ZASTOSOWANIA EKONOMETRII 10 NIEGROŹNYCH PRZYKŁADÓW

ISBN: 978-83-8030-158-0

210 stron
format: B5
oprawa: miękka
Rok wydania: 2017

Niniejsza książka stanowi efekt pracy członków, alumnów, przyjaciół i opiekuna naukowego Studenckiego Koła Naukowego Ekonometrii Szkoły Głównej Handlowej w Warszawie oraz wnikliwych recenzentów. W każdym z dziesięciu niezależnych od siebie rozdziałów zaprezentowano zastosowanie określonego narzędzia analizy ekonometrycznej (m.in. filtru Kalmana, regresji kwantylowej, modelu czynnikowego, modelu selekcji próby czy modelu zmiennej licznikowej) do rozwiązania odpowiedniego problemu badawczego. Czytelnicy mają możliwość własnoręcznej replikacji omówionych przykładów dzięki zbiorom danych i kodom zamieszczonym na stronie WWW książki. Propozycja jest adresowana do wszystkich zainteresowanych doskonaleniem warsztatu ekonometryka w praktyce, dydaktyków (np. w organizacji zajęć o charakterze seminaryjnym) oraz studentów kierunków związanych z ekonometrią - jako pomoc naukowa i inspiracja.

SPIS TREŚCI

Wstęp

1. Student - model 1:0. O modelach zmiennej licznikowej (Ewelina Chmura)1.1. Ekonometria na boisku piłkarskim1.2. Dlaczego klasyczny model regresji liniowej nie wystarcza?1.3. Celny strzał - model zmiennej licznikowej1.4. Wyniki estymacji parametrów modelu regresji Poissona1.5. Rozszerzenia: model regresji ujemnej dwumianowej i model płotkowy1.6. Model regresji Poissona - podsumowanie1.7. Zmienna licznikowa - inne przykłady modelowania2. 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 skuteczna2.3. Model czynnikowy2.4. Analiza głównych składowych2.5. Przykład: główne składowe w zbiorze predyktorów CPI2.6. Prognozowanie inflacji w Polsce za pomocą modelu czynnikowego2.7. Inne zastosowania dynamicznych modeli czynnikowych3. W służbie ostrożnego inwestora. Regresja kwantylowa (Marcin Pietrzak)3.1. Skąd się wzięła idea regresji kwantylowej?3.2. Problem zabezpieczenia portfela inwestora3.3. Model regresji kwantylowej3.4. Przykład: zabezpieczamy portfel akcji KGHM3.5. Regresja kwantylowa: gdzie jeszcze?4. Harmonogram emeryta milionera. Modelujemy dywidendę z modelem Heckmana (Aneta Biernat)4.1. Emerytura z dywidendy?4.2. Dywidenda - trochę teorii4.3. Modelowanie dywidendy4.4. Specyfikacja równania selekcji i równania wynikowego4.5. Oszacowanie modelu Heckmana4.6. Dlaczego zatem model Heckmana?4.7. A przed emeryturą? - przykłady dalszych zastosowań5. Modele, wino i test. O weryfikacji liniowych restrykcji i własności składnika losowego (Justyna Klejdysz)5.1. Statystyki testowe w parametrycznych testach istotności5.2. Testy F i LM - wszystko jedno?5.3. Zależność pomiędzy testem F a testem LM5.4. Test LM na autokorelację składnika losowego5.5. Opóźnienia reszt a liczba obserwacji5.6. Test LM - inne zastosowania6. Zaufanie społeczne w Europie, czyli co nas dzieli, a co łączy. Analiza wielopoziomowa (Magdalena Karska)6.1. Kiedy stosować analizę wielopoziomową6.2. Dlaczego Duńczycy nie pilnują swoich rowerów?6.3. Krok 1: Budowa modelu zerowego6.4. Krok 2: Stałe współczynniki dla poziomu indywidualnego6.5. Krok 3: Współczynniki dla poziomu grup6.6. Krok 4: Losowe współczynniki6.7. Krok 5: Międzypoziomowe interakcje6.8. 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 HP7.2. Konstrukcja filtru Kalmana7.3. Błędy pomiaru i ich rola7.4. Luka PKB w Polsce w świetle filtru Kalmana7.5. 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 znaczenie8.2. Panel - lek na (prawie) całe zło8.3. Panelowe testy pierwiastka jednostkowego8.4. Panelowy estymator w pełni zmodyfikowanej MNK8.5. Gdy już nawarzymy piwa - czyli wyniki estymacji modelu BEER8.6. Szerzej o kointegracji panelowej9. Gdy dane to za mało. Regresja liniowa w ujęciu bayesowskim (Bartosz Olesiński)9.1. Jak dobrze sprzedać auto?9.2. Bayesowskie podejście do ekonometrii9.3. Jak modele radzą sobie z wyceną?9.4. Czy było warto?9.5. Regresja z restrykcjami jakościowymi w ujęciu bayesowskim: dalsze przykłady zastosowań10. Rynek ropy a gospodarka światowa. Model (S)VAR (Michał Chojnowski)10.1. Czym jest model VAR?10.2. Unikając eksplozji: stacjonarność modelu VAR10.3. Diagnostyka reszt w modelu VAR10.4. Prognozujemy przyszłość i szukamy przyczyn10.5. Analiza odpowiedzi na impuls: od modelu VAR do SVAR10.6. Dekompozycja wariancji: dlaczego produkcja ropy się zmienia?10.7. Wyjść poza rynek ropy, czyli inne zastosowania modeli SVAR