Краткий курс по эконометрике

Введение

1. Описание курса
Курс служит введением в принципы современного искусства эконометрического оценивания и построения выводов как для кросс-данных, так и для временных рядов.
Неудовлетворенность точным подходом заставляет нас рассмотреть две альтернативы: асимтотический и бутстраповский подходы. Изучив определенные важные эконометрические тонкости обоих подходов, курс концентрируется на построении и изучении свойств линейных оценок. Тем не менее, заключительная часть курса посвящена простейшим нелинейным моделям и методам. Акцент делается на решении концептуальных задач эконометрики, нежели на математических тонкостях; тем не менее, последние иногда неизбежны. Домашние задания по курсу содержат как теоретические задачи, так и практические задания, подразумевающие использование пакета GAUSS. Задания служат важным ингредиентом обучающего процесса, в котором часто будут встречаться теоретические и эмпирические примеры.

2. Рекомендуемая литература
1. Goldberger, A. A Course in Econometrics , Harvard University Press
2. Greene, W. Econometric Analysis, 3rd edition
3. Potcher, B., Prucha, I. (2001) Basic elements of asymptotic theory , in: A Companion to Theoretical Econometrics , edited by Baltagi, B., Blackwell Publishers
4. Horowitz, J. (2001) The bootstrap, in: Handbook of Econometrics , vol. 5, Elsevier Science, North-Holland

Содержание

1. Описание курса
2. Рекомендуемая литература
I. Приближенный подход к построению статистических выводов
1. Сравнение точного и приближенного подходов
2. Концепции асимптотической теории
3. Кое-что о последовательностях случайных величин
4. Кое-что о последовательностях функций случайных величин
5. Законы Больших Чисел (ЗБЧ) и Центральные Предельные Теоремы (ЦПТ) для независимых наблюдений
6. Статистические выводы с помощью асимптотического подхода
7. Асимптотический подход для временных рядов
8. Введение в асимтотический подход для нестационарных процессов
II. Бутстраповский подход
1. Приближение истинного распределения бутстраповским
2. Приближение с помощью симуляций
3. Какие статистики бутстрапить?
4. Корректировка смещения
5. Тестирование гипотез при помощи бутстрапа
6. Асимтотическое рафинирование
7. Построение псевдовыборок при бутстрапе (случай независимых наблюдений)
8. Построение псевдовыборок в бутстрапе (случай временных рядов)
III. Основные эконометрические понятия
1. Условное математическое ожидание
2. Предсказание
3. Свойства двумерного нормального распределения
4. Свойства многомерного нормального распределения
5. Принцип аналогий
6. Регрессия (основные понятия)
IV. Регрессия линейного среднего
1. Оценка по методу наименьших квадратов OLS
2. Асмтотические свойства оценки OLS
3. Свойства OLS оценки в конечных выборках
4. Оценка по обобщеному методу наименьших квадратов (GLS)
5. Асимтотические свойства оценок GLS
6. Доступная оценка GLS
7. Регрессия с неслучайной выборкой
8. OLS и GLS во временных рядах
V. Линейные модели с инструментальными переменными
1. Эндогенные переменные
2. Случай, когда количество инструментов и регрессоров совпадает
3. Случай, когда количество инструментов превышает количество регрессоров
4. Случай, когда количество инструментов меньше числа регессоров
5. Бутстрапирование оценок инструментальных переменных
6. Инструментальные переменные во временных рядах
VI. Оценка регрессионных моделей с нелинейным средним
1. Нелинейности в регрессиях
2. Нелинейные регрессионные модели
3. Оценка нелинейного метода наименьших квадратов (NLLS)
4. Асимптотические свойства оценки NLLS
5. Эффективность и взвешенная оценка NLLS
6. Приложение: Модель бинарного выбора
7. Статистические выводы, когда при нулевой гипотезе один из параметров неидентифицирован