Details

Ökonometrie für Dummies


Ökonometrie für Dummies


Für Dummies 1. Aufl.

from: Roberto Pedace

21,99 €

Publisher: Wiley-VCH
Format EPUB
Published: 09.10.2015
ISBN/EAN: 9783527801527
Language: deutsch
Number of pages: 388

DRM-protected eBook; you will need Adobe Digital Editions and an Adobe ID to read it.

Descriptions

<p><b>Ökonometrie</b></p> <p><b>Mit viel Euphorie an die ÖkonometrieWeitere </b></p> <p><b>Theorien verstehen und Techniken anwenden</b></p> <p>Was haben die Gehälter von Spitzensportlern und der Mindestlohn gemeinsam? Richtig, man kann sie mit Öko-nometrie erforschen. Im Buch steht, wie es geht. Und nicht nur dafür, sondern für viele weitere Gebiete lohnt es sich, der zunächst etwas trocken und sperrig anmutenden Materie eine Chance zu geben. Lernen Sie von den Autoren, wie Sie spannende Fragen formulieren, passen-de Variablen festlegen, treffsichere Modelle entwerfen und Ihre Aussagen auf Herz und Nieren prüfen. Werden Sie sicher im Umgang mit Hypothesentests, Regressions-modellen, Logit- & Probit-Modellen und allen weiteren gängigen Methoden der Ökonometrie. So begleitet <i>Ökonometrie für Dummies</i> Sie Schritt für Schritt und mit vielen Beispielen samt R Output durch dieses spannende Thema.</p>
<p><b>Über die Autoren 9</b></p> <p>Widmung von Roberto 9</p> <p>Danksagung von Roberto 10</p> <p><b>Einleitung 21</b></p> <p>Über dieses Buch 21</p> <p>Törichte Annahmen über den Leser. . . 22</p> <p>Symbole, die in diesem Buch verwendet werden 22</p> <p>Über dieses Buch hinaus 23</p> <p>Wie es weitergeht 24</p> <p><b>Teil I Der Einstieg in die Ökonometrie 25</b></p> <p><b>Kapitel 1 Ökonometrie: Wie Ökonomen an statistische Analysen herangehen 27</b></p> <p>Ökonomische Beziehungen auswerten 27</p> <p>Mittels ökonomischer Theorie Zusammenhänge beschreiben und Vorhersagen treffen 28</p> <p>Sinnvolle Annahmen sind der Grundstein 28</p> <p>Mit statistischen Methoden ökonomische Probleme angehen 29</p> <p>Die Bedeutung des Datentyps, der Häufigkeit und der Aggregation erkennen 30</p> <p>Tappen Sie nicht in die Data-Mining-Falle 31</p> <p>Quantitative und qualitative Informationen einbeziehen 32</p> <p>Mit ökonometrischer Software arbeiten: Eine Einführung in R 32</p> <p>Sich mit R vertraut machen 33</p> <p>Spalten zu einem Datensatz hinzufügen und entfernen 37</p> <p>Schätzen, Testen und Vorhersagen 38</p> <p><b>Kapitel 2 Der Dreh mit der Wahrscheinlichkeit 41</b></p> <p>Zufallsvariablen und Wahrscheinlichkeitsverteilungen im Überblick 41</p> <p>Alle Möglichkeiten betrachten: Verteilungsfunktion, Wahrscheinlichkeitsfunktion und Wahrscheinlichkeitsdichte 43</p> <p>Eine für alle: Die Verteilungsfunktion 46</p> <p>Die (kumulative) Verteilungsfunktion für diskrete Zufallsvariable 47</p> <p>Zusammenhänge verstehen: Bi- und multivariate Verteilungen 49</p> <p>Mit dem, was Sie wissen, die Zukunft vorhersagen: Bedingte Wahrscheinlichkeit 50</p> <p>Zufallsvariablen mit Kennzahlen beschreiben 51</p> <p>Mit dem Erwartungswert die Verteilung charakterisieren 52</p> <p>Varianz und Standardabweichung messen 53</p> <p>Beziehungen erfassen mit Kovarianz und Korrelation 55</p> <p><b>Kapitel 3 Schlüsse ziehen und Hypothesen testen 61</b></p> <p>Mit deskriptiver Statistik Ihre Daten kennenlernen 61</p> <p>Schätzfunktionen verwenden 62</p> <p>Schätzer vergleichen und beurteilen 66</p> <p>Mit der Normal- und Standardnormalverteilung die Grundlage für Vorhersagen schaffen 68</p> <p>Gewöhnliche Variablen erkennen: Normalverteilung 68</p> <p>Eine einheitliche Skala für Variablen: Die Standardnormalverteilung (Z) 69</p> <p>Schätzer besser verstehen: Stichprobenverteilungen 70</p> <p>Simulation und zentraler Grenzwertsatz 71</p> <p>Die Chi-Quadrat- ( 2), t- und F-Verteilungen entzaubern 73</p> <p>Schlussfolgern und Hypothesen testen mithilfe von Wahrscheinlichkeitsverteilungen 77</p> <p>Einen Hypothesentest durchführen 77</p> <p>Die Konfidenzintervall-Methode 79</p> <p>Die Signifikanztest-Methode 80</p> <p><b>Teil II Ein klassisches lineares Regressionsmodell erstellen 83</b></p> <p><b>Kapitel 4 Die Ziele der Regressionsanalyse verstehen 85</b></p> <p>Ein Plädoyer für die Kausalität 85</p> <p>Sich vertraut machen mit der Wahrheit 87</p> <p>Das theoretische Modell spezifizieren 88</p> <p>Ein Beispiel durchgehen 90</p> <p>Daten für die Regressionsanalyse sammeln und organisieren 93</p> <p>Eine Momentaufnahme machen: Querschnittsdaten 93</p> <p>Aus der Vergangenheit die Gegenwart erklären: Zeitreihendaten 95</p> <p>Die Dimensionen von Raum und Zeit vereinen: Panel- oder Längsschnittdaten 96</p> <p>Mehrere unabhängige Momentaufnahmen verbinden: Gepoolte Querschnittsdaten 97</p> <p><b>Kapitel 5 Über das Gewöhnliche hinausgehen: Die gewöhnliche Methode der kleinsten Quadrate 99</b></p> <p>Die Methode der kleinsten Quadrate definieren und begründen 99</p> <p>Schätzen der Regressionsfunktion und der Residuen 101</p> <p>Regressionskoeffizienten schätzen 102</p> <p>Die Formeln für optimale Koeffizienten finden 103</p> <p>Berechnen der geschätzten Regressionskoeffizienten 105</p> <p>Manuell berechnen 106</p> <p>Mit dem Computer rechnen 108</p> <p>Regressionskoeffizienten interpretieren 110</p> <p>Was verraten Ihnen Regressionskoeffizienten? 110</p> <p>Regressionskoeffizienten standardisieren 112</p> <p>Die Anpassungsgüte messen 115</p> <p>Zerlegen Sie die Varianz 115</p> <p>Die Bestandteile der Varianz mit R2 messen 116</p> <p>Die Anpassungsgüte bei der Multivariaten Regression korrigieren 117</p> <p>Anpassungsgüte gegen Qualität abwägen 118</p> <p><b>Kapitel 6 Die Annahmen der GKQ-Schätzung und das Gauss-Markow-Theorem 121</b></p> <p>Die GKQ-Annahmen zusammenfassen 121</p> <p>Linearität in den Parametern und additiver Fehler 122</p> <p>Die unabhängigen Variablen sind keine Zufallsvariablen 123</p> <p>Keine perfekte Kollinearität in den Variablen 123</p> <p>Der Fehlerterm hat den Erwartungswert null und das Modell ist korrekt spezifiziert. 125</p> <p>Der Fehlerterm hat eine konstante Varianz 126</p> <p>Die Korrelation der Fehler ist null 127</p> <p>Die Welt des klassischen linearen Regressionsmodells: Das Gauss-Markow-Theorem 129</p> <p>Das Gauss-Markow-Theorem beweisen 129</p> <p>Zusammenfassung des Gauss-Markow-Theorems 136</p> <p><b>Kapitel 7 Die Normalverteilungsannahme und Inferenz mit der GKQ-Methode 139</b></p> <p>Die Rolle der Normalverteilung verstehen 139</p> <p>Der Fehlerterm und die Verteilung von GKQ- Schätzern 141</p> <p>Wiedersehen mit der Standardnormalverteilung 143</p> <p>Die Stichprobenvarianz des Fehlers: Chi-Quadrat-verteilt 143</p> <p>GKQ-Koeffizienten und die t-Verteilung 147</p> <p>Die Signifikanz einzelner Regressionskoeffizienten testen 148</p> <p>Eine Methode auswählen 149</p> <p>Signifikanzniveau und p-Werte festlegen 152</p> <p>Die Varianz analysieren, um die Gesamt- oder gemeinsame Signifikanz zu bestimmen 152</p> <p>Normalität, Varianz und die »F«-Verteilung 153</p> <p>Die angezeigte »F«-Statistik für die GKQ-Schätzung 153</p> <p>Steigungskoeffizienten und die Beziehung zwischen t und F 156</p> <p>Gemeinsame Signifikanz von Variablenuntergruppen 157</p> <p>Vorhersagefehler für GKQ-Prognosen berechnen 160</p> <p>Mittelwertprognose und Vorhersagefehler 161</p> <p>Varianz der Punktprognose 161</p> <p>Nicht alle Prognosen sind gleich: Das Prognosekonfidenzintervall 164</p> <p><b>Teil III Mit dem klassischen Regressionsmodell arbeiten 165</b></p> <p><b>Kapitel 8 Funktionale Form, Spezifikation und strukturelle Stabilität 167</b></p> <p>Sich alternativer Funktionen bedienen 167</p> <p>Quadratische Funktion: Das Beste zum Finden von Minima und Maxima 168</p> <p>Kubische Funktionen: Gut für Wendepunkte 168</p> <p>Gebrochenrationale Funktionen: Den Wert der abhängigen Variable begrenzen 169</p> <p>Nichtlinearen Modellen zu Linearität verhelfen 170</p> <p>Beide Seiten bearbeiten, um elastisch zu bleiben: Das Log-Log-Modell 170</p> <p>Investieren und Renditen berechnen: Das Log-lineare Modell 172</p> <p>Abnehmende Veränderung der abhängigen Variable: Das linear-logarithmische Modell 174</p> <p>Auf Fehlspezifikation überprüfen 176</p> <p>Zu viele oder zu wenige: Unabhängige Variablen auswählen 177</p> <p>Empfindlichkeit ist keine Tugend: Fehlspezifikation anhand der Stabilität der Ergebnisse untersuchen 179</p> <p><b>Kapitel 9 Regression mit Dummy-Variablen 183</b></p> <p>Zahlen bitte! Qualitative Information quantifizieren 183</p> <p>Eine Dummy-Variable definieren, wenn es nur zwei mögliche Ausprägungen gibt 183</p> <p>Mit Dummy-Variablen mehrere Ausprägungen darstellen 184</p> <p>Mit einer Dummy-Variable durchschnittliche Differenzen erkennen 185</p> <p>Spezifikation 185</p> <p>Interpretation 186</p> <p>Quantitative und qualitative Daten in einem Regressionsmodell kombinieren 189</p> <p>Spezifikation 190</p> <p>Interpretation 190</p> <p>Quantitative und qualitative Variablen interagieren lassen 192</p> <p>Spezifikation 192</p> <p>Interpretation 193</p> <p>Interaktion von zwei (oder mehr) qualitativen Eigenschaften 196</p> <p>Spezifikation 196</p> <p>Interpretation 196</p> <p>Gruppen bilden und zusammenlegen: Auf Signifikanz testen 199</p> <p>Ein alter Bekannter: Der F-Test auf gemeinsame Signifikanz 199</p> <p>Und noch einmal der Chow-Test 202</p> <p><b>Teil IV Verletzungen der Annahmen des klassischen Regressionsmodells 207</b></p> <p><b>Kapitel 10 Multikollinearität 209</b></p> <p>Die verschiedenen Arten von Multikollinearität unterscheiden 209</p> <p>Perfekte Multikollinearität dingfest machen 210</p> <p>Hohe Multikollinearität fassen 212</p> <p>Faustregeln zum Identifizieren von Multikollinearität 214</p> <p>Paarweise Korrelationskoeffizienten 215</p> <p>Hilfsregression und der Varianzinflationsfaktor (VIF) 217</p> <p>Wissen, wann und wie man Multikollinearitätsprobleme löst 220</p> <p>Sich mehr Daten verschaffen 221</p> <p>Ein neues Modell nehmen 222</p> <p>Die Problemvariablen herausnehmen 223</p> <p><b>Kapitel 11 Heteroskedastizität 227</b></p> <p>Zwischen homoskedastischen und heteroskedastischen Störungen unterscheiden 227</p> <p>Homoskedastischer versus heteroskedastischer Fehlerterm 227</p> <p>Die Folgen von Heteroskedastizität 229</p> <p>Mit einer Residuenanalyse Heteroskedastizität aufspüren 229</p> <p>Residuen grafisch untersuchen 230</p> <p>Sich mit dem White-Test vertraut machen 235</p> <p>Den Goldfeld-Quandt-Test verwenden 237</p> <p>Den Park-Test durchführen 241</p> <p>Anzeichen für Heteroskedastizität? Hier geht’s zur Apotheke! 243</p> <p>Gewichtete kleinste Quadrate (WLS) 244</p> <p>Robuste Standardfehler 248</p> <p><b>Kapitel 12 Autokorrelation 253</b></p> <p>Autokorrelationsmuster untersuchen 253</p> <p>Positive versus negative Autokorrelation 254</p> <p>Fehlspezifikation und Autokorrelation 256</p> <p>Die Auswirkung autoregressiver Fehler veranschaulichen 256</p> <p>Residuen analysieren, um auf Autokorrelation zu testen 259</p> <p>Den optischen Weg einschlagen: Grafische Inspektion Ihrer Residuen 259</p> <p>Mit der Normalverteilung Sequenzen von Residuen identifizieren: Der Runs-Test 259</p> <p>Autokorrelation eines AR(1)-Prozesses aufspüren: Der Durbin-Watson-Test 264</p> <p>Autokorrelation eines AR(p) Prozesses aufspüren: Der Breusch-Godfrey-Test 266</p> <p>Schädliche Autokorrelation beheben 268</p> <p>FGLS 268</p> <p>Autokorrelationsrobuste Standardfehler 272</p> <p><b>Teil V Diskrete und beschränkte abhängige Variablen 275</b></p> <p><b>Kapitel 13 Qualitative abhängige Variablen 277</b></p> <p>Mit dem linearen Wahrscheinlichkeitsmodell (LWM) diskrete Ergebnisse modellieren 277</p> <p>Ein LWM mit der GKQ-Methode schätzen 278</p> <p>Ihre Ergebnisse interpretieren 281</p> <p>Wermutstropfen: Die drei wichtigsten LWM-Probleme 284</p> <p>Nicht normalverteilte Fehler 284</p> <p>Heteroskedastizität 285</p> <p>Unbeschränkte vorhergesagte Wahrscheinlichkeiten 286</p> <p>Geeignete nichtlineare Funktionen spezifizieren: Probit- und Logit-Modell 287</p> <p>Mit der Verteilungsfunktion der Standardnormalverteilung arbeiten: Das Probit-Modell 288</p> <p>Die Logistische Verteilung verwenden: Das Logit-Modell 289</p> <p>Mit der Maximum-Likelihood-(ML-)Schätzung arbeiten 290</p> <p>Die Likelihood-Funktion erzeugen 291</p> <p>Die Log-Transformation und ML-Schätzwerte 292</p> <p>Probit- und Logit-Schätzwerte interpretieren 293</p> <p>Probit-Koeffizienten 297</p> <p>Logit-Koeffizienten 298</p> <p><b>Kapitel 14 Modelle für beschränkte abhängige Variablen 301</b></p> <p>Das Wesentliche beschränkter abhängiger Variablen 301</p> <p>Zensierte abhängige Variablen 302</p> <p>Verkürzte abhängige Variable 303</p> <p>Die Regressionsanalyse für beschränkte abhängige Variable modifizieren 304</p> <p>Tobin’s Tobit 304</p> <p>Verkürzte Regression 308</p> <p>Mehr unabhängige als abhängige Beobachtungen: Das Heckman Selektionsmodell 311</p> <p><b>Teil VI Das ökonometrische Basismodell erweitern 317</b></p> <p><b>Kapitel 15 Statische und dynamische Modelle 319</b></p> <p>Gleichzeitige und verzögerte Variablen in der Regressionsanalyse verwenden 319</p> <p>Fragestellungen mit dynamischen Modellen untersuchen 320</p> <p>Dynamische Modelle auf Autokorrelation testen und korrigieren 323</p> <p>Trends mit der GKQ-Methode berücksichtigen 324</p> <p>Scheinkorrelation und Zeitreihen 327</p> <p>Den Trend aus Zeitreihendaten entfernen 328</p> <p>Die GKQ-Methode zur Saisonbereinigung verwenden 331</p> <p>Saisonbedingte Auswirkungen schätzen 332</p> <p>Zeitreihendaten saisonbereinigen 334</p> <p><b>Kapitel 16 In die gepoolte Querschnittsanalyse einsteigen 337</b></p> <p>Ein dynamisches Zeitelement hinzufügen 337</p> <p>Achsenabschnitte und/oder Steigungen untersuchen, die sich im Laufe der Zeit verändern 338</p> <p>Zeit-Dummy-Variablen einbeziehen 339</p> <p>Durch Experimente Politikeffekte mit gepoolten Querschnitten schätzen 341</p> <p>Zufallszuweisung: Ein echtes Experiment 341</p> <p>Mit vorher festgelegten Subjektgruppen arbeiten: Ein natürliches (oder Quasi-)Experiment 342</p> <p><b>Kapitel 17 Ökonometrie mit Paneldaten 347</b></p> <p>Die Eindeutigkeit jeder individuellen Einheit schätzen 347</p> <p>Die erste Differenzen Transformation (FD) 350</p> <p>Regression mit Dummy-Variablen (DV) 350</p> <p>Der Fixe-Effekte-Schätzer (FE) 351</p> <p>Die Effizienz der Schätzung mit stochastischen Effekten steigern 354</p> <p>Der zusammengesetzte Fehler und Annahmen beim Modell mit stochastischen Effekten 355</p> <p>Der Stochastische-Effekte-Schätzer (RE-Schätzer) 355</p> <p>Mit dem Hausman-Test Effizienz gegen Konsistenz testen 359</p> <p><b>Teil VII Der Top-Ten-Teil 361</b></p> <p><b>Kapitel 18 Zehn Bestandteile eines guten ökonometrischen Forschungsprojektes 363</b></p> <p>Ihr Thema vorstellen und die grundlegende Frage stellen 363</p> <p>Die Relevanz und Bedeutung Ihres Themas besprechen 364</p> <p>Die vorhandene Literatur würdigen 364</p> <p>Den konzeptionellen oder theoretischen Rahmen beschreiben 365</p> <p>Ihr ökonometrisches Modell erklären 366</p> <p>Die Schätzmethoden erörtern 366</p> <p>Ihre Daten detailliert beschreiben 367</p> <p>Tabellen und Graphen erstellen, um Ihre Ergebnisse abzubilden 368</p> <p>Die dargestellten Ergebnisse interpretieren 368</p> <p>Fassen Sie das Gelernte zusammen 369</p> <p><b>Kapitel 19 Zehn häufige Fehler in der angewandten Ökonometrie 371</b></p> <p>Ihren gesunden Menschenverstand und Ihre Kenntnis in Wirtschaftstheorie nicht anwenden 371</p> <p>Die falschen Fragen zuerst stellen 372</p> <p>Die Arbeit und Beiträge anderer ignorieren 372</p> <p>Sich nicht mit den Daten vertraut machen 372</p> <p>Es zu kompliziert machen 373</p> <p>Unflexibel gegenüber Komplikationen der realen Welt sein 374</p> <p>Bei seltsamen Ergebnissen einfach wegsehen 375</p> <p>Sich zu sehr mit Gütekriterien und statistischer Signifikanz beschäftigen 375</p> <p>Ökonomische Signifikanz vergessen 376</p> <p>Annehmen, Ihre Ergebnisse seien robust 376</p> <p>Anhang: Statistische Tabellen 377</p> <p>Die Standardnormalverteilung 377</p> <p>Die t-Verteilung 379</p> <p>Die Chi-Quadrat-Verteilung 380</p> <p>F-Verteilung 381</p> <p>Durbin-Watson d-Statistik 381</p> <p>Stichwortverzeichnis 383</p>
<p> <b>Roberto Pedace</b> ist Professor am Scripps College in Kalifornien und unterrichtet dort unter anderem Ökonometrie, Statistik sowie Mikro-ökonomie. <b>Karl-Kuno Kunze</b> ist Professor für Wirtschaftsmathematik und -statistik und leitet das R Institute (www.r-institute.com), das Beratung, Schulungen und Zertifizierungen im Bereich Datenanalyse mit dem Softwarepaket R anbietet.</p>
<p><b>Mit viel Euphorie an die ÖkonometrieWeitere </b></p> <p><b>Theorien verstehen und Techniken anwenden</b> <p>Was haben die Gehälter von Spitzensportlern und der Mindestlohn gemeinsam? Richtig, man kann sie mit Öko-nometrie erforschen. Im Buch steht, wie es geht. Und nicht nur dafür, sondern für viele weitere Gebiete lohnt es sich, der zunächst etwas trocken und sperrig anmutenden Materie eine Chance zu geben. Lernen Sie von den Autoren, wie Sie spannende Fragen formulieren, passen-de Variablen festlegen, treffsichere Modelle entwerfen und Ihre Aussagen auf Herz und Nieren prüfen. Werden Sie sicher im Umgang mit Hypothesentests, Regressions-modellen, Logit- & Probit-Modellen und allen weiteren gängigen Methoden der Ökonometrie. So begleitet <i>Ökonometrie für Dummies</i> Sie Schritt für Schritt und mit vielen Beispielen samt R Output durch dieses spannende Thema.

These products might also interest you:

Designated Drivers
Designated Drivers
from: G. E. Anderson
PDF ebook
22,99 €
Quantitative Financial Economics
Quantitative Financial Economics
from: Keith Cuthbertson, Dirk Nitzsche
PDF ebook
40,99 €