Ekonometria jest nauką, która pokazuje, jak używać analizy danych w celu lepszego zrozumienia problemów ekonomicznych. Pozwala w dyskusjach ekonomicznych opierać się na faktach i logicznych wnioskach.
Jeśli chcesz wiedzieć:
• jak bardzo zmiana stóp procentowych wpłynie na kurs waluty,
• o ile więcej osób będzie wybierać transport publiczny, gdy ceny paliwa wzrosną
• jak bardzo ceny, mieszkań zależą od perspektyw lokalnego rynku pracy, zapoznaj się z treścią niniejszej książki. Wprowadzi Cię ona w tę trudną i fascynującą dziedzinę wiedzy
Autor w przystępny i kompleksowy sposób omawia nie tylko podstawy ekonometrii, tj. modele regresji prostej i wielorakiej czy analizę szeregów czasowych, lecz także tematyką bardziej zaawansowaną, tj. modele danych panelowych, wykorzystanie metody zmiennych instrumentalnych, modele zmiennej jakościowej czy ekonometrię bayesowską.
Jest to podręcznik zarówno dla studentów korzystających z ekonometrii wyłącznie jako narzędzia do analizy danych, jak i dla osób specjalizujących się w tej dziedzinie.
Spis treści:
Rozdział 1. Przegląd podręcznika
1.1. Znaczenie ekonometrii
1.2. Typy danych ekonomicznych
1.3. Praca z danymi: metody graficzne
1.4. Praca z danymi: statystyki opisowe
1.5. Podsumowanie
Ćwiczenia
Rozdział 2. Nieformalne wprowadzenie do regresji
2.1. Wprowadzenie
2.2. Model regresji prostej
2.3. Model regresji wielorakiej
2.4. Podsumowanie
Ćwiczenia
Rozdział 3. Model regresji prostej
3.1. Wprowadzenie
3.2. Przegląd podstawowych pojęć z rachunku prawdopodobieństwa w kontekście modelu regresji
3.3. Założenia klasycznego modelu regresji
3.4. Własności estymatora metody najmniejszych kwadratów parametru ß
3.5. Konstrukcja przedziału ufności dla ß
3.6. Weryfikowanie hipotez dla parametru ß
3.7. Postępowanie w przypadku nieznanej wariancji ?2
3.8. Podsumowanie
Ćwiczenia
Dodatek 1. Dowód Twierdzenia Gaussa-Markowa
Dodatek 2. Asymptotyczna teoria w modelu regresji prostej
Rozdział 4. Model regresji wielorakiej
4.1. Wprowadzenie
4.2. Podstawy modelu regresji wielorakiej
4.3. Wybór zmiennych objaśniających
4.4. Weryfikowanie hipotez w modelu regresji wielorakiej
4.5. Wybór postaci funkcyjnej w modelu regresji wielorakiej
4.6. Podsumowanie
Ćwiczenia
Dodatek. Testy Walda i mnożników Lagrange'a
Rozdział 5. Model regresji wielorakiej: osłabienie założeń modelu klasycznego
5.1. Wprowadzenie
5.2. Podstawy teoretyczne
5.3. Heteroskedastyczność
5.4. Autokorelacja w modelu regresji
5.5. Metoda zmiennych instrumentalnych
5.6. Podsumowanie
Ćwiczenia
Dodatek. Asymptotyczna teoria w metodzie OLS i zmiennych instrumentalnych
Rozdział 6. Jednowymiarowa analiza szeregów czasowych
6.1. Wprowadzenie
6.2. Notacja w analizie szeregów czasowych
6.3. Trend w szeregach czasowych
6.4. Funkcja autokorelacji
6.5. Model autoregresji
6.6. Stacjonarność
6.7. Modelowanie zmienności
6.8. Podsumowanie
Ćwiczenia
Dodatek. Modele MA i ARMA
Rozdział 7. Szeregi czasowe i regresja
7.1. Wprowadzenie
7.2. Regresja, w przypadku gdy X i Y są stacjonarnymi szeregami czasowymi
7.3. Regresja, w przypadku gdy X i Y zawierają pierwiastek jednostkowy
7.4. Regresja, w przypadku gdy szeregi Y i X zawierają pierwiastek jednostkowy, ale NIE są skointegrowane
7.5. Przyczynowość w sensie Grangera
7.6. Model autoregresji wektorowej
7.7. Podsumowanie
Ćwiczenia
Dodatek. Teoria prognozowania
Rozdział 8. Modele dla danych panelowych
8.1. Wprowadzenie
8.2. Model uogólniony
8.3. Modele z efektami jednostkowymi
8.4. Podsumowanie
Ćwiczenia
Rozdział 9. Modele zmiennych jakościowej i uciętej
9.1. Wprowadzenie
9.2. Modele zmiennej jakościowej
9.3. Modele zmiennej uciętej
9.4. Podsumowanie
Ćwiczenia
Rozdział 10. Ekonometria bayesowska
10.1. Przegląd ekonometrii bayesowskiej
10.2. Liniowy model regresji z naturalnie sprzężonym rozkładem a priori i pojedynczą zmienną objaśniającą
10.3. Podsumowanie
Ćwiczenia
Dodatek. Analiza bayesowska modelu regresji prostej z nieznaną wariancją
Dodatek A. Podstawy matematyki
Dodatek B. Podstawy rachunku prawdopodobieństwa
Dodatek C. Podstawowe pojęcia z zakresu asymptotycznej teorii
Dodatek D. Tworzenie projektu empirycznego
Tablice statystyczne
Tabela 1. Obszar pod krzywą gęstości rozkładu normalnego standardowego Pr(0 < Z < z)
Tabela 2. Obszar pod krzywą gęstości rozkładu t-Studenta dla różnych stopni swobody i Pr(Z > z) = ?
Tabela 3. Percentyle rozkładu chi-kwadrat
Tabela 4a. Obszar pod krzywą gęstości rozkładu F dla różnych stopni swobody v1 i v2 Pr (Z > z) = 0,05
Tabela 4b. Obszar pod krzywą gęstości rozkładu F dla różnych stopni swobody v1 i v2, Pr(Z > z) = 0,01
adobe algorytmy apache asp autocad asembler bsd c++ c# delphi dtp excel flash html java javascript linux matlab mysql office php samba voip uml unix visual studio windows word
Księgarnia Informatyczna zaprasza.