Рекомендуем

Популярное введение в современный анализ данных в системе STATISTICAБоровиков В.П. Популярное введение в современный анализ данных в системе STATISTICA
Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных
Методы обработки многомерных данных и временных рядовБольшаков А.А., Каримов Р.Н. Методы обработки многомерных данных и временных рядов

Книга

Эконометрика. Решение задач с применением пакета программ GRETL

Пер. с польск. И. Д. Рудинского
2007 г.
200 стр.
Тираж 2000 экз.
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

Содержание

Предисловие к русскому изданию 5

Предисловие 7

1. ВВЕДЕНИЕ В ПАКЕТ ПРОГРАММ GRETL 10
1.1. Лицензия 10
1.2. Инсталляция 12
1.3. Меню и настройки пакета программ GRETL 15
1.4. Рабочие сессии и работа с консолью 20

2. СТАТИСТИЧЕСКИЕ ДАННЫЕ 23
2.1. Построение набора данных 23
2.2. Ввод данных – импорт данных 25
2.3. Описание набора данных и сохранение файла данных 28
2.4. Объявление типа данных 30
2.5. Агрегирование временных рядов 32
2.6. Преобразование переменных-процессов 33
2.7. Основные описательные статистики 34
2.8. Распределения переменной 36
2.9. Графики 37
2.10. Интернет-сервер со статистическими данными 44
2.11. Примеры из учебных пособий по эконометрике 47

3. СТАТИСТИЧЕСКИЕ ТЕСТЫ 49
3.1. Статистические таблицы в GRETL 49
3.2. Калькулятор статистических тестов 52
3.3. Статистические тесты для переменных в базе GRETL 56

4. ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ ДЛЯ СРЕЗОВ ДАННЫХ 59
4.1. Подбор переменных модели – матрица корреляции 61
4.2. Оценивание параметров модели с применением классического метода наименьших квадратов (КМНК) 63
4.3. Верификация эконометрической модели 65
4.3.1. Оценивание значимости структурных параметров. t-тест Стьюдента и F-тест Снедекера 65
4.3.2. Оценивание степени соответствия модели 67
4.3.3. Оценивание нормальности распределения остатков модели 68
4.3.4. Оценивание однородности дисперсии остатков модели. Проверка гетероскедастичности 70
4.3.5. Оценивание линейности аналитической формы модели 71
4.4. Подведение итогов сессии построения эконометрической модели 75

5. ХАРАКТЕРИСТИКИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ 78
5.1. Функции автокорреляции и частичной автокорреляции 80
5.2. Периодограмма и спектр процессов 82
5.3. Проверка единичных корней 84
5.4. Оценивание дробного значения d 87

6. ОСНОВНЫЕ МОДЕЛИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ 89
6.1. Полиномиальные модели тренда – выбор степени полинома r 89
6.2. Эконометрические модели сезонных колебаний 93
6.3. Авторегрессионные модели AR(p) 97
6.4. Модели ARMA(p, q) 103
6.5. Модели ARIMA(p, d, q) 105
6.6. Процедуры исключения сезонности 105
6.6.1. Метод Х-12-ARIMA 106
6.6.2. Метод TRAMO/SEATS 109

7. ПРИЧИННО-СЛЕДСТВЕННЫЕ ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ 114
7.1. Спецификация модели согласно концепции конгруэнтного моделирования 114
7.2. Оценивание параметров модели методом наименьших квадратов 119
7.3. Верификация модели 120
7.3.1. Исследование значимости оценок параметров – исключение a posteriori 121
7.3.2. Тест автокорреляции Дарбина–Уотсона 124
7.3.3. Тест автокорреляции (тест Quenouille) 124
7.3.4. h-тест автокорреляции Дарбина 125
7.3.5. Тест автокорреляции на основании PACF 126
7.3.6. Тест автокорреляции Бройша–Годфри 127
7.3.7. Тест автокорреляции Лджунга–Бокса 129
7.3.8. Выявление эффекта ARCH в процессе остатков 129
7.3.9. Проверка стабильности параметров – тест Чоу 131
7.3.10. Проверка стабильности параметров – тест CUSUM 133
7.3.11. Проверка нормальности распределения остатков 135
7.3.12. Проверка значимости пропущенных и добавленных процессов (omit variables, add variables) 136

8. ЭКОНОМЕТРИЧЕСКОЕ ПРОГНОЗИРОВАНИЕ 138
8.1. Прогнозирование по моделям, учитывающим тренд и сезонность 138
8.2. Прогнозы статического и динамического типа 142

9. ОБОБЩЕННЫЙ МЕТОД НАИМЕНЬШИХ КВАДРАТОВ (ОМНК) 147
9.1. Оценивание модели в условиях автокорреляции случайной составляющей 148
9.1.1. Метод Кохрейна–Оркотта 149
9.1.2. Метод Хилдрета–Лу 150
9.1.3. Метод Прайса–Уинстена 151
9.1.4. Обобщенный метод Кохрейна–Оркотта 153
9.2. Оценивание модели в условиях гетероскедастичности 155
9.2.1. Метод корректировки гетероскедастичности случайной составляющей 157
9.2.2. Метод НССМ 158
9.2.3. Взвешенный метод наименьших квадратов (случай гетероскедастичности) 159
9.3. Взвешенный метод наименьших квадратов – модели для одноименных наблюдений 161

10. СПЕЦИАЛЬНЫЕ МОДЕЛИ 164
10.1. Логитовые и пробитовые модели 164
10.1.1. Прогнозирование двоичной переменной 173
10.2. Тобитовые модели 175

11. СИСТЕМЫ ЭКОНОМЕТРИЧЕСКИХ УРАВНЕНИЙ 179
11.1. Двухшаговый метод наименьших квадратов 180
11.2. Модели VAR 186
11.2.1. Проверка значимости временнoго лага порядка р 189
11.2.2. Функция импульсных откликов в модели VAR 191

Литература 196