Эконометрия - Суслов В. И. - Учебник

Описание: Учебник «Эконометрия» 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 «Эконометрия-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».
Эконометрия связывает экономическую теорию, прикладные экономические исследования и практику. Благодаря эконометрии осуществляется обмен информацией между этими взаимодополняющими областями, происходит взаимное обогащение и взаимное развитие теории и практики.
Эконометрия дает методы экономических измерений, а также методы оценки параметров моделей микро- и макроэкономики. При этом экономические теории выражаются в виде математических соотношений, а затем проверяются эмпирически статистическими методами. Кроме того, эконометрия активно используется для прогнозирования экономических процессов и позволяет проводить планирование как в масштабах экономики в целом, так и на уровне отдельных предприятий.
В экономике (как и в большинстве других научных дисциплин) не существует и не может существовать абсолютно точных утверждений. Любое эмпирическое утверждение имеет вероятностную природу. В частности, экономические измерения содержат различного рода ошибки. Таким образом, в прикладных экономических исследованиях требуется использовать статистические методы.
Методы эконометрии, позволяющие проводить эмпирическую проверку теоретических утверждений и моделей, выступают мощным инструментом развития самой экономической теории. С их помощью отвергаются одни теоретические концепции и принимаются другие гипотезы. Теоретик, не привлекающий эмпирический материал для проверки своих гипотез и не использующий для этого эконометрические методы, рискует оказаться в мире своих фантазий. Важно, что эконометриче-ские методы одновременно позволяют оценить ошибки измерений экономических величин и параметров моделей.
Экономист, не владеющий методами эконометрии, не может эффективно работать аналитиком. Менеджер, не понимающий значение этих методов, обречен на принятие ошибочных решений.
Эта книга адресована студентам, магистрантам и аспирантам экономических факультетов классических университетов. Она соответствует требованиям государственного образовательного стандарта по дисциплине «Эконометрика». Кроме того, издание будет полезно преподавателям эконометрии, исследователям, работающим в области прикладной экономики, специалистам по бизнес-планированию и финансовым аналитикам.
Учебник «Эконометрия» предполагает определенный уровень базовой математической подготовки читателя, владение им основами линейной алгебры, математического анализа, теории вероятностей и математической статистики в объеме курсов для нематематических специальностей вузов. Некоторые наиболее важные сведения из этих разделов высшей математики приведены в приложении к учебнику.
Необходимость в создании учебника по эконометрии вызвана отсутствием отечественного варианта, который бы охватывал все основополагающие позиции современной эконометрической науки. Появившиеся в последние годы учебные издания лишь частично покрывают программу курса, читаемого на экономическом факультете Новосибирского государственного университета. В частности, эти учебники, посвященные в основном регрессионному анализу, не уделяют достаточного внимания теории временных рядов. При создании настоящего учебника авторы стремились систематизировать и объединить в рамках одного источника различные разделы экономической статистики и эконометрии.
Структура учебника примерно соответствует учебному плану экономического факультета НГУ. Соответственно, он состоит из четырех частей: «Введение в социально-экономическую статистику», «Эконометрия-I: регрессионный анализ», «Эконометрия-I: анализ временных рядов», «Эконометрия-II». Каждая часть покрывает семестровый курс. Соответствующие разделы читаются в качестве обязательной дисциплины во втором, четвертом и пятом семестрах бакалавриата и в первом семестре магистратуры. Полный курс эконометрии на ЭФ НГУ (включая «Введение в социально-экономическую статистику») рассчитан на 152 часа аудиторных занятий (45% лекций, 55% семинарских занятий).
В первой части «Введение в социально-экономическую статистику» представлен материал, который более глубоко раскрывается в других частях учебника. В данной части рассмотрены особенности экономических величин, изложены проблемы экономических измерений, приводится обсуждение основных описательных статистик, рассмотрен индексный анализ, дан обзор основ анализа связей.
Вторая часть посвящена классическому регрессионному анализу. Здесь рассматривается методнаименьших квадратов в разных вариантах (включая ортогональную регрессию), приведена основная модель линейной регрессии, излагаются методы оценки параметров регрессии в случаях, когда нарушаются требования основной модели (мультиколлинеарность, автокорреляция и гетероскеда-стичность, наличие ошибок в переменных), рассматриваются способы включения в регрессионное уравнение качественных переменных как для факторов (фиктивные или псевдопеременные), так и для зависимой переменной (модели логит и пробит). Большое внимание уделяется применению основных критериев проверки статистических гипотез в регрессионном анализе (тестированию): критерии Стьюдента, Фишера и Дарбина—Уотсона. Завершается вторая часть изложением некоторых проблем и методов оценки параметров одновременных систем уравнений. Особенность этого раздела учебника состоит в использовании матричного подхода, позволяющего достичь общности и лаконичности изложения материала.
Третья часть посвящена анализу временных рядов. В ней рассматривается как классический инструментарий — выделение трендов, спектральный и гармонический анализ, модели Бокса—Дженкинса, так и более современные методы — динамическая регрессия, ARCH- и GARCH-процессы, единичные корни и коинтеграция, которые недостаточно освещены в отечественной литературе. Классические методы излагаются исходя из стремления дать математическое обоснование множеству утверждений, которые в существующих учебниках просто констатируются, что существенно затрудняет восприятие материала.
Заключительная четвертая часть содержит разделы, в большинстве своем не известные русскоязычному читателю, однако без их знания практически невозможно проведение качественного эконометрического исследования. Это классические критерии проверки гипотез, методмаксимального правдоподобия, дисперсионный анализ, основы байесовских методов, модели с качественными зависимыми переменными и более сложные разделы анализа временных рядов, в частности, векторная авторегрессия и подход Йохансена к анализу коинтеграционных связей.
Учебник содержит большое количество задач и упражнений. Кроме того, в каждой главе приведен список литературы, которая может быть использована в качестве дополнения к материалу главы.
Подготовка ученика «Эконометрия» осуществлялась при финансовой и методической поддержке программ TEMPUS (TACIS) JEP 08508—94: «Перестройка и совершенствование подготовки экономистов в НГУ» (1994—1997гг.) и «Совершенствование преподавания социально-экономических дисциплин в вузах» в рамках «Инновационного проекта развития образования (2002—2004гг.)».
В списке литературы после каждой главы звездочкой отмечены основные источники.
Авторский коллектив благодарит всех, кто помогал в работе над учебником.

---

Введение в социально-экономическую статистику

Эконометрия — Регрессионный анализ

• 9.2.1. Линейная модель вероятности, логит и пробит
• 9.2.2. Оценивание моделей с биномиальной зависимой переменной
• 9.2.3. Интерпретация результатов оценивания моделей с биномиальной зависимой переменной

Эконометрия — Анализ временных рядов

• 11.4.1. Тренды
• 11.4.2. Оценка логистической функции
• 11.4.3. Сезонные колебания
• 11.4.4. Аномальные наблюдения

11.5. Прогнозы порегрессии с детерминированными факторами
11.6. Критерии, используемые в анализе временных рядов

• 11.6.1. Критерии, основанные на автокорреляционной функции
• 11.6.2. Критерий Спирмена
• 11.6.3. Сравнение средних
• 11.6.4. Постоянство дисперсии

11.7. Лаговый оператор
11.8. Модели регрессии с распределенным лагом
11.9 .Условные распределения
11.10. Оптимальное в среднеквадратическом смысле прогнозирование: общая теория

• 11.10.1. Условное математическое ожидание как оптимальный прогноз
• 11.10.2. Оптимальное линейное прогнозирование
• 11.10.3. Линейное прогнозирование стационарного временного ряда
• 11.10.4. Прогнозирование по полной предыстории. Разложение Вольда

11.11. Упражнения и задачи
Сглаживание временного ряда

• 12.1. Метод скользящих средних
• 12.2. Экспоненциальное сглаживание
• 12.3. Упражнения и задачи

Спектральный и гармонический анализ

• 13.1. Ортогональность тригонометрических функций и преобразование Фурье
• 13.2. Теорема Парсеваля
• 13.3. Спектральный анализ
• 13.4. Связь выборочного спектра с автоковариационной функцией
• 13.5. Оценка функции спектральной плотности

Линейные стохастические модели ARIMA

• 14.1. Модель линейного фильтра
• 14.2. Влияние линейной фильтрации на автоковариации и спектральную плотность
• 14.3. Процессы авторегрессии
• 14.4.Процессыскользящегосреднего
• 14.5. Смешанные процессы авторегрессии — скользящего среднего
• 14.6. Модель ARIMA
• 14.7. Оценивание, распознавание и диагностика модели Бокса—Дженкинса
• 14.8. Прогнозирование по модели Бокса—Дженкинса
• 14.9. Модели содержащие стохастический тренд

Динамические модели регрессии

• 15.1. Модель распределенного лага: общие характеристики и специальные формы структур лага
• 15.2. Авторегрессионная модель с распределенным лагом
• 15.3. Модели частичного приспособления, адаптивных ожиданий и исправления ошибок

Модели с авторегрессионной условной гетероскедастичностью
16.1. Модель ARCH
16.2. Модель GARCH
16.3. Прогнозы и доверительные интервалы для модели GARCH
16.4. Разновидности моделей ARCH

• 16.4.1. Функциональная форма динамики условной дисперсии
• 16.4.2. Отказ от нормальности
• 16.4.3. GARCH-M
• 16.4.4. Стохастическаяволатильность
• 16.4.5. ARCH -процессы с долгосрочной памятью
• 16.4.6. Многомерные модели волатильности

Эконометрия — II

• 18.2.1. Тест Годфрея (на автокорреляцию ошибок)
• 18.2.2. Тест RESET Рамсея (Ramsey RESET test) на функциональную форму уравнения
• 18.2.3. Тест Чоу (Chow-test) на постоянство модели

18.3. Метод максимального правдоподобия в эконометрии

• 18.3.1. Оценки максимального правдоподобия
• 18.3.2. Оценки максимального правдоподобия для модели линейной регрессии
• 18.3.3. Три классических теста для метода максимального правдоподобия
• 18.3.4. Сопоставление классическихтестов

Байесовская регрессия

• 19.1. Оценка параметров байесовской регрессии
• 19.2. Объединение двух выборок

Дисперсионный анализ

• 20.1. Дисперсионный анализ без повторений
• 20.2. Дисперсионный анализ с повторениями

Модели с качественными зависимыми переменными
21.1. Модель дискретного выбора для двух альтернатив
21.2. Оценивание модели с биномиальной зависимой переменной методом максимального правдоподобия

• 21.2.1. Регрессия с упорядоченной зависимой переменной
• 21.2.2. Мультиномиальный логит
• 21.2.3. Моделирование зависимости от посторонних альтернатив в мультиномиальных моделях

Эффективные оценки параметров модели ARMA

• 22.1. Оценки параметров модели AR(1)
• 22.2. Оценка параметров модели MA(1)
• 22.3. Оценки параметров модели ARMA(p, q)

Векторные авторегрессии

• 23.1. Векторная авторегрессия: формулировка и идентификация
• 23.2. Стационарность векторной авторегрессии
• 23.3. Анализ реакции на импульсы
• 23.4. Прогнозирование с помощью векторной авторегрессии
• 23.5. Причинность по Грейнджеру
• 23.6. Коинтеграция в векторной авторегрессии
• 23.7. Метод Йохансена
• 23.8. Коинтеграция и общие тренды

---

 скачать учебник: Эконометрия - Суслов В.И. (3.32 Мбайт)

---