计量经济学:书目

 

如果你在谷歌上搜索"计量经济学"一词,你会得到一个巨大的文献清单,即使是专家也很难理解。一本书说一套,另一套--另一套,第三套--只是前两套的汇编,有一些不准确之处。但 "从书本中来 "的方法结合了这些书本在实践中的应用并不明确。我对知识分子沦为书呆子的胡闹不感兴趣。

与本论坛的其他书单类似,例如关于统计学的书单,我建议我们集体编制一份参与者认为与经济数据的测量--计量经济学有关的教科书、专著、论文、文章、互联网资源和软件包的清单。然而,我们不要忘记,数理统计是计量经济学的姊妹篇。我建议不要把 与技术分析有关的东西列入这个名单。

为了排除滑向植物学的情况,我提出了一个具体的书单方法。只有当我知道有软件可以实现这些书中的算法时,我们才会发布链接(书籍本身)。我已将范围缩小到EViews。这个程序与其他程序相比没有任何优势,它有优点也有缺点,但我把它作为计量经济学的一个标尺。我附上了用户手册第二卷的目录,以便一下子概括出尽可能广泛的问题。由于建议的方法,计量经济学中使用的几个领域,但不包括在EVIEWS中,如NS,小波等,被排除在外。当然,我们也欢迎对此类项目和书籍的参考。

如果我们不仅能提供算法来源的链接,还能进行具体的计算,那么这个话题就没有任何价值了。

我建议使用附件中的章节编号进行图书分组。

因此,请支持

附加的文件:
 

以下是关于 "回归分析的基本原理 "的参考资料。

Davidson,Russell and James G.MacKinnon(1993)。计量经济学 中的估计和推理,牛津: 牛津大学出版社。

Greene, William H.(2008). 计量经济学分析,第六版,新泽西州上萨德河:Prentice-Hall

Johnston, Jack和John Enrico DiNardo (1997)。 计量经济学方法,第四版,纽约:麦格劳-希尔。

Pindyck, Robert S. and Daniel L. Rubinfeld (1998). 计量经济学模型和经济预测,第四版, 纽约:麦格劳-希尔。

Wooldridge, Jeffrey M.(2000). 计量经济学入门:一种现代方法 辛辛那提,俄亥俄州:西南大学出版社。

 

让我给你举一个回归的例子,它不过是一个取决于其参数(自变量,回归者)的函数(因变量)。在计算回归时,有几个步骤需要遵循。

1.需要写下一个方程式。

我采取了被热捧的MA,但是加权,所以对我来说很宽容,用前5个柱子(滞后值)来计算。我把公式写成了这样的形式。

eurusd = c(1)*eurusd(-1) + c(2)*eurusd(-2) + c(3)*eurusd(-3) + c(4)*eurusd(-4) + c(5) *eurusd(-5)

2.估计

有必要估计这个方程的系数c(i),以便我们的MA的曲线尽可能好地对应于最初的EURUSD_H1年系列。我们得到未知系数的评估结果。

我们已经得到了我们的加权MA的值。我们有了这个等式。

eurusd = 0.991993934254*eurusd(-1) + 0.00885362355538*eurusd(-2) - 0.0107282369642*eurusd(-3) + 0.0255027160774*eurusd(-4) - 0.0156205779585*eurusd(-5)

3.结果。

我们看到了什么结果?

3.1 首先是马赫方程本身。我想注意一点细微的差别。当我们计算一个简单的掩码计算平均值时,由于某种原因,我们没有在区间的中间记录,而是在区间的末端记录。回归是用来根据以前的值来计算最新的值。

3.2 事实证明,比率不是常数,而是有其自身偏差的随机变量。

3.3.最后一栏说,给定的系数有一个非零的概率,根本就是零。

4.与方程一起工作

让我们来看看我们的加权混合物。


马什卡已经把小木箱盖得严严实实,看不出来了,但小木箱和马什卡之间仍有差异。以下是这些差异的统计数据


我们看到从-137点到215点的巨大散点。虽然标准偏差=20分。

结论。

我们收到了一个质量异常高的面具,具有已知的统计特征,使用回归。

最后一个。优素福!不要在电车下,不要再让观众在一条线上笑。


准备讨论回归主题的文献和应用。

 
faa1947:

3.结果。

我们看到了什么结果?

3.1 首先是马赫方程本身。我想在这里指出一个微妙的问题。当我们通过获取平均值来计算一个简单的掩码时,由于某些原因,我们没有把这个平均值放在区间的中间,而是放在区间的末端。回归是用来根据以前的值来计算最新的值。

3.2 事实证明,比率不是常数,而是随机变量

3.3 最后一栏说,给定的系数有一个非零的概率是零。

1.对不起,在伤口上多撒了点盐--反正原始系列是不稳定的。

2)这个概率几乎总是不为零。

3.你是否检查过多重共线性?IMHO如果你消除了多重共线性,就只剩下一个变量了。你确定了重要的因素吗?

4.对于5个变量,你有多少个观察值?

 
Demi:

你怎么这么有文化?

1.对不起,在伤口上多撒了点盐--反正原始系列是不稳定的。

当然,我们对其他的人不感兴趣。

2.该概率几乎总是不为零

并非如此。如果非零,则是一个函数形式错误。

3.你是否检查过多重共线性?IMHO如果你消除了多重共线性,就只剩下一个变量了。你确定了重要的因素吗?

什么是 "重要因素 "我不明白,但请看一下相关系数。

如果它是一个圆圈,相关度为零。如果合并成一条直线,相应的一对系数之间的相关性是100%。


4.对于5个变量,你有多少个观察值?

6736次观察

 

任何回归模型 的第一步都是因素选择。如果你不应用逐步回归(有夹杂或例外),那么你必须手动选择它们。

多重共线性--模型中包含的 因素变量之间存在密切的依赖性。不是系数的关联性,而是因素的关联性。

多重共线性的存在导致了。

- 歪曲了 模型的参数值, 倾向于高估

- 正常方程系统的弱调理。

- 复杂的 ,确定 最重要的 因素 特征过程


多重共线性的一个指标是成对的相关系数超过0.8的值。 这里的因素显然有很强的相关性。为了消除它,我们需要去除多余的因素。无论是手动还是逐步回归。

在软件包中查找--阶跃回归或岭回归。

而6736/4是太多的观察。我们需要谷歌--我不记得如何根据因素的数量来确定最佳的观察数量。

 
Demi:

请参加我的计量经济学主题。

 

让我们继续讨论文学作品的选择。

下一个话题是阿尔蒙的滞后

如上所述,用最小二乘法计算的回归系数存在着困难。出现了一个想法,对回归系数施加额外的约束,其中因变量是由自变量的几个滞后期决定的,如上面的方程式。

这个想法是对滞后值的系数施加约束,使其服从于某种多项式分布。EViews称这种方法为 "分布式滞后多项式(PDL)"。特定程度的多项式的选择是通过实验确定的。

这里 介绍一下这种方法。

 

这里有一个实际的例子。

让我们构建一个周期为5的音阶的类似物,但条形系数应该在3阶的多项式上。

在EViews中,对于欧元兑美元,其写法如下

eurusd pdl(eurusd(-1), 5,3)

以一种更熟悉的形式。

eurusd = + c(5)*eurusd(-1) + c(6)*eurusd(-2) + c(7)*eurusd(-3) + c(8)*eurusd(-4) + c(9)*eurusd(-5) + c(10)*eurusd(-6)

我们通过OLS估计系数,得到系数估计的结果。

eurusd = + 0.934972661616*eurusd(-1) + 0.139869148138*eurusd(-2) - 0.093599954464*eurusd(-3) - 0.0264992987207*eurusd(-4) + 0.0801064628352*eurusd(-5) - 0.0348473223286*eurusd(-6)

关于方程估计的统计数据如下。

从统计数据中我们可以看到,我们从阿尔蒙的挥舞中看到了一个非常好的原始科蒂尔的映射水平 R-square = 0.998467

从图形上看,它看起来像。

退步(阿尔蒙的挥手)已经完全覆盖了原来的商数。

 

还有最后一勺蜂蜜。

让我们看看残留物是什么,即我们的阿尔蒙的麦芽汁和原来的科蒂尔之间的差异。这个残差的静止性/非静止性是非常重要的。

单位根检验表明,残差是静止的。

我们使用的混杂物对原始商数的拟合程度和拟合误差的静止性不具备这种水平。

 

我想从一个邻近的主题中移出链接。

这些链接涉及到最有问题的领域--预后。

第一个是附件。有一个参考文献的清单。

附加的文件: