Прикладная статистика и основы эконометрики с а айвазян b c мхитарян. Айвазян С

Методы эконометрики. Айвазян С.А.

М.: 2010 - 512 с.

Содержание учебника соответствует действующим образовательным стандартам и учебным программам высших учебных заведений экономического профиля по дисциплине «Эконометрика». Особенность данного издания заключается в том, что в нем в описание традиционных методов решения эконометрических задач впервые органично встроены (там, где это позволяет повысить точность и глубину анализа) современные методы многомерного статистического анализа, ранее не включавшиеся в инструментарий эконометрики (в частности, дискриминантный и кластер-анализы, метод главных компонент и др.). Представленные в учебнике методы и модели регрессионного анализа, бинарного и множественного выбора, анализа временных рядов могут составить содержание одного или двух базовых семестровых курсов по эконометрике в рамках учебного плана бакалавриата. Для студентов, аспирантов, преподавателей, а также специалистов по прикладной экономике и эконометрике.

Формат: pdf

Размер: 5 ,8 Мб

Скачать: Rghost

ОГЛАВЛЕНИЕ
Предисловие 9
Глава 1. Введение 13
1.1. Эконометрика: эволюция определения и реальность 13
1.2. Обеднение математического аппарата эконометрики 16
1.3. Место эконометрики в ряду математико-статистических и экономических дисциплин 19
1.4. Эконометрическая модель и проблемы эконометрического моделирования 22
Выводы 30
Глава 2. Введение в регрессионный анализ 33
2.1. Общая формулировка проблемы статистического исследования зависимостей 33
2.2. Какова конечная прикладная цель статистического исследования зависимостей? 42
2.3. Некоторые типовые задачи практики эконометрического моделирования 45
2.4. Основные типы зависимостей между количественными переменными 50
2.5. О выборе общего вида функции регрессии 55
Выводы 65
Глава 3. Введение в корреляционный анализ 67
3.1. Назначение и место корреляционного анализа в статистическом исследовании 67
3.2. Корреляционный анализ количественных признаков 69
3.3. Корреляционный анализ ранговых (ординальных) переменных: ранговая корреляция 96
3.4. Корреляционный анализ категоризованных переменных: таблицы сопряженности 111
Выводы 117
Глава 4. Классическая линейная модель множественной регрессии (КЛММР) 121
4.1. Описание КЛММР. Основные допущения модели 121
4.2. Оценивание неизвестных параметров КЛММР: метод наименьших квадратов и метод максимального правдоподобия 126
4.3. Анализ вариации результирующего показателя у и выборочный коэффициент детерминации Щх 140
4.4. Мультиколлинеарность и отбор наиболее существенных объясняющих переменных в КЛММР 145
4.5. КЛММР с линейными ограничениями на параметры 162
4.6. Общий подход к статистической проверке гипотез о наличии линейных связей между параметрами КЛММР 167
Выводы 176
Глава 5. Обобщенная линейная модель множественной регрессии 179
5.1. Описание обобщенной линейной модели множественной регрессии (ОЛММР) 179
5.2. Оценки параметров ОЛММР по обобщенному методу наименьших квадратов (ОМНК-оценки) 183
5.3. ОЛММР с гетероскедастичными остатками 188
5.4. ОЛММР с автокоррелированными остатками 198
5.5. Практически реализуемый ОМНК (общий подход) 207
Выводы 210
Глава 6. Прогнозирование, основанное на линейных моделях множественной регрессии 213
6.1. Анализ точности оцененной ЛММР (теоретическая база для решения задач прогноза) 214
6.2. Наилучший точечный прогноз у(Х) и f{X) = E(y|X), основанный на ОЛММР 216
6.3. Интервальный прогноз у(Х) и f(X) = E(y|X), основанный на ОЛММР 220
6.4. Анализ точности регрессионной модели и прогнозирование в условиях реалистической ситуации 226
Выводы 230
Глава 7. Линейные модели регрессии со стохастическими объясняющими переменными 233
7.1. Случайные остатки е не зависят от предикторов X и оцениваемых коэффициентов регрессии в 235
7.2. Общий случай: стохастические предикторы X коррелированы с регрессионными остатками е. Метод инструментальных переменных 238
7.3. Случайные ошибки в измерении значений объясняющих переменных 243
Выводы 249
Глава 8. Линейные регрессионные модели с переменной структурой 251
8.1. Проблема неоднородных (в регрессионном смысле) данных 251
8.2. Введение «манекенов» (фиктивных переменных)в линейную модель регрессии 254
8.3. Проверка регрессионной однородности двух групп наблюдений (критерий Г. Чоу) 263
8.4. Построение КЛММР по неоднородным данным в условиях, когда значения сопутствующих переменных неизвестны 265
Выводы 269
Глава 9. Модели с дискретными и дискретно-непрерывными зависимыми переменными 271
9.1. Модели бинарного выбора 273
9.2. Модели множественного выбора 282
9.3. Связь моделей бинарного и множественного выбора с дискриминантным анализом 285
9.4. Модель с дискретно-непрерывной зависимой переменной (тобит-модель) 287
Выводы 291
Глава 10. Анализ одномерных временных рядов (модели и прогнозирование) 293
10.1. Временной ряд: определения, примеры, формулировка основных задач 295
10.2. Стационарные временные ряды и их основные характеристики 302
10.3. Неслучайная составляющая временного ряда и методы его сглаживания 314
10.4. Модели стационарных временных рядов и их идентификация 336
10.5. Модели нестационарных временных рядов и их идентификация 378
10.6. Прогнозирование экономических показателей, основанное на использовании моделей временных рядов 395
Выводы 409
Приложение 1. Таблицы математической статистики 413
Приложение 2. Необходимые сведения из матричной алгебры.. 433
Приложение 3. Многомерный статистический анализ 455
Литература 493
Алфавитно-предметный указатель 497

Айвазян С.А., Мхитарян В.С., Зехин В.А. Практикум по многомерным статистическим методам (учебное пособие)/ Московский государственный университет экономики, статистики и информатики. М., 2012 (2-е издание) – 77 стр.

Учебное пособие подготовлено для поддержки практических занятий по дисциплине "Многомерные статистические методы", читаемой в МЭСИ и на экономическом факультете МГУ им. М.В. Ломоносова. Пособие ориентировано на учебник С.А. Айвазян, В.С. Мхитарян "Прикладная статистика и основы эконометрики", М., ЮНИТИ, 1998; (2-е издание) 2001.

Учебное пособие содержит по каждой теме достаточно большой набор задач и упражнений, а также тест.

При подготовке к экзаменам и зачетам студентам будет полезен итоговый тест.

Учебное пособие предназначено для студентов экономических специальностей и может представлять интерес для преподавателей, аспирантов и специалистов, занимающихся применением статистических методов в социально-экономических исследованиях.

В работе использованы материалы научных исследований кафедры Математической статистики и эконометрики МЭСИ.

Ил. - 7, табл. - 47, список литературы - 11 наименований.

Рецензенты: к.т.н., проф. Калинина В.Н.,

к.э.н., доц. Горчакова Н.Ф.

Айвазян С.А., 2012

Мхитарян В.С., 2012

Зехин В.А., 2012

 Московский государственный университет экономики, статистики и информатики 2012

С.А.Айвазян

В.С.Мхитарян

В.А.Зехин

ПРАКТИКУМ

по многомерным статистическим методам

Москва, 2012

Предисловие 4

Глава 1. Корреляционный анализ 5

1.1. Корреляционный анализ показателей деятельности

песчаных карьеров 5

1.2. Задачи и упражнения 8

1.3. Тест 11

Глава 2. Регрессионный анализ (классическая модель) 13

2.1. Регрессионная модель производительности труда 13

2.2. Регрессионная модель урожайности зерновых

культур 16

2.3.Задачи и упражнения 20

2.4. Тест 23

Глава 3. Компонентный анализ 25

3.1. Анализ деятельности строительных организаций 25

3.2. Компонентный анализ деятельности

сельскохозяйственных районов 28

3.3. Задачи и упражнения 31

3.4. Тест 34

Глава 4. Кластерный и дискриминантный анализ 36

4.1. Классификация семей по анализируемой структуре

расходов 36

4.2. Классификация стран по уровню жизни населения 43

4.3. Классификация мотор-компрессоров бытовых

холодильников по уровню качества 45

4.4. Дискриминантный анализ деятельности АО 48

4.5. Задачи и упражнения 49

4.6. Тест 56

Глава 5. Итоговый тест 58

Литература 61

Приложения 62

П 1. Варианты заданий для самостоятельных компьютерных

исследований. Исходные статистические данные 63

П 2. Математико-статистические таблицы 65

ПРЕДИСЛОВИЕ

Учебное пособие подготовлено для поддержки практических занятий по дисциплине "Многомерные статистические методы".

Авторы исходили из того, что по указанной дисциплине половина практических занятий проводится в обычных аудиториях, а другая половина - в компьютерных классах. Задачи и упражнения, решаемые в аудиториях, направлены на изучение самих статистических методов и алгоритмов. Цель компьютерных занятий - проведение самостоятельных социально-экономических исследований с использованием статистических пакетов программ для ПЭВМ. Исследования включают в себя постановку задачи, проведение расчетов на ПЭВМ, содержательную интерпретацию полученных результатов и выводы.

В этой связи в учебном пособии алгоритмы рассматриваемых методов прикладной статистики подробно разбираются на экономических примерах, часть из которых решены с помощью микрокалькулятора (ориентированы на аудиторию), а часть - с помощью ПЭВМ. Авторы стремились показать возможности получения многовариантных решений и технику выбора окончательной модели и результата, основываясь не только на статистических приемах, но во многом на априорной (предварительной) информации, которой обычно располагает исследователь в экономике.

Задачи, предлагаемые для самостоятельных исследований достаточно прозрачны в экономическом плане, что дает возможность студенту выступать в роли специалиста, который, проводя компьютерные статистические исследования, всегда в общих чертах представляет, что он может ожидать от ЭВМ при реализации того или иного метода.

Авторы выражают глубокую признательность заведующей лабораторией Прикладной статистики и эконометрического моделирования при кафедре Математической статистики и эконометрики Бамбаевой Н.Я. за помощь в проведении компьютерных расчетов и подготовку оригинал-макета рукописи.

Год выпуска: 2010

Жанр: Эконометрика

Издательство: Магистр

Формат: PDF

Качество: OCR

Количество страниц: 512

Описание: Содержание учебника соответствует действующим образовательным стандартам и учебным программам высших учебных заведений экономического профиля по дисциплине «Эконометрика». Особенность данного издания заключается в том, что в нем в описание традиционных методов решения эконометрических задач впервые органично встроены (там, где это позволяет повысить точность и глубину анализа) современные методы многомерного статистического анализа, ранее не включавшиеся в инструментарий эконометрики (в частности, дискриминантный и кластер-анализы, метод главных компонент и др.).
Представленные в учебнике методы и модели регрессионного анализа, бинарного и множественного выбора, анализа временных рядов могут составить содержание одного или двух базовых семестровых курсов по эконометрике в рамках учебного плана бакалавриата.
Для студентов, аспирантов, преподавателей, а также специалистов по прикладной экономике и эконометрике.

Вы держите в руках учебник по методам эконометрики — дисциплины, которая является одной из трех базовых дисциплин (наряду с микро- и макроэкономикой) высшего экономического образования. К сожалению, подобный статус эконометрики в России был признан с большим запозданием: лишь начиная с 1992 года эконометрика была введена в учебные планы экономического образования некоторых ведущих российских вузов. Такое позднее признание эконометрики сразу поставило российских студентов в невыгодное положение: к тому времени в России было издано лишь несколько относительно старых переводных книг по эконометрике, а первые отечественные учебники по этой дисциплине появились только в 1997-1998 гг. (см. [Магнус, Катышев, Пересецкий (2005)], [Айвазян (2001)]). Однако сейчас ситуация существенно выправилась: многократно переизданы упомянутые две книги, вышли в свет отечественные учебники под редакцией И.И. Елисеевой (2006), В.И. Суслова (2005), переводы с английского прекрасных книг [Берндт (2005)], [Магнус, Нейдекер (2007)], [Вербик (2008)].
Значительно повысились возможности использования лучших образцов англоязычной эконометрической литературы (за счет повышения общего уровня владения английским языком нашими студентами и специалистами, а также — развития электронных средств связи, см., например, список англоязычной литературы в конце данного издания).
При таких обстоятельствах возникает естественный вопрос: что побудило автора к созданию еще одного учебника по эконометрике?
Чтобы ответить на этот вопрос, прежде всего, должен заметить, что мое понимание сущности и назначения эконометрических методов несколько отличается от общепринятого в североамериканском и западноевропейском эконометрическом сообществе. Это понимание формировалось на базе теоретико-вероятностной и математико-статистической отечественной школы в процессе знакомства с лучшими образцами англоязычной эконометрической литературы, а также — личных научных контактов с коллегами из Гарвардского университета (США), Университета Париж-1/Сорбонна (Франция), Тилбургского и Роттердамского университетов (Голландия), Женевского университета (Швейцария) и других образовательных и научных центров мира. Сущность этих отличий кратко представлена в пп. 1.1 и 1.2 главы 1 (Введения) книги. К этому надо добавить, что со временем несколько трансформируются представления специалистов о багаже методов эконометрики, смещаются акценты в оценке областей их применения. Не со всеми такими представлениями, принятыми, скажем, в научных кругах США, я могу согласиться. Так, например, принято включать в курсы (учебники) по эконометрике «Теорию больших выборок» (или «Асимптотическую теорию»), «Непараметрические и полупараметрические методы принятия статистических решений», развернутое изложение метода максимального правдоподобия. Но вся эта тематика традиционно представлена в качестве разделов в других самостоятельных научных дисциплинах — теории вероятностей и математической статистике. В то же время важнейшие для эконометрического анализа прикладные методы многомерной статистики (дискриминантный и кластер-анализы, метод главных компонент и др.) по непонятным причинам отсутствуют в эконометрических курсах и классических университетских учебниках Северной Америки и Западной Европы. Добавлю к этому, что за последние несколько лет серьезный импульс к развитию получили некоторые специальные методы многомерного статистического анализа, получен ряд важных результатов в области финансовой эконометрики, используемых при эко-нометрическом анализе финансовых данных в задачах управления рисками.
Все упомянутые обстоятельства и определили специфические отличия данного издания от традиционных учебников по эконометрике. Среди этих отличий, в первую очередь, следует выделить тот факт, что в описание традиционных методов решения эконометрических задач впервые, насколько мне известно, органично встроены (там, где это представляется объективно необходимым) процедуры многомерного статистического анализа, ранее не принимавшиеся в расчет (такие как кластер-анализ, дискриминантный анализ, метод главных компонент).
К особенностям книги следует отнести и факт включения в нее двух обширных вводных глав по регрессионному (глава 2) и корреляционному (глава 3) анализам. Многолетняя практика преподавания в ведущих российских вузах (Московской школе экономики МГУ им. М.В. Ломоносова, экономическом факультете МГУ, Государственном университете — Высшей школе экономики, Российской экономической школе, Московском государственном университете экономики, статистики и информатики) убедила меня в том, что, приступая к освоению эконометрики, студенты, как правило, имеют явный дефицит знаний и умений в основах этих двух разделов.
Возвращаясь к вопросу о мотивации создания учебника, следует признать, что существенное влияние на замысел и содержание книги оказал многолетний опыт исследовательской и педагогической работы автора в Московской школе экономики Московского государственного университета им. М.В. Ломоносова. Без постоянных рабочих контактов с коллегами по кафедре эконометрики и математических методов экономики, без главных критиков и генераторов вопросов — студентов МШЭ МГУ эта книга вряд ли появилась бы на свет.
Учебник охватывает весьма полный спектр методов математико-статистического инструментария эконометрики по всем его традиционным разделам, а именно:

1. классическая линейная модель регрессии и классический метод наименьших квадратов (гл.4 и 6);
2. обобщенная линейная модель регрессии и обобщенный метод наименьших квадратов (гл.5 и 6);
3. линейная модель регрессии с переменной структурой (гл.8);
4. регрессионные модели с дискретной зависимой переменной: модели бинарного и множественного выбора (гл.9);
5. регрессионные модели в условиях цензурирования, усечения или выборочной селективности (the sample selection) зависимой переменной (гл.9);
6. статистический анализ одномерных и многомерных временных рядов (гл.10).

В приложения вынесены, помимо математико-статистических таблиц, необходимые для усвоения материала книги сведения из матричной алгебры и многомерного статистического анализа. Предполагается, что читатель уже имеет необходимую подготовку по математической статистике в рамках базовых курсов, предусмотренных государственными стандартами для экономических специальностей вузов.
Следует, однако, подчеркнуть, что в предлагаемом издании представлены, конечно, далеко не все важнейшие разделы современной эконометрики. В нем нет, например, методов и моделей анализа многомерных временных рядов, анализа панельных данных, обобщенного метода моментов, не отражены последние достижения в области финансовой эконометрики (копула-функции, методы управления финансовыми рисками), не представлены байесовский подход к эконометрическому анализу и методы измерения и анализа синтетических латентных категорий, комплексно характеризующих качество или эффективность функционирования анализируемой системы. Вся эта проблематика будет представлена в продвинутом курсе эконометрики (предназначенном для магистерского уровня экономического образования), который готовится к изданию мной и моим итальянским коллегой (по МШЭ) Деаном Фантаццини.
Что касается базового бакалаврского уровня дисциплины «Эконометрика» , то он обеспечен представленными в данном учебнике методами и моделями, которые могут составить содержание одного или двух (в зависимости от отведенного в учебном плане вуза времени) семестровых курсов по схеме: 2 часа лекций и 2 часа семинарских занятий в неделю. Эти занятия должны быть, конечно, оснащены задачами и упражнениями (в том числе в компьютерных классах), для чего помимо примеров, приведенных в книге, можно рекомендовать, например, «Сборник задач к начальному курсу эконометрики» П. К. Катышева, Я.Р. Магнуса и A.A. Пересецкого (издательство «Дело», 2008 г.).
Вычислительная реализация описываемых в книге методов основана на использовании статистических и эконометрических пакетов SPSS, Е-views, R и STATA.
Автор старался следовать такому стилю изложения, который помогал бы читателю понять, в первую очередь, основную идею и смысл описываемого метода, избежать чисто формального, механистического восприятия материала. Правда, это неизбежно связано с увеличением объема книги.
В заключение хочу выразить признательность. Прежде всего я благодарен коллективам и администрации МШЭ МГУ и Центрального экономико-математического института РАН, плодотворная профессиональная среда которых существенно помогла в работе над учебником. Большую пользу я получил от общения с коллегами — преподавателями эконометрики и статистики различных вузов России, Литвы, Молдавии в ходе специально организованной серии семинаров (1997-2002 гг.), на которых отечественные и зарубежные специалисты (в их числе — и автор учебника) представляли свои циклы лекций в рамках общей программы повышения квалификации. Наконец, я благодарен Алле Павловне и Галине Юрьевне Грохотовым за самоотверженный и профессиональный труд по подготовке оригинал-макета книги.
Хочу обратить внимание читателя на следующий факт: для достижения успеха в приложениях эконометрических методов эконометристу приходится весьма тонко балансировать между экономической теорией, возможностями необходимого информационного обеспечения, формулировкой исходных допущений модели и самими методами. Другими словами, прикладная эконометрика — это не только наука, но еще и искусство, овладение которым постигается с опытом. Так что желаю читателю успеха в постижении науки и искусства владения тонким и эффективным инструментарием эконометрики!

«Методы эконометрики»

Введение

1. Эконометрика: эволюция определения и реальность
2. Обеднение математического аппарата эконометрики
3. Место эконометрики в ряду математико-статистических и экономических дисциплин
4. Эконометрическая модель и проблемы эконометрического моделирования

Введение в регрессионный анализ

1. Общая формулировка проблемы статистического исследования зависимостей
2. Какова конечная прикладная цель статистического исследования зависимостей?
3. Некоторые типовые задачи практики эконометрического моделирования
4. Основные типы зависимостей между количественными переменными
5. О выборе общего вида функции регрессии

Введение в корреляционный анализ

1. Назначение и место корреляционного анализа в статистическом исследовании
2. Корреляционный анализ количественных признаков
3. Корреляционный анализ ранговых (ординальных) переменных: ранговая корреляция
4. Корреляционный анализ категоризованных переменных: таблицы сопряженности

Классическая линейная модель множественной регрессии (КЛММР)

1. Описание КЛММР. Основные допущения модели
2. Оценивание неизвестных параметров КЛММР: метод наименьших квадратов и метод максимального правдоподобия
3. Анализ вариации результирующего показателя у и выборочный коэффициент детерминации
4. Мультиколлинеарность и отбор наиболее существенных объясняющих переменных в КЛММР
5. КЛММР с линейными ограничениями на параметры
6. Общий подход к статистической проверке гипотез о наличии линейных связей между параметрами КЛММР

Обобщенная линейная модель множественной регрессии

1. Описание обобщенной линейной модели множественной регрессии (ОЛММР)
2. Оценки параметров ОЛММР по обобщенному методу наименьших квадратов (ОМНК-оценки)
3. ОЛММР с гетероскедастичными остатками
4. ОЛММР с автокоррелированными остатками
5. Практически реализуемый ОМНК (общий подход)

Прогнозирование, основанное на линейных моделях множественной регрессии

1. Анализ точности оцененной ЛММР (теоретическая база для решения задач прогноза)
2. Наилучший точечный прогноз у(Х) и f{X) = E(y|X), основанный на ОЛММР
3. Интервальный прогноз у(Х) и f(X) = E(y|X), основанный на ОЛММР
4. Анализ точности регрессионной модели и прогнозирование в условиях реалистической ситуации

Линейные модели регрессии со стохастическими объясняющими переменными

1. Случайные остатки е не зависят от предикторов X и оцениваемых коэффициентов регрессии
2. Общий случай: стохастические предикторы X коррелированы с регрессионными остатками. Метод инструментальных переменных
3. Случайные ошибки в измерении значений объясняющих переменных

Линейные регрессионные модели с переменной структурой

1. Проблема неоднородных (в регрессионном смысле) данных
2. Введение «манекенов» (фиктивных переменных) в линейную модель регрессии
3. Проверка регрессионной однородности двух групп наблюдений (критерий Г. Чоу)
4. Построение КЛММР по неоднородным данным в условиях, когда значения сопутствующих переменных неизвестны

Модели с дискретными и дискретно-непрерывными зависимыми переменными

1. Модели бинарного выбора
2. Модели множественного выбора
3. Связь моделей бинарного и множественного выбора с дискриминантным анализом
4. Модель с дискретно-непрерывной зависимой переменной (тобит-модель)

Анализ одномерных временных рядов (модели и прогнозирование)

1. Временной ряд: определения, примеры, формулировка основных задач
2. Стационарные временные ряды и их основные характеристики
3. Неслучайная составляющая временного ряда и методы его сглаживания
4. Модели стационарных временных рядов и их идентификация
5. Модели нестационарных временных рядов и их идентификация
6. Прогнозирование экономических показателей, основанное на использовании моделей временных рядов

Приложение 1. Таблицы математической статистики
Приложение 2. Необходимые сведения из матричной алгебры
Приложение 3. Многомерный статистический анализ
Литература

Продолжаем приобщаться к управлению качеством и смежным областям.
На этот раз предлагается справочное издание по прикладной статистике в 3-х томах.

Автор этого великолепного издания, профессор Сергей Артемьевич Айвазян, совместно с А.И. Орловым, впервые в СССР ввел понятие "прикладная статистика", чем вызвал настоящую бурю возмущения у партийных бонз и верхушки Госкомстата: статистика всегда была делом политическим. Во времена перестройки полемика выплеснулась на страницы журналов по специальности.

Том 1. Основы моделирования и первичная обработка данных

Книга посвящена методам предварительного статистического анализа данных и построения модели реального явления, характеризуемого этими данными. Приводятся сведения по теории вероятностей и математической статистике, освещаются вопросы программной реализации
излагаемых методов.

Том 2. Исследование зависимостей

В книге рассматриваются методы корреляционного, регрессионного и дисперсионного анализа. Приводятся их алгоритмы и обзор программного обеспечения.

Том 3. Классификация и снижение размерности

Рассматриваются задачи классификации объектов, снижения размерности. Большое
внимание уделяется разведочному статистическому аиализу.

НАТА: Книги на премиуме, бэкап не нужен

Метки темы:
Статистика

Издатель: Финансы и статистика

Год издания: 1983

Страниц: 472

Язык: русский

Качество: хорошее