Однако на практике, за исключением искусственно простых случайных величин (таких как число выпавших очков при бросании игральной кости), мы не знаем точного вероятностного распределения или плотности распределения вероятностей. Это означает, что неизвестны также и теоретическое сред- нее и дисперсия.
Мы, тем не менее, можем нуждаться в оценках этих или других характеристик генеральной совокупности. Процедура оценивания — всегда одинаковая. Берется выборка наблюдений и с помощью подходящей формулы рассчитывается оценка нужной характеристики. Важно следить за терминами, делая различие между способом или формулой оценивания и рассчитанным по ней для данной выборки числом, являющимся значением этой оценки. СОДЕРЖАНИЕОт научного редактора перевода VПредисловие VIIIОбзор: случайные переменные, выборки и оценки 3.
Введение 3. 0. 2. Дискретная случайная переменная и математическое ожидание 4. Непрерывные случайные переменные 1. Теоретическая ковариация, правила для дисперсии и ковариации, корреляция 1. Выборки и способы оценивания 1.
Несмещенность и эффективность 2. Оценки дисперсии, ковариации и корреляции 2.
Асимптотические свойства оценок 3. Парный регрессионный анализ 4. Модель парной линейной регрессии 4. Регрессия методом наименьших квадратов 4.
Регрессия методом наименьших квадратов: два примера 4. Регрессия методом наименьших квадратов с одной независимой переменной 5. Два разложения для зависимой переменной 5. Интерпретация уравнения регрессии 5. Качество оценивания: коэффициент R2 6. Свойства коэффициентов регрессии и проверка гипотез 6.
Типы данных и регрессионная модель 6. Предпосылки регрессионной модели с нестохастическими регрессорами 7. Случайные составляющие коэффициентов регрессии 7.
Эксперимент Монте- Карло 7. Несмещенность коэффициентов регрессии 8.
Точность коэффициентов регрессии 8. Теорема Гаусса- Маркова 9. Проверка гипотез, относящихся к коэффициентам регрессии 9. Доверительные интервалы 1. Односторонние t- критерии 1. F- критерий для проверки качества оценивания 1. Взаимосвязь между F- критерием общего качества регрессии и t- критерием для коэффициента наклона в парном регрессионном анализе 1.
Множественный регрессионный анализ 1. Иллюстрация: модель с двумя объясняющими переменными 1. Вывод и интерпретация коэффициентов множественной регрессии 1. Свойства коэффициентов множественной регрессии 1. Мультиколлинеарность 1. Качество оценивания: коэффициент R2 1. Преобразования переменных 1.
Простейшая процедура 1. Логарифмические преобразования 1. Случайный член 1. Нелинейная регрессия 1. Сравнение линейной и логарифмической моделей 1. Фиктивные переменные 1. Пример использования фиктивной переменной 1.
Обобщение для фиктивных переменных более чем двух категорий и их нескольких наборов 1. Фиктивные переменные для коэффициента наклона 1. Тест Чоу 1. 97. 6.
Спецификация переменных регрессии: предварительное рассмотрение 2. Спецификация модели 2.
Влияние отсутствия в уравнении переменной, которая должна быть в него включена 2. Влияние наличия в модели переменной, которая не должна быть в нее включена 2. Замещающие переменные 2. Проверка линейного ограничения 2. Как извлечь максимум информации из анализа остатков 2. Гетероскедастичность 2.
Гетероскедастичность и ее последствия 2. Обнаружение гетероскедастичности 2.
Что можно сделать в случае гетероскедастичности? Стохастические объясняющие переменные и ошибки измерения 2. Допущения моделей со стохастическими объясняющими переменными 2.
Свойства оценок коэффициентов регрессии по МНК в случае конечной выборки 2. Асимптотические свойства оценок регрессии по МНК 2. Последствия ошибок измерения 2. Фридменом стандартной функции потребления 2. Инструментальные переменные 2. Оценивание систем одновременных уравнений 2.
Модели в виде одновременных уравнений: структурная и приведенная форма уравнений 2. Смещение оценок в системах одновременных уравнений 2.
Оценивание с помощью инструментальных переменных 2. Модели двоичного выбора, модели с ограничениями для зависимой переменной и оценивание методом максимального правдоподобия 2. Линейная вероятностная модель 2. Логит- анализ 3. 01. Пробит- анализ 3.
Цензурированию регрессии: тобит- анализ 3. Смещение при построении выборки 3. Оценивание методом максимального правдоподобия (введение) 3. Моделирование по данным временных рядов 3.
Статические модели 3. Динамические модели 3. Модель адаптивных ожиданий 3. Модель частичной корректировки 3. Предсказание 3. 48.
Тесты на устойчивость 3. Свойства регрессионных моделей с временными рядами 3. Допущения для регрессионных моделей с временными рядами 3. Допущение о независимости случайного члена и регрессоров 3.
Определение и выявление автокорреляции 3. Что можно сделать для устранения автокорреляции? Автокорреляция с лаговой зависимой переменной 3. Тест на общий множитель 3.
Кажущаяся автокорреляция 3. Спецификация модели: от частного к общему или от общего к частному? Нестационарные временные ряды: введение 3. Стационарность и нестационарность 3.
Последствия нестационарности 3. Обнаружение нестационарности 3.
Коинтеграция 4. 05. Оценивание моделей с нестационарными временными рядами 4. Заключение 4. 13. Модели с панельными данными: введение 4. Введение 4. 15. 14. Регрессионные модели с фиксированным эффектом 4.
Регрессии со случайным эффектом 4. Приложение А: Статистические таблицы 4. Приложение В: Наборы данных 4. Библиография 4. 55. Именной указатель 4. Предметный указатель 4. Бесплатно скачать электронную книгу в удобном формате и читать: Скачать книгу Введение в эконометрику, Доугерти К., 2.
Скачать. Скачать.