Эта книга предназначена для студентов, изучающих годовой курс эконометрики. Она отражает определенную потребность, вызванную последними изменениями в программах эконометрической подготовки студентов и не учтенную в ранее написанных учебниках. За последнее десятилетие преподавание эконометрики на университетском уровне достигло своего «совершеннолетия». Курсы эконометрики, предлагавшиеся обычно как курсы на выбор в магистерских программах по экономике, сейчас все в большей мере становятся обязательными.

Это обусловлено несколькими факторами. Возможно, важнейшим из них является растущее признание того, что определенное понимание методов эмпирических исследований является не просто желательной, но весьма существенной частью базовой подготовки экономиста и что ограничивающиеся прикладной статистикой курсы неадекватны этой задаче. Без сомнения, это привело к тому, что курсы эконометрики для аспирантов стали намного более продвинутыми, вследствие чего недостаточное знакомство с эконометрикой стало препятствием для поступления в аспирантуру ведущих университетов. Сыграл свою роль и «фактор предложения». Волна, поднявшая эконометрику на столь высокий уровень в экономическом образовании, идет вслед за другой волной, поднявшей значение математики и статистики. Без предшествующего улучшения подготовки в области количественных методов анализа выдвижение эконометрики в «ядро» программ экономических вузов было бы невозможным. Данный сдвиг был также связан с увеличением числа квалифицированных преподавателей эконометрики.

Вследствие происшедших изменений слушатели курсов эконометрики в большей степени различаются по своим возможностям, чем ранее. Это уже не только меньшинство, избравшее сложный путь математической специализации. Типичный студент сейчас - это обычный студент-магистр экономического профиля, изучивший базовые, но не продвинутые курсы математического анализа и статистики. «Демократизация» эконометрики создала необходимость подготовки более широкого спектра учебников, чем прежде, в особенности для новичков. Студенты, изучившие продвинутые курсы математики, уже несколько лет пользуются рядом завершенных учебников, отдельные из которых выдержали уже два или три издания. Меньше повезло новичкам, и этот текст адресован главным образом им.

Цель этой книги - обеспечить базу для изучения годового курса, позволяющего затем студентам продолжить изучение предмета в аспирантуре. Важнейшей задачей было сократить до минимума математические требования к читателю. Почти у каждого есть свой предел математической сложности изложения, которую он готов принять. Если этот предел превышен, читатель тратит большую часть усилий на техническую сторону вопроса вместо его сущности. Появляется усталость, страдает понимание, и путь исследования становится поденной работой или даже хуже того.

К счастью, математическое бремя намного облегчается, если коэффициенты регрессии выразить через выборочные ковариации и дисперсии. Для преподавателей и наиболее одаренных студентов степень математизированности может быть не столь важной, но это не так для той аудитории, которой адресована эта книга. Многие из этих людей, по-видимому, чувствовали себя не совсем уверенно в предшествующих математических курсах. Принятый здесь подход делает возможным расставание с устрашающими обозначениями типа I, становящимися непреодолимым препятствием для многих студентов. Это означает, что для знакомства с соответствующими понятиями понадобятся определенные затраты времени (глава 1), но эти понятия легко усваиваются и потраченные усилия затем многократно окупаются. Это не пустые рассуждения. Когда несколько лет назад я внес эти изменения в свой курс, где до этого пользовался обозначениями типа X, то обнаружил у студентов значительное улучшение восприятия, особенно при рассмотрении свойств регрессионных оценок.

Второй заботой было удаление неэконометрических «камней преткновения», сдерживавших развитие понимания предмета. Многие сложности, возникающие во вводном курсе, не являются техническими по своей природе (и многие технические моменты, например использование фиктивных переменных, вовсе не представляют проблемы). Например, многие студенты затрудняются описать регрессионные результаты словесно, в терминах, понятных неспециалисту. Если рассматривается регрессия в логарифмах, нередко странная заминка возникает даже в том случае, если заранее было показано математически, что коэффициент наклона характеризует эластичность. Проблема, без сомнения, заключается в том, что, изучая эластичность в базовом курсе математики, студенты были столь поглощены математическими вопросами, что у них не оставалось времени как следует разобраться с их практическими приложениями. Для них эластичность оставалась не до конца понятым математическим объектом. Эта книга содержит ряд отступлений в виде вставок, где рассматриваются подобные проблемы.

Ряд отступлений, кроме того, посвящен примерам экономических приложений. Нельзя оставить рассмотрение гипотезы Фридмена о постоянном доходе в качестве отдельных и несвязанных вопросов курсов макроэкономической теории и эконометрики. Поскольку нереалистично ожидать включения эконометрических аспектов в студенческие курсы экономической теории, задача нахождения этой связи неизбежно ложится на эконометристов.

Эксперименты по методу Монте-Карло

Характерной чертой этой книги является широкое использование экспериментов по методу Монте-Карло, наиболее подходящему для проведения эконометристами экспериментов лабораторного типа в контролируемых условиях. Многие студенты, слушающие вводный курс, предпочитают смотреть на такой анализ с двух точек зрения: математических рассуждений и числовой иллюстрации. Можно проследить за математическим исследованием свойств статистической оценки и согласиться с ее логичностью, но вместе с тем и получить пользу, видя подтверждение всего этого числовым примером в форме эксперимента по методу Монте-Карло. Такого рода анализ помогает, так сказать, запечатлеть все это в памяти и почувствовать определенную уверенность. И как и в других дисциплинах, для многих людей развитие познаний в эконометрике напоминает не арифметическую профессию (как бы это ни казалось в ретроспективе), а процесс развития и обобщения, в котором технические навыки и интуитивное понимание развиваются во взаимодействии.

Упражнения с функциями спроса

Еще одной особенностью книги является последовательность упражнений с функциями спроса, создающих стержень для практической работы и являющихся существенным компонентом вводного курса. Упражнения с функциями спроса обеспечивают непрерывность и дают возможность наблюдать воздействие теоретических продвижений на спецификацию модели и технику оценивания. Как и эксперименты по методу Монте-Карло, они позволяют лучше запомнить то, что уже было познано аналитически, и обеспечивают ту действенную вовлеченность, которая часто отсутствует при простом представлении результатов оценивания регрессии для комментариев.

Данные для упражнений с функциями спроса приведены в табл. Б. 1 и Б.2 приложения Б. Предполагается, что студенты будут разбиты на группы для практической работы по курсу и каждый студент в группе получит задание, связанное со спросом на определенное благо.

Структура книги

Большинство студентов, приступающих к изучению вводного курса эконометрики, уже прослушали один или несколько курсов по статистике и, значит, должны быть хорошо знакомы с фундаментальными понятиями. Факт, однако, состоит в том, что многие люди нуждаются в повторном знакомстве с этим материалом, прежде чем они действительно освоят его. Поскольку нет смысла пытаться изучать вводный курс эконометрики без должного понимания таких категорий, как несмещенность, эффективность и состоятельность, стоит при необходимости начать с рассмотрения такого материала. Этому посвящен обзор в начале книги. В главе 1 описана математическая основа, а оставшиеся главы покрывают обычные для вводного курса темы и разбиты на три части. Первая часть книги (главы 2-5) содержит основы регрессионного анализа. В ее второй части (главы 6-8) рассматриваются некоторые наиболее общие проблемы, возникающие при использовании регрессионного анализа, а в третьей части представлены некоторые дальнейшие продвижения. В заключительной части дается краткая последующая ориентация.

Книга Кристофера Доугерти — один из самых популярных на Западе вводных учебников эконометрики для студентов-экономистов. Курс эконометрики занимает важное место в современных программах экономических вузов во всем мире наряду с такими предметами, как микроэкономика, макроэкономика, финансовый анализ. Эконометрические методы необходимо знать и ученому, и преподавателю, и практику. Без них нельзя построить сколько-нибудь надежного прогноза, а значит, под вопросом и успех в банковском деле, финансах, бизнесе.

Популярный учебник по эконометрике издается в России впервые. Актуальность его появления на российском книжном рынке связана с острым дефицитом книг по эконометрике. Книгу отличает доступность изложения и вместе с тем высокий научный уровень освещения основных современных идей и методов эконометрики.

Книга может быть рекомендована в качестве базового учебника для студентов экономических специальностей, изучающих курс эконометрики. Ее можно также рекомендовать для самостоятельного ознакомления с этой дисциплиной. Работа может оказаться весьма полезной и при решении широкого круга прикладных проблем, с которыми читатель сталкивается в практической работе.

СОДЕРЖАНИЕ
Обзор: Случайные переменные и теория выборок 3
1. Ковариация, дисперсия и корреляция 34
1.1. Выборочная ковариация 34
1.2. Несколько основных правил расчета ковариации 38
1.3. Альтернативное выражение для выборочной ковариации 42
1.4. Теоретическая ковариация 43
1.5. Выборочная дисперсия 44
1.6. Правила расчета дисперсии 45
1.7. Теоретическая дисперсия выборочного среднего 47
1.8. Коэффициент корреляции 47
1.9. Почему ковариация не является хорошей мерой связи? 50
1.10. Коэффициент частной корреляции 52
2. Парный регрессионный анализ 53
2.1. Модель парной линейной регрессии 53
2.2. Регрессия по методу наименьших квадратов 55
2.3. Регрессия по методу наименьших квадратов: два примера 58
2.4. Детальное рассмотрение остатков 61
2.5. Регрессия по методу наименьших квадратов с одной независимой переменной 62
2.6. Интерпретация уравнения регрессии 64
2.7. Качество оценки: коэффициент R2 69
3. Свойства коэффициентов регрессии и проверка гипотез 73
3.1. Случайные составляющие коэффициентов регрессии 73
3.2. Эксперимент по методу Монте-Карло 74
3.3. Предположения о случайном члене 79
3.4. Несмещенность коэффициентов регрессии 82
3.5. Точность коэффициентов регрессии 83
3.6. Теорема Гаусса—Маркова 87
3.7. Проверка гипотез, относящихся к коэффициентам регрессии 89
3.8. Доверительные интервалы 102
3.9. Односторонние t-тесты 104
3.10. F-mecm на качество оценивания 109
3.11. Взаимосвязи между критериями в парном регрессионном анализе 111
4. Преобразования переменных 115
4.1. Базисная процедура 115
4.2. Логарифмические преобразования 119
4.3. Случайный член 125
4.4. Нелинейная регрессия 126
4.5. Выбор функции: тесты Бокса—Кокса 129
Приложение 4.1 132
5. Множественный регрессионный анализ 134
5.1. Иллюстрация: модель с двумя независимыми переменными 134
5.2. Вывод и интерпретация коэффициентов множественной регрессии 137
5.3. Множественная регрессия в нелинейных моделях 141
5.4. Свойства коэффициентов множественной регрессии 146
5.5. Мультиколлинеарность 155
5.6. Качество оценивания: коэффициент R 159
6. Спецификация переменных в уравнениях регрессии: предварительное рассмотрение 165
6.1. Моделирование 165
6.2. Влияние отсутствия в уравнении переменной, которая должна быть включена 166
6.3. Влияние включения в модель переменной, которая не должна быть включена 177
6.4. Замещающие переменные 182
6.5. Проверка линейного ограничения 188
6.6. Как извлечь максимум информации из анализа остатков 193
6.7. Лаговые переменные 196
7. Гетероскедастичность и автокоррелированность случайного члена 200
7.1. Еще раз об условиях Гаусса—Маркова 200
7.2. Гетероскедастичность и ее последствия 201
7.3. Обнаружение гетероскедастичности 204
7.4. Что можно сделать в случае гетероскедастичности? 210
7.5. Автокорреляция и связанные с ней факторы 217
7.6. Обнаружение автокорреляции первого порядка: критерий Дарбина—Уотсона 219
7.7. Что можно сделать в отношении автокорреляции? 222
7.8. Автокорреляция с лаговой зависимой переменной 227
7.9. Автокорреляция как следствие неправильной спецификации модели 229
Приложение 7.1 234
Приложение 7.2 237
Приложение 7.3 240
Приложение 7.4 241
8. Стохастические объясняющие переменные и ошибки измерения 243
8.1. Стохастические объясняющие переменные 243
8.2. Последствия ошибок измерения 247
8.3. Критика М. Фридменом стандартной функции потребления 253
8.4. Инструментальные переменные 259
9. Фиктивные переменные 262
9.1. Иллюстрация использования фиктивной переменной 262
9.2. Общий случай 270
9.3. Множественные совокупности фиктивных переменных 277
9.4. Фиктивные переменные для коэффициента наклона 280
9.5. Тест Чоу 282
Приложение 9.1 285
10. Моделирование динамических процессов 288
10.1. Введение 288
10.2. Распределение Койка 289
10.3. Частичная корректировка 291
10.4. Адаптивные ожидания 295
10.5. Гипотеза Фридмена о постоянном доходе 298
10.6. Полиномиально распределенные лаги Алмон 303
10.7. Рациональные ожидания 306
10.8. Предсказание 309
10.9. Тесты на устойчивость 315
Приложение 10.1 319
11. Оценивание систем одновременных уравнений 322
11.1. Смещение при оценке одновременных уравнений 322
11.2. Структурная и приведенная формы уравнений 325
11.3. Косвенный метод наименьших квадратов (КМНК) 327
11.4. Инструментальные переменные (ИП) 330
11.5. Неидентифицируемость 332
11.6. Сверхидентифицированность 336
11.7. Двухшаговый метод наименьших квадратов (ДМНК) 337
11.8. Условие размерности для идентификации 340
11.9. Идентификация относительно стабильных зависимостей 345
Приложение 11.1 348
12. Что дальше? 350
12.1. Метод максимального правдоподобия (ММП) 350
12.2. Спецификация модели 354
12.3. Послесловие к функциям спроса 363
Приложение А. Статистические таблицы 366
Приложение Б. Набор данных 374
Библиография 384
Именной указатель 387
Предметный указатель 389

Книга Кристофера Доугерти - один из самых популярных вводных учебников эконометрики для студентов-экономистов. В третьем издании книги автор учел новейшие тенденции развития эконометрической теории и прикладного программного обеспечения, включив ряд новых глав и приложений. Книгу отличает доступность изложения, большое число содержательных примеров, приложений, экономических комментариев. В то же время в ней представлен широкий круг эконометрических моделей и методов, необходимых экономисту - исследователю, практику, преподавателю.
Первое издание было рекомендовано Министерством образования в качестве учебника для студентов экономических специальностей вузов.

Выборки и способы оценивания.
До сих пор мы предполагали, что имеется точная информация об обсуждаемой случайной переменной, в частности о распределении ее вероятностей (в случае дискретной переменной) или о функции плотности распределения (в случае непрерывной переменной). С помощью этой информации можно рассчитать математическое ожидание, дисперсию и любые другие характеристики, в которых мы можем быть заинтересованы.

Однако на практике, за исключением искусственно простых случайных величин (таких как число выпавших очков при бросании игральной кости), мы не знаем точного вероятностного распределения или плотности распределения вероятностей. Это означает, что неизвестны также и теоретическое сред-
нее и дисперсия. Мы, тем не менее, можем нуждаться в оценках этих или других характеристик генеральной совокупности.

Процедура оценивания - всегда одинаковая. Берется выборка наблюдений и с помощью подходящей формулы рассчитывается оценка нужной характеристики. Важно следить за терминами, делая различие между способом или формулой оценивания и рассчитанным по ней для данной выборки числом, являющимся значением этой оценки.

СОДЕРЖАНИЕ
От научного редактора перевода V
Предисловие VIII
Обзор: случайные переменные, выборки и оценки 3
0.1. Введение 3
0.2. Дискретная случайная переменная и математическое ожидание 4
0.3. Непрерывные случайные переменные 11
0.4. Теоретическая ковариация, правила для дисперсии и ковариации, корреляция 16
0.5. Выборки и способы оценивания 19
0.6. Несмещенность и эффективность 23
0.7. Оценки дисперсии, ковариации и корреляции 29
0.8. Асимптотические свойства оценок 30
1. Парный регрессионный анализ 44
1.1. Модель парной линейной регрессии 44
1.2. Регрессия методом наименьших квадратов 46
1.3. Регрессия методом наименьших квадратов: два примера 49
1.4. Регрессия методом наименьших квадратов с одной независимой переменной 52
1.5. Два разложения для зависимой переменной 55
1.6. Интерпретация уравнения регрессии 56
1.7. Качество оценивания: коэффициент R2 61
2. Свойства коэффициентов регрессии и проверка гипотез 68
2.1. Типы данных и регрессионная модель 68
2.2. Предпосылки регрессионной модели с нестохастическими регрессорами 70
2.3. Случайные составляющие коэффициентов регрессии 73
2.4. Эксперимент Монте-Карло 77
2.5. Несмещенность коэффициентов регрессии 81
2.6. Точность коэффициентов регрессии 84
2.7. Теорема Гаусса-Маркова 92
2.8. Проверка гипотез, относящихся к коэффициентам регрессии 95
2.9. Доверительные интервалы 108
2.10. Односторонние t-критерии 111
2.11. F-критерий для проверки качества оценивания 116
2.12. Взаимосвязь между F-критерием общего качества регрессии и t-критерием для коэффициента наклона в парном регрессионном анализе 118
3. Множественный регрессионный анализ 121
3.1. Иллюстрация: модель с двумя объясняющими переменными 121
3.2. Вывод и интерпретация коэффициентов множественной регрессии 124
3.3. Свойства коэффициентов множественной регрессии 129
3.4. Мультиколлинеарность 135
3.5. Качество оценивания: коэффициент R2 146
4. Преобразования переменных 156
4.1. Простейшая процедура 156
4.2. Логарифмические преобразования 160
4.3. Случайный член 168
4.4. Нелинейная регрессия 170
4.5. Сравнение линейной и логарифмической моделей 172
5. Фиктивные переменные 176
5.1. Пример использования фиктивной переменной 176
5.2. Обобщение для фиктивных переменных более чем двух категорий и их нескольких наборов 182
5.3. Фиктивные переменные для коэффициента наклона 193
5.4. Тест Чоу 197
6. Спецификация переменных регрессии: предварительное рассмотрение 203
6.1. Спецификация модели 203
6.2. Влияние отсутствия в уравнении переменной, которая должна быть в него включена 204
6.3. Влияние наличия в модели переменной, которая не должна быть в нее включена 213
6.4. Замещающие переменные 216
6.5. Проверка линейного ограничения 221
6.6. Как извлечь максимум информации из анализа остатков 227
7. Гетероскедастичность 229
7.1. Гетероскедастичность и ее последствия 229
7.2. Обнаружение гетероскедастичности 234
7.3. Что можно сделать в случае гетероскедастичности? 238
8. Стохастические объясняющие переменные и ошибки измерения 246
8.1. Допущения моделей со стохастическими объясняющими переменными 246
8.2. Свойства оценок коэффициентов регрессии по МНК в случае конечной выборки 248
8.3. Асимптотические свойства оценок регрессии по МНК 250
8.4. Последствия ошибок измерения 252
8.5. Критика М. Фридменом стандартной функции потребления 260
8.6. Инструментальные переменные 265
9. Оценивание систем одновременных уравнений 275
9.1. Модели в виде одновременных уравнений: структурная и приведенная форма уравнений 275
9.2. Смещение оценок в системах одновременных уравнений 277
9.3. Оценивание с помощью инструментальных переменных 282
10. Модели двоичного выбора, модели с ограничениями для зависимой переменной и оценивание методом максимального правдоподобия 297
10.1. Линейная вероятностная модель 297
10.2. Логит-анализ 301
10.3. Пробит-анализ 306
10.4. Цензурированию регрессии: тобит-анализ 309
10.5. Смещение при построении выборки 314
10.6. Оценивание методом максимального правдоподобия (введение) 319
11. Моделирование по данным временных рядов 329
11.1. Статические модели 330
11.2. Динамические модели 333
11.3. Модель адаптивных ожиданий 336
11.4. Модель частичной корректировки 344
11.5. Предсказание 348
11.6. Тесты на устойчивость 354
12. Свойства регрессионных моделей с временными рядами 357
12.1. Допущения для регрессионных моделей с временными рядами 357
12.2. Допущение о независимости случайного члена и регрессоров 358
12.3. Определение и выявление автокорреляции 360
12.4. Что можно сделать для устранения автокорреляции? 366
12.5. Автокорреляция с лаговой зависимой переменной 370
12.6. Тест на общий множитель 372
12.7. Кажущаяся автокорреляция 378
12.8. Спецификация модели: от частного к общему или от общего к частному? 381
13. Нестационарные временные ряды: введение 388
13.1. Стационарность и нестационарность 388
13.2. Последствия нестационарности 394
13.3. Обнаружение нестационарности 398
13.4. Коинтеграция 405
13.5. Оценивание моделей с нестационарными временными рядами 410
13.6. Заключение 413
14. Модели с панельными данными: введение 415
14.1. Введение 415
14.2. Регрессионные модели с фиксированным эффектом 419
14.3. Регрессии со случайным эффектом 423
Приложение А: Статистические таблицы 431
Приложение В: Наборы данных 444
Библиография 455
Именной указатель 458
Предметный указатель 459.

3-е изд. - М. : 2009. - 465с. М. : 1999. - 416с.

Книга Кристофера Доугерти - один из самых популярных на Западе вводных учебников эконометрики для студентов-экономистов. Курс эконометрики занимает важное место в современных программах экономических вузов во всем мире наряду с такими предметами, как микроэкономика, макроэкономика, финансовый анализ. Эконометрические методы необходимо знать и ученому, и преподавателю, и практику. Без них нельзя построить сколько-нибудь надежного прогноза, а значит, под вопросом и успех в банковском деле, финансах, бизнесе.

Популярный учебник по эконометрике издается в России впервые. Актуальность его появления на российском книжном рынке связана с острым дефицитом книг по эконометрике. Книгу отличает доступность изложения и вместе с тем высокий научный уровень освещения основных современных идей и методов эконометрики.

Книга может быть рекомендована в качестве базового учебника для студентов экономических специальностей, изучающих курс эконометрики. Ее можно также рекомендовать для самостоятельного ознакомления с этой дисциплиной. Работа может оказаться весьма полезной и при решении широкого круга прикладных проблем, с которыми читатель сталкивается в практической работе.

Формат: pdf (2009, 465с.)

Размер: 64,3 Мб

Скачать: drive.google

Формат: pdf (1999, 416с.)

Размер: 13,3 Мб

Скачать: yandex.disk

СОДЕРЖАНИЕ
От научного редактора перевода V
Предисловие VIII
Обзор: случайные переменные, выборки и оценки 3
0.1. Введение 3
0.2. Дискретная случайная переменная и математическое ожидание 4
0.3. Непрерывные случайные переменные 11
0.4. Теоретическая ковариация, правила для дисперсии и ковариации, корреляция 16
0.5. Выборки и способы оценивания 19
0.6. Несмещенность и эффективность 23
0.7. Оценки дисперсии, ковариации и корреляции 29
0.8. Асимптотические свойства оценок 30
1. Парный регрессионный анализ 44
1.1. Модель парной линейной регрессии 44
1.2. Регрессия методом наименьших квадратов 46
1.3. Регрессия методом наименьших квадратов: два примера 49
1.4. Регрессия методом наименьших квадратов с одной независимой переменной 52
1.5. Два разложения для зависимой переменной 55
1.6. Интерпретация уравнения регрессии 56
1.7. Качество оценивания: коэффициент R2 61
2. Свойства коэффициентов регрессии и проверка гипотез 68
2.1. Типы данных и регрессионная модель 68
2.2. Предпосылки регрессионной модели с нестохастическими регрессорами 70
2.3. Случайные составляющие коэффициентов регрессии 73
2.4. Эксперимент Монте-Карло 77
2.5. Несмещенность коэффициентов регрессии 81
2.6. Точность коэффициентов регрессии 84
2.7. Теорема Гаусса-Маркова 92
2.8. Проверка гипотез, относящихся к коэффициентам регрессии 95
2.9. Доверительные интервалы 108
2.10. Односторонние/-критерии 111
2.11. ^-критерий для проверки качества оценивания 116
2.12. Взаимосвязь между F-критерием общего качества регрессии и /-критерием для коэффициента наклона в парном регрессионном анализе 118
3. Множественный регрессионный анализ 121
3.1. Иллюстрация: модель с двумя объясняющими переменными 121
3.2. Вывод и интерпретация коэффициентов множественной регрессии 124
3.3. Свойства коэффициентов множественной регрессии 129
3.4. Мультиколлинеарность 135
3.5. Качество оценивания: коэффициент R2 146
4. Преобразования переменных 156
4.1. Простейшая процедура 156
4.2. Логарифмические преобразования 160
4.3. Случайный член 168
4.4. Нелинейная регрессия 170
4.5. Сравнение линейной и логарифмической моделей 172
5. Фиктивные переменные 176
5.1. Пример использования фиктивной переменной 176
5.2. Обобщение для фиктивных переменных более чем двух категорий и их нескольких наборов 182
5.3. Фиктивные переменные для коэффициента наклона 193
5.4. Тест Чоу 197
6. Спецификация переменных регрессии: предварительное рассмотрение 203
6.1. Спецификация модели 203
6.2. Влияние отсутствия в уравнении переменной, которая должна быть в него включена 204
6.3. Влияние наличия в модели переменной, которая не должна быть в нее включена 213
6.4. Замещающие переменные 216
6.5. Проверка линейного ограничения 221
6.6. Как извлечь максимум информации из анализа остатков 227
7. Гетероскедастичность 229
7.1. Гетероскедастичность и ее последствия 229
7.2. Обнаружение гетероскедастичности 234
7.3. Что можно сделать в случае гетероскедастичности? 238
8. Стохастические объясняющие переменные и ошибки измерения 246
8.1. Допущения моделей со стохастическими объясняющими переменными 246
8.2. Свойства оценок коэффициентов регрессии по МНК в случае конечной выборки 248
8.3. Асимптотические свойства оценок регрессии по МНК 250
8.4. Последствия ошибок измерения 252
8.5. Критика М. Фридменом стандартной функции потребления 260
8.6. Инструментальные переменные 265
9. Оценивание систем одновременных уравнений 275
9.1. Модели в виде одновременных уравнений: структурная и приведенная форма уравнений 275
9.2. Смещение оценок в системах одновременных уравнений 277
9.3. Оценивание с помощью инструментальных переменных 282
10. Модели двоичного выбора, модели с ограничениями для зависимой переменной и оценивание методом максимального правдоподобия 297
10.1. Линейная вероятностная модель 297
10.2. Логит-анализ 301
10.3. Пробит-анализ 306
10.4. Цензурированию регрессии: тобит-анализ 309
10.5. Смещение при построении выборки 314
10.6. Оценивание методом максимального правдоподобия (введение) 319
11. Моделирование по данным временных рядов 329
11.1. Статические модели 330
11.2. Динамические модели 333
11.3. Модель адаптивных ожиданий 336
11.4. Модель частичной корректировки 344
11.5. Предсказание 348
11.6. Тесты на устойчивость 354
12. Свойства регрессионных моделей с временными рядами 357
12.1. Допущения для регрессионных моделей с временными рядами 357
12.2. Допущение о независимости случайного члена и регрессоров 358
12.3. Определение и выявление автокорреляции 360
12.4. Что можно сделать для устранения автокорреляции? 366
12.5. Автокорреляция с лаговой зависимой переменной 370
12.6. Тест на общий множитель 372
12.7. Кажущаяся автокорреляция 378
12.8. Спецификация модели: от частного к общему или от общего к частному? 381
13. Нестационарные временные ряды: введение 388
13.1. Стационарность и нестационарность 388
13.2. Последствия нестационарности 394
13.3. Обнаружение нестационарности 398
13.4. Коинтеграция 405
13.5. Оценивание моделей с нестационарными временными рядами 410
13.6. Заключение 413
14. Модели с панельными данными: введение 415
14.1. Введение 415
14.2. Регрессионные модели с фиксированным эффектом 419
14.3. Регрессии со случайным эффектом 423
Приложение А: Статистические таблицы 431
Приложение В: Наборы данных 444
Библиография 455
Именной указатель 458
Предметный указатель 459

Книга Кристофера Доугерти «Введение в эконометрику» хорошо знакома российскому читателю. Перевод ее первого издания был опубликован в 1997 г., второго - в 2004 г. За прошедшие годы эта книга сыграла неоценимую роль в развитии преподавания вводного курса эконометрики в российских вузах. Если десять лет назад введение такого курса для студентов широкого круга экономических специальностей еще только предстояло, то сейчас эта задача решается и, можно считать, - в значительной мере решена. Базовым учебником на уровне бакалавриата по экономике обычно служит книга К. Доугерти (на уровне магистратуры и специализированных программ столь же значимую роль сыграл учебник Я. Магнуса, П.К. Катышева и А.А. Пересецкого).
Эта книга - учебник для вводного годичного курса эконометрики на уровне бакалавриата. Она призвана удовлетворить спрос на учебную литературу, вызванный изменением характерного типа студента, изучающего эконометрику. Раньше курс эконометрики для магистров экономики чаще всего был факультативным, но теперь он обычно является обязательным. Это связано с рядом обстоятельств. Возможно, наиболее важное из них - растущее понимание того, что познание эмпирических методов исследования - не только желательная, но и необходимая часть начальной подготовки экономиста. Для этого недостаточно ограничиваться курсом прикладной статистики. Без сомнения, это соображение было подкреплено тем фактом, что курсы эконометрики на уровне магистра стали намного более сложными, в результате чего слабость эконометрической подготовки бакалавров стала препятствием для поступления на магистерские и докторские программы в ведущих университетах. Сыграл свою роль и «фактор предложения», связанный с развитием образования. Волна, которая подняла эконометрику к высокому положению в обучении экономистов, идет вслед за другой волной, поднявшей значение математики и статистики. Без этого обучение количественным методам анализа и включение эконометрики в ядро программы для экономистов было бы невозможным.
В результате происшедших изменений студенты, изучающие курс эконометрики, существенно различаются по своим возможностям по сравнению со студентами прошлых лет. Они больше не составляют элитное меньшинство математиков - профессионалов высокого полета. Типичный современный студент, специализирующийся в области экономики, уже изучил основы математического анализа и статистики, но не прослушал их на продвинутых курсах. Демократизация эконометрики создала спрос на более широкий спектр учебников, чем прежде, особенно для начинающих - массовой студенческой аудитории. Будущие математики-профессионалы уже много лет пользуются рядом продвинутых учебников. Более широкая аудитория - начинающие экономисты-эконометристы - обеспечена литературой гораздо хуже. Новое издание нашей книги по-прежнему в основном адресовано ей.
Основные изменения в этом издании по сравнению с предыдущим можно свести к следующему: добавление главы о моделях с панельными данными, более детальное рассмотрение предпосылок регрессионных моделей, изменение обозначений для оценок коэффициентов регрессии, обновление основных наборов данных и расширение главы «Обзор» о статистике.

Жанр: Экономика

Издательство: «ИНФРА-М»

Формат: DjVu

Качество: Отсканированные страницы

Количество страниц: 465 (54)

Описание: Книга «Введение в эконометрику» - учебник для вводного годичного курса эконометрики на уровне бакалавриата. Она призвана удовлетворить спрос на учебную литературу, вызванный изменением характерного типа студента, изучающего эконометрику. Раньше курс эконометрики для магистров экономики чаще всего был факультативным, но теперь он обычно является обязательным. Это связано с рядом обстоятельств. Возможно, наиболее важное из них - растущее понимание того, что познание эмпирических методов исследования - не только желательная, но и необходимая часть начальной подготовки экономиста. Для этого недостаточно ограничиваться курсом прикладной статистики. Без сомнения, это соображение было подкреплено тем фактом, что курсы эконометрики на уровне магистра стали намного более сложными, в результате чего слабость эконометрической подготовки бакалавров стала препятствием для поступления на магистерские и докторские программы в ведущих университетах. Сыграл свою роль и «фактор предложения», связанный с развитием образования. Волна, которая подняла эконометрику к высокому положению в обучении экономистов, идет вслед задругой волной, поднявшей значение математики и статистики. Без этого обучение количественным методам анализа и включение эконометрики в ядро программы для экономистов было бы невозможным.
В результате происшедших изменений студенты, изучающие курс эконометрики, существенно различаются по своим возможностям по сравнению со студентами прошлых лет. Они больше не составляют элитное меньшинство математиков - профессионалов высокого полета. Типичный современный студент, специализирующийся в области экономики, уже изучил основы математического анализа и статистики, но не прослушал их на продвинутых курсах. Демократизация эконометрики создала спрос на более широкий спектр учебников, чем прежде, особенно для начинающих - массовой студенческой аудитории. Будущие математики-профессионалы уже много лет пользуются рядом продвинутых учебников. Более широкая аудитория - начинающие экономисты-эконометристы - обеспечена литературой гораздо хуже. Новое издание нашей книги по-прежнему в основном адресовано ей.
Цель книги «Введение в эконометрику» - обеспечить материал для изучения годового курса на таком уровне изложения, который позволил бы студенту продолжить изучение данного предмета в магистратуре. Эта задача достаточно амбициозна - она в основном касается изложения теоретических положений и доказательств, с учетом ограничений, которые диктуют особенности целевой аудитории, то есть без использования аппарата матричной алгебры.
Я особенно заботился о том, чтобы не перегрузить студента информацией. Я также надеюсь, что материал книги будет по-прежнему легко доступен и что в течение года студенты уверенно освоят ее содержание. По этой же причине математические требования к студентам были сведены к минимуму. Практически у каждого читателя есть свой предел скорости, с которой он может усваивать формальные математические выкладки. Если этот предел превышен, то студенту приходится тратить гораздо больше интеллектуальных усилий на техническую сторону вопроса вместо того, чтобы вникать в его содержание. А это наносит вред общему пониманию предмета.
Акцент в учебнике «Введение в эконометрику» делается на теорию. В него включено также достаточное число практических упражнений в форме оценивания регрессионных зависимостей с использованием компьютерных программ. В частности, данные перекрестных выборок для оценивания функций охвата обучением и функций заработка дают возможность выполнить около 50 упражнений по первым десяти главам книги. Студенты начинают с простой модели и постепенно, по мере расширения своих знаний в области эконометрической теории, доводят ее до вполне продвинутой. Я надеюсь, что видение того, как улучшаются регрессионные зависимости, повышает мотивацию студентов и поддерживает их интерес. Набор данных временных рядов для оценивания функций спроса, по которому даются 15 упражнений в оставшихся главах, дает хороший опыт в различных областях, представленных в этих главах. Дополнительные наборы данных предназначены для некоторых специальных приложений.