В главе 1 описана математическая основа, а оставшиеся главы
покрывают обычные для вводного курса темы и разбиты на три части.
Первая часть книги (главы 2—5) содержит основы регрессионного
анализа. В ее второй части (главы 6-8) рассматриваются некоторые
наиболее общие проблемы, возникающие при использовании
регрессионного анализа, а в третьей части представлены некоторые
дальнейшие продвижения. В заключительной части дается краткая
последующая ориентация
Обзор: Случайные переменные и теория выборок
Ковариация, дисперсия и корреляция
Выборочная ковариация
Несколько основных правил расчета ковариации
Альтернативное выражение для выборочной ковариации
Теоретическая ковариация
Выборочная дисперсия
Правила расчета дисперсии
Теоретическая дисперсия выборочного среднего
Коэффициент корреляции
Почему ковариация не является хорошей мерой связи?
Коэффициент частной корреляции
Парный регрессионный анализ
Модель парной линейной регрессии
Регрессия по методу наименьших квадратов
Регрессия по методу наименьших квадратов: два примера
Детальное рассмотрение остатков
Регрессия по методу наименьших квадратов с одной
независимой переменной
Интерпретация уравнения регрессии
Качество оценки: коэффициент R
Свойства коэффициентов регрессии и проверка гипотез
Случайные составляющие коэффициентов регрессии
Эксперимент по методу Монте-Карло
Предположения о случайном члене
Несмещенность коэффициентов регрессии
Точность коэффициентов регрессии
Теорема Гаусса—Маркова
Проверка гипотез, относящихся к коэффициентам
регрессии
Доверительные интервалы
Односторонние t-тесты
х
F-mecm на качество оценивания
Взаимосвязи между критериями в парном регрессионном
анализе
Преобразования переменных
Базисная процедура
Логарифмические преобразования
Случайный член
Нелинейная регрессия
Выбор функции: тесты Бокса—Кокса
Приложение
Множественный регрессионный анализ
Иллюстрация: модель с двумя независимыми переменными
Вывод и интерпретация коэффициентов множественной
регрессии
Множественная регрессия в нелинейных моделях
Свойства коэффициентов множественной регрессии
Мулътиколлинеарность
Качество оценивания: коэффициент R
Спецификация переменных в уравнениях регрессии
предварительное рассмотрение
Моделирование
Влияние отсутствия в уравнении переменной, которая
должна быть включена
Влияние включения в модель переменной, которая
не должна быть включена
Замещающие переменные
Проверка линейного ограничения
Как извлечь максимум информации из анализа остатков
Лаговые переменные
Гетероскедастичность и автокоррелированность случайного члена
Еще раз об условиях Гаусса—Маркова
Гетероскедастичность и ее последствия
Обнаружение гетероскедастичности
Что можно сделать в случае гетероскедастичности?
Автокорреляция и связанные с ней факторы
Обнаружение автокорреляции первого порядка: критерий
Дарбина—Уотсона
Что можно сделать в отношении автокорреляции?
Автокорреляция с лаговой зависимой переменной
Автокорреляция как следствие неправильной спецификации
модели
Приложение
Приложение
Приложение
Приложение
Стохастические объясняющие переменные и ошибки измерения
Стохастические объясняющие переменные
Последствия ошибок измерения
Критика М. Фридменом стандартной функции потребления
Инструментальные переменные
Фиктивные переменные
Иллюстрация использования фиктивной переменной
Общий случай
Множественные совокупности фиктивных переменных
Фиктивные переменные для коэффициента наклона
Тест Чоу
Приложение
Моделирование динамических процессов
Введение
Распределение Койка
Частичная корректировка
Адаптивные ожидания
Гипотеза Фридмена о постоянном доходе
Полиномиально распределенные лаги Алмон
Рациональные ожидания
Предсказание
Тесты на устойчивость
Приложение
Оценивание систем одновременных уравнений
Смещение при оценке одновременных уравнений
Структурная и приведенная формы уравнений
Косвенный метод наименьших квадратов (КМНК)
Инструментальные переменные (ИП)
Неидентифицируемость
Сверхидентифицированность
Двухшаговый метод наименьших квадратов (ДМНК)
Условие размерности для идентификации
Идентификация относительно стабильных зависимостей
Приложение
Что дальше?
Метод максимального правдоподобия (ММП)
Спецификация модели
Послесловие к функциям спроса
Приложение А. Статистические таблицы
Приложение Б. Набор данных
Библиография
Именной указатель
Предметный указатель
Обзор: Случайные переменные и теория выборок
Ковариация, дисперсия и корреляция
Выборочная ковариация
Несколько основных правил расчета ковариации
Альтернативное выражение для выборочной ковариации
Теоретическая ковариация
Выборочная дисперсия
Правила расчета дисперсии
Теоретическая дисперсия выборочного среднего
Коэффициент корреляции
Почему ковариация не является хорошей мерой связи?
Коэффициент частной корреляции
Парный регрессионный анализ
Модель парной линейной регрессии
Регрессия по методу наименьших квадратов
Регрессия по методу наименьших квадратов: два примера
Детальное рассмотрение остатков
Регрессия по методу наименьших квадратов с одной
независимой переменной
Интерпретация уравнения регрессии
Качество оценки: коэффициент R
Свойства коэффициентов регрессии и проверка гипотез
Случайные составляющие коэффициентов регрессии
Эксперимент по методу Монте-Карло
Предположения о случайном члене
Несмещенность коэффициентов регрессии
Точность коэффициентов регрессии
Теорема Гаусса—Маркова
Проверка гипотез, относящихся к коэффициентам
регрессии
Доверительные интервалы
Односторонние t-тесты
х
F-mecm на качество оценивания
Взаимосвязи между критериями в парном регрессионном
анализе
Преобразования переменных
Базисная процедура
Логарифмические преобразования
Случайный член
Нелинейная регрессия
Выбор функции: тесты Бокса—Кокса
Приложение
Множественный регрессионный анализ
Иллюстрация: модель с двумя независимыми переменными
Вывод и интерпретация коэффициентов множественной
регрессии
Множественная регрессия в нелинейных моделях
Свойства коэффициентов множественной регрессии
Мулътиколлинеарность
Качество оценивания: коэффициент R
Спецификация переменных в уравнениях регрессии
предварительное рассмотрение
Моделирование
Влияние отсутствия в уравнении переменной, которая
должна быть включена
Влияние включения в модель переменной, которая
не должна быть включена
Замещающие переменные
Проверка линейного ограничения
Как извлечь максимум информации из анализа остатков
Лаговые переменные
Гетероскедастичность и автокоррелированность случайного члена
Еще раз об условиях Гаусса—Маркова
Гетероскедастичность и ее последствия
Обнаружение гетероскедастичности
Что можно сделать в случае гетероскедастичности?
Автокорреляция и связанные с ней факторы
Обнаружение автокорреляции первого порядка: критерий
Дарбина—Уотсона
Что можно сделать в отношении автокорреляции?
Автокорреляция с лаговой зависимой переменной
Автокорреляция как следствие неправильной спецификации
модели
Приложение
Приложение
Приложение
Приложение
Стохастические объясняющие переменные и ошибки измерения
Стохастические объясняющие переменные
Последствия ошибок измерения
Критика М. Фридменом стандартной функции потребления
Инструментальные переменные
Фиктивные переменные
Иллюстрация использования фиктивной переменной
Общий случай
Множественные совокупности фиктивных переменных
Фиктивные переменные для коэффициента наклона
Тест Чоу
Приложение
Моделирование динамических процессов
Введение
Распределение Койка
Частичная корректировка
Адаптивные ожидания
Гипотеза Фридмена о постоянном доходе
Полиномиально распределенные лаги Алмон
Рациональные ожидания
Предсказание
Тесты на устойчивость
Приложение
Оценивание систем одновременных уравнений
Смещение при оценке одновременных уравнений
Структурная и приведенная формы уравнений
Косвенный метод наименьших квадратов (КМНК)
Инструментальные переменные (ИП)
Неидентифицируемость
Сверхидентифицированность
Двухшаговый метод наименьших квадратов (ДМНК)
Условие размерности для идентификации
Идентификация относительно стабильных зависимостей
Приложение
Что дальше?
Метод максимального правдоподобия (ММП)
Спецификация модели
Послесловие к функциям спроса
Приложение А. Статистические таблицы
Приложение Б. Набор данных
Библиография
Именной указатель
Предметный указатель