English version

• polskie
podział tematyczny
 
• anglojęzyczne
podział tematyczny
 
Newsletter:

• Zamów informacje o nowościach z wybranego tematu
 
Informacje:

• o księgarni

• koszty wysyłki

• kontakt

• Cookies na stronie

Jeśli chcesz wiedzieć:

• Jak bardzo zmiana stóp procentowych wpłynie na kurs waluty?
• O ile więcej osób będzie wybierać transport publiczny, gdy ceny paliwa wzrosną?
• Jak bardzo ceny mieszkań zależą od perspektyw lokalnego rynku pracy?

zapoznaj się z treścią niniejszej książki.

Wprowadzi Cię ona w tę trudną i fascynującą dziedzinę wiedzy. Ekonometria jest nauką, która pokazuje, jak używać analizy danych w celu lepszego zrozumienia problemów ekonomicznych.

Pozwala w dyskusjach ekonomicznych opierać się na faktach i logicznych wnioskach.

We "Wprowadzeniu do ekonometrii" G. Koop w przystępny i kompleksowy sposób omawia nie tylko podstawy ekonometrii, tj. modele regresji prostej i wielorakiej czy analizę szeregów czasowych, lecz także tematykę bardziej zaawansowaną, tj. modele danych panelowych, wykorzystanie metody zmiennych instrumentalnych, modeli zmiennej jakościowej czy ekonometrii bayesowskiej.

Jest to podręcznik zarówno dla studentów korzystających z ekonometrii wyłącznie jako narzędzia do analizy danych, jak i dla osób specjalizujących się w tej dziedzinie.

Spis treści:

Przedmowa
str. 10

Rozdział 1. Przegląd podręcznika
str. 13

1.1. Znaczenie ekonometrii
str. 13

1.2. Typy danych ekonomicznych
str. 14

1.2.1. Szeregi czasowe
str. 14

1.2.2. Dane przekrojowe
str. 15

1.2.3. Dane panelowe
str. 16

1.2.4. Pozyskiwanie danych
str. 16

1.2.5. Przekształcanie danych: poziomy i stopy wzrostu
str. 17

1.3. Praca z danymi: metody graficzne
str. 19

1.3.1. Szeregi czasowe
str. 19

1.3.2. Histogramy
str. 20

1.3.3. Wykresy w układzie współrzędnych
str. 22

1.4. Praca z danymi: statystyki opisowe
str. 24

1.4.1. Wartości oczekiwane i wariancje
str. 27

1.4.2. Korelacja
str. 30

1.4.3. Korelacja w populacji i kowariancja
str. 38

1.5. Podsumowanie
str. 40

Ćwiczenia
str. 41

Rozdział 2. Nieformalne wprowadzenie do regresji
str. 43

2.1. Wprowadzenie
str. 43

2.2. Model regresji prostej
str. 44

2.2.1. Regresja jako linia najlepszego dopasowania
str. 44

2.2.2. Interpretacja oszacowań OLS
str. 49

2.2.3. Ocena dopasowania modelu regresji
str. 50

2.2.4. Podstawowe pojęcia statystyczne w modelu regresji
str. 52

2.2.5. Weryfikacja hipotez z użyciem R2: test F
str. 55

2.3. Model regresji wielorakiej
str. 57

2.3.1. Metoda najmniejszych kwadratów w modelu regresji wielorakiej
str. 58

2.3.2. Statystyczne aspekty w modelu regresji wielorakiej
str. 59

2.3.3. Interpretacja oszacowań współczynników w modelu regresji wielorakiej
str. 59

2.3.4. Wybór zmiennych objaśniających w modelu regresji wielorakiej
str. 62

2.3.5. Współliniowość
str. 65

2.3.6. Regresja wieloraka ze zmiennymi binarnymi
str. 66

2.3.7. Binarna zmienna zależna
str. 71

2.4. Podsumowanie
str. 71

Ćwiczenia
str. 73

Rozdział 3. Model regresji prostej
str. 75

3.1. Wprowadzenie
str. 75

3.2. Przegląd podstawowych pojęć z rachunku prawdopodobieństwa w kontekście modelu regresji
str. 76

3.3. Założenia klasycznego modelu regresji
str. 80

3.4. Własności estymatora metody najmniejszych kwadratów parametru ß
str. 83

3.5. Konstrukcja przedziału ufności dla ß
str. 92

3.6. Weryfikowanie hipotez dla parametru ß
str. 94

3.7. Postępowanie w przypadku nieznanej wariancji ?2
str. 95

3.8. Podsumowanie
str. 98

Ćwiczenia
str. 99

Dodatek 1. Dowód Twierdzenia Gaussa-Markowa
str. 101

Dodatek 2. Asymptotyczna teoria w modelu regresji prostej
str. 103

Rozdział 4. Model regresji wielorakiej
str. 107

4.1. Wprowadzenie
str. 107

4.2. Podstawy modelu regresji wielorakiej
str. 108

4.3. Wybór zmiennych objaśniających
str. 112

4.3.1. Obciążenia na skutek zmiennych pominiętych
str. 113

4.3.2. Włączenie do modelu nieistotnych zmiennych objaśniających
str. 115

4.3.3. Współliniowość
str. 117

4.4. Weryfikowanie hipotez w modelu regresji wielorakiej
str. 119

4.4.1. Test F
str. 119

4.4.2. Test ilorazu wiarogodności
str. 121

4.5. Wybór postaci funkcyjnej w modelu regresji wielorakiej
str. 126

4.5.1. Regresja nieliniowa
str. 126

4.5.2. Wybór modelu nieliniowego
str. 129

4.6. Podsumowanie
str. 132

Ćwiczenia
str. 133

Dodatek. Testy Walda i mnożników Lagrange'a
str. 135

Rozdział 5. Model regresji wielorakiej: osłabienie założeń modelu klasycznego
str. 138

5.1. Wprowadzenie
str. 138

5.2. Podstawy teoretyczne
str. 139

5.3. Heteroskedastyczność
str. 141

5.3.1. Kilka rezultatów teoretycznych przy założeniu, że ó2ů2i
str. 142

5.3.2. Heteroskedastyczność: estymacja, gdy wariancje składników losowych są nieznane
str. 146

5.3.3. Testowanie heteroskedastyczności
str. 150

5.3.4. Zalecenia w pracy empirycznej
str. 153

5.4. Autokorelacja w modelu regresji
str. 157

5.4.1. Własności autokorelacji składnika losowego
str. 157

5.4.2. Estymator GLS w modelu regresji z autokorelacją składników losowych
str. 161

5.4.3. Testowanie autokorelacji składnika losowego
str. 164

5.5. Metoda zmiennych instrumentalnych
str. 169

5.5.1. Przypadek 1: Zmienna objaśniająca jest zmienną losową niezależną od składnika losowego
str. 170

5.5.2. Przypadek 2: Zmienna objaśniająca jest skorelowana ze składnikiem losowym
str. 172

5.5.3. Dlaczego zmienne objaśniające mogą być skorelowane ze składnikiem losowym
str. 178

5.6. Podsumowanie
str. 185

Ćwiczenia
str. 186

Dodatek. Asymptotyczna teoria w metodzie OLS i zmiennych instrumentalnych
str. 189

Rozdział 6. Jednowymiarowa analiza szeregów czasowych
str. 193

6.1. Wprowadzenie
str. 193

6.2. Notacja w analizie szeregów czasowych
str. 195

6.3. Trend w szeregach czasowych
str. 197

6.4. Funkcja autokorelacji
str. 200

6.5. Model autoregresji
str. 202

6.5.1. Model AR(1)
str. 202

6.5.2. Rozszerzenia modelu AR(1)
str. 206

6.5.3. Testowanie AR(p) z trendem deterministycznym
str. 210

6.6. Stacjonarność
str. 218

6.7. Modelowanie zmienności
str. 220

6.7.1. Zmienność cen aktywów: wprowadzenie
str. 220

6.7.2. Autoregresyjna warunkowa heteroskedastyczność (ARCH)
str. 225

6.8. Podsumowanie
str. 229

Ćwiczenia
str. 231

Dodatek. Modele MA i ARMA
str. 234

Rozdział 7. Szeregi czasowe i regresja
str. 237

7.1. Wprowadzenie
str. 237

7.2. Regresja, w przypadku gdy X i Y są stacjonarnymi szeregami czasowymi
str. 238

7.3. Regresja, w przypadku gdy X i Y zawierają pierwiastek jednostkowy
str. 242

7.3.1. Regresja pozorna
str. 242

7.3.2. Kointegracja
str. 242

7.3.3. Zmienne skointegrowane: estymacja i weryfikacja
str. 245

7.3.4. Regresja, gdy Y i X są skointegrowane: model korekty błędem
str. 249

7.4. Regresja, w przypadku gdy szeregi Y i X zawierają pierwiastek jednostkowy, ale NIE są skointegrowane
str. 253

7.5. Przyczynowość w sensie Grangera
str. 254

7.5.1. Przyczynowość w sensie Grangera w modelu ADL
str. 255

7.5.2. Przyczynowość w sensie Grangera zmiennych skointegrowanych
str. 260

7.6. Model autoregresji wektorowej
str. 260

7.6.1. Prognozowanie w modelu VAR
str. 267

7.6.2. Autoregresja wektorowa zmiennych skointegrowanych
str. 270

7.6.3. Zastosowania modeli VAR: funkcje odpowiedzi na impuls i dekompozycje wariancji
str. 273

7.7. Podsumowanie
str. 276

Ćwiczenia
str. 277

Dodatek. Teoria prognozowania
str. 281

Rozdział 8. Modele dla danych panelowych
str. 284

8.1. Wprowadzenie
str. 284

8.2. Model uogólniony
str. 285

8.3. Modele z efektami jednostkowymi
str. 285

8.3.1. Model z efektami ustalonymi
str. 289

8.3.2. Model z efektami losowymi
str. 292

8.3.3. Rozszerzenia modeli z efektami jednostkowymi
str. 299

8.4. Podsumowanie
str. 301

Ćwiczenia
str. 302

Rozdział 9. Modele zmiennych jakościowej i uciętej
str. 306

9.1. Wprowadzenie
str. 306

9.2. Modele zmiennej jakościowej
str. 307

9.2.1. Modele zmiennej dyskretnej
str. 307

9.2.2. Modele wielomianowe
str. 316

9.3. Modele zmiennej uciętej
str. 327

9.3.1. Model tobitowy
str. 327

9.3.2. Zmienne całkowitoliczbowe
str. 330

9.3.3. Rozszerzenia
str. 335

9.4. Podsumowanie
str. 336

Ćwiczenia
str. 338

Rozdział 10. Ekonometria bayesowska
str. 341

10.1. Przegląd ekonometrii bayesowskiej
str. 341

10.2. Liniowy model regresji z naturalnie sprzężonym rozkładem a priori i pojedynczą zmienną objaśniającą
str. 348

10.2.1. Funkcja wiarogodności
str. 348

10.2.2. Rozkład a priori
str. 349

10.2.3. Rozkład a posteriori
str. 350

10.2.4. Porównanie modeli w kontekście modelu regresji prostej
str. 354

10.3. Podsumowanie
str. 359

Ćwiczenia
str. 359

Dodatek. Analiza bayesowska modelu regresji prostej z nieznaną wariancją
str. 361

Dodatek A. Podstawy matematyki
str. 366

Dodatek B. Podstawy rachunku prawdopodobieństwa
str. 371

Dodatek C. Podstawowe pojęcia z zakresu asymptotycznej teorii
str. 382

Dodatek D. Tworzenie projektu empirycznego
str. 387

Tablice statystyczne
str. 393

Tabela 1. Obszar pod krzywą gęstości rozkładu normalnego standardowego Pr(0 < Z < z)
str. 393

Tabela 2. Obszar pod krzywą gęstości rozkładu t-Studenta dla różnych stopni swobody i Pr(Z > z) = ?
str. 394

Tabela 3. Percentyle rozkładu chi-kwadrat
str. 395

Tabela 4a. Obszar pod krzywą gęstości rozkładu F dla różnych stopni swobody v1 i v2 Pr (Z > z) = 0,05
str. 396

Tabela 4b. Obszar pod krzywą gęstości rozkładu F dla różnych stopni swobody v1 i v2, Pr(Z > z) = 0,01
str. 397

Bibliografia
str. 399

Indeks
str. 400

408 stron, B5, oprawa miękka