TEORIA EKONOMETRII

Arthur S. Goldberger

Wydawnictwo: PWE, 1975
Oprawa: miękka
Stron: 504
Stan: bardzo dobry, nieaktualne pieczątki

SPIS TREŚCI:

Przedmowa   

Rozdział 1. Wstęp   
1. Zakres ekonometrii   
2. Zależności między zmiennymi ekonomicznymi   
3. Plan książki   

Rozdział 2. Podstawowe pojęcia algebry macierzy   
1. Wstęp         . .
2. Wektory i macierze       
Wektory kolumnowe   
Macierze    
Macierze blokowe    
3. Wyznaczniki   
4. Zależność liniowa, rząd macierzy i układy równań jednorodnych . . .
Zależność liniowa   
Rząd macierzy    
Układ jednorodnych równań liniowych   
5. Macierz odwrotna i układ n równań liniowych o n niewiadomych . .
Macierz odwrotna   
Układ n równań liniowych o n niewiadomych    
Macierz odwrotna do macierzy w postaci blokowej   
6. Pierwiastki charakterystyczne, diagonalizacja macierzy Symetrycznej, ma­cierze ortogonalne i idempotentne, formy liniowe i kwadratowe . . .
Pierwiastki charakterystyczne macierzy   
Macierze ortogonalne   
Diagonalizacja macierzy Symetrycznej   
Macierz idempotentna   
Formy liniowe i kwadratowe   
7. Określoność macierzy   
Macierz określona dodatnio   
Macierz określona nieujemnie   
Macierze określone w inny sposób            
8. Rachunek różniczkowy w zapisie macierzowym   
Różniczkowanie   
Ekstrema bezwarunkowe   
Ekstrema warunkowe    

Rozdział 3. Podstawowe pojęcia wnioskowania statystycznego   
1. Wstęp   
2. Empiryczne rozkłady częstości   
Jednowymiarowy rozkład częstości   
Dwuwymiarowy rozkład częstości   
Wielowymiarowy rozkład częstości   
Dystrybuanta rozkładu częstości   
Parametry rozkładu częstości   
Momenty rozkładu   
3. Zmienne losowe i rozkłady prawdopodobieństwa   
Módel: zmienna losowa — prawdopodobieństwo — rozkład prawdo­podobieństwa    
Funkcja prawdopodobieństwa i funkcja gęstości   
Dystrybuanta rozkładu prawdopodobieństwa   
Niezależność stochastyczna . .    
Funkcje zmiennych losowych   
Momenty rozkładu prawdopodobieństwa    
Wartość oczekiwana    
4. Rozkłady statystyk z próby    
Próba losowa                 
Funkcja wiarogodności    
Rozkłady z próby   
Parametry rozkładów z próby        
Próba z populacji wielowymiarowej   
5. Rozkład normalny i rozkłady z nim związane   
Jednowymiarowy rozkład normalny   
Wielowymiarowy rozkład normalny   
Rozkłady związane z rozkładem normalnym   
Formy liniowe i kwadratowe wektorów normalnych ........
Rozkłady statystyk z próby populacji o rozkładzie normalnym . . .
6. Teoria rozkładów granicznych   
Ciąg zmiennych losowych   
Graniczne wartości oczekiwane i wariancje   
Granica stochastyczna   
Graniczne rozkłady statystyk z próby   
Graniczna średnia i graniczna wariancja funkcji zmiennych losowych .
7. Wnioskowanie statystyczne   
Wnioskowanie statystyczne   
Estymacja punktowa   
Estymacja przedziałowa       
Sprawdzanie hipotez    
Zakończenie   
8. Procesy stochastyczne             
Stacjonarne procesy stochastyczne   
Estymacja parametrów    
Procesy autoregresyjne   
Stacjonarne wielowymiarowe procesy stochastyczne   

Rozdział 4. Klasyczna regresja liniowa   
1. Wstęp       
2. Opisowa regresja liniowa   
3. Klasyczny model regresji liniowej   
4. Wnioskowanie statystyczne w klasycznej regresji liniowej: twierdzenia podstawowe   
Estymator wektora p   
Dekompozycja wariancji   
Estymator wariancji a2    
Estymator macierzy kowariancji £(b— P)(b— P)'   
5. Wnioskowanie statystyczne w klasycznej regresji liniowej: dalsze twier­dzenia     *•   
Estymator funkcji liniowej wektora parametrów P   
Estymator warunkowej wartości oczekiwanej zmiennej losowej y . .
Prognoza          . . .
Przykład   
6. Klasyczny model normalnej regresji liniowej   
7. Wnioskowanie statystyczne w klasycznej normalnej regresji liniowej: twierdzenia podstawowe   
Hipotezy dotyczące jednego współczynnika regresji   
Hipotezy dotyczące układu współczynników regresji   
Typowe hipotezy       
Obszary ufności    
8. Wnioskowanie statystyczne w klasycznym modelu normalnej regresji liniowej: dalsze twierdzenia    
Funkcje estymatorów   
Estymacja metodą największej wiarogodności   
Przykłady   
9. Metody numeryczne w regresji liniowej   
Zmienne w postaci odchyleń od średnich   
Metoda zwiększonych momentów względem średniej    
Skalowanie zmiennych   
Schemat obliczeń   
10. Szczególne problemy w regresji liniowej   
Współliniowość   
Zmiana zbioru zmiennych objaśniających    
Regresja iteracyjna       
Błędy w doborze zmiennych objaśniających   
Wpływ zmiennej objaśniającej na zmienną objaśnianą   
Ortogonalne zmienne objaśniające   
11. Wielorównaniowe modele regresji liniowej   
Dopasowanie hiperpłaszczyzny metodą najmniejszych kwadratów . .
Wielorównaniowy klasyczny model regresji liniowej   
Wielorównaniowy klasyczny model normalnej regresji liniowej . . '

Rozdział 5. Inne zagadnienia dotyczące regresji liniowej .
1. Wstęp   
2. Formy funkcyjne        
Najprostsze funkcje nieliniowe   
Funkcje schodkowe        
Jakościowe zmienne objaśniające   
3. Analiza wariancji           
• 4. Niesferyczne składniki losowe    
Uogólniony model regresji liniowej   
Heteroscedastyczne składniki losowe    
Zależne składniki losowe   
Własności estymatorów uzyskanych klasyczną metodą najmniejszych
kwadratów   
Sprawdzanie hipotez o nicsferyczności składnika losowego   
Estymacja parametrów niesferyczności   
Najlepsze nieobciążonc estymatory liniowe w klasycznym modelu wielorównaniowym regresji liniowej   
5. Jakościowe zmienne zależne i z ograniczonym przedziałem zmienności
Jakościowe zmienne objaśniane   
Ograniczone zmienne zależne   
6. Wykorzystanie informacji ubocznych           
Dokładne ograniczenia liniowe — metoda najmniejszych kwadratów
przy warunkach pobocznych   
Informacje uboczne w postaci estymatorów nieobciążonych — metoda
najmniejszych kwadratów przy warunkach pobocznych    
Informacje uboczne w postaci estymatorów nieobciążonych — uogól­niona metoda najmniejszych kwadratów   
Ograniczenia w postaci nierówności — mieszana estymacja liniowa . Ograniczenia w postaci nierówności — metoda najmniejszych kwadra­tów przy warunkach pobocznych   
Ograniczenia zerowe w modelu wielorównaniowym — metoda naj­mniejszych kwadratów przy warunkach pobocznych   

Rozdział 6. Regresja liniowa z losowymi zmiennymi objaśniającymi   
1. Wstęp       
2. Regresja liniowa z losowymi zmiennymi objaśniającymi niezależnymi od
składnika losowego   
3. Autoregresja   
Autorcgresyjny model regresji liniowej   
Modele o rozłożonych opóźnieniach    
4. Regresja liniowa w warunkach braku równoczesnej korelacji   
Model regresji liniowej w warunkach braku równoczesnej korelacji . Wielorównaniowy model regresji liniowej przy braku równoczesnej korelacji   
5. Ogólny model regresji liniowej z losowymi zmiennymi objaśniającymi .
Model ogólny    
Błędy w zmiennych   
Estymacja metodą zmiennych instrumentalnych   

Rozdział 7. Układy liniowych równań jednoczesnych   
1. Wstęp   
2. Przykłady równań jednoczesnych   
Prosty model Keynesa   
Prosty model rynku   
3. Liniowy model jednoczesnych równań strukturalnych   
Klasyfikacja zmiennych   
Postać strukturalna   
Postać zredukowana   
Stochastyczna struktura modelu    
Estymacja w modelu jednoczesnych strukturalnych równań liniowych
4. Identyfikacja   
Struktury równoważne ze względu na obserwacje   
Postać zredukowana a identyfikacja   
Przekształcenia liniowe a identyfikacja   
Ograniczenia a priori a identyfikacja    
5. Estymacja postaci zredukowanej i pośrednia metoda najmniejszych
kwadratów   
Estymacja postaci zredukowanej   
Pośrednia metoda najmniejszych kwadratów   
6. Estymacja postaci strukturalnej: metody estymacji pojedynczych równań Dwustopniowa metoda najmniejszych kwadratów   
Estymatory klasy lc   
Metoda minimalizacji uogólnionej wariancji resztowej z ograniczoną
informacją   
Test dotyczący ograniczeń zerowych    
7. Estymacja postaci strukturalnej: metody estymacji układu równań . . Trójstopniowa metoda najmniejszych kwadratów   
Metoda minimalizacji uogólnionej wariancji resztowej z pełną infor­macją         i    ......
Estymacja metodą największej wiarogodności         .
8. Porównanie metod estymacji postaci strukturalnej   
Wybór metody estymacji          . .
Asymptotyczna efektywność   
Własności estymatorów z małych prób   
Własności numeryczne   
Wnioski   
9. Zastosowania strukturalnych modeli ekonometrycznych   
Model strukturalny   
Postać zredukowana modelu   
Prognozowanie   
Modele dynamiczne .   
Postać strukturalna a postać zredukowana   
10. Inne Sformułowania modeli ekonometrycznych i ich interpretacja . . .
Bibliografia   
Indeks