Vor Ort
Merkzettel Warenkorb
  • Produktbild: Ökonometrie
  • Produktbild: Ökonometrie

Ökonometrie

Aus der Reihe Physica-Lehrbuch

54,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.01.1990

Verlag

Physica

Seitenzahl

394

Maße (L/B/H)

20,3/13,3/2,2 cm

Gewicht

449 g

Auflage

4. Auflage 1990

Sprache

Deutsch

ISBN

978-3-7908-0486-7

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

31.01.1990

Verlag

Physica

Seitenzahl

394

Maße (L/B/H)

20,3/13,3/2,2 cm

Gewicht

449 g

Auflage

4. Auflage 1990

Sprache

Deutsch

ISBN

978-3-7908-0486-7

Herstelleradresse

Physica Verlag
Tiergartenstr. 17
69121 Heidelberg
DE

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Weitere Artikel finden Sie in
  • Produktbild: Ökonometrie
  • Produktbild: Ökonometrie
  • 0. Einleitung.- 0.1. Wesen und Aufgabe der Ökonometrie.- 0.2. Schätzprobleme.- 0.3. Erkenntnismöglichkeit der Ökonometrie.- 0.4. Praktische Ökonometrie.- 0.5. Literatur.- I. Das klassische Regressionsmodell.- 1. Das einfache lineare Regressionsmodell.- 1.1. Das Modell.- 1.1.1. Stochastisch gestörte Funktionen.- 1.1.2. Die exogene Variable.- 1.1.3. Die Störvariable.- 1.1.4. Die Regressionsfunktion.- 1.1.5. Exogene und endogene Variable.- 1.1.6. Das vollständige Modell.- 1.1.7. Bemerkungen zu den Modellannahmen.- 1.2. Die Methode der kleinsten Quadrate.- 1.2.1. Prinzip der kleinsten Quadrate (KQ).- 1.2.2. Normalgleichungen.- 1.2.3. Die Residuen.- 1.2.4. Korrelationskoeffizient und Bestimmtheitsmaß.- 1.2.5. Die Umkehrregression.- 1.2.6. Nichtlineare Regression.- 1.3. Maximum-Likelihood-Methode.- 1.3.1. Das Maximum-Likelihood-Prinzip.- 1.3.2. ML-Schätzungen.- 1.4. Schätzfehler.- 1.4.1. Zufallsfehler.- 1.4.2. Ein Simulationsmodell.- 1.4.3. Schätzvariablen.- 1.4.4. Erwartungstreue der geschätzten Regressionsparameter.- 1.4.5. Standardfehler der Parameterschätzungen.- 1.4.6. Kovarianz der Parameterschätzungen.- 1.4.7. Normalverteilung.- 1.4.8. Konsistenz.- 1.4.9. Residualvarianz.- 1.4.10.* Konfidenzintervall für ?.- 1.4.11. Konfidenzintervalle für die Regressionsparameter.- 1.4.12. Prüfung von Hypothesen über die Parameter.- 1.4.13.* Konfidenzellipse.- 1.4.14.* Effizienz.- 1.4.15.* Gauss-Markoff-Theorem.- 1.5. Prognosen.- 1.5.1. Prognose und Test.- 1.5.2. Prognosefehler.- 1.5.3. Prognose- und Toleranzintervall.- 1.5.4.* Test auf Strukturbruch in den Regressionsparametern.- 1.5.5.* Test auf Strukturbruch in der Störvarianz.- Aufgaben zu Kap. 1.- 2. Das multiple lineare Regressionsmodell.- 2.1. Das Modell.- 2.1.1. Darstellung ohne Matrizen.- 2.1.2. Matrizendarstellung.- 2.2. Die Methode der kleinsten Quadrate.- 2.2.1. Prinzip der kleinsten Quadrate.- 2.2.2. Normalgleichungen.- 2.2.3. Residualvarianz.- 2.3. Das absolute Glied.- 2.3.1. Normalgleichungen.- 2.3.2. Residualvarianz.- 2.3.3. Beispiel: 2 exogene Variablen.- 2.3.4. Homogene Regression.- 2.4. Allgemeine stochastische Eigenschaften der KQ-Schätzvariablen.- 2.4.1. Erwartungstreue der Regressionsparameterschätzungen.- 2.4.2. Kovarianzmatrix.- 2.4.3. Konfidenzintervalle.- 2.4.4. Beispiel: 2 exogene Variablen.- 2.4.5. Linearkombinationen von Regressionsparametern.- 2.4.6. Konsistenz der Regressionsparameterschätzungen.- 2.4.7.* Beste lineare Schätzung.- 2.4.8. Erwartungstreue der Residualvarianz.- 2.4.9.* Konsistenz der Residualvarianz.- 2.5. Stochastische Eigenschaften der KQ-Schätzvariablen unter der Normalverteilungshypothese.- 2.5.1. Normalverteilung der Parameterschätzungen.- 2.5.2. Maximum Likelihood.- 2.5.3.* ?2- und F-Verteilungen.- 2.5.4.* Konfidenzellipsoid und Signifikanztest.- 2.5.5.* Strukturbrüche.- 2.5.6. (0,1)-Variablen.- 2.5.7. Prognose.- Aufgaben zu Kap. 2.- 3. Kollinearität und Fehlspezifikation.- 3.1. Korrelationskoeffizienten.- 3.1.1. Multipler Korrelationskoeffizient.- 3.1.2.* Partielle Korrelationskoeffizienten.- 3.1.3.* Korrelations- und Regressionskoeffizienten.- 3.2. Kollinearität.- 3.2.1. Exakte lineare Abhängigkeiten.- 3.2.2. Stochastische lineare Abhängigkeiten.- 3.2.3. Beispiel: 2 exogene Variablen.- 3.2.4. Versuche zur Überwindung der Kollinearität.- 3.2.5. Externe Information.- 3.3. Fehlspezifikation.- 3.3.1. Ausschluß exogener Variablen.- 3.3.2.* Stufenweise Regression.- 3.3.3.* Aggregationsfehler.- Aufgaben zu Kap. 3.- 4. Systeme von Regressionsgleichungen.- 4.1. Keine a-priori-Restriktionen.- 4.1.1. Das Modell.- 4.1.2. Methode der kleinsten Quadrate.- 4.1.3. Maximum-Likelihood-Prinzip.- 4.1.4. Effizienz.- 4.1.5. Linearkombinationen aus Gleichungen.- 4.1.6. Prognosen.- 4.2. A-priori-Restriktionen.- 4.2.1. Restriktionen in einer Gleichung.- 4.2.2.* Nachfragesysteme.- Aufgaben zu Kap. 4.- II. Erweiterungen des Regressionsmodells.- 5. Autokorrelation und Heteroskedastizität.- 5.1. Die verallgemeinerte Methode der kleinsten Quadrate nach Aitken.- 5.1.1. Modellvoraussetzungen.- 5.1.2. Gewöhnliche Methode der kleinsten Quadrate.- 5.1.3. Verallgemeinerte Methode der kleinsten Quadrate.- 5.2. Autokorrelation.- 5.2.1. Das autoregressive Schema erster Ordnung.- 5.2.2. Verallgemeinerte KQ-Methode bei einfacher Autokorrelation.- 5.2.3. Variablentransformation bei einfacher Autokorrelation.- 5.2.4. Differenzen.- 5.2.5. Test auf Autokorrelation.- 5.2.6. Prognose bei Autokorrelation.- 5.3. Heteroskedastizität.- 5.3.1. Schätzverfahren.- 5.3.2. Test auf Heteroskedastizität.- Aufgaben zu Kap. 5.- 6. Verzögerte Variablen.- 6.1. Dynamische Modelle.- 6.1.1. Beispiele.- 6.1.2. Zeitpfad autoregressiv bestimmter Variablen.- 6.1.3. Stochastische Differenzengleichungen, Stationarität.- 6.1.4. Die Momentenmatrix.- 6.2. Schätzprobleme.- 6.2.1. Modellannahmen.- 6.2.2. KQ-Verzerrung bei kleinen Stichproben.- 6.2.3. Maximum Likelihood.- 6.2.4.* Asymptotische Eigenschaften.- 6.2.5. Autokorrelation.- Aufgaben zu Kap. 6.- 7. Fehler in den Variablen.- 7.1. Das Modell.- 7.1.1. Systematische Fehler.- 7.1.2. Zufällige Fehler.- 7.1.3. Interpretationen des Fehlermodells.- 7.2. Das Schätzproblem.- 7.2.1. Inkonsistente KQ-Schätzungen.- 7.2.2. Konsistente Schätzmethoden bei Kenntnis der Fehlervarianzen.- 7.2.3. Konsistente Schätzmethoden bei Kenntnis von Hilfsvariablen.- 7.2.4. Verfahren von Wald.- Aufgaben zu Kap. 7.- 8.* A-priori-Wahrscheinlichkeiten.- 8.1. A-priori-Restriktionen.- 8.1.1. Deterministische a-priori-Restriktionen.- 8.1.2. Stochastische a-priori-Restriktionen.- 8.2. Der Bayes-Schluß.- 8.2.1. Theorem von Bayes.- 8.2.2. Bayes-Schätzung einer linearen Regression.- 8.2.3. Bayes-Prognose.- Aufgaben zu Kap. 8.- III. Interdependente Systeme.- 9. Das vollständige ökonometrische Modell.- 9.1. Grundlagen.- 9.1.1. Einführende Bemerkungen.- 9.1.2. Exogene Variablen.- 9.1.3. Allgemeine Form eines interdependenten linearen Systems.- 9.1.4. Beispiele.- 9.1.5. Strukturgleichungen.- 9.1.6. A-priori-Restriktionen.- 9.1.7. Stochastische Modellannahmen.- 9.2. Struktur und reduzierte Form.- 9.2.1. Reduzierte Form.- 9.2.2. Kausalstruktur und Pfeilschema.- 9.2.3. Rekursive Systeme.- Aufgaben zu Kap. 9.- 10. Identifikation und Schätzproblem.- 10.1. Identifikation.- 10.1.1. Begriff.- 10.1.2. Äquivalenz und reduzierte Form.- 10.1.3. Beispiele.- 10.1.4. Kriterien.- 10.1.5.* Identifizierende Restriktionen für ?.- 10.2. Methode der kleinsten Quadrate.- 10.2.1. Gewöhnliche KQ-Methode.- 10.2.2. Indirekte KQ-Methode.- 10.2.3. Beispiele.- 10.2.4. Normalgleichungen.- 10.2.5. Methode der Hilfsvariablen.- Aufgaben zu Kap. 10.- 11. Schätzmethoden für interdependente Modelle.- 11.1. Schätzmethoden bei beschränkter Information.- 11.1.1. Zweistufige Methode der kleinsten Quadrate.- 11.1.2. Maximum Likelihood bei beschränkter Information (MLBI).- 11.1.3. Prinzip des minimalen Varianzquotienten.- 11.1.4.* k-Klasse und Doppel-k-Klasse.- 11.1.5.* MLBI als k-Klasse-Verfahren.- 11.2. Schätzmethoden bei voller Information.- 11.2.1. Maximum Likelihood.- 11.2.2.* Linearisierte ML-Methode.- 11.2.3.* Dreistufige Methode der kleinsten Quadrate.- 11.2.4.* Simultane KQ-Methode.- 11.3. Vergleich der Schätzmethoden.- 11.3.1.* Abweichungen vom Mittelwert und Bereinigung.- 11.3.2.* Übereinstimmung im Falle genauer Identifizierbarkeit.- 11.3.3. Beschränkte und volle Information.- 11.3.4. Eigenschaften bei kleinen Stichproben.- Aufgaben zu Kap.11.- Anhang A: Matrizenkalkül.- A 1. Definitionen.- A 2. Transponieren einer Matrix.- A3. Matrixverknüpfungen.- A4. Matrixalgebra.- A 5. Determinante.- A6. Matrixinversion.- A 7. Unterteilte Matrizen.- A B. Lineare Abhängigkeit.- A9. Rang.- A 10. Lineare Transformationen.- A 1 1. Eigenwerte.- A 12. Quadratische Formen.- A13. Spur.- A 14. Idempotente Matrix.- A15. Matrixdifferentiation.- Anhang B: Wahrscheinlichkeitsrechnung und Statistik.- B I. Zufallsvariablen.- B2. Momente.- B 3. Gemeinsame und bedingte Verteilung.- B4. Gemischte Momente.- B5. Empirische Momente.- B6. Bedingte Erwartungswerte.- B7. Normalverteilung.- B 10. Wahrscheinlichkeitslimes.- B11. Zentraler Grenzwertsatz.- B 12. Parameterschätzung.- B13. Maximum Likelihood.- Anhang C: Empirische Schätzbeispiele.- C 1. KQ-Schätzung der Konsumfunktion.- C2. Strukturbruch in der Konsumfunktion.- C3. Strukturbruch in der Investitionsfunktion I.- C4. Zweistufige KQ-Schätzung eines kleinen Modells.- Anhang D: Verteilte Verzögerungen.- Verteilte Verzögerungen.- Anhang E: Tabellen.- Verzeichnis der Abbildungen.- Autorenverzeichnis.