Предметный указатель

Предметный указатель

А

Автокоррелированные случайные члены (autocorrelated disturbance terms),

см. Автокорреляция Автокорреляция (autocorrelation) 217-240

авторегрессионная схема первого порядка (first-order autoregressive) 219-220

авторегрессионная схема более высокого порядка (higher order

autoregressive) 237-240

интервал наблюдения и А. 217-218

как источник смещения при оценивании модели 229—233 как лаговая структура с ограничением 229-231 определение 217 отрицательная 218-219 оценки, снижающие А. 222-225 положительная 217-218

порожденная преобразованием Койка 290-291, 302 последствия 217, 224-225 причины 217-221

с лаговой зависимой переменной 227—228, 290—291

тесты на наличие А. 219-221, 227-228, 237-238

эксперименты по методу Монте-Карло 228—229 Адаптивные ожидания (adaptive expectations) 292-296 (см. также Гипотеза

о постоянном доходе)

модель гиперинфляции Кейгана 297—298 Алмон лаги (Almon lags), см. Полиномиально распределенные лаги Альтернативные гипотезы (alternative hypothesis), см. Гипотеза, Проверка гипотез

Б

Бокса—Дженкинса анализ временных рядов (Box-Jenkins time-series analysis) 319-321 Бокса—Кокса тест на вид функции (Box-Сох test of functional form) 129-133, 354

В

Вероятности распределение (probability distribution) 4, 8—9

Вероятностный предел (предел по вероятности) (plim, probability limit) 26-28

для отношения двух величин 27-28

определение 26 Вероятность (probability) 3-4, 8—13 Взвешенная регрессия (weighted regression) 211

Включенные модели (nested models), см. Модели спецификация Внешняя информация (extraneous information) используемая для идентификации 341

используемая для снижения мультиколлинеарности 157-158 Временной тренд (time trend)

как замещающая переменная для показателя технического

прогресса 157-158, 182-183

оценивание 123—124 Выборочная дисперсия (sample variance) 44-45

ожидаемое значение 44

определение 44 Выборочная ковариация (sample covariance) 34—42, 49-51

альтернативное выражение 42-43

определение 35

почему не является хорошей мерой связи 49-51 Выборочное среднее (sample mean)

дисперсия 16, 25-26, 47

несмещенность 17-18

распределение 16—17 Var, см. Выборочная дисперсия

Г

Гайавата (Hiawatha) 22-25

Гаусса—Маркова теорема (Gauss-Markov theorem) 87, 147, 244

Гаусса—Маркова условия (Gauss-Markov conditions) 80-83, 146, 201-201, 217, 227,

244, 256, 312-313, 322-323, 327, 350-351 Генеральная совокупность (population) 4

Геометрически распределенный лаг (geometric distributed lag), см. Койка распределение Гетероскедастичность (heteroscedasticity) 201—215

определение 201

оценки, снижающие Г. 210-214

последствия 202-204

причины 204

тесты на наличие Г. 204-209

эксперименты по методу Монте-Карло 215-216 Гиперинфляция (hyperinflation)

Кейгана модель Г. 297-298 Гипотеза (hypothesis)

альтернативная 90

нулевая 90, 104-108 Гипотеза о постоянном доходе (permanent income hypothesis)

динамические свойства 300-302

критика Фридменом стандартной функции потребления 253—258 оценивание функции потребления методом инструментальных переменных 260-261

оценивание функции потребления методом решетчатого поиска 299—300 переменный компонент потребления и доход (transitory consumption and income), их определения 253 эксперимент по методу Монте-Карло 255-257

постоянный компонент потребления и доход, их определения 253 применения к экономической политике 257 Фридмена модель 253, 298-302 Глейзера тест на гетероскедастичность (Glejser test for heteroscedasticity) 208-209, 213

Голдфелда—Квандта тест на гетероскедастичность (Goldfeld-Quandt test for

heteroscedasticity) 207-208, 210 Гомоскедастичность (homoscedasticity)

как нулевая гипотеза 206, 208, 212-213

определение 201—202

д

Дарвина h-статистика (Durbin h statistic) 227—228

Дарбина—Уотсона d-статистика (Durbin-Watson d statistic) 219-221, 227, 240-241 как индикатор неправильной спецификации модели 230, 233 таблицы dL и di 372-373

Двухшаговый метод наименьших квадратов (ДМНК) (two-stage least squares, TSLS) 337-339

как метод «очищения» переменной 338

как частный случай метода инструментальных переменных 337-338 Дискретные случайные переменные (discrete random variables), см. Случайные

переменные Дисперсии правила (variance rules) 45-46

Дисперсия (variance), см. Выборочная дисперсия, Теоретическая дисперсия случайной переменной

ДМНК, см. Двухшаговый метод наименьших квадратов Доверительный интервал (confidence interval) 102—104

для предсказания 311

определение 103

3

Зависимая переменная (dependent variable) 53 Замещающие переменные (proxy variables) 182—186

идеальные (ideal) 184-185

непреднамеренные (unintentional) 186

несовершенные (imperfect) 185-186, 249-250

эффект использования 182 Зарембки шкалирование (Zarembka scaling), см. Бокса—Кокса тест на вид функции Значимости уровень (significance level) 93—95

в сравнении с показателем мощности критерия 107

И

Идентификация (identification)

неполная идентифицированность 327, 332-334

нулевые и ненулевые ограничения 341

относительно стабильных зависимостей 345-347

размерности условие 340-344

сверхидентифицированность 327, 336—337

точная идентифицированность 327 Измерения ошибки (measurement errors) 55, 243, 247-252 (см. также Гипотеза

о постоянном доходе)

зависимой переменной 251-252

объясняющих переменных 248-249 Инструментальные переменные (ИП) (instrumental variables) 243, 258-261, 330—332

идентификация и ИП 330, 333, 338-339

определение 259

применение для оценивания одновременных уравнений 330-332, 336-339

применение для оценивания функции потребления Фридмена 260—261

состоятельность 259

теоретическая дисперсия оценки 260 Интерпретация уравнения регрессии (interpretation of regression equation)

линейной регрессии 66-69

логарифмической регрессии 120-124

множественной регрессии 139-141, 146—148 ИЛ, см. Инструментальные переменные

К

Качественные зависимые переменные (qualitative dependent variables) 285—287 Качественные объясняющие переменные (qualitative explanatory variables),

см. Фиктивные переменные Качество оценки (goodness of fit) 69—72

F-тестна К.о. 109-111, 113-114 КМНК, см. Косвенный метод наименьших квадратов

Кобба—Дугласа производственная функция (Cobb-Douglas production function) 144-146, 157-158, 182-183, 188-190

проверка ограничения на постоянство эффекта от масштаба

производства 188-190

свойства 144-146, 182-183 Ковариации правила (covariance rules) 38-42 Ковариация (covariance), см. Выборочная ковариация,

Теоретическая ковариация Койка преобразование (Koyck transformation) 289-291, 300 Койка распределение (Koyck distribution) 289—291, 303

динамические свойства 290, 300

оценивание с помощью преобразования Койка 290

оценивание с помощью решетчатого поиска 289-290 Кокрана—Оркатта итеративная процедура (Cochrane-Orcutt iterative procedure)

224-225, 228-237

как метод оценивания нелинейной регрессии 230

обобщенная для применения при автокорреляционной схеме более

высокого порядка 239-240 Корректировки дивидендов модель (dividend adjustment model) 292-293 Косвенный метод наименьших квадратов (КМНК) (indirect least squares) 327-329,

331-332

определенность и КМНК 333-334, 336-337

эквивалентность методу ИП при однозначной определенности 331 Коэффициент детерминации R2 (coefficient of determination) 70-72, 113, 163-164 определение 70

скорректированный, поправленный (adjusted, corrected) ИЗ, 163-164 эквивалентность другим измерителям качества оценивания 70-71, 113-114 Коэффициент корреляции (correlation coefficient) выборочный (sample) 47-49, 52 теоретический (population) 47 /-тест для К.к. 112-114 частный (partial) 52

Л

Лаговая зависимая переменная (lagged dependent variable)

как причина несостоятельности в случае автокорреляции 227—228 как причина смещения в случае малой выборки 247

Лаговая переменная (lagged variable) определение 196-198

Лаговая структура (lag structure), см. также Койка распределение, Полиномиально распределенные лаги определение 197

Лагранжа множитель, см. Тест с множителем Лагранжа на автокорреляцию Линейная вероятностная модель (linear probability model) 286 Линейной регрессии модель (linear regression model) 53

линейность по параметрам 116, 141 — 142

линейность по переменным 116, 141-142 Логарифмические преобразования (logarithmic transformations) 119-124

правила Л.п. 120 Логарифмическое правдоподобие (log-likelihood) 352 Логит-анализ (logit analysis) 286-287

М

Максимального правдоподобия оценка (МП-оценка) (maximum likelihood estimation,

ML estimation) 286, 350-354

логарифмическая функция правдоподобия 352

правдоподобия функция 352-353 Математическое ожидание (expected value) 5—8

дискретной случайной переменной 5-6

непрерывной случайной переменной 14, 32

правила 7-8, 14

функции дискретной случайной переменной 6-7

функции непрерывной случайной переменной 31—32 Метод наименьших квадратов (МНК) (ordinary least squares, OLS) 57

(см. также Наименьших квадратов принцип, Регрессии коэффициенты)

численные примеры 58-60 МНК, см. Метод наименьших квадратов

Модели неправильная спецификация (вид функции) (model misspecification, functional form) 55

выявление путем анализа остатков 195

как возможная причина появления автокорреляции 232-233 Модели неправильная спецификация (ненужные переменные) (model misspecification, irrelevant variables) 55 проявления 177-179

эксперимент по методу Монте-Карло 179—180 Модели неправильная спецификация (пропущенные переменные) (model misspecification, omitted variables) 54-55, 166-174, 262-263

аналитический вывод формулы смещения 167

воздействие на коэффициент R2 173-174

выявление путем анализа остатков 193-196

как возможная причина появления автокорреляции 229-231

направление смещения 171 — 173

неприменимость статистических тестов 168

эксперимент по методу Монте-Карло 168-171 Модели спецификация (model specification) 165-180, 354-360 (см. также Модели

неправильная спецификация, Тесты на устойчивость)

включенные и невключенные модели 356-357

«от общего к частному» подход 359-360

сравнение альтернативных моделей 356—359 Монте-Карло метод, см. Эксперименты по методу Монте-Карло Мощность теста (power of a test) 107-108 МЛ, см. Максимального правдоподобия оценка Мультиколлинеарность (multicollinearity) 155-158, 183-184

определение 155

оценки, снижающие М. 156-158

порожденная текущими и лаговыми значениями объясняющих переменных в регрессионной модели 289-290 Мультипликатор (multiplier) 257, 323

Н

Наборы данных для упражнений 374—383

Наименьших квадратов принцип (least squares principle) 57-59, 62-64, 137—139 обоснование 58 определение 57

сравнение с принципом максимального правдоподобия 350-351, 353-354 Научное знание (scientific knowledge) 360-362

Независимая переменная (independent variable), см. Объясняющая переменная, Стохастические объясняющие переменные

Независимость двух случайных переменных (independence of two random variables) 8

Неидентифицируемость, см. Идентификация

Нелинейной регрессии модель (nonlinear regression model) оцениваемая методом решетчатого поиска 132-133 оцениваемая с помощью итеративной процедуры 126-129 сводимая к линейной с помощью логарифмического преобразования 119-124, 142-144

сводимая к линейной с помощью переопределения переменных 116-119

Ненужные переменные (irrelevant variables), см. Модели неправильная спецификация

(ненужные переменные) Неправильная спецификация вида функции (functional misspecification),

см. Модели неправильная спецификация (вид функции) Непрерывные случайные переменные (continuous random variables), см. Случайные

переменные

Несмещенность (unbiasedness) 17—18, 20-22

выборочного среднего 17-18

коэффициентов регрессии 82-83

определение 17

связь с дисперсией 21—22 Несостоятельность (inconsistency) 27—28

Нормального распределения таблица (normal distribution table) 367

(см. также Случайный член) Нулевая гипотеза (null hypothesis), см. Гипотеза, Проверка гипотез

О

Область принятия гипотезы (acceptance region) 94

Обобщенный метод наименьших квадратов (OMHK) (generalized least squares, GLS) 234-236

Общая инфляция/инфляция, вызванная ростом заработной платы (пример) (price inflation/wage inflation example) 90, 92-94, 98-100, 310

Объясняющая переменная (explanatory variable) 53—54 (см. также Стохастические объясняющие переменные)

Ограничение (restriction)

используемое для идентификации 341

используемое для снижения эффекта мультиколлинеарности 157—158 определение 157 тест на общий фактор 229-231 /'-тест для линейного ограничения 188-189 эффект от использования ограничения 166 Одновременных уравнений оценивание (simultaneous equations estimation), см. также Идентификация, Одновременных уравнений смещение двухшаговый метод наименьших квадратов 337-339 инструментальные переменные 330—332

косвенный метод наименьших квадратов 327-329, 331-332, 333-334 приведенная форма уравнений 325-326, 333, 336-337 структурные уравнения 326 экзогенные переменные 325, 343-344 эксперимент по методу Монте-Карло 328-330 эндогенные переменные 325 Одновременных уравнений смещение (simultaneous equations bias) 322-324, 328-329, 348-349

Односторонний t-mecm (one-tailed / test), см. t-mecm Ожидание (expectation), см. Математическое ожидание OMHK, см. Обобщенный метод наименьших квадратов Отклонение (остаток) (residual)

графическое представление 61-62

использование в тесте Спирмена на ранговую корреляцию 206

использование для улучшения спецификации модели 193-196 определение 56

Оценка (формула, метод оценивания) (estimator) 15—22 (см. также Двухшаговый

метод наименьших квадратов, Инструментальные переменные, Косвенный метод наименьших квадратов, Максимального правдоподобия оценка, Метод наименьших квадратов)

выборочного среднего 15

выборочной дисперсии 15

доказательство несмещенности оценки 32—33

коэффициентов регрессии, см. Регрессии коэффициенты

несмещенная 17-18

определение 15

разница между оцениваемым значением и О. 15

состоятельная 26-28

эффективная 18-20 Ошибки в переменных (errors in variables), см. Измерения ошибки Ошибки Iu IIрода (Type I, Type II errors) 94-95, 97, 105-107, 112, 236-237

(см. также Проверка гипотез)

П

Парка—Митчелла анализ методом Монте-Карло (Park-Mitchell Monte Carlo study),

см. Эксперименты no методу Монтъ-Карло Паутинообразная модель (cobweb cycle) 307

Первых разностей уравнение регрессии (first differences regression) 224 Переменной неправильная спецификация (variable misspecification), см. Модели

неправильная спецификация (ненужные переменные), Модели неправильная

спецификация (пропущенные переменные) Плотности вероятности функция (probability density function) 10-14 Плотности вероятности функция для выборочного среднего (probability density function

of sample mean) 16-17

связь с размером выборки 25-27 Плотности вероятности функция для коэффициента регрессии (probability density

function of regression coefficient) 91-92 Полиномиально распределенные лаги (лаги Алмон) (polynomial distributed lags, Almon

lags) 303-306 Потерь функция (loss function) 21—22

Потребления функция (consumption function), см. также Одновременных уравнений оценивание

Брауна модель 294, 302

смещение при оценивании одновременных уравнений 322-324, 328, 348-349 Фридмена гипотеза о постоянном доходе, см. Гипотеза о постоянном доходе Правдоподобия функция (likelihood function) 352

Прайса—Уинстена поправка (Prais-Winsten correction) 223, 225, 235, 240 Предопределенные переменные (predetermined variables) 326 Предсказание (prediction) 309—319

доверительные интервалы 313-314

несмещенность 312

ошибка 310

прогнозы 310, 312, 317-319

стандартные ошибки 313-314

теоретическая дисперсия 312

тест на устойчивость 315—317, 355 Приведенная форма уравнений (reduced form equation) 326 Проверка гипотез (hypothesis tests) 89-100, 104-108 (см. также Регрессии

коэффициенты, Ошибки I и IIрода)

цели проведения 90—91, 97 Прогнозы (forecasts) 310, 312, 317—319 (см. также Предсказание)

относительная ошибка прогноза (relative forecasting error, RFE) 317-318

оценивание 317-319

Пропущенные переменные (omitted variables), см. Модели неправильная спецификация (пропущенные переменные)

р

Распределенные лаги (distributed lags), см. Койка распределение, Полиномиально

распределенные лаги Размерности условие для идентификации (order condition for identification),

см. Идентификация Рациональные ожидания (rational expectations) 306—309 Регрессии коэффициенты (ИП), см. Инструментальные переменные Регрессии коэффициенты (МНК, две объясняющие переменные)

аналитическое представление 146—147

вывод выражений для Р.к. 137-138

выражения для Р.к. 137—138

несмещенность 147

стандартные ошибки 153-154

теоретическая дисперсия 148

/-тесты и доверительные интервалы 154

эксперимент по методу Монте-Карло 150—153 Регрессии коэффициенты (МНК, одна объясняющая переменная)

аналитическое представление 73-74, 243-244

вывод выражений для Р.к. 62-64

выражения для Р.к. 62

доверительные интервалы 102-104

несмещенность 82-83, 244-246

несостоятельность в модели одновременных уравнений 322—324

несостоятельность, вызванная ошибками измерения объясняющей

переменной 248-251

плотности вероятности функция 91—92

проверка гипотез 89—100

смещение в малой выборке, вызванное лаговой зависимой переменной 246 стандартные ошибки 84 теоретическая дисперсия 84, 260 /-статистика 97 /-тесты двусторонние 96—100 /-тесты односторонние 104-108 эксперимент по методу Монте-Карло 74-79, 84-85 Регрессор (regressor), см. Объясняющая переменная, Стохастические объясняющие переменные

Решетчатый поиск (grid search)

использование в процедуре Хилдрета—Л у для автокорреляции 224, 228 использование в тесте Бокса—Кокса 132—133

использование при оценивании модели гиперинфляции Кейгана 297—298 использование при оценивании распределения Койка 290 использование при оценивании функции потребления Фридмена 299—301 R2, см. Коэффициент детерминации R2

С

Сверхидентифицированность (overidentification), см. Идентификация Сезонные фиктивные переменные (seasonal dummy variables) 273-276 СКО, см. Сумма квадратов отклонений Скорректированный коэффициент детерминации

(adjusted, corrected R2) 163-164 Случайные переменные (random variables)

дискретные (discrete) 3-10

независимость (independence of) 8

непрерывные (continuous) 3, 10—13, 31—32 Случайный член (disturbance term) 14, 53—55 (см. также Гаусса—Маркова условия)

в нелинейных моделях 125-126, 214

ограничения, налагаемые при идентификации 343

предположение о нормальности (распределения) 81—82, 91

происхождение 54—55 Смещение (bias), см. также Измерения ошибки, Одновременных уравнений смещение

определение 17 Состоятельность (consistency) 26—28

Спецификации ошибка (specification error), см. Модели неправильная спецификация Спецификация вида функции, см. Бокса—Кокса тест, Нелинейной регрессии модель Спирмена тест ранговой корреляции на гетероскедастичность

(Spearman rank correlation test for heteroscedasticity) 206-207 Спроса функция (demand function) 363—365

вопросы экономической политики и С. ф. 363

интерпретация 64-65

набор данных для упражнений 374-383

теория полезности и С.ф. 363-365 Спроса функция на продукты питания (пример)

Бокса—Кокса тест на вид функции 131

доверительный интервал для коэффициентов регрессии 103

интерпретация линейного уравнения 64—66, 134—137

интерпретация логарифмического уравнения 142

оценивание с помощью итеративной процедуры Кокрана—Оркатта

с поправкой Прайса—Уинстена 224-225

оценивание с помощью обобщенной процедуры Кокрана—Оркатта для автокорреляции более высокого порядка 240

предсказания, их стандартные ошибки и доверительные интервалы 311, 314 тест с множителем Лагранжа на наличие автокорреляции более высокого порядка 238

/-тест для коэффициентов уравнения регрессии 96-97 /"-тест и /-тест для линейного ограничения 190-191

F-тест на объясняющую способность 111 F-тест на стабильность коэффициентов 316 Чоу тест на неудачу предсказания 315-316 Среднеквадратичная ошибка (mean square error) 21

Стандартная ошибка коэффициента регрессии (standard error of regression

coefficient), см. Регрессии коэффициенты, Метод наименьших квадратов Стандартная ошибка предсказания (standard error of prediction) 313-314 Стандартная ошибка уравнения регрессии (standard error of regression equation, su) 84-85

Стандартное отклонение (standard deviation) 9, 32

Статистические выводы (statistical inference) 360—362

Степени свободы (degrees of freedom), см. Хи-квадрат тест, F-mecm, t-mecm

Стохастические объясняющие переменные (stochastic regressors) 243—247

Структурные уравнения (structural equations) 326

Сумма квадратов отклонений (необъясненная, остаточная) (residual sum of squares, RSS) 109-110

использование в тестах Чоу 282—285, 315-316 в тесте Голдфелда—Квандта на гетероскедастичность 207-208 в тесте на общий фактор 230 в F-тесте на качество оценки 109, 160-162 в F-тесте на линейное ограничение 188-189, 191 в F-тесте на объясняющую способность группы переменных 161-162 2 знак суммы (объяснение) 29—31

доказательство несмещенности оценки 32-33

Т

Тейла коэффициент Uдля оценивания качества прогнозов (Theil's U coefficient for

evaluating forecasts) 318—319 Теоретическая дисперсия выборочного среднего (population variance of sample mean)

16-17, 47

Теоретическая дисперсия случайной переменной (для генеральной

совокупности) (population variance of random variable) 8-10, 14, 32-33, 47-48

дискретной случайной переменной 8-10, 32-33

непрерывной случайной переменной 32-33

несмещенные оценки 17-18

определение 8-9 Теоретическая ковариация (pop. cov, population covariance) 43-44

определение 43

Теоретическая характеристика (population characteristic) 15, 17 Теоретическое среднее значение (математическое ожидание)

(population mean) 6 несмещенные оценки 17—18 Тест на общий фактор (common factor test) 229—232

Тест с множителем Лагранжа на автокорреляцию (Lagrange multiplier test for autocorrelation) 228, 238

Тесты на значимость (tests of significance), см. Автокорреляция, Бокса—Кокса тест, Гетероскедастичность, Проверка гипотез, Ограничение, Тест на общий фактор, Тесты на отношение правдоподобия, t-mecm, F-mecm, Чоу тест

Тесты на отношение правдоподобия (likelihood ratio tests) 353

Тесты на устойчивость (stability tests) 315-319, 355

Те ила коэффициент U 318—319

тест Чоу на неудачу предсказания 312-13

/'-тест на стабильность коэффициентов 315—316 Технический прогресс (technical progress) 157-158, 182—183 t-распределения таблица (критические значения) 368 t-статистика (t statistic) 97-98 t-mecm (t test)

вывод результатов 98-100

двусторонний 96-100

для коэффициента корреляции 112-114

интерпретация как предельного случая для F-теста 162-163

односторонний 90, 104-108

степени свободы 96-97

У

Уровень значимости, см. Значимости уровень

Ф

Фиктивные переменные (dummy variables) 262—287 взаимодействия (interactive) 280-282

выбор эталонной категории (choice of reference category) 272-273

для коэффициента наклона линейной зависимости 280-282

интерпретация уравнения регрессии с Ф.п. 266, 270-271, 274-275, 278-279,

280-281

использование при расчете ошибок предсказания и стандартных ошибок 314

ловушка при применении Ф.п. (dummy variable trap) 273

множественные совокупности (multiple sets of) 277—279

набор 270-276

определение 265

польза от применения 262

проверка гипотез 266-267, 272

сезонные 273-276

/'-тест на совместную объясняющую способность набора Ф.п. 272, 276

Чоу тест 282-285 F-распределения критические значения 369-370 F-статистика (F statistic) 160—163 F-mecm (F test)

на неудачу предсказания 315-316

на обоснованность наложения линейного ограничения 188-189

на обоснованность объединения двух выборок при оценивании регрессионной

модели (Чоу тест) 282-285, 315

объясняющей способности уравнения регрессии 160—161

совместной объясняющей способности группы переменных 161 — 163, 272,

276, 357-359

Хи-квадрат распределение (chi-square distribution)

критические значения 371 Хи-квадрат тест (применение) (chi-square test)

тест Бокса—Кокса 130

тест на общий фактор 230-231

тест на отношение правдоподобия 353 Хилдрета—Лу метод для моделей с автокорреляцией (Hildreth-Lu procedure for

autocorrelation) 224

ц

Центральная предельная теорема (Central Limit Theorem) 82

Ч

Частичная корректировка (partial adjustment) 291-293

распределение Койка и Ч.к. 292 Чоу тест на неудачу предсказания (Chow test of predictive failure) 315-316 Чоу тест на обоснованность объединения двух выборок при оценивании

регрессионной модели (Chow test of validity of combining two subsamples to fit

regression model) 282-285

как тест на стабильность коэффициентов 315-316

Ш

Шум (noise) 55

Э

Экзогенные переменные (exogenous variables) 325-326, 343 определение 325

Эксперименты по методу Монте-Карло (Monte Carlo experiments) включения ненужных переменных 179-180 генерация случайного члена 75 гетероскедастичность (пример) 215—216 иллюстрация воздействия автокорреляции 227-228

иллюстрация критики Фридменом стандартной функции потребления 255-257 иллюстрация свойств коэффициентов, полученных с помощью МНК 75-79, 84-85

иллюстрация смещения, наблюдаемого в системах одновременных уравнений, и использования КМНК и ИП для оценивания

одновременных уравнений 328—329

иллюстрация факторов, воздействующих на точность оценивания коэффициентов множественной регрессии 150-153 невключения объясняющих переменных 168-171 определение 75

Парка—Митчелла анализ процедур оценивания в моделях с автокорреляцией 234-237

Экспоненциальные временные тренды (exponential time trends)

определение 123

оценивание 123—124 Эластичность (elasticity)

интерпретация Э., оцененной на перекрестных выборках

и на временных рядах 157-158

определение 121

оценивание 121-122 Энгеля кривая (Engel curve) 123—124, 131 Эндогенные переменные (endogenous variables) 325—326

определение 325 Эффективность (efficiency)

оценок регрессии 18-20