Рекомендуем

Популярное введение в современный анализ данных и машинное обучение на STATISTICAБоровиков В.П. Популярное введение в современный анализ данных и машинное обучение на STATISTICA
Математические методы в психологииКупцов М.И., Филипова Е.Е., Слободская И.Н., Павлова С.А., Корячко А.В., Жарких А.А. Математические методы в психологии
Популярное введение в современный анализ данных в системе STATISTICAБоровиков В.П. Популярное введение в современный анализ данных в системе STATISTICA

Книга

Эконометрика. Решение задач с применением пакета программ GRETL

Пер. с польск. И. Д. Рудинского
200 стр.
Формат 60х90/16 (145x215 мм)
Исполнение: в мягкой обложке
ISBN 5-93517-307-7
ББК 65в6
УДК 330.43(075.8)
Аннотация

Рассмотрены методы решения основных эконометрических задач с использованием пакета программ GRETL (GNU Regression Econometrics Time-series Library), предназначенного для практической реализации сложных вычислительных процедур эконометрического моделирования. Пакет программ GRETL и представленные в работе статистические данные доступны на интернет-сайте автора http://www.kufel.torun.pl.

Для студентов, аспирантов и преподавателей экономических вузов, а также для научных работников, ведущих экономические исследования.

Оглавление

Предисловие к русскому изданию

Предисловие

1. ВВЕДЕНИЕ В ПАКЕТ ПРОГРАММ GRETL
1.1. Лицензия
1.2. Инсталляция
1.3. Меню и настройки пакета программ GRETL
1.4. Рабочие сессии и работа с консолью

2. СТАТИСТИЧЕСКИЕ ДАННЫЕ
2.1. Построение набора данных
2.2. Ввод данных – импорт данных
2.3. Описание набора данных и сохранение файла данных
2.4. Объявление типа данных
2.5. Агрегирование временных рядов
2.6. Преобразование переменных-процессов
2.7. Основные описательные статистики
2.8. Распределения переменной
2.9. Графики
2.10. Интернет-сервер со статистическими данными
2.11. Примеры из учебных пособий по эконометрике

3. СТАТИСТИЧЕСКИЕ ТЕСТЫ
3.1. Статистические таблицы в GRETL
3.2. Калькулятор статистических тестов
3.3. Статистические тесты для переменных в базе GRETL

4. ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ ДЛЯ СРЕЗОВ ДАННЫХ
4.1. Подбор переменных модели – матрица корреляции
4.2. Оценивание параметров модели с применением классического метода наименьших квадратов (КМНК)
4.3. Верификация эконометрической модели
4.3.1. Оценивание значимости структурных параметров. t-тест Стьюдента и F-тест Снедекера
4.3.2. Оценивание степени соответствия модели
4.3.3. Оценивание нормальности распределения остатков модели
4.3.4. Оценивание однородности дисперсии остатков модели. Проверка гетероскедастичности
4.3.5. Оценивание линейности аналитической формы модели
4.4. Подведение итогов сессии построения эконометрической модели

5. ХАРАКТЕРИСТИКИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
5.1. Функции автокорреляции и частичной автокорреляции
5.2. Периодограмма и спектр процессов
5.3. Проверка единичных корней
5.4. Оценивание дробного значения d

6. ОСНОВНЫЕ МОДЕЛИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
6.1. Полиномиальные модели тренда – выбор степени полинома r
6.2. Эконометрические модели сезонных колебаний
6.3. Авторегрессионные модели AR(p)
6.4. Модели ARMA(p, q)
6.5. Модели ARIMA(p, d, q)
6.6. Процедуры исключения сезонности
6.6.1. Метод Х-12-ARIMA 1
6.6.2. Метод TRAMO/SEATS

7. ПРИЧИННО-СЛЕДСТВЕННЫЕ ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ
7.1. Спецификация модели согласно концепции конгруэнтного моделирования
7.2. Оценивание параметров модели методом наименьших квадратов
7.3. Верификация модели
7.3.1. Исследование значимости оценок параметров – исключение a posteriori
7.3.2. Тест автокорреляции Дарбина–Уотсона
7.3.3. Тест автокорреляции (тест Quenouille)
7.3.4. h-тест автокорреляции Дарбина
7.3.5. Тест автокорреляции на основании PACF
7.3.6. Тест автокорреляции Бройша–Годфри
7.3.7. Тест автокорреляции Лджунга–Бокса
7.3.8. Выявление эффекта ARCH в процессе остатков
7.3.9. Проверка стабильности параметров – тест Чоу
7.3.10. Проверка стабильности параметров – тест CUSUM
7.3.11. Проверка нормальности распределения остатков
7.3.12. Проверка значимости пропущенных и добавленных процессов (omit variables, add variables)

8. ЭКОНОМЕТРИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ
8.1. Прогнозирование по моделям, учитывающим тренд и сезонность
8.2. Прогнозы статического и динамического типа

9. ОБОБЩЕННЫЙ МЕТОД НАИМЕНЬШИХ КВАДРАТОВ (ОМНК)
9.1. Оценивание модели в условиях автокорреляции случайной составляющей
9.1.1. Метод Кохрейна–Оркотта
9.1.2. Метод Хилдрета–Лу
9.1.3. Метод Прайса–Уинстена
9.1.4. Обобщенный метод Кохрейна–Оркотта
9.2. Оценивание модели в условиях гетероскедастичности
9.2.1. Метод корректировки гетероскедастичности случайной составляющей
9.2.2. Метод НССМ
9.2.3. Взвешенный метод наименьших квадратов (случай гетероскедастичности)
9.3. Взвешенный метод наименьших квадратов – модели для одноименных наблюдений

10. СПЕЦИАЛЬНЫЕ МОДЕЛИ
10.1. Логитовые и пробитовые модели
10.1.1. Прогнозирование двоичной переменной
10.2. Тобитовые модели

11. СИСТЕМЫ ЭКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ
11.1. Двухшаговый метод наименьших квадратов
11.2. Модели VAR
11.2.1. Проверка значимости временнoго лага порядка р
11.2.2. Функция импульсных откликов в модели VAR

Литература