vähimruutude hinnangu 203 omaduste ülevaade
5.2. Juhtumid, mil te ei saa OLS-i hinnangut kasutada 209
5.2.1. Jääkide ja hilinenud sõltuva muutuja autokorrelatsioon regressorina 209
5.2.2. Näide mõõtmisveaga 210
5.2.3. Samaaegsus: Keynesi mudel 214
5.3. Instrumentaalne muutuja hinnang 217
5.3.1. Hinnang ühe endogeense regressori ja ühe instrumentaalse muutujaga 218
5.3.2. Tagasi Keynesi mudeli 222 juurde
5.3.3. Tagasi mõõtmisvigade probleemi juurde 224
5.3.4. Mitu endogeenset regressorit 225
5.4. Näide: hariduse tasuvuse hindamine 226
5.5. Instrumentaalsete muutujate üldistatud meetod 234
5.5.1. Mitu endogeenset regressorit suvalise arvu instrumentaalsete muutujatega 234
5.5.2. Kaheastmeline vähim ruutu ja tagasi Keynesi mudeli 240 juurde
5.6. Momentide üldistatud meetod 242
5.6.1. Näide 243
5.6.2. Momentide üldistatud meetod 245
5.6.3. Mitu lihtsaid näiteid 248
5.7. Näide: Intertemporaalsete finantsvarade hinnamudelite hindamine 250
5.8. Lõpumärkused 255
Harjutused 256
6. Maksimaalse tõenäosuse hindamise ja spetsifikatsiooni testid 259
6.1. Maksimaalse tõenäosuse meetodi 261 sissejuhatus
6.1.1. Mõned näited 261
6.1.2. Üldised omadused 266
6.1.3. Näide (jätkub) 270
6.1.4. Tavaline lineaarse regressiooni mudel 271
6.2. Spetsifikatsioonikatsed 273
6.2.1. Kolm testimise põhimõtet 273
6.2.2. Lagrange'i kordaja testid 276
6.2.3. Näide (jätkub) 281
6.3. Testid tavalises lineaarses regressioonimudelis 283
6.3.1. Oluliste mittekaasatud muutujate testimine 283
6.3.2. Heteroskedastilisuse testimine 284
6.3.3. Autokorrelatsiooni testimine 286
6.4. Kvaasimaksimaalse tõenäosuse meetod ja hetketingimuste testid 288
6.4.1. Kvaasimaksimaalse tõenäosuse meetod 288
6.4.2. Hetkeseisundi testid 291
6.4.3. Normaalsuse hüpoteesi testimine 292
Harjutused 293
7. Piiratud sõltuvate muutujatega mudelid 296
7.1. Binaarse valiku mudelid 297
7.1.1. Kas kandideerida lineaarne regressioon? 297
7.1.2. Sissejuhatus binaarse valiku mudelitesse 298
7.1.3. Aluseks olev varjatud mudel 300
7.1.4. Hindamine 302
7.1.5. "Sobivuse" ("sobivus") andmemudeli 304 kvaliteet
7.1.6. Näide: töötushüvitiste mõju laekumisele 306
7.1.7. Spetsifikatsioonitestid kahendvaliku mudelites 311
7.1.8. Mõnede eelduste leevendamine binaarse valiku mudelites 314
7.2. Mitme vastuse mudelid 316
7.2.1. Tellitud vastuse mudelid 317
7.2.2. Normaliseerimise kohta 319
7.2.3. Näide: valmisolek maksta loodusalade eest, mida inimtegevus ei mõjuta 320
7.2.4. Multinomaalsed mudelid 324
7.3. Tobit mudelid 329
7.3.1. Standardne Tobit mudel 329
7.3.2. Hindamine 333
7.3.3. Näide: kulud alkoholile ja tubakale (1. osa) 335
7.3.4. Tobit mudeli 340 spetsifikatsioonitestid
7.4. Tobiti mudelite üldistused 343
7.4.1. Mudel Tobit II 344
7.4.2. Hindamine 348
7.4.3. Edasised üldistused 351
7.4.4. Näide: kulud alkoholile ja tubakale (2. osa) 352
7.5. Selektiivsusest tingitud kallutatus 359
7.5.1. Selektiivsusprobleemi olemus 359
7.5.2. Piiratud mudeli poolparameetriline hindamine valimi võtmisel 363
Harjutused 365
8. Ühemõõtmeliste aegridade mudelid 370
8.1. Sissejuhatus 372
8.1.1. Mõned näited 372
8.1.2. Statsionaarsus ja autokorrelatsiooni funktsioon 375
8.2. Üldised protsessid autoregressiivne liikuv keskmine (ARSS) 379
8.2.1. APCC protsesside formuleerimine 379
8.2.2. Polünoomide ümberpööratavus nihkeoperaatorist 383
8.2.3. ühised juured 384
8.3. Statsionaarsus ja ühikujuured 385
8.4. Üksuse juurtestimine 389
8.4.1. Üksuse juurtestimine esimest järku autoregressiivses mudelis 389
8.4.2. Ühiku juurtestimine kõrgema järgu autoregressiivsetes mudelites 394
8.4.3. Näide: kvartali kasutatav tulu 397
8.5. Näide: pikaajaline dünaamiline ostujõu pariteet (1. osa) 400
8.6. APCC mudelite 405 hindamine
8.6.1. Vähimruudud 406
8.6.2. Maksimaalse tõenäosuse meetod 407
8.7. Mudeli 409 valik
8.7.1. Autokorrelatsiooni funktsioon 409
8.7.2. Osalise autokorrelatsiooni funktsioon 411
8.7.3. Diagnostiline kontroll 413
8.7.4. Mudeli 413 valiku kriteeriumid
8.7.5. Näide: kvartaalne kasutatava sissetuleku modelleerimine 414
8.8. Prognoosimine APCC mudelitega 417
8.8.1. Optimaalne ennustusfunktsioon 418
8.8.2. Ennustamise täpsus 421
8.9. Näide: Ajaraami ootuste teooria 424
8.10. Autoregressiivne tingimuslik heteroskedastilisus (ARHG) 430
8.10.1. AGC G- ja AGC G-mudel 431
8.10.2. Hindamine ja prognoosimine 436
8.10.3. Näide: igapäevaste vahetuskursside volatiilsus 438
8.11. Mida saab öelda mitmemõõtmeliste mudelite kohta? 442
Harjutus 443
9. Mitme muutujaga aegridade mudelid 447
9.1. Statsionaarsete muutujatega dünaamilised mudelid 449
9.2. Mittestatsionaarsete muutujatega mudelid 453
9.2.1. Valed regressioonid 453
9.2.2. Kaasintegratsioon 456
9.2.3. Kointegratsiooni ja jääkide korrigeerimise mehhanismid 461
9.3. Näide: pikaajaline dünaamiline ostujõu pariteet (2. osa) 463
9.4. Autoregressiivsed vektormudelid 467
9.5. Kointegratsioon: mitme muutujaga juhtum 471
9.5.1. Kointegratsioon vektorautoregressiivsetes mudelites 472
9.5.2. Näide: Kointegratsioon 2D-vektori autoregressiivses mudelis 475
9.5.3. Kointegratsiooni testimine 476
9.5.4. Näide: pikaajaline dünaamiline ostujõu pariteet (3. osa) 480
9.6. Näide: Nõudlus raha järele ja inflatsioon 483
9.7. Lõppmärkus 492
Harjutus 493
10. Paneelandmetel põhinevad mudelid 496
10.1. Paneeliandmete eelised 497
10.1.1. Parameetrite hinnangu tõhusus 499
10.1.2. Parameetri identifitseerimine 501
10.2. Staatiline lineaarne mudel 503
10.2.1. Fikseeritud efektide mudel 503
10.2.2. Juhuslike efektidega mudelid 507
10.2.3. Fikseeritud efektid või juhuslikud? 511
10.2.4. Andmete kvaliteet sobib mudelile 514
10.2.5. Instrumentaalsete muutujate meetodi alternatiivsed hinnangud 516
10.2.6. Jääkide 519 alternatiivsed struktuurid
10.2.7. Heteroskedastilisuse ja autokorrelatsiooni testimine 521
10.3. Näide: üksikisiku palga selgitus 524
10.4. Dünaamilised lineaarsed mudelid 528
10.4.1. Paneelandmete autoregressioonimudel 528
10.4.2. Dünaamilised mudelid eksogeensete muutujatega 535
10.4.3. Üksuse juured ja kaasintegratsioon 537
10.5. Näide: tööjõu nõudluse elastsus palgad 539
10.6. Piiratud sõltuvate muutujatega mudelid 542
10.6.1. Binaarse valiku mudelid 543
10.6.2. Fikseeritud efektidega logiti mudel 545
10.6.3. Probit mudel juhuslike efektidega 547
10.6.4. Tobit mudelid 549
10.6.5. Dünaamika ja probleem esialgsed tingimused 550
10.7. Mittetäielikud paneeliandmed ja selektiivsuse kõrvalekalle 553
10.7.1. Hindamine juhuslikult puuduvate andmetega 555
10.7.2. Selektiivsusest ja mõnest muust tingitud eelarvamus lihtsad testid 557
10.7.3. Hinnang mittejuhuslikult puuduvate andmetega 561
Harjutused 562
A. Vektorid ja maatriksid 567
A. 1. Terminoloogia 567
A.2. Toimingud maatriksitega 568
A.Z. Vektorite ja maatriksite omadused 570
A.4. Pöördmaatriksid 571
A.5. Idempotentsed maatriksid 572
A.6. Omaväärtused ja omavektorid 573
A.7. Diferentseerimine 575
A.8. Mõned maatrikstoimingud seotud vähimruutude meetodiga 575
B. Statistika teooria ja jaotuste teooria 578
8.1. Diskreetsed juhuslikud muutujad 578
8.2. Pidevad juhuslikud muutujad 579
8.3. Oodatud väärtus ja hetked 581
8.4. Mitme muutujaga jaotused 582
8.5. Tingimuslikud jaotused 584
8.6. Normaaljaotus 586
8.7. Jaotused, mis on seotud normaaljaotus 589
Kirjandus 592
Õppeaine register 605.

Eessõna

Ökonomeetria on viimase kahe aastakümne jooksul kiiresti arenenud ning kaasaegsete ökonomeetriliste meetodite rakendamine on muutunud empiirilises töös paljudes majandusvaldkondades üha tavapärasemaks praktikaks. Levinud uurimisteemad hõlmavad ühikujuurteste; kointegratsioon; hindamine momentide üldistatud meetodil; regressioonijääkide heteroskedastilisuse ja autokorrelatsiooni arvestamine; tingimusliku heteroskedastilisuse modelleerimine; paneeliandmetel põhinevad mudelid ja piiratud sõltuvate muutujatega mudelid; endogeensed regressorid ja proovivõtmise piirangutega seotud probleemid ("valimi valimise probleem"). Samal ajal tarkvaraökonomeetria muutus kasutaja jaoks üha "sõbralikumaks" ja vastas üha enam kaasaegsetele nõuetele. Selle tulemusena saavad kasutajad rakendada üsna keerulisi meetodeid, mõistmata selle aluseks oleva teooria olemust ja seega mõistmata nende võimalikke puudusi või ohte. Samas on paljudes ökonomeetria sissejuhatavates õpikutes põhjendamatult suurt tähelepanu on antud standardsele lineaarsele regressioonimudelile paljude rangete eelduste alusel. Ütlematagi selge, et need eeldused on praktikas vaevalt täidetud ja tegelikult pole need vajalikud. Teisest küljest on arenenumad ökonomeetria õpikud sageli tehniliste üksikasjadega üle koormatud, mistõttu on keskmisel majandusteadlasel raske mõista põhiideed ja väljavõtteid. vajalikku teavet. See raamat püüab seda tühimikku täita.

Raamatu eesmärk on tutvustada lugejale laia valikut tänapäeva ökonomeetria teemasid, tuues üksikasjalikult välja empiirilise uurimistöö mõistmiseks ja läbiviimiseks olulised probleemid. See raamat on pigem juhend (mitte ülevaade) alternatiivsete meetodite kohta, mistõttu esitlus ei keskendu valemitele pärast (kuigi vajalikud valemid on antud), ega ka formaalsetele tõestustele ning pärast meetodi ja selle praktilise põhjenduse kirjeldamist keskendub selle mõistmise arendamisele. Raamat hõlmab väga erinevaid teemasid, mida sellisel tasemel õpikutes tavaliselt ei sisaldu. Eelkõige pööratakse tähelepanu kointegratsioonile, momentide üldistatud meetodile, piiratud sõltuvate muutujatega mudelitele ja paneelandmete mudelitele. Sellest tulenevalt käsitletakse raamatus aegridade analüüsi edasist arengut, ruumiliste ("ristlõike") ja paneelandmete analüüsimeetodeid. Esitatakse kümneid täismahus empiirilisi näiteid ja illustratsioone, mis on võetud sellistest valdkondadest nagu tööökonoomika, rahandus, maailmamajandus, tarbijakäitumine, keskkonnaökonoomika ja makroökonoomika. Lisaks on mitmed harjutused spetsiifilist empiirilist laadi ja nõuavad reaalsete andmete kasutamist.

Esitatud tekst põhineb Leuveni Katoliku Ülikooli ja Tilburgi Ülikooli*^ Majandusteaduse rakendusökonomeetria magistriõppekavades peetud loengukonspektidel. Raamat on mõeldud majandusteadlastele ja majandustudengitele, kes soovivad tutvuda kaasaegsete ökonomeetriliste lähenemisviiside ja meetoditega, mis on olulised esinemiseks, mõistmiseks ja hindamiseks. empiiriline uurimine. See vastab magistri- või magistriõppe tasemel rakendusökonomeetria kursuste nõuetele. Mõnes kõrgemas õppeasutused see raamat vastab ühe või mitme magistriõppekursuse nõuetele eeldusel, et üliõpilastel on piisav statistikaalane koolitus. Mõnda viimast peatükki saab kasutada erikursused hõlmates konkreetseid teemasid, nagu paneeliandmed, mudelid

Leuven (Belgia), Tilburg (Holland) (teadusliku väljaande tõlkemärkus).

piiratud sõltuvate muutujate või aegridade analüüsiga. Lisaks võib raamat olla juhiseks juhtidele, majandusteadlastele ja praktikutele, kes soovivad uuendada või laiendada oma teadmisi ökonomeetriast. Raamatus on kasutatud maatriksalgebra elemente.

Olen sügavalt tänu võlgu Arie Kapteynile, Bertrand Melenbergile, Theo Nijmanile ja Arthur van Soestile, kes aitasid kaasa minu arusaamale ökonomeetriast ja kujundasid minu mõtteviisi paljudes küsimustes. Asjaolu, et mõned nende ideed on selles tekstis teoks saanud, on austusavaldus nende jõupingutustele. Samuti pean tänama põlvkondi õpilasi, kes aitasid mul selle teksti praegusele kujule kujundada, kommenteerides eelmisi versioone ja esitades mulle küsimusi, millele nad vastust ei leidnud. Selle raamatu valmimisel oli oluliseks tõukejõuks suur hulk ökonomeetriat puudutavaid praktilisi ja empiirilisi probleeme, mida üliõpilased ja kolleegid mulle pakkusid. Mu kolleegid ja sõbrad lugesid käsikirja erinevaid osi ning tegid parandusi ja kommentaare. Olen väga tänulik Peter de Goeij, Ben Jacobsen, Wim Koevoets, Marco Lyrio, Konstantijn Maes, Wessel Marquering, Bertrand Bertrand Melenberg, Paulo Nunes, Anatoli Peresetsky, Max van de Sande Bakhuyzen, Erik Schokkaert, Arthur van Soest, Frederic Vermeulen Kuo-chun Yeh ja paljud anonüümsed arvustajad. Loomulikult vastutan ma isiklikult kõigi allesjäänud vigade eest. Eriline tänu kuulub Jef Flechetile abi eest paljude empiiriliste illustratsioonide ja konstruktiivsete kommentaaride eest paljude varasemate versioonide kohta. Lõpetuseks tahan tänada oma naist Marcellat ning lapsi Timot ja Thaliat nende kannatlikkuse ja mõistmise eest kogu selle aja jooksul, mil mu hing selle raamatuga oli, kui see oleks pidanud olema.

M.: 2008. - 616 lk.

Marno Verbeek - keskuse ökonomeetria professor majandusuuringud Leuveni Ülikool (Belgia). Ta töötab ka Tilburgi ülikooli (Holland) majandusuuringute keskuses.

Raamat tutvustab lugejale paljusid tänapäeva ökonomeetria teemasid, mis on olulised praktilise töö mõistmiseks ja tegemiseks. See raamat on alternatiivsete meetodite juhend, keskendudes konkreetsetele küsimustele, näiteks millal antud meetodit kasutada, millised on selle eelised ja puudused. Raamatu põhirõhk ei ole arvutustel ega formaalsetel tõestustel, vaid probleemi käsitluste ja selle praktilise lahenduse selgitamisel. Raamat hõlmab väga erinevaid teemasid, sealhulgas ka kodumaises kirjanduses vähe käsitletud teemasid, nagu aegridade regressioonanalüüs, kointegratsioon, piiratud sõltuvate muutujatega mudelid, paneelandmete analüüs ja momentide üldistatud meetod. Empiirilisi näiteid tuuakse sellistest valdkondadest nagu tööökonoomika, keskkonnaökonoomika, maailmamajandus, rahandus ja makromajandus. Iga peatüki lõpus on ülevaade. võtmemõisteid edasi seletatud praktilisi näiteid. Internetis oleva veebisaidi illustratsioonide ja harjutuste jaoks esitatakse vajalikud andmekogumid on-line'is.

Raamat on suunatud üliõpilastele, magistrantidele, õpetajatele, aga ka rakendusökonoomika ja ökonomeetria spetsialistidele. Esitluse sisu ja stiil vastavad nende erialade õpetamise tüüpõppekavadele majandusprofiiliga kõrgkoolide bakalaureuse- (2., 3. ja 4. õppeaasta) ning magistriõppe (5. ja 6. õppeaasta) tasemel.

Vorming: djvu

Suurus: 6,9 MB

Lae alla: yandex.disk

SISUKORD
Eessõna venekeelsele väljaandele 12
Venekeelse väljaande teadustoimetajalt 14
Eessõna 17
1. Sissejuhatus 20
1.1. Ökonomeetria kohta 20
1.2. Selle raamatu ülesehitus 23
1.3. Näited ja harjutused 26
2. Sissejuhatus lineaarse regressiooni mudelisse 29
2.1. Tavalised vähimruutud algebralise tööriistana 30
2.1.1. Tavalised vähimruudud (OLS) 30
2.1.2. Lihtne (paaritud) lineaarse regressioonimudel 34
2.1.3. Näide: individuaalne palk 36
2.1.4. Maatrikstähistus 37
2.2. Lineaarse mitme regressiooni mudel 39
2.3. OLS-i hinnangu omadused väikeste valimite jaoks 43
2.3.1. Gauss-Markovi oletused 43
2.3.2. Vähimruutude hinnangu 45 omadused
2.3.3. Näide: individuaalne palk (jätkub) 49
2.4. Andmete sobivuse kvaliteet mudeli järgi ("sobivus") 51
2.5. Statistiliste hüpoteeside kontrollimine 54
2.5.1. Lihtne ^-kriteerium 55
2.5.2. Näide: individuaalne palk (jätkub) 58
2.5.3. Ühe lineaarse piirangu testimine 59
2.5.4. Regressioonikordajate olulisuse ühiskriteerium.. 60
2.5.5. Näide: individuaalne palk (jätkub) 63
2.5.6. Regressioonikoefitsientide lineaarsete piirangute üldjuhtum 65
2.5.7. Testi suurus, võimsus ja p-väärtused 67
2.6. LSM-i hinnangute asümptootilised omadused 69
2.6.1. Rikkus 69
2.6.2. Asümptootiline normaalsus 73
2.7. Illustratsioon: Finantsvarade hinnakujundusmudel (CFAM) 75
2.7.1. CFAM kui regressioonimudel 76
2.7.2. CFAM 77 hindamine ja testimine
2.8. Multikollineaarsus 81
2.8.1. Näide: individuaalne palk (jätkub) 84
2.9. Prognoos 86
Harjutus 87
3. Regressioonimudelite tõlgendamine ja võrdlemine 93
3.1. Lineaarse mudeli tõlgendamine 93
3.2. Mitme selgitava muutuja valik 99
3.2.1. Regressorite komplekti 99 vale spetsifikatsioon
3.2.2. Selgitavate muutujate valik 101
3.2.3. Pesastamata mudelite võrdlemine 107
3.3. Valesti määratud funktsionaalne vorm 110
3.3.1. Mittelineaarsed mudelid 111
3.3.2. Funktsionaalse vormi testimine 112
3.4. Näide: majahindade selgitus 113
3.5. Näide: üksikisiku palga selgitus 120
3.5.1. Lineaarsed mudelid 121
3.5.2. Logi lineaarsed mudelid 125
3.5.3. Õrn mõju 130
3.5.4. Mõned hoiatavad märkused 133
Harjutused 134
4. Heteroskedastilisus ja autokorrelatsioon 137
4.1. Mõju vähimruutude hindaja 138 omadustele
4.2. Alternatiivse hinnangu tuletamine 140
4.3. Heteroskedastilisus 142
4.3.1. Sissejuhatus 142
4.3.2. Hinnangute ja hüpoteeside testimise omadused 145
4.3.3. Tundmatute dispersioonide juhtum 146
4.3.4. OLS-i hinnangute standardvigade järjekindlad hinnangud heteroskedastilisuse esinemisel 148
4.3.5. Kahe tundmatu dispersiooniga mudel 150
4.3.6. Multiplikatiivne heteroskedastilisus 151
4.4. Heteroskedastilisuse 153 testimine
4.4.1. Kahe tundmatu dispersiooni võrdsuse testimine 153
4.4.2. Multiplikatiivse heteroskedastilisuse testimine... 154
4.4.3. Breuschi-Pagani test 155
4.4.4. Valge test 155
4.4.5. Mis test? 157
4.5. Näide: tööjõu nõudluse selgitamine 157
4.6. Autokorrelatsioon 164
4.6.1. Esimest järku autokorrelatsioon 166
4.6.2. p väärtus teadmata 169
4.7. Esimese järgu autokorrelatsiooni testimine 170
4.7.1. Asümptootilised testid 171
4.7.2. Durbin-Watsoni test 172
4.8. Näide: nõudlus jäätise järele 174
4.9. Alternatiivsed autokorrelatsioonistruktuurid 179
4.9.1. Kõrgemat järku autokorrelatsioon 179
4.9.2. Ülejäänud libisev keskmine 180
4.10. Mida teha, kui leiate autokorrelatsiooni? 182
4.10.1. Vale spetsifikatsioon 183
4.10.2. Vähimruutude hinnangute järjekindlad standardvead, võttes arvesse heteroskedastilisust ja autokorrelatsiooni 185
4.11. Näide: riskipreemia valuutaturgudel 188
4.11.1. Mõisted ja sümbolid 189
4.11.2. Ühe kuu tururiskipreemia testid 191
4.11.3. Riskipreemia testid kattuvate proovide abil 195
Harjutus 199
5. Endogeensus, instrumentaalsed muutujad ja momentide üldistatud meetod (GMM) 202
5.1. Vähimruutude hinnangu 203 omaduste ülevaade
5.2. Juhtumid, mil te ei saa OLS-i hinnangut kasutada 209
5.2.1. Jääkide ja hilinenud sõltuva muutuja autokorrelatsioon regressorina 209
5.2.2. Näide mõõtmisveaga 210
5.2.3. Samaaegsus: Keynesi mudel 214
5.3. Instrumentaalne muutuja hinnang 217
5.3.1. Hinnang ühe endogeense regressori ja ühe instrumentaalse muutujaga 218
5.3.2. Tagasi Keynesi mudeli 222 juurde
5.3.3. Tagasi mõõtmisvigade probleemi juurde 224
5.3.4. Mitu endogeenset regressorit 225
5.4. Näide: hariduse tasuvuse hindamine 226
5.5. Instrumentaalsete muutujate üldistatud meetod 234
5.5.1. Mitu endogeenset regressorit suvalise arvu instrumentaalsete muutujatega 234
5.5.2. Kaheastmeline vähim ruutu ja tagasi Keynesi mudeli 240 juurde
5.6. Momentide üldistatud meetod 242
5.6.1. Näide 243
5.6.2. Momentide üldistatud meetod 245
5.6.3. Mõned lihtsad näited 248
5.7. Näide: Intertemporaalsete finantsvarade hinnamudelite hindamine 250
5.8. Lõppmärkused 255
Harjutused 256
6. Maksimaalse tõenäosuse hindamise ja spetsifikatsiooni testid 259
6.1. Maksimaalse tõenäosuse meetodi 261 sissejuhatus
6.1.1. Mõned näited 261
6.1.2. Üldised omadused 266
6.1.3. Näide (jätkub) 270
6.1.4. Tavaline lineaarse regressiooni mudel 271
6.2. Spetsifikatsioonikatsed 273
6.2.1. Kolm testimise põhimõtet 273
6.2.2. Lagrange'i kordaja testid 276
6.2.3. Näide (jätkub) 281
6.3. Testid tavalises lineaarses regressioonimudelis 283
6.3.1. Oluliste mittekaasatud muutujate testimine 283
6.3.2. Heteroskedastilisuse testimine 284
6.3.3. Autokorrelatsiooni testimine 286
6.4. Kvaasimaksimaalse tõenäosuse meetod ja hetketingimuste testid 288
6.4.1. Kvaasimaksimaalse tõenäosuse meetod 288
6.4.2. Hetkeseisundi testid 291
6.4.3. Normaalsuse hüpoteesi testimine 292
Harjutused 293
7. Piiratud sõltuvate muutujatega mudelid 296
7.1. Binaarse valiku mudelid 297
7.1.1. Kas ma peaksin kasutama lineaarset regressiooni? 297
7.1.2. Sissejuhatus binaarse valiku mudelitesse 298
7.1.3. Aluseks olev varjatud mudel 300
7.1.4. Hindamine 302
7.1.5. "Sobivuse" ("sobivus") andmemudeli 304 kvaliteet
7.1.6. Näide: töötushüvitiste mõju laekumisele 306
7.1.7. Spetsifikatsioonitestid kahendvaliku mudelites 311
7.1.8. Mõnede eelduste leevendamine binaarse valiku mudelites 314
7.2. Mitme vastuse mudelid 316
7.2.1. Tellitud vastuse mudelid 317
7.2.2. Normaliseerimise kohta 319
7.2.3. Näide: valmisolek maksta loodusalade eest, mida inimtegevus ei mõjuta 320
7.2.4. Multinomaalsed mudelid 324
7.3. Tobit mudelid 329
7.3.1. Standardne Tobit mudel 329
7.3.2. Hindamine 333
7.3.3. Näide: kulud alkoholile ja tubakale (1. osa) 335
7.3.4. Tobit mudeli 340 spetsifikatsioonitestid
7.4. Tobiti mudelite üldistused 343
7.4.1. Mudel Tobit II 344
7.4.2. Hindamine 348
7.4.3. Edasised üldistused 351
7.4.4. Näide: kulud alkoholile ja tubakale (2. osa) 352
7.5. Selektiivsusest tingitud kallutatus 359
7.5.1. Selektiivsusprobleemi olemus 359
7.5.2. Piiratud mudeli poolparameetriline hindamine valimi võtmisel 363
Harjutused 365
8. Ühemõõtmeliste aegridade mudelid 370
8.1. Sissejuhatus 372
8.1.1. Mõned näited 372
8.1.2. Statsionaarsus ja autokorrelatsioon 375
8.2. Autoregressiivse liikuva keskmise (ARSS) üldised protsessid 379
8.2.1. APCC protsesside formuleerimine 379
8.2.2. Polünoomide ümberpööratavus nihkeoperaatorist 383
8.2.3. Ühised juured 384
8.3. Statsionaarsus ja ühikujuured 385
8.4. Üksuse juurtestimine 389
8.4.1. Üksuse juurtestimine esimest järku autoregressiivses mudelis 389
8.4.2. Ühiku juurtestimine kõrgema järgu autoregressiivsetes mudelites 394
8.4.3. Näide: kvartali kasutatav tulu 397
8.5. Näide: pikaajaline dünaamiline ostujõu pariteet (1. osa) 400
8.6. APCC mudelite 405 hindamine
8.6.1. Vähimruudud 406
8.6.2. Maksimaalse tõenäosuse meetod 407
8.7. Mudeli 409 valik
8.7.1. Autokorrelatsiooni funktsioon 409
8.7.2. Osalise autokorrelatsiooni funktsioon 411
8.7.3. Diagnostiline kontroll 413
8.7.4. Mudeli 413 valiku kriteeriumid
8.7.5. Näide: kvartaalne kasutatava sissetuleku modelleerimine 414
8.8. Prognoosimine APCC mudelitega 417
8.8.1. Optimaalne ennustusfunktsioon 418
8.8.2. Ennustamise täpsus 421
8.9. Näide: Ajaraami ootuste teooria 424
8.10. Autoregressiivne tingimuslik heteroskedastilisus (ARHG) 430
8.10.1. AGC G- ja AGC G-mudel 431
8.10.2. Hindamine ja prognoosimine 436
8.10.3. Näide: igapäevaste vahetuskursside volatiilsus 438
8.11. Mida saab öelda mitmemõõtmeliste mudelite kohta? 442
Harjutus 443
9. Mitme muutujaga aegridade mudelid 447
9.1. Statsionaarsete muutujatega dünaamilised mudelid 449
9.2. Mittestatsionaarsete muutujatega mudelid 453
9.2.1. Valed regressioonid 453
9.2.2. Kaasintegratsioon 456
9.2.3. Kointegratsiooni ja jääkide korrigeerimise mehhanismid 461
9.3. Näide: pikaajaline dünaamiline ostujõu pariteet (2. osa) 463
9.4. Autoregressiivsed vektormudelid 467
9.5. Kointegratsioon: mitme muutujaga juhtum 471
9.5.1. Kointegratsioon vektorautoregressiivsetes mudelites 472
9.5.2. Näide: Kointegratsioon 2D-vektori autoregressiivses mudelis 475
9.5.3. Kointegratsiooni testimine 476
9.5.4. Näide: pikaajaline dünaamiline ostujõu pariteet (3. osa) 480
9.6. Näide: Nõudlus raha järele ja inflatsioon 483
9.7. Lõppmärkus 492
Harjutus 493
10. Paneelandmetel põhinevad mudelid 496
10.1. Paneeliandmete eelised 497
10.1.1. Parameetrite hinnangu tõhusus 499
10.1.2. Parameetri identifitseerimine 501
10.2. Staatiline lineaarne mudel 503
10.2.1. Fikseeritud efektide mudel 503
10.2.2. Juhuslike efektidega mudelid 507
10.2.3. Fikseeritud efektid või juhuslikud? 511
10.2.4. Andmete kvaliteet sobib mudelile 514
10.2.5. Instrumentaalsete muutujate meetodi alternatiivsed hinnangud 516
10.2.6. Jääkide 519 alternatiivsed struktuurid
10.2.7. Heteroskedastilisuse ja autokorrelatsiooni testimine 521
10.3. Näide: üksikisiku palga selgitus 524
10.4. Dünaamilised lineaarsed mudelid 528
10.4.1. Paneelandmete autoregressioonimudel 528
10.4.2. Dünaamilised mudelid eksogeensete muutujatega 535
10.4.3. Üksuse juured ja kaasintegratsioon 537
10.5. Näide: tööjõunõudluse palgaelastsus 539
10.6. Piiratud sõltuvate muutujatega mudelid 542
10.6.1. Binaarse valiku mudelid 543
10.6.2. Fikseeritud efektidega logiti mudel 545
10.6.3. Probit mudel juhuslike efektidega 547
10.6.4. Tobit mudelid 549
10.6.5. Dünaamika ja algtingimuste probleem 550
10.7. Mittetäielikud paneeliandmed ja selektiivsuse kõrvalekalle 553
10.7.1. Hindamine juhuslikult puuduvate andmetega 555
10.7.2. Valikuline eelarvamus ja mõned lihtsad testid 557
10.7.3. Hinnang mittejuhuslikult puuduvate andmetega 561
Harjutused 562
A. Vektorid ja maatriksid 567
A. 1. Terminoloogia 567
A.2. Toimingud maatriksitega 568
A.Z. Vektorite ja maatriksite omadused 570
A.4. Pöördmaatriksid 571
A.5. Idempotentsed maatriksid 572
A.6. Omaväärtused ja omavektorid 573
A.7. Diferentseerimine 575
A.8. Mõned maatrikstehted, mis on seotud vähimruutude meetodiga 575
B. Statistika teooria ja jaotuste teooria 578
8.1. Diskreetsed juhuslikud muutujad 578
8.2. Pidevad juhuslikud muutujad 579
8.3. Matemaatiline ootus ja hetked 581
8.4. Mitme muutujaga jaotused 582
8.5. Tingimuslikud jaotused 584
8.6. Normaaljaotus 586
8.7. Normaaljaotusega seotud jaotused 589
Kirjandus 592
Indeks 605