Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Эконометрика: теоретические основы

Покупка
Основная коллекция
Артикул: 164100.12.01
Доступ онлайн
от 280 ₽
В корзину
Частному лицу
Бумажная книга
1 630 ₽
Купить
Купить в составе основной коллекции от 1 490 ₽
Пособие состоит из четырех взаимосвязанных разделов. Первый содержит изложение вероятностно-статистического анализа одно-, дву- и многомерных нормальных законов распределения вероятностей. Второй посвящен регрессионному анализу и включает изложение классической регрессионной модели и ее обобщений на случай корреляционных измерений, моделей неполного ранга, векторных функций регрессии и т.д. В третьем разделе рассматриваются вопросы, относящиеся к теории случайных процессов, в частности к временным рядам. Значительное внимание уделяется вероятностным и статистическим аспектам стационарных функций. Четвертый раздел посвящен байесовскому подходу к решению основных задач эконометрики. Первые три раздела снабжены примерами и задачами. Для студентов, аспирантов, практиков и научных работников экономико-математических и общеэкономических специальностей.

Теоретические основы эконометрики: фундаментальный подход к анализу данных

Учебное пособие Г.А. Соколова «Эконометрика: теоретические основы» представляет собой глубокое методическое руководство, ориентированное на магистров и аспирантов экономических специальностей. Автор отходит от упрощенного изложения дисциплины, предлагая читателю строгий математический аппарат, необходимый для понимания природы экономических процессов, протекающих во времени и пространстве.

Три «кита» эконометрического анализа

В основе концепции пособия лежит идея о том, что эконометрика как прикладная дисциплина базируется на трех фундаментальных столпах: вероятностно-статистическом анализе нормальных законов распределения, регрессионном анализе и теории случайных процессов.

Первый раздел книги посвящен детальному изучению нормальных законов распределения. Автор делает акцент на использовании аппарата производящих функций моментов, что позволяет существенно упростить вывод сложных многомерных законов распределения, функций регрессии и коэффициентов корреляции, избегая при этом громоздких многомерных интегралов. Статистический блок раздела охватывает методы максимального правдоподобия, построение доверительных интервалов и проверку параметрических гипотез.

Регрессионные модели и случайные процессы

Второй раздел посвящен регрессионному анализу. Соколов последовательно переходит от классических моделей к их обобщениям: моделям с коррелированными измерениями, моделям неполного ранга и векторным функциям регрессии. Особое внимание уделяется обоснованию свойств оценок, включая их асимптотическое поведение.

Третий раздел раскрывает теорию случайных функций. Автор обосновывает использование случайных процессов для моделирования экономических явлений, таких как производство, снабжение и потребление. Ключевым инструментом здесь выступает аппарат канонических разложений, который значительно упрощает анализ линейных преобразований случайных функций. Отдельная глава посвящена временным рядам как частному случаю стационарных процессов, где подробно разбираются модели авторегрессии и скользящего среднего, а также методы выделения детерминированной составляющей (тренда).

Байесовский подход как инструмент повышения точности

Завершающий, четвертый раздел книги посвящен байесовскому анализу. Автор убежден, что эффективный статистический анализ, особенно в условиях ограниченности данных, невозможен без учета априорной информации. Байесовский подход предлагается как универсальный способ формализации этой информации. В разделе рассматривается применение сопряженных априорных и апостериорных распределений для уточнения оценок параметров нормальных моделей, что делает байесовский анализ не только теоретически обоснованным, но и практически применимым инструментом.

Методическая ценность

Пособие выгодно отличается структурированностью: каждый раздел снабжен введением, теоретическим обоснованием, примерами с решениями и сборником задач для самостоятельной работы. Автор придерживается принципа «разумной математической строгости», что делает книгу доступной для читателей, владеющих базовыми курсами линейной алгебры и теории вероятностей, но при этом стремящихся к профессиональному уровню владения эконометрическим инструментарием. Наличие дополнительных электронных материалов в системе Znanium.com расширяет возможности для углубленного изучения предмета.

Текст подготовлен языковой моделью и может содержать неточности.

9
11
66

Только для владельцев печатной версии книги: чтобы получить доступ к дополнительным материалам, пожалуйста, введите последнее слово на странице №105 Вашего печатного экземпляра.

Соколов, Г. А. Эконометрика: теоретические основы : учебное пособие / Г.А. Соколов. — Москва : ИНФРА-М, 2026. — 216 с. + Доп. материалы [Электронный ресурс]. — (Высшее образование: Бакалавриат). - ISBN 978-5-16-010851-3. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2233608 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
ЭКОНОМЕТРИКА
ТЕОРЕТИЧЕСКИЕ 
ОСНОВЫ
УЧЕБНОЕ ПОСОБИЕ
Рекомендовано 
Учебно-методическим объединением по образованию
в области статистики и антикризисного управления
в качестве учебного пособия для магистров и аспирантов
высших учебных заведений, обучающихся по направлению 
38.03.01 «Экономика» и другим экономическим направлениям
Г.А. СОКОЛОВ
Москва
ИНФРА-М
202


УДК 330.43(075.8)
ББК 65в6я73
 
С59
Соколов Г.А.
Эконометрика: теоретические основы : учебное пособие / 
Г.А. Соколов. — Москва : ИНФРА-М, 2026. — 216 с. + Доп. 
материалы [Электронный ресурс]. — (Высшее образование: 
Бакалавриат).
ISBN 978-5-16-010851-3 (print)
ISBN 978-5-16-102855-1 (online)
Пособие состоит из четырех взаимосвязанных разделов. Первый 
содержит изложение вероятностно-статистического анализа одно-, 
дву- и многомерных нормальных законов распределения вероятностей. Второй посвящен регрессионному анализу и включает изложение классической регрессионной модели и ее обобщений на случай 
корреляционных измерений, моделей неполного ранга, векторных 
функций регрессии и т.д. В третьем разделе рассматриваются вопросы, относящиеся к теории случайных процессов, в частности 
к временным рядам. Значительное внимание уделяется вероятностным и статистическим аспектам стационарных функций. Четвертый 
раздел посвящен байесовскому подходу к решению основных задач 
эконометрики. Первые три раздела снабжены примерами и задачами. 
Для студентов, аспирантов, практиков и научных работников экономико-математических и общеэкономических специальностей.
УДК 330.43(075.8)
ББК 65в6я73
Р е ц е н з е н т ы:
д-р техн. наук, проф. А.М. Жандаров;
д-р техн. наук, проф. Н.Г. Назаров
С59
© Соколов Г.А., 2012
ISBN 978-5-16-010851-3 (print)
ISBN 978-5-16-102855-1 (online)
Материалы, отмеченные знаком 
, доступны 
в электронно-библиотечной системе Znanium.com


Предисловие
Эконометрика как прикладная экономико-математическая дисциплина базируется на трех «китах»:
 
• вероятностно-статистический анализ нормальных законов распределения вероятностей;
 
• регрессионный анализ;
 
• теория случайных процессов.
По этой причине настоящее учебное пособие состоит из трех основных разделов и одного дополнительного. Данное издание можно 
рассматривать как дальнейшее развитие ряда учебных пособий, написанных с участием автора, в частности «Введение в регрессионный 
анализ и планирование регрессионных экспериментов в экономике», 
«Теория случайных процессов для экономистов».
Каждый раздел сопровождается своим введением, своими приложениями и своим задачником. Читатель может изучать разделы независимо друг от друга, обращаясь к другим разделам лишь при соответствующих ссылках. Стиль изложения достаточно стандартен: 
сначала рассматриваются теоретико-вероятностные вопросы, а затем 
на их основе предлагается статистический анализ. Принцип изложения — разумная математическая строгость обоснования получаемых результатов без вредного упрощенчества, но и без не менее 
вредного академизма. При этом предполагается, что читатель знаком 
с математическим анализом и линейной алгеброй в объеме стандартных курсов для студентов экономико-математического профиля, 
а также с теорией вероятностей и математической статистикой, например, по учебникам [20, 22] из списка литературы к разделу 1.
Первый раздел содержит изложение вероятностно-статистического анализа одно-, дву- и многомерных нормальных законов распределения вероятностей. В основе теоретико-вероятностного анализа лежит аппарат производящих функций, который позволил существенно упростить изложение многих вопросов, в частности 
многомерных частных и условных законов распределения, многомерных и многопараметрических функций регрессии, множественных и частных коэффициентов корреляции и др. Статистический анализ включает построение оценок всех основных характеристик нормальных законов методом максимального правдоподобия 
с последующим построением доверительных интервалов и областей, 
а также критериев проверки параметрических гипотез.


Второй раздел посвящен регрессионному анализу. Основное внимание уделяется одно-, дву- и многопараметрическим классическим 
регрессионным моделям как ортогональным, так и неортогональным. Рассматриваются также некоторые виды нелинейных, 
многомерных моделей с коррелированными измерениями, неполного ранга и др. В рамках статистического анализа строятся точечные 
и интервальные оценки параметров и параметрических функций, 
критерии проверки гипотез с обоснованием их конечных и асимптотических свойств.
Все экономические процессы производства, снабжения, эксплуатации, потребления и т.д. протекают во времени и пространстве и 
носят случайный характер, поэтому естественно в качестве их математических моделей использовать случайные функции (процессы). 
Их анализ рассматривается в третьем разделе, состоящем из двух 
глав. Первая посвящена определению и свойствам в основном числовых характеристик случайных функций, как нестационарных, так 
и стационарных в широком смысле. Вводится в рассмотрение их 
каноническое разложение, которое позволяет найти каноническое 
разложение ковариационной функции, значительно упрощает 
анализ линейных преобразований и сумм случайных функций. 
Спектральное разложение самой функции, ее дисперсии и ковариационной функции рассматривается как одна из форм канонического 
разложения. Оценка числовых характеристик осуществляется методом максимального правдоподобия с использованием свойства 
эргодичности. Во второй главе отмечается ряд особенностей временных рядов как разновидности стационарных случайных 
функций.
По глубокому убеждению автора, эффективный статистический 
анализ временных рядов возможен лишь при наличии достаточно 
полной априорной информации. Универсальным способом формального задания последней является априорное распределение 
вероятностей неизвестных параметров. По этой причине в состав 
книги включен дополнительный, четвертый раздел с кратким изложением байесовского подхода к решению таких задач эконометрики, как точечная и интервальная оценка, построение критериев 
проверки гипотез для параметров самого нормального закона распределения, а также параметров регрессионной модели и временного ряда. 
Первые три раздела снабжены сборниками примеров и задач.
Для формул, задач, рисунков и таблиц основного текста принята 
тройная нумерация (i.j.k), где i — номер раздела, j — номер главы 


(введения), k — порядковый номер, а для формул приложения — нумерация вида iПj.k, где i — номер раздела, j — номер приложения, 
k — порядковый номер формулы.
Автор считает своим долгом выразить благодарность глубокоуважаемым рецензентам и коллегам по кафедре высшей математики за 
их критические замечания и благожелательное отношение к книге в 
целом, а своим ученикам и родственникам за помощь в оформлении 
книги и подготовке сборников задач. Особой признательности заслуживают сотрудники издательства, которым удалось рукопись превратить в учебное пособие.


сПисоК ПриНЯТЫХ соКрАЩеНиЙ
ВКВФ 
— взаимная ковариационная функция
ВКРФ 
— взаимная корреляционная функция
ВР 
— временной ряд
ВСФ 
— взаимно стационарные функции
ЗР 
— закон распределения
ДИ 
— доверительный интервал
ДО 
— доверительная область
КВФ 
— ковариационная функция
КК 
— коэффициент корреляции
КМ 
— ковариационная матрица
КО 
— корреляционное отношение
КОП 
— критерий отношения правдоподобия
КР 
— коэффициент регрессии
КРФ 
— корреляционная функция
КФ 
— квадратичная форма
ЛМИ 
— линейная модель измерений
МО 
— математическое ожидание
МП-оценка — оценка, полученная методом максимального правдоподобия
МСП 
— марковский случайный процесс
МФ 
— матричная форма
НК (МНК)-  
оценка 
— оценка, полученная методом наименьших квадратов
ОД 
— обобщенная дисперсия
ПДС 
— полная достаточная статистика
ПР 
— плотность распределения вероятностей
ПФМ 
— производящая функция моментов
РМ 
— регрессионная модель
РМИ 
— регрессионная модель измерений
СБШ 
— стационарный белый шум
СВ 
— случайная величина (вектор)
СКО 
— среднеквадратическое отклонение
СП 
— случайный процесс
ССП 
— стационарный случайный процесс
ССФ 
— стационарная случайная функция
СФ 
— случайная функция
ФРег 
— функция регрессии
ЭО 
— эллиптическая область
ЭСФ 
— элементарная случайная функция


сПисоК ПриНЯТЫХ оБоЗНАЧеНиЙ
∈
ас
N  
— асимптотическая нормальность
ˆa  
— вектор
A, ˆA  
— матрица
A-1 
— обратная матрица
|A| 
— определитель матрицы
bij 
— коэффициент регрессии
B(v, w) 
— бета-распределение с параметрами (v, w) 
cov (cov)

 
— оператор (асимптотической) ковариации
D D
( )
 
— оператор (асимптотической) дисперсии
fx(t | q) 
— производящая функция моментов 
Fx(x | q) 
— функция распределения вероятностей
Ig 
— g-доверительная область (интервал)
Kt(sij) 
— (t × t)-ковариационная матрица
m 
— математическое ожидание
mh(x) 
— условное математическое ожидание (функция 
регрессии) случайной величины h
M M
(
)
 
— оператор (асимптотического) математического 
ожидания
N N N
N k
(
,
,
)
,

н
1
 
— нормальная (центрированная, нормированная, 
k-мерная) случайная величина, нормальный 
закон распределения
ph (y | x = x) 
— условная плотность распределения случайной 
величины h при фиксированном значении случайной величины x = x
px(x | q) 
— плотность распределения вероятностей случайной величины x с параметром q
Ql 
— квадратичная форма относительно l переменных
r (r*) 
— коэффициент корреляции (его оценка)
Rt(rij) 
— (t × t)-корреляционная матрица
S2, S12 
— оценки дисперсии, ковариации
Sи
2, S12и 
— исправленные (несмещенные) оценки
tk,g 
— g-квантиль распределения Стьюдента
ˆtg
2  
— g-квантиль Хотеллинга
Т(k) 
— распределение Стьюдента с k степенями свободы
ˆT 2  
— статистика Хотеллинга


ug 
— g-квантиль нормального распределения
U 
— ортогональная матрица
V 
— опорная случайная величина
Vм, Vч, Vр 
— опорные случайные величины множественного 
коэффициента корреляции, частного коэффициента корреляции и коэффициента регрессии
W0a 
— a-критическая область
x 
— значение случайной величины
G(l, c) 
— гамма-распределение с параметрами (l, c)
L 
— диагональная матрица собственных значений
mk 
— k-й центральный момент
pi 
— i-й собственный вектор
r(h | x) 
— корреляционное отношение случайной величины h относительно случайной величины x
sij 
— ковариация
s2 
— дисперсия
s2
h(x) 
— условная дисперсия (скедастическая функция) 
случайной величины h
F(x) 
— функция Лапласа
c2(k) 
— хи-квадрат распределение Пирсона с k степенями свободы
c2
k,g 
— g-квантиль распределения Пирсона
yk,l,g 
— g-квантиль распределения Фишера — Снедекора
Y(k, l) 
— распределение Фишера — Снедекора с (k, l) 
степенями свободы
ˆЭl  
— эллипс (эллипсоид) рассеивания с параметром l


раздел 1
НорМАлЬНЫе ЗАКоНЫ  
рАсПределеНиЯ вероЯТНосТеЙ 
введеНие
К числу фундаментальных руководств по эконометрике следует 
отнести работы [1, 16, 23]. Все они предполагают достаточно глубокое знание читателем всех разновидностей нормального закона 
распределения вероятностей и, прежде всего, статистического анализа многомерного нормального закона. Однако обоснованно изложить статистический анализ без анализа теоретико-вероятностного 
практически невозможно, как невозможно понять результаты статистического анализа, не опираясь на результаты теоретико-вероятностного анализа.
В настоящем разделе последовательно и взаимосвязанно рассматриваются вопросы как теоретико-вероятностного, так и статистического анализа одно-, дву- и многомерного невырожденного нормального закона распределения в объеме, доступном студенту экономикоматематического профиля, прослушавшему курс теории вероятностей 
и математической статистики, например, по учебникам [20, 22]. 
Данный раздел включает две главы: первая посвящена теоретиковероятностному, вторая — статистическому анализу. Каждая из этих 
глав в свою очередь состоит из параграфов, посвященных одно-, дву- 
и многомерному законам, при этом одномерный закон рассмотрен 
весьма конспективно, так как достаточно полное его изложение имеется в учебниках и справочниках [20]–[22]. Такая последовательность 
изложения обусловлена по крайней мере тремя соображениями: вопервых, желанием четко разделить вопросы, относящиеся к вероятностному анализу, от вопросов, относящихся к статистическому анализу; во-вторых, необходимостью подготовить читателя к восприятию 
более сложного материала по анализу многомерных законов и, 
в-третьих, возможностью использования данного пособия преподавателями при построении курсов различной степени сложности.
Для каждой главы приводятся примеры (с их полным решением) 
и задачи (для самостоятельного решения). В приложения для 
удобства читателя вынесен ряд математических вопросов, относящихся к теории производящих функций, линейной алгебре, теории 
вероятностей и математической статистике.


В пособии широко используется аппарат производящих функций 
моментов. Он позволяет совершенно элементарно установить нормальность подвекторов нормального вектора и условия их независимости, нормальность линейных функций от нормальных векторов и 
взвешенных сумм нормальных векторов, определить числовые характеристики — и все это не прибегая к многомерному интегрированию.
Значительное внимание уделяется ортогональному преобразованию векторов, определению собственных чисел и векторов ковариационных матриц, особенно в дву- и трехмерном случаях, построению условных законов распределения нормальных подвекторов, а также их условных математических ожиданий и дисперсий, 
множественных и частных коэффициентов корреляции и т.д. 
В основе статистического анализа нормальных векторов лежит 
определение методом максимального правдоподобия оценок таких 
характеристик, как математические ожидания, дисперсии, парные, 
множественные и частные коэффициенты корреляции, ковариации, 
коэффициенты регрессии, обобщенная дисперсия, ковариационная 
матрица, квадратичная форма с априори известной или неизвестной 
ковариационной матрицей, а также обоснование опорных случайных 
величин и их законов распределения с последующим построением 
доверительных интервалов, областей, критериев проверки параметрических гипотез.


Доступ онлайн
от 280 ₽
В корзину
Частному лицу
Бумажная книга
1 630 ₽
Купить
Купить в составе основной коллекции от 1 490 ₽