توضیحاتی در مورد کتاب :
2013، Cengage Learning. — 912 р.
جفری ام. وولدریج، دانشگاه ایالتی میشیگان.
ISBN-10: 1111531048
ISBN-13: 978-1111531041
کشف کنید که امروزه محققان تجربی چگونه واقعاً در مورد روش های اقتصادسنجی فکر می کنند و با روش های عملی به کار می برند، رویکرد حرفه ای در اقتصاد سنجی مقدماتی Wooldridge: یک رویکرد مدرن، 5e. برخلاف کتابهای سنتی در این زمینه، ارائه منحصربهفرد اقتصاد سنجی مقدماتی نشان میدهد که چگونه اقتصاد سنجی فراتر از مجموعهای از ابزارهای انتزاعی حرکت کرده است تا به ابزاری واقعاً مفید برای پاسخ به سؤالات در تجارت، ارزیابی سیاستها و محیطهای پیشبینی تبدیل شود. این کتاب که حول نوع دادههای مورد تجزیه و تحلیل سازماندهی شده است، از یک رویکرد سیستماتیک استفاده میکند که فقط مفروضات مورد نیاز را معرفی میکند، که درک مطالب را آسانتر میکند و در نهایت به شیوههای اقتصادسنجی بهتر منجر میشود. مملو از برنامه های کاربردی به موقع و مرتبط، متن تاکید می کند که نزدیک به 100 مجموعه داده جذاب را در شش فرمت ترکیب می کند و به روز رسانی هایی را ارائه می دهد که منعکس کننده آخرین تحولات در حال ظهور در این زمینه است.
ماهیت اقتصاد سنجی و داده های اقتصادی.
تحلیل رگرسیون با داده های مقطعی.
مدل رگرسیون ساده.
تحلیل رگرسیون چندگانه: تخمین.
تحلیل رگرسیون چندگانه: استنتاج.
تحلیل رگرسیون چندگانه: مجانبی Ols.
تحلیل رگرسیون چندگانه: مسائل بیشتر.
تحلیل رگرسیون چندگانه با اطلاعات کیفی: متغیرهای باینری (یا ساختگی).
هتروسکداستیکی.
اطلاعات بیشتر در مورد مشخصات و مشکلات داده.
تحلیل رگرسیون با داده های سری زمانی.
تحلیل رگرسیون پایه با داده های سری زمانی.
مسائل بیشتر در استفاده از Ols با داده های سری زمانی.
همبستگی سریال و ناهمواری در رگرسیون سری های زمانی.
موضوعات پیشرفته.
تجمیع مقاطع متقاطع در طول زمان: روشهای ساده دادههای پانل.
روشهای پیشرفته داده پانل.
تخمین متغیرهای ابزاری و حداقل مربعات دو مرحله ای.
مدل های معادلات همزمان.
مدلهای متغیر وابسته محدود و اصلاحات انتخاب نمونه.
موضوعات سری زمانی پیشرفته.
انجام یک پروژه تجربی.
ضمائم.
ابزارهای پایه ریاضی.
مبانی احتمال.
مبانی آمار ریاضی.
خلاصه جبر ماتریسی.
مدل رگرسیون خطی به صورت ماتریسی.
پاسخ به سوالات فصل.
جدول آماری.
مراجع.
واژه نامه.
شاخص
توضیحاتی در مورد کتاب به زبان اصلی :
2013, Cengage Learning. — 912 р.
Jeffrey M. Wooldridge, Michigan State University.
ISBN-10: 1111531048
ISBN-13: 978-1111531041
Discover how empirical researchers today actually think about and apply econometric methods with the practical, professional approach in Wooldridge's Introductory econometrics: a modern approach, 5e. Unlike traditional books on the subject, Introductory econometrics' unique presentation demonstrates how econometrics has moved beyond just a set of abstract tools to become a genuinely useful tool for answering questions in business, policy evaluation, and forecasting environments. Organized around the type of data being analyzed, the book uses a systematic approach that only introduces assumptions as they are needed, which makes the material easier to understand and ultimately leads to better econometric practices. Packed with timely, relevant applications, the text emphasizes incorporates close to 100 intriguing data sets in six formats and offers updates that reflect the latest emerging developments in the field.
The Nature of Econometrics and Economic Data.
Regression analysis with cross-sectional data.
The Simple Regression Model.
Multiple Regression Analysis: Estimation.
Multiple Regression Analysis: Inference.
Multiple Regression Analysis: Ols asymptotics.
Multiple Regression Analysis: Further Issues.
Multiple Regression Analysis with Qualitative Information: Binary (or Dummy) Variables.
Heteroskedasticity.
More on Specification and Data Problems.
Regression analysis with time series data.
Basic Regression Analysis with Time Series Data.
Further Issues in Using Ols with Time Series Data.
Serial Correlation and Heteroskedasticity in Time Series Regressions.
Advanced topics.
Pooling Cross Sections across Time: Simple Panel Data Methods.
Advanced Panel Data Methods.
Instrumental Variables Estimation and Two Stage Least Squares.
Simultaneous Equations Models.
Limited Dependent Variable Models and Sample Selection Corrections.
Advanced Time Series Topics.
Carrying out an Empirical Project.
Appendices.
Basic Mathematical Tools.
Fundamentals of Probability.
Fundamentals of Mathematical Statistics.
Summary of Matrix Algebra.
The Linear Regression Model in Matrix Form.
Answers to Chapter Questions.
Statistical Tables.
References.
Glossary.
Index.