Эконометрия, Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А., 2005

Эконометрия, Суслов В.И., Ибрагимов Н.М., Талышева Л.П., Цыплаков А.А., 2005.
   Рекомендовано УМО по классическому университетскому образованию в качестве учебника для студентов ВУЗов, обучающихся по направлению "Экономика".
Данный учебник написан на основе курсов, читаемых на экономическом факультете Новосибирского государственного университета. При создании учебника авторы стремились систематизировать и объединить в единое целое в рамках одного источника различные разделы экономической статистики и эконометрии. Учебник включает: введение в социально-экономическую статистику, регрессионный анализ, анализ временных рядов и особые разделы эконометрии для магистратуры. Учебное издание содержит большое количество задач и упражнений. Оно соответствует требованиям государственного образовательного стандарта.
Книга адресована студентам экономических факультетов классических университетов. Кроме того, она будет полезна преподавателям эконометрии, исследователям, работающим в области прикладной экономики, специалистам по бизнес-планированию и финансовым аналитикам.
Данный учебник написан на основе курсов, читаемых на экономическом факультете Новосибирского государственного университета. С середины 1980-х годов читался спецкурс, в котором излагались основы классической эконометрии, относящиеся к регрессионному анализу. В это же время в рамках «Общей теории статистики» достаточно развернуто начал изучаться материал анализа временных рядов. На базе этих дисциплин в начале 1990-х годов был создан единый курс «Эконометрия», который, постоянно совершенствуясь, читается как обязательный до настоящего времени. Во второй половине 1990-х годов был разработан и введен в практику преподавания обязательный курс «Экономстрия-II» для магистрантов. В конце 1990-х годов на экономическом факультете был восстановлен — на принципиально новом уровне — курс «Общая теория статистики», дающий начальное представление об эмпирических исследованиях.
Эконометрия (другой вариант термина в русском языке — эконометрика) — это инструментальная наука, позволяющая изучать количественные взаимосвязи экономических объектов и процессов с помощью математических и статистических методов и моделей. Дословно этот термин означает «экономическое измерение».
Оглавление
Введение 11
I Введение в социально-экономическую статистику 15
1. Основные понятия 17
1.1. Краткая историческая справка 17
1.2. Предмет статистики 18
1.3. Экономические величины и статистические показатели 20
1.4. Вероятностная природа экономических величин 22
1.5. Проблемы измерений 24
1.6. Специфика экономических измерений 27
1.7. Адекватность экономических измерений 29
1.8. Типы величин, связи между ними 32
1.9. Статистические совокупности и группировки 36
1.10.Задачи 45
2. Описательная статистика 48
2.1. Распределение частот количественного признака 48
2.2. Средние величины 53
2.3. Медиана, мода, квантили 66
2.4. Моменты и другие характеристики распределения 70
2.5. Упражнения и задачи 83
3. Индексный анализ 89
3.1. Основные проблемы 89
3.2. Способы построения индексов 93
3.3. Факторные представления приростных величин 100
3.4. Случай, когда относительных факторов более одного 104
3.5. Индексы в непрерывном времени 106
3.6. Прикладные следствия из анализа индексов в непрерывном времени 116
3.7. Факторные представления приростов в непрерывном времени 123
3.8. Задачи 123
4. Введение в анализ связей 129
4.1. Совместные распределения частот количественных признаков 129
4.2. Регрессионный анализ 141
4.3. Дисперсионный анализ 160
4.4. Анализ временных рядов 167
4.5. Упражнения и задачи 172
II Эконометрия — I:
Регрессионный анализ 179
5. Случайные ошибки 182
5.1. Первичные измерения 183
5.2. Производные измерения 192
5.3. Упражнения и задачи 194
6. Алгебра линейной регрессии 199
6.1. Линейная регрессия 199
6.2. Простая регрессия 201
6.3. Ортогональная регрессия 205
6.4. Многообразие оценок регрессии 210
6.5. Упражнения и задачи 216
7. Основная модель линейной регрессии 222
7.1. Различные формы уравнения регрессии 222
7.2. Основные гипотезы, свойства оценок 226
7.3. Независимые факторы: спецификация модели 234
7.4. Прогнозирование 244
7.5. Упражнения и задачи 247
8. Нарушение гипотез основной линейной модели 257
8.1. Обобщенный метод наименьших квадратов (взвешенная регрессия) 257
8.2. Гетероскедастичность ошибок 258
8.3. Автокорреляция ошибок 265
8.4. Ошибки измерения факторов 270
8.5. Метод инструментальных переменных 273
8.6. Упражнения и задачи 278
9. Целочисленные переменные в регрессии 289
9.1. Фиктивные переменные 289
9.2. Модели с биномиальной зависимой переменной 295
9.2.1. Линейная модель вероятности, логит и пробит 296
9.2.2. Оценивание моделей с биномиальной зависимой переменной 298
9.2.3. Интерпретация результатов оценивания моделей с биномиальной зависимой переменной 302
9.3. Упражнения и задачи 304
10.Оценка параметров систем уравнений 314
10.1.Невзаимозависимые системы 314
10.2. Взаимозависимые или одновременные уравнения 318
10.3.Оценка параметров отдельного уравнения 324
10.4. Оценка параметров системы идентифицированных уравнений 331
10.5.Упражнения и задачи 334
III Эконометрия — I:
Анализ временных рядов 345
11.Основные понятияванализе временных рядов 347
11.1.Введение 347
11.2.Стационарность, автоковариации и автокорреляции 351
11.3.Основные описательные статистики для временных рядов 353
11.4.Использование линейной регрессии с детерминированными факторами для моделирования временного ряда 356
11.4.1. Тренды 356
11.4.2. Оценка логистической функции 358
11.4.3. Сезонные колебания 359
11.4.4. Аномальные наблюдения 360
11.5.Прогнозы по регрессии с детерминированными факторами 361
11.6.Критерии, используемые в анализе временных рядов 365
11.6.1. Критерии, основанные на автокорреляционной функции 366
11.6.2. Критерий Спирмена 369
11.6.3. Сравнение средних 370
11.6.4. Постоянство дисперсии 372
11.7.Лаговый оператор 373
11.8.Модели регрессии с распределенным лагом 375
11.9.Условные распределения 377
11.10.Оптимальное в среднеквадратическом смысле прогнозирование: общая теория 378
11.10.1. Условное математическое ожидание как оптимальный прогноз 378
11.10.2. Оптимальное линейное прогнозирование 380
11.10.3. Линейное прогнозирование стационарного временного ряда 382
11.10.4. Прогнозирование по полной предыстории. Разложение Вольда 385
11.11.Упражнения и задачи 388
12.Сглаживание временного ряда 391
12.1.Метод скользящих сред них 391
12.2.Экспоненциальное сглаживание 398
12.3.Упражнения и задачи 402
13.Спектральныйигармонический анализ 406
13.1.Ортогональность тригонометрических функций и преобразование Фурье 406
13.2.Теорема Парсеваля 411
13.3.Спектральный анализ 412
13.4.Связь выборочного спектра с автоковариационной функцией 414
13.5.Оценка функции спектральной плотности 417
13.6.Упражнения и задачи 422
14.Линейные стохастические модели ARIMA 426
14.1.Модель линейного фильтра 426
14.2.Влияние линейной фильтрации на автоковариации и спектральную плотность 429
14.3. Процессы авторегрессии 431
14.4.Процессы скользящего среднего 452
14.5. Смешанные процессы авторегрессии — скользящего среднего 457
14.6.Модель ARIMA 463
14.7.Оценивание, распознавание и диагностика модели Бокса—Дженкинса 466
14.8.Прогнозирование по модели Бокса—Дженкинса 475
14.9.Модели, содержащие стохастический тренд 485
14.10.Упражнения и задачи 490
15.Динамические модели регрессии 500
15.1.Модель распределенного лага: общие характеристики и специальные формы структур лага 500
15.2.Авторегрессионная модель с распределенным лагом 506
15.3. Модели частичного приспособления, адаптивных ожиданий и исправления ошибок 509
15.4.Упражнения и задачи 513
16.Модели с авторегрессионной условной гетероскедастичностью 523
16.1.Модель ARCH 524
16.2.Модель GARCH 527
16.3.Прогнозы и доверительные интервалы для модели GARCH 531
16.4. Разновидности моделей ARCH 535
16.4.1. Функциональная форма динамики условной дисперсии 535
16.4.2. Отказ от нормальности 536
16.4.3. GARCH-M 537
16.4.4. Стохастическая волатильность 537
16.4.5. ARCH-процессы с долгосрочной памятью 538
16.4.6. Многомерные модели волатильности 539
16.5.Упражнения и задачи 540
17.Интегрированные процессы, ложная регрессия и коинтеграция 546
17.1.Стационарность и интегрированные процессы 546
17.2. Разложение Бевериджа—Нельсона для процесса I(1) 550
17.3. Ложная регрессия 551
17.4.Проверка на наличие единичных корней 553
17.5.Коинтеграция. Регрессии с интегрированными переменными 558
17.6. Оценивание коинтеграционной регрессии: подход Энгла—Грейнджера 560
17.7.Коинтеграция и общие тренды 561
17.8.Упражнения и задачи 563
IV Эконометрия—II 567
18.Классические критерии проверки гипотез 569
18.1.Оценка параметров регрессии при линейных ограничениях 569
18.2. Тест на существенность ограничения 572
18.2.1. Тест Годфрея (на автокорреляцию ошибок) 577
18.2.2. Тест RESET Рамсея (Ramsey RESET test) на функциональную форму уравнения 578
18.2.3. Тест Чоу (Chow-test) на постоянство модели 578
18.3.Метод максимального правдоподобия в эконометрии 582
18.3.1. Оценки максимального правдоподобия 582
18.3.2. Оценки максимального правдоподобия для модели линейной регрессии 584
18.3.3. Три классических теста для метода максимального правдоподобия 587
18.3.4. Сопоставление классических тестов 592
18.4.Упражнения и задачи 593
19.Байесовская регрессия 601
19.1.Оценка параметров байесовской регрессии 603
19.2.Объединение двух выборок 606
19.3.Упражнения и задачи 607
20. Дисперсионный анализ 611
20.1. Дисперсионный анализ без повторений 612
20.2. Дисперсионный анализ с повторениями 618
20.3. Упражнения и задачи 621
21.Моделискачественными зависимыми переменными 625
21.1.Модель дискретного выбора для двух альтернатив 625
21.2. Оценивание модели с биномиальной зависимой переменной методом максимального правдоподобия 627
21.2.1. Регрессия с упорядоченной зависимой переменной 630
21.2.2. Мультиномиальный логит 631
21.2.3. Моделирование зависимости от посторонних альтернатив в мультиномиальных моделях 633
21.3.Упражнения и задачи 635
22.Эффективные оценки параметров модели ARMA 644
22.1. Оценки параметров модели AR(1) 644
22.2. Оценка параметров модели MA(1) 647
22.3. Оценки параметров модели ARMA(p, q) 651
22.4. Упражнения и задачи 652
23.Векторные авторегрессии 654
23.1. Векторная авторегрессия: формулировка и идентификация 654
23.2. Стационарность векторной авторегрессии 658
23.3. Анализ реакции на импульсы 660
23.4. Прогнозирование с помощью векторной авторегрессии 662
23.5. Причинность по Грейнджеру 665
23.6. Коинтеграция в векторной авторегрессии 666
23.7. Метод Йохансена 668
23.8.Коинтеграция и общие тренды 674
23.9. Упражнения и задачи 676
A. Вспомогательные сведенияизвысшей математики 691
A.1. Матричная алгебра 691
A.1.1. Определения 691
A.1.2. Свойства матриц 694
A.2. Матричное дифференцирование 700
A.2.1. Определения 700
A.2.2. Свойства 701
A.3. Сведения из теории вероятностей и математической статистики 703
A.3.1. Характеристики случайных величин 703
A.3.2. Распределения, связанные с нормальным 709
A.3.3. Проверка гипотез 712
A.4. Линейные конечно-разностные уравнения 714
A.4.1. Решение однородного конечно-разностного уравнения 714
A.5. Комплексные числа 715
B. Статистические таблицы 717