I. Magnus, P

Име: Иконометричен - първоначален курс.

Учебникът съдържа систематично представяне на основите на иконометрията и е написан на базата на лекции, че авторите са прочели за няколко години в руското икономическо училище и висше училище по икономика. Подробно се изследват моделите на линейни регресии (метода на най-малките квадрати, хипотези, хетеросдук, грешки в автокорелацията, спецификацията на модела). Отделните глави са посветени на системи за едновременни уравнения, максималния истинален метод в регресионните модели, модели с дискретни и ограничени зависими променливи.
В шестото издание на книгата добави три нови глави. Ръководителят на "данните за панела" допълва книгата в пълен списък на темите, традиционно включени в съвременните основни иконометрични курсове. Добавят се и глава "Предварително тестване" и "иконометрични финансови пазари", които ще бъдат полезни за тези, които се интересуват от теоретични и приложни аспекти на иконометрията. Броят на упражненията е значително увеличен. Активирани упражнения с реални данни, достъпни за читателя на уебсайта на книгата.
За студенти, завършилите ученици, учители, както и експерти в приложната икономика и финанси.

Иконометричът (заедно с микроикономиката и макроикономиката) е сред основните дисциплини на съвременното икономическо образование. Какво е иконометрично? Когато се занимавате с жива, развиваща се наука, тя винаги води затруднение, когато се опитвате да дадете кратко описание на обекта и методите си. Възможно ли е да се каже, че иконометричът е науката за икономическите измерения, както подсказва името му? Разбира се, възможно е, но тогава възниква въпросът кой смисъл да инвестира в термина "икономически измерения". Това е подобно на как да се идентифицира математиката като наука за числата. Ето защо, не се опитвайки да развием този проблем по-подробно, ние даваме изявленията на признатите власти в икономиката и иконометричния.

1. Въведение
1.1. Модели
1.2. Видове модели
1.3. Типове данни.
2. Модел на двойно регресия
2.1. КРУВИНАТА ФИТИРАЦИЯ
2.2. Метод на най-малките квадрати (MNC)
2.3. Линеен регресионен модел с две променливи
2.4. Теорем Гаус Марков. Оценка Грешка Дисперсия A2
2.5. Статистически свойства на MNK оценки на регресионните параметри. Проверка на хипотезата B \u003d Интервалите на Бо-доверие за регресионни коефициенти
2.6. Анализ на изменението на зависимата променлива в регресията. Коефициента на определяне y2.
2.7. Оценка на максималната вероятност от регресионни коефициенти
Упражнения
3. Множество регресионен модел
3.1. Основна хипотеза
3.2. Метод най-малък квадрат. Теорем Гаус Маркова
3.3. Статистически свойства на MNK оценки
3.4. Анализ на изменението на зависимата променлива в регресията. R2 коефициенти и регулирани r
3.5. Проверете хипотезите. Интервал на доверие и доверителни зони
Упражнения
4. различни аспекти на множеството регресия
4.1. Многоколинарност
4.2. Фиктивни променливи
4.3. Частна корелация
4.4. Спецификация на модела
Упражнения
5. Някои обобщения на множествена регресия
5.1. Стохастични регресори
5.2. Генерализиран метод на най-мрачните квадрати
5.3. Достъпник генеричен метод от най-малките квадрати
Упражнения
6. Корелация на хетероседализма и времето
6.1. Хетерозедастика
6.2. Корелация във времето
Упражнения
7. Прогнозиране в регресионните модели
7.1. Безусловно прогнозиране
7.2. Условно прогнозиране
7.3. Прогнозиране в присъствието на Autorgan грешки
Упражнения
8. Инструментални променливи
8.1. Последователността на оценките, получени с помощта на инструментални променливи
8.2. Ефект на грешките при измерване
8.3. Двоен метод на най-малките квадрати
8.4. Тест Хаусман
Упражнения
9. регресионни уравнения
3.1. Външно не свързани уравнения
9.1. Системи за едновременно уравнения
Упражнения
10. Метод на максимално вярване в регресионните модели
10.1. Въведение
10.2. Математически апарат 246.
10.3. Оценка на максималната истинаст на параметрите на многоизмерно нормално разпределение
10.4. Свойства на оценките на максимална истина
10.5. Оценка на максималната истина като линеен модел
10.6. Проверете хипотезите в линеен модел, аз
10.7. Проверете хипотезите в линеен модел, II
10.8. Нелинейни ограничения
Упражнения
11. Временни редове
11.1. Модели на разпределени лагове
11.2. Динамични модели
11.3. Единични корени и коинтеграция
11.4 Модели на Jenkins (Ariima)
11.5. Garch модел
Упражнения
12. Дискретни зависими променливи и цензурирани проби
12.1. Двоични и множество модели за избор
12.2. Модели с подрязани и цензурирани проби
Упражнения
13. Данни за панела
13.1 Въведение
13.2. Означения и основни модели
13.3. Модел с фиксиран ефект
13.4. Случайно
13.5. Качество FIT.
13.6. Изберете модел
13.7. Динамични модели
13.8. Двоичен модел за подбор с панелни данни
13.9. Обобщеният метод на моменти
Упражнения
14. Предварително изпитване: Въведение
14.1. Въведение
14.2. Формулиране на проблема
14.3. Основен резултат
14.4. Претестална оценка
14.5. Оценка на Уол
14.6. Теорема за еквивалентност
14.7. Предварително тестване и ефекта на "докрай"
14.8. Ефекта на "докрай". Един спомагателен параметър
14.9. Избор на модела: от общ и частно към общия
14.10. Ефекта на "докрай". Два спомагателни параметъра
14.11. Прогнозиране и предварителен тест
14.12. Обобщава
14.13. Други въпроси
Упражнения
15. Иконометрични финансови пазари
15.1. Въведение
15.2. Хипотеза за ефективност на финансовите пазари
15.3. Оптимизиране на портфейла на ценни книжа
15.4. Тест за включването на нови активи в ефективен портфейл
15.5. Оптимално портфолио в присъствието на безрисков актив
15.6. Финансови модели за оценка
Упражнения
16. Перспективи за иконометрия
1,6.1. Въведение
16.2. Какво всъщност прави икономическа практика?
16.3. Икономисте и физика
16.4. Иконометрична и математическа статистика
16.5. Теория и практика
16.6. Иконометричен метод
16.7. Слаба връзка
16.8. Агрегиране
16.9. Как да използвате други произведения
16.10. Заключение
Приложение LA. Линейна алгебра
1. Векторно пространство
2. Vector LP пространство
3. Линейна зависимост.
4. Линейно подпространство
5. База. Измерение
6. Линейни оператори
7. Матрица
8. Операции с матрици
9. Инварианти на матрици: пътека, детерминант
10. Ряд матрица
11. Обратна матрица
12. Линейни уравнения
13. Собствени номера и вектори
14. Симетрични матрици
15. Положително определени матрици
16. Idmpotent matrices.
17. Блокирани матрици
18. Работата на Kononker
19. Диференциация на векторния аргумент
Упражнения
Приложение MS. Теория на вероятността и математическата статистика
1. Случайни променливи, случайни вектори
2. Условни разпределения
3. Някои специални разпределения
4. Многоизмерно нормално разпределение
5. Законът за големите числа. Централна теорема.
6 основни концепции и цели на математическата статистика
7. Оценка на параметрите
8. Проверка на хипотези
Приложение ЕП. Преглед на иконометрични пакети
1. Произходът на пакетите. Версия на Windows. Графика
2. На някои опаковки
3. Практически опит
Приложение Чл. Кратък английски-руски речник на термини
Заявлението е. Таблици
Литература
Тематичен индекс

UDC 330.43 (075.8)
BBK 65V6Y73.

Magnus Ya.r., Katyshev p.k., рецистънти A.A.
Иконометрия. Начален курс: проучвания. - 8-ми Ед., Закон. - m.:, 2007. - 504 p.

ISBN 978-5-7749-0473-0.

Главата "Данни за панела" допълва книгата в пълен списък на темите, традиционно включени в съвременните курсове на иконометрия. Глави "Предварително тестване" и "Иконометрия на финансовия пазар" ще бъдат полезни за тези, които се интересуват от теоретични и приложни аспекти на иконометрията. Броят на упражненията е значително увеличен. Активирани упражнения с реални данни, достъпни за читателя на уебсайта на книгата.

За студенти, завършилите ученици, учители, както и експерти в приложната икономика и финанси.

Съдържание на началната дума Предговор към първото издание на предговора към третото издание на предговора към шестото издание 1. Въведение 1.1. Модели 1.2. Видове модели 1.3. Типове данни 2. Модел на рецесия на пара 2.1. Крива 2.2. Метод на най-малките квадрати (MNC) 2.3. Линеен регресионен модел с две променливи 2.4. Теорем Гаус Марков. Оценка на дисперсионни грешки A2 2.5. Статистически свойства на MNK оценки на регресионните параметри. Проверка на хипотезата b \u003d интервалите на Bo-Trust за регресионни коефициенти 2.6. Анализ на изменението на зависимата променлива в регресията. Коефициент на определяне YA2 2.7. Оценка на максималната вероятност за упражняване на регресионни коефициенти 3. Модел на множествена регресия 3.1. Основна хипотеза 3.2. Метод най-малък квадрат. Теорем Гаса Маркова 3.3. Статистически свойства на MNK оценки 3.4. Анализ на изменението на зависимата променлива в регресията. R2 коефициенти и коригирани R 3.5. Проверете хипотезите. Интервали на доверие и доверие на упражненията 4. Различни аспекти на множеството регресия 4.1. Многоцветен 4.2. Фиктивни променливи 4.3. Частна корелация 4.4. Спецификация на модела за упражнения 5. Някои обобщения на многократно регресия 5.1. Стохастични регресори 5.2. Общият метод на най-малките квадрати 5.3. Наличен метод за упражнения по по-малки квадрати 6. Хетероседализъм и корелация 6.1. Хетероседализъм 6.2. Съотношение по време на упражнение 7. Прогноза в регресионните модели 7.1. Безусловно прогнозиране 7.2. Условно прогнозиране 7.3. Прогнозиране в наличието на грешки при автоматично извличане Упражнение 8. Променливи на инструмента 8.1. Съгласуваността на оценките, получени с помощта на инструментални променливи 8.2. Ефектът от грешки при измерване 8.3. Двуетапен метод от най-малките квадрати 8.4. Тест Хаусман упражнение 9. Системи за регресионни уравнения 3.1. Външно не свързани уравнения 9.1. Системи за едновременно упражнения 10. Метод на максимално вярване в регресионните модели 10.1. Въведение 10.2. Математически апарат 246 10.3. Оценка на максималната вероятност от параметрите на многоизмерното нормално разпределение 10.4. Свойствата на оценките на максималната вярваща 10.5. Оценка на максималната истина в линейния модел 10.6. Проверка на хипотезите в линейния модел, I 10.7. Проверка на хипотезите в линейния модел, II 10.8. Нелинейни ограничения на упражненията 11. Временни редове 11.1. Модели на разпределени лагове 11.2. Динамични модели 11. 3. Единични корени и съвместна интеграция 11.4 Модел на бокс-дженканс (ARIMA) 11.5. Garch Упражнение Модели 12. Дискретни зависими променливи и цензурирани проби 12.1. Модели на двоичен и множествен избор 12.2. Модели с подрязани и цензурирани проби от упражнения 13. Данни за панела 13.1 Въведение 13.2. Наименовации и основни модели 13.3. Модел с фиксиран ефект 13.4. Модел със случаен ефект 13.5. Качеството на монтирането на 13.6. Изберете модел 13.7. Динамични модели 13.8. Двоични модели за подбор с панелни данни 13.9. Обобщени мигови моменти Упражнение 14. Предварително изпитване: Въведение 14.1. Въведение 14.2. Определяне на проблема 14.3. Основен резултат 14.4. Pretest-score 14.5. Резултат от Уол 14.6. Теорема на еквивалентност 14.7. Предварително тестване и ефекта на "докрай" 14.8. Ефекта на "докрай". Един спомагателен параметър 14.9. Избор на модела: от общо за частно и частно до общо 14.10. Ефекта на "докрай". Два спомагателни параметъра 14.11. Прогнозиране и предварителна тестване 14.12. Генерации 14.13. Други въпроси на упражнението 15. Иконометрична активност на пазара 15.1. Въведение 15.2. Хипотеза за ефективността на финансовия пазар 15.3. Оптимизиране на портфейла на ценните книжа 15.4. Изпитване върху включването на нови активи в ефективен портфейл 15.5. Оптималното портфолио в присъствието на безрисков актив 15.6. Модели на оценка на упражнения за финансови активи 16. Outlook Econometrics 1,6.1. Въведение 16.2. Какво всъщност прави икономическа практика? 16.3. Иконометрична и физика 16.4. Иконометрична и математическа статистика 16.5. Теория и практика 16.6. Иконометричен метод 16.7. Слаба връзка 16.8. Агрегиране 16.9. Как да използвате други произведения 16.10. Заключение Приложение Линейна алгебра 1. Векторно пространство 2. Векторно пространство LP 3. Линейна зависимост 4. Линейна подпросация 5. База. Размер 6. Линейни оператори 7. Матрица 8. Операции с матрици 9. Инварианти на матрици: пътека, детерминанта 10. Поздрави на матрицата 11. Обратната матрица 12. Системи за линейни уравнения 13. Собствени номера и вектори 14. Симетрични матрици 15. Положително дефинирани матрици 16. IDMPOTENT MATRICES 17. Блокиращи матрици 18. Производство на Kerel 19. Диференциация според приложението на векторния аргумент. Теория на вероятностите и математически статистически данни 1. Случайни променливи, произволни вектори 2. Условни разпределения 3. Някои специални разпределения 4. Многоизмерно нормално разпределение 5. Законът на големите числа. Централна теорема 6 Основни концепции и цели на математическата статистика 7. Оценка на параметрите 8. Проверка на приложението за хипотези ЕП. Преглед на иконометрични пакети 1. Произходът на пакетите. Версия на Windows. Графика 2. На някои пакети 3. Опитът на практическото работно приложение Чл. Кратки английско-руски термини на речника App. Таблици Литература Тема

6-то Ед., Перераб. и добавете. - m.: Случай, 2004. - 576 стр.

В шестото издание на книгата добави три нови глави. Ръководителят на "данните за панела" допълва книгата в пълен списък на темите, традиционно включени в съвременните основни иконометрични курсове. Добавят се и глава "Предварително тестване" и "иконометрични финансови пазари", които ще бъдат полезни за тези, които се интересуват от теоретични и приложни аспекти на иконометрията. Броят на упражненията е значително увеличен. Активирани упражнения с реални данни, достъпни за читателя на уебсайта на книгата.

За студенти, завършили ученици, учители, както и приложни икономически и финансови специалисти

Формат: djvu.

Размерът: 5.9 MB.

Изтегли: yandex.disk.

Формат: PDF.

Размерът: 21, 7 MB

Изтегли: drive.google.

Съдържание
Откриване на дума 10.
Предговор към първото издание 13
Предговор към третото издание 18
Предговор до шестото издание 23
1. Въведение 26.
1.1. Модели 26.
1.2. Видове модели 28.
1.3. Типове данни 30.
2. модел за регресия на пара 32
2.1. Регулиране на кръга 32.
2.2. Метод на най-малките квадрати (MNC) 34
2.3. Линеен регресионен модел с две променливи 38
2.4. Теорем Гаус Маркова. Оценка на дисперсионните грешки A2 41
2.5. Статистически свойства на MNK оценки на регресионните параметри. Проверка на хипотеза B \u003d Интервалите на Бо-доверие за регресионни коефициенти 46
2.6. Анализ на изменението на зависимата променлива в регресията. Коефициент на определяне Y2 51
2.7. Оценка на максималната достъпност на регресионните коефициенти 55
Упражнения 58.
3. Множество регресионен модел 67
3.1. Основна хипотеза 68.
3.2. Метод най-малък квадрат. Теорем Гаса Маркова 69
3.3. Статистически свойства на MNK оценки 72
3.4. Анализ на изменението на зависимата променлива в регресията. R2 коефициенти и регулирани R ^, 74
3.5. Проверете хипотезите. Интервали на доверие и доверие 78 "
Упражнения 88.
4. различни аспекти на множеството регресия 108
4.1. Многоцветност 109;
4.2. Фиктивни променливи 112.
4.3. Частна корелация 118.
4.4. Спецификация на модела 124.
Упражнения 135.
5. Някои обобщения на многократно регресия 148
5.1. Стохастични регресори 149.
5.2. Общият метод на най-малките квадрати .... 154
5.3. Наличен обобщен метод от най-малките квадрати 160
Упражнения 163.
6. Корелация на хетероседализма и времето 167
6.1. Хетеросластичност 168.
6.2. Съотношение по време 184
Упражнения 192.
7. Прогнозиране в регресионните модели 204
7.1. Безусловно прогнозиране 205.
7.2. Условно прогнозиране 208.
7.3. Прогнозиране в присъствието на Autorgan Errors 209
Упражнения 211.
осем. Променливи на инструмента 212.
8.1. Богатство на оценките, получени с помощта на инструментални променливи 213
8.2. Ефект на измервателни грешки 214
8.3. Двуетажен метод от най-малките квадрати .... 215
8.4. Тест Хаусман 217.
Упражнения 218.
9. Регресионни уравнения 220 системи
3.1. Външно не свързани уравнения 221
9.1. Системи за едновременно уравнения 224
Упражнения 241.
10. Метод на максимално вярване в регресионните модели 244
10.1. Въведение 245.
10.2. Математически апарат 246.
10.3. Оценка на максималната истинаст на параметрите на многоизмерното нормално разпределение. . 248.
10.4. Свойства на максималните оценки на истина. 249.
10.5. Оценка на максимално достоверен в линеен модел 250
10.6. Проверете хипотезите в линеен модел, I 253
10.7. Проверете хипотезите в линеен модел, II 257
10.8. Нелинейни ограничения 258.
Упражнения 260.
11. Временни редове 264
11.1. Модели на разпределени лагове 266
11.2. Динамични модели 268.
11.3. Единични корени и съвместна интеграция 276
11.4 Бокс Jenkins (Ariima) 28
11.5. Garch модел 3.
Упражнения 3J.
12. Дискретни зависими променливи и цензурирани проби 3
12.1. Модели на двоичен и множествен избор ... 3!
12.2. Модели с подстригани и цензурирани проби 3.
Упражнения 3;
13. Данни за панела 31
13.1 Въведение 3.
13.2. Наименовации и основни модели 3
13.3. Модел с фиксиран ефект 3
13.4. Модел със случайния ефект 31
13.5. Качествен монтаж Z1.
13.6. Изберете модел 3 "
13.7. Динамични модели 3.
13.8. Двоични модели за подбор с панелни данни 3
13.9. Генеричен режим на майката 3
Упражнения 39.
14. Предварително изпитване: Въведение 39
14.1. Въведение 3!
14.2. Определяне на проблема 40.
14.3. Основен резултат 40 "
14.4. Pretest-Ration 4 $
14.5. Wals-Score 40
14.6. Теорема 4.
14.7. Предварително тестване и ефекта на "докрай" 407
14.8. Ефекта на "докрай". Един спомагателен параметър 412
14.9. Избор на модела: от общо за частно и от частно общо 415
14.10. Ефекта на "докрай". Два спомагателни параметъра 419
11. Прогнозиране и предварителен тест 425
.12. Обобщение 429.
13. Други въпроси 432
Упражнения 434.
15. Икономика на финансовия пазар 435
11,5.1. Въведение 436.
15.2. Хипотеза за ефективността на финансовия пазар. . . 438.
15.3. Оптимизиране на портфейла на ценни книжа 446
15.4. Изпитване върху включването на нови активи в ефективен портфейл 450
15.5. Оптимално портфолио в присъствието на безрисков актив 456
15.6. Модели за финансова оценка 461
Упражнения 471.
16. Перспективи за иконометрия 472
1,6.1. Въведение 472.
16.2. Какво всъщност прави икономическа практика? .... 473.
16.3. Иконометрична и физика 474
16.4. Иконометрична и математическа статистика. . . 475.
16.5. Теория и практика 476
16.6. Иконометричен метод 477.
16.7. Слаба връзка 480.
1.6.8. Агрегиране 481.
16.9. Как да използваме други работи 481
16.10. Заключение 482.
Приложение LA. Линейна алгебра 484.
1. Векторно пространство 484
2. Векторно пространство LP 485
3. Линейна зависимост 485
4. Линейно подпространство 486
5. База. Измерение 486.
6. Линейни оператори 487
7. Матрица 488.
8. Операции с матрици 489
9. Матрични клинове: пътека, детерминант 492
10. Класирана матрица 494
11. Обратна матрица 495
12. Линейни уравнения 496 системи
13. Сови и вектори 496
14. Симетрични матрици 498
15. Положително дефинирани матрици 500
16. IDMPOTENT MATRICES 502
17. Блокови матрици 503
18. Производство на Krakekera 504
19. Диференциация според векторния аргумент. . 505.
Упражнения 507.
Приложение MS. Теория на вероятностите и математически статистически данни 509
1. Случайни променливи Случайни вектори 509
2. Условни разпределения 516
3. Някои специални разпределения 518
4. Многоизмерно нормално разпределение 524
5. Законът за големите числа. Централна теорема 528
6 основни концепции и цели на математическата статистика 531
7. Оценка на параметрите 533
8. Проверка на хипотезата 539
Приложение ЕП. Преглед на иконометрични пакети 542
1. Произходът на пакетите. Версия на Windows. Графика 543.
2. За някои пакети 544
3. Практически трудов опит 546
Приложение Чл. Кратък английски-руски речник на термини 547
Заявлението е. Таблици 555.
Литература 561.
Тема 570.

Учебникът съдържа систематично представяне на основите на иконометрията и е написан на базата на лекции, че авторите са прочели за няколко години в руското икономическо училище и висше училище по икономика. Линейната двойка и многобройните регресионни модели се изследват подробно, включително теми като метода на най-малките квадрати, тест за хипотези, генерализирания метод от най-малките квадрати, хетеросфериране и автокорелационни грешки, прогнози, проблеми със спецификацията. Отделна глава е посветена на системите за едновременно уравнения.

В сравнение с изданието от 1997 г., книгата включва три нови глави по метода на максимално вярване в регресионните модели, временни редове и модели с дискретни и ограничени зависими променливи. Броят на примерите от руската икономика, задачите и упражненията е значително увеличен.

За студенти, завършилите ученици, учители, както и експерти в приложната икономика и финанси.

"Иконометката прави количествен анализ на реалните икономически явления, основани на текущото развитие на теория и наблюдения, свързани с методите за получаване на заключения" (Samuelson).

"Основната задача на иконометрията е да запълни емпиричното съдържание на априори икономически разсъждения" (Klein).

"Целта на иконометрията е емпиричното заключение на икономическите закони. Иконометричът допълва теорията, използвайки реални данни за проверка и изясняване на постулираните взаимоотношения "(Maleno).

Тази книга е насочена предимно към учениците, първо започва да учи иконометрия и има две гола. Първо, ние искаме да подготвим читателя да прилагат изследвания в областта на икономиката. Второ, смятаме, че ще бъде полезно на учениците, които ще отидат в дълбочина, за да проучат теорията за иконометрията в бъдеще. Не се изискват предварителни познания за иконометрията. Предполага се обаче, че се запознават с курсовете на линейната алгебра, теорията на вероятностите и математическата статистика в първоначалния обем (например Гелланд, 1971; Ilyin, Poznyak, 1984; Ventcel, 1964). Предполагаме, че читателят притежава математически анализ в стандартния курс на Техническия университет.

На английски има няколко отлични иконометрични учебника. Например, книгата (Greene, 1997) с право може да се счита за "иконометрична енциклопедия" - тя съдържа почти всички раздели на съвременната иконометрия. В учебника (Goldberger, 1990) се обръща повече внимание на формалната математическа страна на иконометрията. Много успешен, модерен и балансиран от гледна точка на теорията и приложенията, според нас книгата (Джонстън и Динардо, 1997). Също така трябва да се отбележат учебници (Грифтове, Хил и Съдия, 1993) и (Pindyck и Rubinfeld, 1991), ориентирани читатели, които нямат силно математическо обучение и са оборудвани с голям брой примери и упражнения. Добро допълнение към стандартните учебници може да послужи като книга (Kennedy, 1998), където основният акцент е върху съдържателната страна на иконометричния анализ и съдържа голям брой интересни упражнения. Необходимо е също така да се спомене книгата (Хамилтън, 1994), където теорията на временната серия е описана и на високо математическо ниво, а книгата (Stewart, 1991), съдържаща успешни и компактни участъци върху теорията на временните серии.

Ето защо може да е необходимо да се донесат някои аргументи в полза на написването на нова книга вместо прост превод на един от съществуващите учебници. Нашата книга се основава на материалите на лекции, които един от авторите (Ya. Magnus) прочете като първоначален курс на иконометрия по магистърска програма за ученици от Руското икономическо училище (RSH) през март-април 1993 г. P. Katyshev, и. Възприемащ) проведени практически занятия. Интензивният 7-седмичен курс включва основите на иконометрията. Това беше първата година от съществуването на Руското икономическо училище. През следващите години авторите си сътрудничат в създаването на програма от трите иконометрични курса за учениците от първата година на обучение в RSH. В процеса на работа, ние, по-специално, възлизаме на примери от руската икономика, която се използва вместо традиционно да се счита за примери от икономиките на Западна Европа и САЩ. В крайна сметка, ние дойдохме да сме убедени, че би било желателно да има учебник, написан специално за руските студенти, и да преработи програмата на курса в независима книга. По този начин тази книга е резултат от петгодишен опит в преподаването на иконометрия за руските ученици.

Глави 2-4 съдържат класическа теория на линейни регресионни модели. Този материал е ядрото на иконометрията, а учениците трябва да го овладеят добре, преди да пристъпи към изучаването на останалата част от книгата. Глава 2 обсъжда най-простия модел с два регресора, глава 3 е посветена на многоизмерни модели. В известен смисъл главата 2 е излишна, но от педагогическа гледна точка тя е изключително полезна за изучаване на регресионните модели с две променливи. След това, например, можете да правите без матрица алгебра, в двуизмерен случай е по-лесно да се разбере графичното тълкуване на регресията. Глава 4 съдържа няколко допълнителни секции (проблемът с многоцветността, фиктивни променливи, спецификацията на модела), но нейният материал може да се дължи и на стандартните основи на иконометричната.

В глави 5-9, някои обобщения на стандартния модел на регресия са проучени, като стохастични регресира, генерализиран метод на най-малките квадрати, хетеросдук и автокорелация на остатъци, достъпна обобщена метода на най-малките квадрати, прогноза, метод на инструментални променливи. Изненадващо в теорията на иконометрията, която на това ниво, повечето теореми на стандартното ядро \u200b\u200bна теорията (глава 2-4) остават справедливи, поне приблизително или асимптотично, когато теоремите за състояния са отслабени. Силно препоръчваме непрекъснато да корелирате резултатите от глави 5-9 с основните резултати, определени в глави 2-4.

Глава 10 съдържа теорията на системите за едновременно уравнения, т.е. Случая, когато моделът съдържа повече от едно уравнение. Има проблеми, с които може да възникне иконометрист в практическа работа.

Книгата включва няколко приложения, включително преглед на иконометрични пакети и кратък английски-руски речник на термини.

Нашият опит показва, че материалът на главите 1-7 е достатъчен за 7-седмичния курс за 6 часа седмично и материалът на главите 1-10 е за стандартен едноредец. Получихме добри резултати със следната структура на курса: две двучасови лекции на седмица и един семинар (в по-малки подгрупи), но също така са възможни и други курсови структури.

Ученици

Проблемът с задачите е ключът към изучаването на математиката, статистиката, както и иконометрията. Нашите учители ни разказаха за това, когато бяхме ученици и го повтаряме тук. И това е правилно! За ученици с ориентация на практическа дейност са необходими експерименти с данни. Изтрийте няколко наблюдения от данните си и вижте какво се случва с вашите оценки и защо. Добавете променливи и ще видите как ще се променят вашите оценки и прогнози. Като цяло, експеримент. Ученик, фокусиран върху изучаването на теорията, трябва да си зададе въпрос, поради някаква причина, или друго състояние на теоремата. Защо теоремата престава да бъде справедлива, ако изтриете или промените едно от условията. Намерете график.

Учители

Важно е всички ученици да имат необходимото математическо и статистическо ниво на обучение в началото на курса. Ако случаят не е такъв, курсът трябва да започне с преглед на необходимите концепции за линейна алгебра и математическа статистика. Глави 2-4 трябва да стоят в началото на курса. Има известна свобода при избора по-нататък, ако времето не позволява да се включи цялата книга до курса. В случай на недостиг на време, стохастичните регресори могат да бъдат отложени (клауза 5.1) и тестовете за хетеросфер (но не и концепцията за хетеросфер) за следващия курс. Глави 7-10 съдържат специални, но важни раздели, които могат да бъдат включени в курса с определена степен на детайли, в зависимост от вкусовете на учителя.

Ще бъдем благодарни за каквито и да било коментари, доклади за грешки, неясни места, грешки в тази книга.

Благодаря

Ние сме в огромен дълг до пет поколения студенти от Руското икономическо училище, което в хода на изучаването на курса даде много критични коментари, използвани от нас, когато работеха по книга. Без тях тази книга никога няма да бъде написана.

Благодарим на завършилите Rash Vladislav Kargin и Alexey Attzkom, който подготви пример за книгата на пазара на апартаменти в Москва, както и ученици от Рош Елена Пичой и Чухар Тюмхумбетова, усилията, за които успяха да избегнат много грешки . Също така сме благодарни на нашия колега Александър Салаников, който е взел работата по редактиране на ръкописи. В работата по ръкописа, П. Катишев и А. Перестек получиха финансова подкрепа от руската хуманитарна научна фондация, проектът 96-02-16011A.

Тилбург / Москва, март 1997 година