Методы и модели прикладных исследований
книга

Методы и модели прикладных исследований

Место издания: Екатеринбург

ISBN: 978-5-7996-2664-8

Страниц: 235

Артикул: 100492

Электронная книга
352.5

Краткая аннотация книги "Методы и модели прикладных исследований"

В учебном пособии дается обзор современных эмпирических методов и моделей, которые могут быть использованы в прикладных исследованиях экономических, социальных и иных процессов и явлений. В первом разделе пособия рассматриваются основные эконометрические модели, особенности их применения, анализируются временные ряды и панельные данные. Второй раздел посвящен методам Монте-Карло и их применению в современных исследованиях, а также основам агенто-базированного моделирования и применению этих моделей. Для студентов и аспирантов экономических специальностей.

Содержание книги "Методы и модели прикладных исследований"


Предисловие
РАЗДЕЛ I. ЭКОНОМЕТРИКА
Глава 1. Введение в эконометрику
Корреляционная связь
Сущность, этапы эконометрического моделирования, основные модели и их особенности
Эконометрические методы оценки параметров модели
Тестирование статистических гипотез
Глава 2. Нарушение основных предположений МНК-оценки
Гетероскедастичность
Автокорреляция
Мультиколлинеарность
Эндогенность
Глава 3. Системы регрессионных уравнений
Внешне не связанные регрессии
Модели одновременных уравнений
Глава 4. Временные ряды и панельные данные
Введение во временные ряды
AR-, MA-, ARMA‑модели
Автокорреляция и частичная автокорреляция. Функции ACF и PACF
Введение в панельные данные
Виды оценок, применяемых для панельных данных
Глава 5. Модели бинарного выбора
Линейная модель вероятности
Logit- и probit-модели
Глава 6. Мультиномиальные и упорядоченные модели
Мультиномиальные модели
Упорядоченные модели
Цензурированные и усеченные модели регрессии
РАЗДЕЛ II. МЕТОДЫ МОНТЕ-КАРЛО
Глава 1. Введение в методы Монте-Карло
Методы Монте-​Карло
Вероятность
Генерация случайных чисел
Несколько применений методов Монте-Карло
Глава 2. Сэмплирование данных
Сэмплирование из стандартных распределений
Сэмплирование из нестандартных распределений
Глава 3. Эвристические методы оптимизации
Обзор эвристических методов
Сходимость эвристики
Приложение к дискретным пространствам поиска
Приложение к непрерывным пространствам поиска
Глава 4. Введение в агенто-базированное моделирование
Обзор агенто-базированных моделей
Примеры использования АВМ
Заключение
Библиографические ссылки
Список рекомендуемой литературы

Все отзывы о книге Методы и модели прикладных исследований

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Отрывок из книги Методы и модели прикладных исследований

26(по вертикали) расстояния от точек данных до получившейся линии сведены к минимуму (для того чтобы линия максимально при‑ближалась к данным). Это лежит в основе идеи обычного метода наименьших квадратов (МНК, OLS).Этот метод позволяет оценить неизвестные параметры в мо‑дели линейной регрессии. Идея метода заключается в минимиза‑ции различий между наблюдаемыми результатами в некотором случайном наборе данных и ответами, предсказанными линейной аппроксимацией данных (визуально это рассматривается как сумма вертикальных расстояний между каждой точкой данных в наборе данных и соответствующей точкой на линии регрессии). Чем меньше различия, тем лучше модель описывает данные: Yi = α + βxi + εi, где εi — ошибка. ˆˆˆiiYX= α + β — установленное значение для наблюдения I, где ˆiε — остатки для наблюдения i. ˆ.ˆ iiiY Yε = − Выберем ˆα и ˆβ таким образом, чтобы минимизировать ()2211.ˆˆˆnniiiiiYX==ε =− α −β∑ ∑ Графическая иллюстрация МНК дана на рис. 10.Идея метода МНК: оценить параметры α и β из выборки данных по Yi и xi: Yi = α + βxi + εi, i = 1 … N.Минимизируем сумму квадратов остатков: () 22, ˆˆ.miniiiiiSYxα β= ε =− α −β∑ ∑