Best prices Special offers for members of the PWE book club The cheapest delivery

Ekonometria

Aleksander Welfe
ISBN: 978-83-208-2316-5
Ean: 9788320823165
Pages: 486
Publication date: 2018
Place publication: Warszawa
Publication: I
Binding: paperback
Format: B5
18.00 €
15.30
Lowest price in last 30 days: 15.30
number copies:

Econometrics is a manual that presents an extensive range of econometric methods. It contains description of both traditional methods of estimations, tests and procedures and the most recent achievements in these fields. The lecture is delivered in a modern, transparent manner, in line with the present global tendencies. The Author introduces the readers in the world of econometrics gradually, beginning with a static model of linear regression with one explanatory variable in order to proceed later to a case of multiple variables and then to multi-equation models. An exhaustive discussion is presented concerning dynamic models and nested hypotheses. A separate chapter is dedicated to simulations and analysis of properties of systems of equations. Considerable attention is paid to issues of prognosing, including, in particular, on the basis of multi-equation models. Two final chapters concern the construction of models and verification of hypotheses on the basis of series generated by non-stationary stochastic processes which prevail in the area of economics.

While econometrics revokes to other books by the same Author, it is an entirely new publication, addressed to academic staff and students of all sorts of faculties of economics, as well as to practitioners who apply econometric methods in their decision-making processes.

 

Wstęp

Notacja, konwencje, stosowane symbole i akronimy

1. Statyczny model regresji liniowej — przypadek jednej zmiennej objaśniającej
1.1. Wprowadzenie
1.2. Założenia modelu regresji liniowej
1.3. Metoda najmniejszych kwadratów
1.4. Dekompozycja wariancji zmiennej objaśnianej
1.5. Właściwości i błędy średnie estymatorów. Wariancja składnika losowego
1.6. Przedziały ufności
1.7. Testowanie hipotez
Nota bibliograficzna

2. Statyczny model regresji liniowej — przypadek wielu zmiennych objaśniających
2.1. Wstęp
2.2. Założenia modelu regresji liniowej wielu zmiennych
2.3. Interpretacja w modelu regresji liniowej wielu zmiennych
2.4. Metoda najmniejszych kwadratów
2.5. Właściwości estymatora klasycznej metody najmniejszych kwadratów
2.6. Estymator wariancji składnika losowego
2.7. Miary zgodności
2.8. Testowanie hipotez
2.9. Metoda najmniejszych kwadratów przy warunkach pobocznych
2.10. Testowanie stabilności parametrów
2.11. Strategia modelowania „od ogółu do szczegółu”
Nota bibliograficzna

3. Metoda największej wiarygodności
3.1. Wstęp
3.2. Estymator MNW parametrów modelu regresji liniowej
3.3. Właściwości estymatora największej wiarygodności
3.4. Testy ilorazu wiarygodności, Walda i mnożnika Lagrange’a
Nota bibliograficzna

4. Niesferyczność składnika losowego w statycznym modelu regresji: autokorelacja i heteroskedastyczność
4.1. Wstęp
4.2. Przyczyny autokorelacji
4.3. Schemat autoregresyjny pierwszego rzędu
4.4. Estymacja w przypadku autokorelacji składników losowych, gdy znany jest współczynnik autokorelacji
4.5. Estymacja w przypadku autokorelacji składników losowych, gdy współczynnik autokorelacji jest nieznany
4.6. Testowanie występowania zjawiska autokorelacji pierwszego rzędu
4.7. Estymacja i testowanie w przypadku szczególnego procesu AR(4)
4.8. Estymacja i testowanie w przypadku procesu MA(1)
4.9. Estymacja w przypadku heteroskedastyczności, gdy wariancje składników losowych są znane
4.10. Estymacja w przypadku heteroskedastyczności, gdy wariancje składników losowych nie są znane
4.11. Testowanie występowania heteroskedastyczności składników losowych
4.12. Modele ARCH
4.13. Modele zmienności stochastycznej
Nota bibliograficzna

5. Współliniowość
5.1. Wstęp
5.2. Dokładna współliniowość
5.3. Przybliżona współliniowość
5.4. Pomiar współliniowości
5.5. Postępowanie w przypadku przybliżonej współliniowości
5.6. Wnioski
Nota bibliograficzna

6. Modele dynamiczne
6.1. Wstęp
6.2. Modele z nieskończonym rozkładem opóźnień
6.3. Modele ze skończonym rozkładem opóźnień
6.4. Model autoregresyjny z rozkładem opóźnień
6.5. Model ze zautokorelowanym składnikiem losowym
6.6. Model korekty błędem
6.7. Modele ARMA
Nota bibliograficzna

7. Modele specjalne
7.1. Modele z objaśniającymi zmiennymi zero-jedynkowymi
7.2. Modele przełącznikowe
7.3. Modele wygładzonego przejścia
7.4. Modele nieliniowe
7.5. Modele nierównowagi
7.6. Modele z oczekiwaniami
7.7. Modele racjonalnych oczekiwań
Nota bibliograficzna

8. Prognozy na podstawie modeli jednorównaniowych
8.1. Wstęp
8.2. Prognozy na podstawie modelu z jedną zmienną objaśniającą
8.3. Prognozy warunkowe
8.4. Prognozy na podstawie modelu regresji wielu zmiennych
8.5. Zastosowanie zmiennych zero-jedynkowych w prognozowaniu
8.6. Źródła błędów prognoz
8.7. Pomiar dokładności prognoz
8.8. Prognozy optymalne
8.9. Porównywanie prognoz
8.10. Zakończenie
Nota bibliograficzna

9. Modele wielorównaniowe o równaniach współzależnych
9.1. Wstęp
9.2. Zapis. Założenia
9.3. Rodzaje modeli
9.4. Postać zredukowana
9.5. Postać końcowa. Mnożniki
9.6. Identyfikacja
9.7. Estymacja parametrów
9.8. Estymacja parametrów pojedynczych równań
9.9. Estymacja łączna
9.10. Metody estymacji w praktyce modelowania
Nota bibliograficzna

10. Symulacje i wykorzystanie modeli wielorównaniowych
10.1. Wstęp
10.2. Rodzaje symulacji
10.3. Klasyczny algorytm Gaussa–Seidela
10.4. Istnienie rozwiązania i jego poszukiwanie metodą Gaussa–Seidela
10.5. Rozwiązywanie dużych układów równań liniowych metodą Gaussa–Seidela
10.6. Rozwiązywanie nieliniowych modeli ekonometrycznych metodą Gaussa–Seidela
10.7. Metoda Newtona–Raphsona
10.8. Porządkowanie układu równań
10.9. Zastosowanie metody Newtona–Raphsona do symulacji modeli ekonometrycznych
10.10. Numeryczne wyznaczanie wartości mnożników .
10.11. Symulacje stochastyczne
10.12. Budowa modeli o równaniach współzależnych
10.13. Prognozy na podstawie modeli wielorównaniowych
10.14. Korekty struktury modelu
Nota bibliograficzna

11. Niestacjonarność. Jednowymiarowa analiza kointegracyjna
11.1. Równowaga. Zależności długookresowe
11.2. Stacjonarność i równowaga
11.3. Trendy deterministyczne i stochastyczne
11.4. Testy pierwiastka jednostkowego
11.5. Regresje pozorne
11.6. Kointegracja
11.7. Stabilność długookresowa modelu log-liniowego
11.8. Testy kointegracji
Nota bibliograficzna

12. Skointegrowane modele wielowymiarowe
12.1. Modele VAR i CVAR
12.2. Model CVAR uwzględniający zmiany strukturalne
12.3. Estymacja parametrów i testowanie wymiaru przestrzeni kointegracyjnej
12.4. Restrykcje w modelu CVAR
12.5. Strukturalny model CVAR
12.6. Model CVAR w przypadku zmiennych I(2)
12.7. Analiza reakcji na impuls
Nota bibliograficzna

Bibliografia (wybór)

Indeks

Aleksander Welfe
Aleksander Welfe

Aleksander Welfe — economist and econometrician, full professor since 1996, member of the Polish Academy of Sciences (the President of its division in Lodz). Employed in the University of Lodz where he heads the Chair of Econometric Models and Forecasts, and in the Warsaw School of Economics. Editor (Associate Editor) of “Economic Modelling” and Editor-in-chief of “Central European Journal of Economic Modelling and Econometrics” (CEJEME). Organizer of cyclical scientific conferences and animator of scientific life, eagerly involving in science disseminating and popularizing activities and initiatives targeted at young scholars. Headed numerous research programs of the Committee of Scientific Research, NCN and the European Union. Author of over 130 scientific articles in reviewed national and foreign magazines, as well as over a dozen monographs. Specialized in the theory of econometrics, econometric modelling, as well as utilization of models in forecasting of macroeconomic processes and simulating analyzes in alternative economic policies.

For more, see: http://www.econometrics.uni.lodz.pl/profiles.aspx?id=1&tab=2

Odbiór osobisty 0 €
Inpost Paczkomaty 4 €
Kurier Inpost 4 €
Kurier FedEX 4 €
Free delivery in Reader's Club from 47 €