Год выпуска: 2002
Издательство: Отсутствует
Формат: PDF
Качество: OCR с ошибками
Количество страниц: 254
Язык: Русский
Размер файла: 3.07 МБ
В предлагаемом учебном пособии даётся краткое введение в современные методы эконометрического анализа статистических данных, представленных в виде временных рядов, которые учитывают возможное наличие у рассматриваемых переменных стохастического тренда. Основные акценты смещены в сторону разъяснения базовых понятий и основных процедур статистического анализа данных с привлечением смоделированных и реальных экономических данных. Вместе с тем, от читателя требуется несколько большая осведомленность в отношении вероятностно-статистических методов исследования.
Предполагается, что читатель имеет представление о совместной функции распределения, многомерном нормальном распределении, методе максимального правдоподобия, свойстве состоятельности оценок, характеристиках статистических критериев (ошибки первого и второго рода, мощность), а также владеет методами регрессионного анализа в рамках начального курса эконометрики. Кроме того, он должен иметь некоторое представление о комплексных числах и комплексных корнях полиномов.
Пособие написано на основании курса лекций, прочитанных автором в Институте экономики переходного периода.  

Оглавление

Оглавление Введение

Глава 1. Особенности регрессионного анализа для стохастических объясняющих переменных

Глава 2. Стационарные ряды. Модели ARMA

2.1. Общие понятия.

2.2. Процесс белого шума

2.3. Процесс авторегрессии

2.4. Процесс скользящего среднего

2.5. Смешанный процесс авторегрессии - скользящего среднего (процесс авторегрессии с остатками в виде скользящего среднего)

2.6. Модели ARMA, учитывающие наличие сезонности

Глава 3. Подбор стационарной модели ARMA для ряда наблюдений

3.1. Идентификация стационарной модели ARMA

3.2. Оценивание коэффициентов модели

3.3. Диагностика оцененной модели

Глава 4. Регрессионный анализ для стационарных объясняющих переменных

4.1. Асимптотическая обоснованность стандартных процедур

4.2. Динамические модели

4.3. Векторная авторегрессия

4.4. Некоторые частные случаи динамических моделей Глава 5. Нестационарные временные ряды

5.1. Нестационарные ARMA модели

5.2. Проблема определения принадлежности временного ряда классу TS рядов или классу DS рядов

5.3. Различение TS и DS рядов в классе моделей ARMA. Гипотеза единичного корня. Глава 6. Процедуры для различения TS и DS рядов

6.1. Предварительные замечания

6.2. Критерии Дики - Фуллера

6.3. Расширенные критерии Дики - Фуллера

6.4. Краткий обзор критериев Дики - Фуллера

6.5. Некоторые другие сочетания DGP и SM

6.6. Ряды с квадратичным трендом.

6.7. Многовариантная процедура проверки гипотезы единичного корня

6.8. Обзор некоторых других процедур

6.8.1. Критерий Филлипса - Перрона

6.8.2. Критерий Лейбурна

6.8.3. Критерий Шмидта - Филлипса.

6.8.4. Критерий DF-GLS

6.8.5. Критерий Квятковского - Филлипса - Шмидта - Шина (KPSS)

6.8.6. Процедура Кохрейна (отношение дисперсий)

6.9. Некоторые проблемы, возникающие при различении TS и DS гипотез

6.9.1. Коррекция сезонности

6.9.2. Протяженность ряда и мощность критерия

6.9.3. Проблема согласованности статистических выводов при различении TS и DS гипотез

6.9.4. Наличие нескольких единичных корней

6.10. Критерий Перрона и его обобщение

6.10.1. Критерий Перрона

6.10.2. Обобщенная процедура Перрона

Глава 7. Регрессионный анализ для нестационарных объясняющих переменных

7.1. Проблема ложной регрессии

7.2. Коинтегрированные временные ряды. Модели коррекции ошибок

7.3. Проверка нескольких рядов на коинтегрированность. Критерии Дики - Фуллера

7.4. Оценивание коинтегрированных систем временных рядов Глава 8. Процедура Йохансена

8.1. Оценивание ранга коинтеграции

8.2. Оценивание модели коррекции ошибок Заключение

Список литературы Указатель