Ulubione
  1. Strona główna
  2. ZASTOSOWANIA EKONOMETRII 10 niegroźnych przykładów

ZASTOSOWANIA EKONOMETRII 10 niegroźnych przykładów

44,00 zł
39,60 zł
/ szt.
Oszczędzasz 10 % ( 4,40 zł).
Najniższa cena produktu z 30 dni przed obniżką: 39,60 zł
Autor: red. Andrzej Torój
Kod produktu: 978-83-8030-158-0
Cena regularna:
44,00 zł
39,60 zł
/ szt.
Oszczędzasz 10 % ( 4,40 zł).
Najniższa cena produktu z 30 dni przed obniżką: 39,60 zł
Dodaj do ulubionych
Łatwy zwrot towaru w ciągu 14 dni od zakupu bez podania przyczyny
ZASTOSOWANIA EKONOMETRII 10 niegroźnych przykładów
ZASTOSOWANIA EKONOMETRII 10 niegroźnych przykładów

 

[[[separator]]]

Ekonometria to piękna dziedzina nauki. Jej piękno ani istota nie polegają jednak na mnogości wzorów, misternych konstrukcjach matematycznych czy tworzeniu barier wejścia dla niewtajemniczonych. Formalizm jest niekiedy niezbędny, ale jego zrozumienie przychodzi naturalnie, gdy uświadomimy sobie, że ekonometria oferuje zestaw potężnych narzędzi poznawania rzeczywistości. Złożoność modeli i metod nie bierze się znikąd, a zarazem nie powinna być dla badacza celem samym w sobie. Narzędzia ekonometryczne powinny być zatem skomplikowane w stopniu adekwatnym do opisywanej przez nie rzeczywistości; ani mniej, ani bardziej.

Niniejszą publikację przygotowaliśmy z myślą o tym, żeby przekonać Czytelnika do takiego sposobu myślenia o prowadzeniu badań ekonometrycznych. Punktem wyjścia powinien być problem świata rzeczywistego (problem ekonomiczny, społeczny, a czasami nawet sportowy), a nie wzór na estymator. Innymi słowy - problemy nie są po to, żeby ilustrować metody ekonometryczne; to metody są po to, żeby rozwiązywać problemy, i taka jest zwykle geneza niestandardowych metod ekonometrycznych.

W toku naszych dyskusji na forum Studenckiego Koła Naukowego Ekonometrii doszliśmy do wniosku, że takie spojrzenie na ekonometrię warto promować wśród studentów na możliwie wczesnym etapie nauki - choćby dlatego, że bardzo ono ułatwia przyswajanie wiedzy, odczarowując abstrakcję, którą niesie za sobą zapis symboliczny. Dlatego postanowiliśmy zaadresować niniejszy tekst do kilku grup:

  • do średniozaawansowanych studentów kierunku Metody Ilościowe w Ekonomii i Systemy Informacyjne w SGH, którzy ukończyli już naukę podstaw ekonometrii i zastanawiają się, co dalej, oraz do ich rówieśników na innych uczelniach wyższych studiujących kierunki ilościowe i ekonomiczne;
  • do szukających inspiracji i szlifujących wszechstronny warsztat magistrantów i doktorantów interesujących się ekonometrią i ekonomią;
  • do praktyków z różnych dziedzin biznesu i administracji potrzebujących szybkiego i zorientowanego aplikacyjnie wprowadzenia w wybrane techniki modelowania ekonometrycznego.

 

W naszym odczuciu brakuje na polskim rynku publikacji popularnonaukowej traktującej o ekonometrii i przybliżającej jej meandry w sposób przystępny dla odbiorcy, a jednocześnie niebędącej systematycznym podręcznikiem. Być może nie da się nawet takiej stworzyć. Podjęliśmy jednak taką próbę w przekonaniu, że ekonometrii należy się ona tak samo, jak na przykład matematyce czy statystyce społecznej - a tam podobnych pozycji nie brakuje.

Tematy poruszone w tej pracy nie wiążą się ze sobą i nie ma żadnej oczywistej kolejności, w jakiej Czytelnik powinien czytać poszczególne rozdziały. Lista tych tematów nie jest w żaden sposób wyczerpująca. Liczymy na to, że lektura skłoni niejednego studenta II czy III roku studiów licencjackich do odkrycia pasji samodzielnych poszukiwań, zainspiruje przyszłego magistra przy pisaniu pracy dyplomowej, pomoże początkującemu praktykowi bez pełnego wykształcenia ilościowego odpowiednio sformalizować swoją intuicję, a może nawet posłuży wykładowcom jako pomoc dydaktyczna. Aby ułatwić realizację tych celów, każdemu z rozdziałów towarzyszy komplet danych i kodów umieszczonych na stronie internetowej tej książki: http://kolegia.sgh.waw.pl/pl/KAE/struktura/IE/oferta/Strony/badania_ekonometryczne_skn_ekonometrii.aspx

[[[separator]]]

Wstęp

 

1. Student - model 1:0. O modelach zmiennej licznikowej (Ewelina Chmura)

1.1. Ekonometria na boisku piłkarskim

1.2. Dlaczego klasyczny model regresji liniowej nie wystarcza?

1.3. Celny strzał - model zmiennej licznikowej

1.4. Wyniki estymacji parametrów modelu regresji Poissona

1.5. Rozszerzenia: model regresji ujemnej dwumianowej i model płotkowy

1.6. Model regresji Poissona - podsumowanie

1.7. Zmienna licznikowa - inne przykłady modelowania

 

2. Na chwilę wyprzedzić gospodarkę. Krótkookresowe prognozowanie dynamiki cen za pomocą modeli czynnikowych (Kamil Łuczkowski)

2.1. Prognozowanie makroekonomiczne - wróżenie z fusów?

2.2. Regresja liniowa nie zawsze skuteczna

2.3. Model czynnikowy

2.4. Analiza głównych składowych

2.5. Przykład: główne składowe w zbiorze predyktorów CPI

2.6. Prognozowanie inflacji w Polsce za pomocą modelu czynnikowego

2.7. Inne zastosowania dynamicznych modeli czynnikowych

 

3. W służbie ostrożnego inwestora. Regresja kwantylowa (Marcin Pietrzak)

3.1. Skąd się wzięła idea regresji kwantylowej?

3.2. Problem zabezpieczenia portfela inwestora

3.3. Model regresji kwantylowej

3.4. Przykład: zabezpieczamy portfel akcji KGHM

3.5. Regresja kwantylowa: gdzie jeszcze?

 

4. Harmonogram emeryta milionera. Modelujemy dywidendę z modelem Heckmana (Aneta Biernat)

4.1. Emerytura z dywidendy?

4.2. Dywidenda - trochę teorii

4.3. Modelowanie dywidendy

4.4. Specyfikacja równania selekcji i równania wynikowego

4.5. Oszacowanie modelu Heckmana

4.6. Dlaczego zatem model Heckmana?

4.7. A przed emeryturą? - przykłady dalszych zastosowań

 

5. Modele, wino i test. O weryfikacji liniowych restrykcji i własności składnika losowego (Justyna Klejdysz)

5.1. Statystyki testowe w parametrycznych testach istotności

5.2. Testy F i LM - wszystko jedno?

5.3. Zależność pomiędzy testem F a testem LM

5.4. Test LM na autokorelację składnika losowego

5.5. Opóźnienia reszt a liczba obserwacji

5.6. Test LM - inne zastosowania

 

6. Zaufanie społeczne w Europie, czyli co nas dzieli, a co łączy. Analiza wielopoziomowa (Magdalena Karska)

6.1. Kiedy stosować analizę wielopoziomową

6.2. Dlaczego Duńczycy nie pilnują swoich rowerów?

6.3. Krok 1: Budowa modelu zerowego

6.4. Krok 2: Stałe współczynniki dla poziomu indywidualnego

6.5. Krok 3: Współczynniki dla poziomu grup

6.6. Krok 4: Losowe współczynniki

6.7. Krok 5: Międzypoziomowe interakcje

6.8. Cechy kraju czy cechy jednostki?

6.9. Analiza wielopoziomowa: gdzie jeszcze?

 

7. Tam sięgaj, gdzie GUS nie sięga. O filtrze Kalmana (Andrzej Torój)

7.1. Proste rozwiązanie: filtr HP

7.2. Konstrukcja filtru Kalmana

7.3. Błędy pomiaru i ich rola

7.4. Luka PKB w Polsce w świetle filtru Kalmana

7.5. Refleksja na koniec: co właściwie otrzymaliśmy...?

7.6. Filtr Kalmana: gdzie jeszcze?

 

8. Z sąsiadami efektywniej. O kointegracji panelowej (Piotr Roszkowski)

8.1. Model dla Polski, czyli dlaczego długość szeregów ma znaczenie

8.2. Panel - lek na (prawie) całe zło

8.3. Panelowe testy pierwiastka jednostkowego

8.4. Panelowy estymator w pełni zmodyfikowanej MNK

8.5. Gdy już nawarzymy piwa - czyli wyniki estymacji modelu BEER

8.6. Szerzej o kointegracji panelowej

 

9. Gdy dane to za mało. Regresja liniowa w ujęciu bayesowskim (Bartosz Olesiński)

9.1. Jak dobrze sprzedać auto?

9.2. Bayesowskie podejście do ekonometrii

9.3. Jak modele radzą sobie z wyceną?

9.4. Czy było warto?

9.5. Regresja z restrykcjami jakościowymi w ujęciu bayesowskim: dalsze przykłady zastosowań

 

10. Rynek ropy a gospodarka światowa. Model (S)VAR (Michał Chojnowski)

10.1. Czym jest model VAR?

10.2. Unikając eksplozji: stacjonarność modelu VAR

10.3. Diagnostyka reszt w modelu VAR

10.4. Prognozujemy przyszłość i szukamy przyczyn

10.5. Analiza odpowiedzi na impuls: od modelu VAR do SVAR

10.6. Dekompozycja wariancji: dlaczego produkcja ropy się zmienia?

10.7. Wyjść poza rynek ropy, czyli inne zastosowania modeli SVAR

Opis

Wydanie: 1
Rok wydania: 2017
Wydawnictwo: Oficyna Wydawnicza
Oprawa: miękka
Format: B5
Liczba stron: 210

 

Wstęp

Ekonometria to piękna dziedzina nauki. Jej piękno ani istota nie polegają jednak na mnogości wzorów, misternych konstrukcjach matematycznych czy tworzeniu barier wejścia dla niewtajemniczonych. Formalizm jest niekiedy niezbędny, ale jego zrozumienie przychodzi naturalnie, gdy uświadomimy sobie, że ekonometria oferuje zestaw potężnych narzędzi poznawania rzeczywistości. Złożoność modeli i metod nie bierze się znikąd, a zarazem nie powinna być dla badacza celem samym w sobie. Narzędzia ekonometryczne powinny być zatem skomplikowane w stopniu adekwatnym do opisywanej przez nie rzeczywistości; ani mniej, ani bardziej.

Niniejszą publikację przygotowaliśmy z myślą o tym, żeby przekonać Czytelnika do takiego sposobu myślenia o prowadzeniu badań ekonometrycznych. Punktem wyjścia powinien być problem świata rzeczywistego (problem ekonomiczny, społeczny, a czasami nawet sportowy), a nie wzór na estymator. Innymi słowy - problemy nie są po to, żeby ilustrować metody ekonometryczne; to metody są po to, żeby rozwiązywać problemy, i taka jest zwykle geneza niestandardowych metod ekonometrycznych.

W toku naszych dyskusji na forum Studenckiego Koła Naukowego Ekonometrii doszliśmy do wniosku, że takie spojrzenie na ekonometrię warto promować wśród studentów na możliwie wczesnym etapie nauki - choćby dlatego, że bardzo ono ułatwia przyswajanie wiedzy, odczarowując abstrakcję, którą niesie za sobą zapis symboliczny. Dlatego postanowiliśmy zaadresować niniejszy tekst do kilku grup:

  • do średniozaawansowanych studentów kierunku Metody Ilościowe w Ekonomii i Systemy Informacyjne w SGH, którzy ukończyli już naukę podstaw ekonometrii i zastanawiają się, co dalej, oraz do ich rówieśników na innych uczelniach wyższych studiujących kierunki ilościowe i ekonomiczne;
  • do szukających inspiracji i szlifujących wszechstronny warsztat magistrantów i doktorantów interesujących się ekonometrią i ekonomią;
  • do praktyków z różnych dziedzin biznesu i administracji potrzebujących szybkiego i zorientowanego aplikacyjnie wprowadzenia w wybrane techniki modelowania ekonometrycznego.

 

W naszym odczuciu brakuje na polskim rynku publikacji popularnonaukowej traktującej o ekonometrii i przybliżającej jej meandry w sposób przystępny dla odbiorcy, a jednocześnie niebędącej systematycznym podręcznikiem. Być może nie da się nawet takiej stworzyć. Podjęliśmy jednak taką próbę w przekonaniu, że ekonometrii należy się ona tak samo, jak na przykład matematyce czy statystyce społecznej - a tam podobnych pozycji nie brakuje.

Tematy poruszone w tej pracy nie wiążą się ze sobą i nie ma żadnej oczywistej kolejności, w jakiej Czytelnik powinien czytać poszczególne rozdziały. Lista tych tematów nie jest w żaden sposób wyczerpująca. Liczymy na to, że lektura skłoni niejednego studenta II czy III roku studiów licencjackich do odkrycia pasji samodzielnych poszukiwań, zainspiruje przyszłego magistra przy pisaniu pracy dyplomowej, pomoże początkującemu praktykowi bez pełnego wykształcenia ilościowego odpowiednio sformalizować swoją intuicję, a może nawet posłuży wykładowcom jako pomoc dydaktyczna. Aby ułatwić realizację tych celów, każdemu z rozdziałów towarzyszy komplet danych i kodów umieszczonych na stronie internetowej tej książki: http://kolegia.sgh.waw.pl/pl/KAE/struktura/IE/oferta/Strony/badania_ekonometryczne_skn_ekonometrii.aspx

Spis treści

Wstęp

 

1. Student - model 1:0. O modelach zmiennej licznikowej (Ewelina Chmura)

1.1. Ekonometria na boisku piłkarskim

1.2. Dlaczego klasyczny model regresji liniowej nie wystarcza?

1.3. Celny strzał - model zmiennej licznikowej

1.4. Wyniki estymacji parametrów modelu regresji Poissona

1.5. Rozszerzenia: model regresji ujemnej dwumianowej i model płotkowy

1.6. Model regresji Poissona - podsumowanie

1.7. Zmienna licznikowa - inne przykłady modelowania

 

2. Na chwilę wyprzedzić gospodarkę. Krótkookresowe prognozowanie dynamiki cen za pomocą modeli czynnikowych (Kamil Łuczkowski)

2.1. Prognozowanie makroekonomiczne - wróżenie z fusów?

2.2. Regresja liniowa nie zawsze skuteczna

2.3. Model czynnikowy

2.4. Analiza głównych składowych

2.5. Przykład: główne składowe w zbiorze predyktorów CPI

2.6. Prognozowanie inflacji w Polsce za pomocą modelu czynnikowego

2.7. Inne zastosowania dynamicznych modeli czynnikowych

 

3. W służbie ostrożnego inwestora. Regresja kwantylowa (Marcin Pietrzak)

3.1. Skąd się wzięła idea regresji kwantylowej?

3.2. Problem zabezpieczenia portfela inwestora

3.3. Model regresji kwantylowej

3.4. Przykład: zabezpieczamy portfel akcji KGHM

3.5. Regresja kwantylowa: gdzie jeszcze?

 

4. Harmonogram emeryta milionera. Modelujemy dywidendę z modelem Heckmana (Aneta Biernat)

4.1. Emerytura z dywidendy?

4.2. Dywidenda - trochę teorii

4.3. Modelowanie dywidendy

4.4. Specyfikacja równania selekcji i równania wynikowego

4.5. Oszacowanie modelu Heckmana

4.6. Dlaczego zatem model Heckmana?

4.7. A przed emeryturą? - przykłady dalszych zastosowań

 

5. Modele, wino i test. O weryfikacji liniowych restrykcji i własności składnika losowego (Justyna Klejdysz)

5.1. Statystyki testowe w parametrycznych testach istotności

5.2. Testy F i LM - wszystko jedno?

5.3. Zależność pomiędzy testem F a testem LM

5.4. Test LM na autokorelację składnika losowego

5.5. Opóźnienia reszt a liczba obserwacji

5.6. Test LM - inne zastosowania

 

6. Zaufanie społeczne w Europie, czyli co nas dzieli, a co łączy. Analiza wielopoziomowa (Magdalena Karska)

6.1. Kiedy stosować analizę wielopoziomową

6.2. Dlaczego Duńczycy nie pilnują swoich rowerów?

6.3. Krok 1: Budowa modelu zerowego

6.4. Krok 2: Stałe współczynniki dla poziomu indywidualnego

6.5. Krok 3: Współczynniki dla poziomu grup

6.6. Krok 4: Losowe współczynniki

6.7. Krok 5: Międzypoziomowe interakcje

6.8. Cechy kraju czy cechy jednostki?

6.9. Analiza wielopoziomowa: gdzie jeszcze?

 

7. Tam sięgaj, gdzie GUS nie sięga. O filtrze Kalmana (Andrzej Torój)

7.1. Proste rozwiązanie: filtr HP

7.2. Konstrukcja filtru Kalmana

7.3. Błędy pomiaru i ich rola

7.4. Luka PKB w Polsce w świetle filtru Kalmana

7.5. Refleksja na koniec: co właściwie otrzymaliśmy...?

7.6. Filtr Kalmana: gdzie jeszcze?

 

8. Z sąsiadami efektywniej. O kointegracji panelowej (Piotr Roszkowski)

8.1. Model dla Polski, czyli dlaczego długość szeregów ma znaczenie

8.2. Panel - lek na (prawie) całe zło

8.3. Panelowe testy pierwiastka jednostkowego

8.4. Panelowy estymator w pełni zmodyfikowanej MNK

8.5. Gdy już nawarzymy piwa - czyli wyniki estymacji modelu BEER

8.6. Szerzej o kointegracji panelowej

 

9. Gdy dane to za mało. Regresja liniowa w ujęciu bayesowskim (Bartosz Olesiński)

9.1. Jak dobrze sprzedać auto?

9.2. Bayesowskie podejście do ekonometrii

9.3. Jak modele radzą sobie z wyceną?

9.4. Czy było warto?

9.5. Regresja z restrykcjami jakościowymi w ujęciu bayesowskim: dalsze przykłady zastosowań

 

10. Rynek ropy a gospodarka światowa. Model (S)VAR (Michał Chojnowski)

10.1. Czym jest model VAR?

10.2. Unikając eksplozji: stacjonarność modelu VAR

10.3. Diagnostyka reszt w modelu VAR

10.4. Prognozujemy przyszłość i szukamy przyczyn

10.5. Analiza odpowiedzi na impuls: od modelu VAR do SVAR

10.6. Dekompozycja wariancji: dlaczego produkcja ropy się zmienia?

10.7. Wyjść poza rynek ropy, czyli inne zastosowania modeli SVAR

Opinie

Twoja ocena:
Wydanie: 1
Rok wydania: 2017
Wydawnictwo: Oficyna Wydawnicza
Oprawa: miękka
Format: B5
Liczba stron: 210

 

Ekonometria to piękna dziedzina nauki. Jej piękno ani istota nie polegają jednak na mnogości wzorów, misternych konstrukcjach matematycznych czy tworzeniu barier wejścia dla niewtajemniczonych. Formalizm jest niekiedy niezbędny, ale jego zrozumienie przychodzi naturalnie, gdy uświadomimy sobie, że ekonometria oferuje zestaw potężnych narzędzi poznawania rzeczywistości. Złożoność modeli i metod nie bierze się znikąd, a zarazem nie powinna być dla badacza celem samym w sobie. Narzędzia ekonometryczne powinny być zatem skomplikowane w stopniu adekwatnym do opisywanej przez nie rzeczywistości; ani mniej, ani bardziej.

Niniejszą publikację przygotowaliśmy z myślą o tym, żeby przekonać Czytelnika do takiego sposobu myślenia o prowadzeniu badań ekonometrycznych. Punktem wyjścia powinien być problem świata rzeczywistego (problem ekonomiczny, społeczny, a czasami nawet sportowy), a nie wzór na estymator. Innymi słowy - problemy nie są po to, żeby ilustrować metody ekonometryczne; to metody są po to, żeby rozwiązywać problemy, i taka jest zwykle geneza niestandardowych metod ekonometrycznych.

W toku naszych dyskusji na forum Studenckiego Koła Naukowego Ekonometrii doszliśmy do wniosku, że takie spojrzenie na ekonometrię warto promować wśród studentów na możliwie wczesnym etapie nauki - choćby dlatego, że bardzo ono ułatwia przyswajanie wiedzy, odczarowując abstrakcję, którą niesie za sobą zapis symboliczny. Dlatego postanowiliśmy zaadresować niniejszy tekst do kilku grup:

  • do średniozaawansowanych studentów kierunku Metody Ilościowe w Ekonomii i Systemy Informacyjne w SGH, którzy ukończyli już naukę podstaw ekonometrii i zastanawiają się, co dalej, oraz do ich rówieśników na innych uczelniach wyższych studiujących kierunki ilościowe i ekonomiczne;
  • do szukających inspiracji i szlifujących wszechstronny warsztat magistrantów i doktorantów interesujących się ekonometrią i ekonomią;
  • do praktyków z różnych dziedzin biznesu i administracji potrzebujących szybkiego i zorientowanego aplikacyjnie wprowadzenia w wybrane techniki modelowania ekonometrycznego.

 

W naszym odczuciu brakuje na polskim rynku publikacji popularnonaukowej traktującej o ekonometrii i przybliżającej jej meandry w sposób przystępny dla odbiorcy, a jednocześnie niebędącej systematycznym podręcznikiem. Być może nie da się nawet takiej stworzyć. Podjęliśmy jednak taką próbę w przekonaniu, że ekonometrii należy się ona tak samo, jak na przykład matematyce czy statystyce społecznej - a tam podobnych pozycji nie brakuje.

Tematy poruszone w tej pracy nie wiążą się ze sobą i nie ma żadnej oczywistej kolejności, w jakiej Czytelnik powinien czytać poszczególne rozdziały. Lista tych tematów nie jest w żaden sposób wyczerpująca. Liczymy na to, że lektura skłoni niejednego studenta II czy III roku studiów licencjackich do odkrycia pasji samodzielnych poszukiwań, zainspiruje przyszłego magistra przy pisaniu pracy dyplomowej, pomoże początkującemu praktykowi bez pełnego wykształcenia ilościowego odpowiednio sformalizować swoją intuicję, a może nawet posłuży wykładowcom jako pomoc dydaktyczna. Aby ułatwić realizację tych celów, każdemu z rozdziałów towarzyszy komplet danych i kodów umieszczonych na stronie internetowej tej książki: http://kolegia.sgh.waw.pl/pl/KAE/struktura/IE/oferta/Strony/badania_ekonometryczne_skn_ekonometrii.aspx

Wstęp

 

1. Student - model 1:0. O modelach zmiennej licznikowej (Ewelina Chmura)

1.1. Ekonometria na boisku piłkarskim

1.2. Dlaczego klasyczny model regresji liniowej nie wystarcza?

1.3. Celny strzał - model zmiennej licznikowej

1.4. Wyniki estymacji parametrów modelu regresji Poissona

1.5. Rozszerzenia: model regresji ujemnej dwumianowej i model płotkowy

1.6. Model regresji Poissona - podsumowanie

1.7. Zmienna licznikowa - inne przykłady modelowania

 

2. Na chwilę wyprzedzić gospodarkę. Krótkookresowe prognozowanie dynamiki cen za pomocą modeli czynnikowych (Kamil Łuczkowski)

2.1. Prognozowanie makroekonomiczne - wróżenie z fusów?

2.2. Regresja liniowa nie zawsze skuteczna

2.3. Model czynnikowy

2.4. Analiza głównych składowych

2.5. Przykład: główne składowe w zbiorze predyktorów CPI

2.6. Prognozowanie inflacji w Polsce za pomocą modelu czynnikowego

2.7. Inne zastosowania dynamicznych modeli czynnikowych

 

3. W służbie ostrożnego inwestora. Regresja kwantylowa (Marcin Pietrzak)

3.1. Skąd się wzięła idea regresji kwantylowej?

3.2. Problem zabezpieczenia portfela inwestora

3.3. Model regresji kwantylowej

3.4. Przykład: zabezpieczamy portfel akcji KGHM

3.5. Regresja kwantylowa: gdzie jeszcze?

 

4. Harmonogram emeryta milionera. Modelujemy dywidendę z modelem Heckmana (Aneta Biernat)

4.1. Emerytura z dywidendy?

4.2. Dywidenda - trochę teorii

4.3. Modelowanie dywidendy

4.4. Specyfikacja równania selekcji i równania wynikowego

4.5. Oszacowanie modelu Heckmana

4.6. Dlaczego zatem model Heckmana?

4.7. A przed emeryturą? - przykłady dalszych zastosowań

 

5. Modele, wino i test. O weryfikacji liniowych restrykcji i własności składnika losowego (Justyna Klejdysz)

5.1. Statystyki testowe w parametrycznych testach istotności

5.2. Testy F i LM - wszystko jedno?

5.3. Zależność pomiędzy testem F a testem LM

5.4. Test LM na autokorelację składnika losowego

5.5. Opóźnienia reszt a liczba obserwacji

5.6. Test LM - inne zastosowania

 

6. Zaufanie społeczne w Europie, czyli co nas dzieli, a co łączy. Analiza wielopoziomowa (Magdalena Karska)

6.1. Kiedy stosować analizę wielopoziomową

6.2. Dlaczego Duńczycy nie pilnują swoich rowerów?

6.3. Krok 1: Budowa modelu zerowego

6.4. Krok 2: Stałe współczynniki dla poziomu indywidualnego

6.5. Krok 3: Współczynniki dla poziomu grup

6.6. Krok 4: Losowe współczynniki

6.7. Krok 5: Międzypoziomowe interakcje

6.8. Cechy kraju czy cechy jednostki?

6.9. Analiza wielopoziomowa: gdzie jeszcze?

 

7. Tam sięgaj, gdzie GUS nie sięga. O filtrze Kalmana (Andrzej Torój)

7.1. Proste rozwiązanie: filtr HP

7.2. Konstrukcja filtru Kalmana

7.3. Błędy pomiaru i ich rola

7.4. Luka PKB w Polsce w świetle filtru Kalmana

7.5. Refleksja na koniec: co właściwie otrzymaliśmy...?

7.6. Filtr Kalmana: gdzie jeszcze?

 

8. Z sąsiadami efektywniej. O kointegracji panelowej (Piotr Roszkowski)

8.1. Model dla Polski, czyli dlaczego długość szeregów ma znaczenie

8.2. Panel - lek na (prawie) całe zło

8.3. Panelowe testy pierwiastka jednostkowego

8.4. Panelowy estymator w pełni zmodyfikowanej MNK

8.5. Gdy już nawarzymy piwa - czyli wyniki estymacji modelu BEER

8.6. Szerzej o kointegracji panelowej

 

9. Gdy dane to za mało. Regresja liniowa w ujęciu bayesowskim (Bartosz Olesiński)

9.1. Jak dobrze sprzedać auto?

9.2. Bayesowskie podejście do ekonometrii

9.3. Jak modele radzą sobie z wyceną?

9.4. Czy było warto?

9.5. Regresja z restrykcjami jakościowymi w ujęciu bayesowskim: dalsze przykłady zastosowań

 

10. Rynek ropy a gospodarka światowa. Model (S)VAR (Michał Chojnowski)

10.1. Czym jest model VAR?

10.2. Unikając eksplozji: stacjonarność modelu VAR

10.3. Diagnostyka reszt w modelu VAR

10.4. Prognozujemy przyszłość i szukamy przyczyn

10.5. Analiza odpowiedzi na impuls: od modelu VAR do SVAR

10.6. Dekompozycja wariancji: dlaczego produkcja ropy się zmienia?

10.7. Wyjść poza rynek ropy, czyli inne zastosowania modeli SVAR

Napisz swoją opinię
Twoja ocena:
Szybka wysyłka zamówień
Kup online i odbierz na uczelni
Bezpieczne płatności
pixel