목차 일부

제1장 總論
 1.1 計量經濟學의 意義 ... 1
  1.1.1 計量接近方法 ... 2
  1.1.2 計量經濟學이 目標 ... 3
   1.1.2.1 構造分析 ... 4
   1.1.2.2 政策樹立 또는 評價 ... 4
   1.1.2.3 豫測 ... 5
 1.2 計量經濟學의 範圍 ... 5
  1.2.1 計量經濟學과 經濟理論 ... 6
  1.2.2 計量...

더보기

목차 전체

제1장 總論
 1.1 計量經濟學의 意義 ... 1
  1.1.1 計量接近方法 ... 2
  1.1.2 計量經濟學이 目標 ... 3
   1.1.2.1 構造分析 ... 4
   1.1.2.2 政策樹立 또는 評價 ... 4
   1.1.2.3 豫測 ... 5
 1.2 計量經濟學의 範圍 ... 5
  1.2.1 計量經濟學과 經濟理論 ... 6
  1.2.2 計量經濟學과 數理經濟學 ... 7
  1.2.3 計量經濟學과 統計學 ... 8
  1.2.4 計量經濟學의 分類 ... 9
   1.2.4.1 理論計量經濟學 ... 9
   1.2.4.2 應用計量經濟學 ... 9
 1.3 計量分析方法 ... 9
  1.3.1 計量分析의 諸段階 ... 9
   1.3.1.1 第1段階 : 모델의 設定 ... 10
   1.3.1.2 第2段階 : 모델의 推定 ... 12
   1.3.1.3 第3段階 : 推定値의 評價 ... 13
   1.3.1.4 第4段階 : 推定된 모델의 豫測力 評價 ... 15
  1.3.2 計量모델이 갖추어야 할 諸屬性 ... 15
  [演習問題] ... 16
제2장 單純線型回歸모델
 2.1 相關理論 ... 17
  2.1.1 槪括 ... 17
   2.1.1.1 正의 相關 ... 17
   2.1.1.2 負의 相關 ... 18
   2.1.1.3 零의 相關 ... 18
  2.1.2 線型相關關係의 測定 :  母集團相關係數p와 標本相關係數 r ... 19
   2.1.2.1 共分散 ... 21
   2.1.2.2 標本相關係數 ... 22
   2.1.2.3 相關係數의 數値 ... 24
  2.1.3 偏相關係數 ... 24
  2.1.4 線型相關理論의 限界 ... 25
 2.2 單純線型回歸모델 ... 28
  2.2.1 單純線型回歸모델 ... 28
  2.2.2 線型回歸모델의 諸假定 ... 32
   2.2.2.1 最小自乘法의 確率的 假定 ... 33
   2.2.2.2 最小自乘法의 餘他假定 ... 35
  2.2.3 종속변수 Y의 分布 ... 35
 2.3 最小自乘法 ... 37
  2.3.1 最小自乘要因 ... 37
  2.3.2 正規方程式導出 ... 39
  2.3.3 最小自乘推定量들의 平均과 分散 ... 42
  2.3.4 推定量이 갖추어야 할 諸屬性 ... 50
  2.3.5 最小自乘推定量들의 諸屬性 : BLUE의 證明 ... 54
   2.3.5.1 線型性 ... 55
   2.3.5.2 不偏性 ... 56
   2.3.5.3 最小分散 ... 57
  2.3.6 最尤法 ... 61
 2.4 推定量의 統計的 有意度 檢定 ... 64
  2.4.1 決定係數 r²의 限界値 ... 64
   2.4.1.1 決定係數 ... 64
   2.4.1.2 決定係數 r²의 限界値 ... 68
   2.4.1.3 回歸線의 기울기 b₁와 決定係數 r²의 關係 ... 68
  2.4.2 母數推定量의 有意度 檢定 ... 69
   2.4.2.1 最小自乘推定量의 標本分析 ... 70
   2.4.2.2 最小自乘推定量에 대한 標準誤差 檢定 ... 70
   2.4.2.3 最小自乘推定量에 대한 Z檢定 ... 72
   2.4.2.4 最小自乘推定量에 대한 t檢定 ... 76
  2.4.3 回歸係數의 信賴區間 ... 81
   2.4.3.1 標準正規分布의 경우에 대한 信賴區間 ... 82
   2.4.3.2 t 分布를 통한 信賴區間 ... 83
  2.4.4 標本相關係數에 대한 有意度 檢定 ... 84
   2.4.4.1 母集團 相關係數가 0(p〓0)인 경우 標本相關係數 r에 대한 有意度 檢定 ... 84
   2.4.4.2 母集團 相關係數 p가 0이 아닌 경우 標本相關係數 r에 대한 有意度 檢定 ... 86
  2.4.5 尤度比率 檢定 ... 87
  [演習問題] ... 88
제3장 多重回歸모델과 單純回歸모델의 延長
 3.1 두 개의 說明變數로 된 모델 ... 91
  3.1.1 正規方程式의 導出 ... 91
  3.1.2 多重決定係數 : R²y·x₁x₂ ... 94
  3.1.3 母數推定量 b*, b₁, b₂의 平均과 分散 ... 95
  3.1.4 母數推定量의 有意度 檢定 ... 96
 3.2 일반적인 線型回歸모델 ... 97
  3.2.1 正規方程式의 導出 ... 97
  3.2.2 R²에 대한 公式의 一般化 ... 99
  3.2.3 調整決定係數 : R² ... 100
  3.2.4 母數推定量에 대한 分散公式의 一般化 ... 101
  3.2.5 偏相關係數 ... 104
  3.2.6 Beta 係數와 彈力性 ... 107
   3.2.6.1 Beta 係數 ... 107
   3.2.6.2 彈力性 ... 107
 3.3 回歸모델의 適用 ... 108
  3.3.1 函數의 形態 ... 108
   3.3.1.1 指數函數形態 : 兩對數變換 ... 109
   3.3.1.2 準對數變換 ... 110
   3.3.1.3 多項式形態 ... 111
   3.3.1.4 逆函數形態 ... 111
   3.3.1.5 複合函數形態 ... 112
  3.3.2 測定單位 ... 113
 3.4 回歸分析과 分散分析 ... 114
  3.4.1 分散分析方法 ... 115
  3.4.2 回歸分析과 分散分析의 類似性 ... 121
  3.4.3 回歸分析과 分散分析의 比較 ... 123
  [演習問題] ... 125
  [부록] 行列式을 이용한 線型回歸모델 ... 128
제4장 設定誤謬와 線型回歸모델의 基本假定
 4.1 設定誤謬 ... 136
  4.1.1 常數項 b*의 利用과 誤用 ... 138
   4.1.1.1 常數項 排除禁止 ... 139
   4.1.1.2 常數項의 推定値에 依存禁止 ... 140
  4.1.2 適合한 變數가 除外된 모델 ... 141
   4.1.2.1 모델과 병폐 ... 142
   4.1.2.2 偏倚·分散·平均自乘誤差 ... 144
   4.1.2.3 分散의 推定値에 依存禁止 ... 146
  4.1.3 不適合한 變數 ... 148
  4.1.4 不正確한 函數形態 ... 149
 4.2 線型回歸모델의 基本假定 ... 151
  4.2.1 確率變數 u의 確率性에 대한 假定 ... 151
  4.2.2 確率變數 u의 期待値는 零이라는 假定 ... 152
  4.2.3 確率變數 u의 正規性에 대한 假定 ... 153
  4.2.4 同分散의 假定 ... 153
   4.2.4.1 同分散과 二分散의 定義 ... 153
   4.2.4.2 同分散假定의 成立可能性 ... 156
  [演習問題] ... 158
제5장 異分散
 5.1 異分散의 本質 ... 161
 5.2 異分散의 結果 ... 162
  5.3 異分散의 탐색 및 검정방법 ... 166
   5.3.1 그래프를 통한 方法 ... 166
   5.3.2 Park의 檢定法 ... 167
   5.3.3 Glejser 檢定法 ... 169
   5.3.4 Spearman의 順位相關 檢定 ... 170
   5.3.5 Goldfeld 와 Quandt 檢定 ... 171
 5.4 處置方法 ... 172
  5.4.1 σ²ut을 알고 있는 경우 ... 173
  5.4.2 σ1²ut이 未知인 경우 ... 74
  [演習問題] ... 184
제6장 自己相關
 6.1 問題의 本質 ... 187
  6.1.1 定義 ... 187
  6.1.2 그래프를 이용한 고찰 ... 189
  6.1.3 一次自己回歸體系의 定義 ... 191
 6.2 自己相關의 源泉 ... 192
 6.3 非自己相關 假定의 成立可能性 ... 195
 6.4 一次自己回歸體系 ... 196
 6.5 自己相關의 結果 ... 199
 6.6 自己相關의 檢定 ... 202
  6.6.1 그래프를 통한 方法 ... 203
  6.6.2 von Neumann 比率 ... 204
  6.6.3 Durbin-Watson d 檢定 ... 205
  6.6.4 自己相關의 檢定을 위한 代案的 方法 ... 209
 6.7 處置方法 ... 210
  6.7.1 一次自己回歸體系인 경우 ... 211
  6.7.2 高次自己回歸體系인 경우 ... 213
 6.8 自己相關된 母數의 推定方法 ... 214
  6.8.1 P에 대한 事前的 情報를 이용한 方法 ... 214
  6.8.2 Durbin-Watson d 統計量을 근거한 p ... 216
  6.8.3 코크란-오컷 反復推定法 ... 216
  6.8.4 Durbin의 二段階推定法 ... 219
  6.8.5 Hildreth-Lu 技法 ... 221
 6.9 要約 ... 222
  [演習問題] ... 224
  [부록] BOX-JENKINS 技法 ... 228
제7장 多重共線性
 7.1 多重共線性의 意味 ... 235
 7.2 多重共線性의 可能性 ... 236
 7.3 多重共線性의 結果 ... 237
 7.4 多重共線性의 探索 ... 243
  7.4.1 Frisch의 合流分析에 근거한 方法 ... 243
  7.4.2 Farrar-Glauber 檢定 ... 248
 7.5 處置方法 ... 255
  7.5.1 餘他方法 利用 ... 256
  7.5.2 標本의 크기 增大 ... 256
  7.5.3 時差變數의 利用 ... 257
  7.5.4 모델에 方程式 追加導入 ... 257
  7.5.5 Principal Components 技法利用 ... 258
  7.5.6 능形回歸 ... 258
 7.6 多重共線性과 豫測 ... 258
  [演習問題] ... 259
제8장 變數誤差·時間變數·假變數·離散的 選擇模型
 8.1 變數誤差 ... 261
  8.1.1 變數에 개재된 測定誤差 ... 263
   8.1.1.1 從屬變數 Y에 개재된 測定誤差 ... 264
   8.1.1.2 說明變數 X에 개재된 測定誤差 ... 265
  8.1.2 說明變數 X에 測定誤差가 없다는 假定의 妥當性 ... 267
  8.1.3 測定誤差의 結果 ... 267
  8.1.4 變數誤差에 대한 處置方法 ... 272
   8.1.4.1 逆最小自乘法 ... 272
   8.1.4.2 두 集團方法 ... 273
   8.1.4.3 세 集團方法 ... 275
   8.1.4.4 加重回歸分析技法 ... 276
   8.1.4.5 Durbin의 順位法 ... 277
   8.1.4.6 代變數 利用 ... 278
   8.1.4.7 最尤法 ... 281
 8.2 時間變數 ... 288
 8.3 假變數 ... 290
  8.3.1 假變數 利用 경우 ... 291
  8.3.2 假變數의 適用例 ... 295
   8.3.2.1 하나는 量的 獨立變數이고 또 다른 하나는 두 가지 이상의 범주로 구분되는 獨立
變數로 이루어진 回歸모델 ... 295
   8.3.2.2 하나는 量的 獨立變數이고 또 다른 하나는 두 가지 이상의 범주로 구분되는 質的
獨立變數로 돈 回歸모델 ... 299
   8.3.2.3 하나의 量的 變數와 두 개의 質的 變數로 된 모델 ... 300
   8.3.2.4 기울기의 不變性에 대한 假說 檢定 ... 301
   8.3.2.5 季節分析에 있어서 dummy 變數의 사용 ... 303
 8.4 離散的 選擇模型 ... 304
  8.4. 質的 從屬變數 ... 304
  8.4. 線型確率模型 ... 305
  8.4. 로짓 模型 ... 308
  8.4. 프로빗 模型 ... 312
  [演習問題] ... 316
제9장 時差分布
 9.1 外生時差變數 ... 324
  9.1.1 最小自乘法을 통한 時差推定 ... 324
  9.1.2 時差變數의 加重値로 임의의 값을 부여하여 推定하는 方法 ... 325
  9.1.3 Almon 多項式 時差모델 ... 328
 9.2 內生時差變數 ... 332
  9.2.1 Koyck 時差모델 ... 332
  9.2.2 餘他 모델 ... 337
   9.2.2.1 Nerlove의 部分調整모델 ... 338
   9.2.2.2 Cagan의 適應期待모델 ... 339
   9.2.2.3 複合幾何級數 時差모델 ... 342
   9.2.2.4 파스칼 時差係數 ... 344
   9.2.2.5 Jorgenson의 合理的 分布 時差모델 ... 346
 9.3 內生變數의 時差값이 포함된 모델의 母數推定方法 ... 347
  9.3.1 첫째 경우 : v는 自己相關되어 있지 않다 ... 348
  9.3.2 둘째 경우 : v는 自己相關되어 있다 ... 349
  9.3.3 셋째 경우 : v는 一次自己回歸體系로 自己相關되어 있다 ... 351
 9.4 自己回歸모델에서의 自己相關探索 : Durbin의 h 檢定 ... 355
  [演習問題] ... 357
제10장 聯立方程式모델과 識別
 10.1 聯立方程式 모델 ... 359
  10.1.1 諸經濟變數들의 同時的 從屬性 ... 359
  10.1.2 同時的 聯關性의 結果 ... 362
  10.1.3 聯立方程式 偏倚에 대한 解決策 ... 366
  10.1.4 槪念定義 ... 367
   10.1.4.1 構造모델 ... 367
   10.1.4.2 誘導型모델 ... 369
   10.1.4.3 축차모델 ... 372
 10.2 識別 ... 374
  10.2.1 識別問題 ... 374
  10.2.2 識別條件 ... 382
   10.2.2.1 構造모델을 통한 識別判定 ... 382
   10.2.2.2 誘導型모델을 통한 識別判定 ... 388
  10.2.3 識別可能性 制約 ... 393
   10.2.3.1 構造母數의 값에 부여하는 制約 ... 394
   10.2.3.2 方程式들의 確率變數들의 相對的 分散에 대한 制約 ... 396
   10.2.3.3 位數와 階數條件의 適用에 관한 一考 ... 397
  10.2.4 識別을 위한 制約性에 대한 檢定 ... 397
  10.2.5 識別과 多重共線性 ... 398
  10.2.6 識別과 計量技法의 選定 ... 399
  [演習問題] ... 400
제11장 聯立方程式 推定方法
 11.1 誘導型 推定方法(間接最小自乘法) ... 403
  11.1.1 推定方法 ... 403
  11.1.2 誘導型 推定方法의 諸假定 ... 404
  11.1.3 間接最小自乘法을 통해 구한 推定量 b의 屬性 ... 405
 11.2 代變數 推定方案 ... 409
  11.2.1 推定方法 ... 409
   11.2.1.1 하나의 변수로 된 모델 ... 410
   11.2.1.2 두 개의 설명변수로 된 모델 ... 411
  11.2.2 代變數 推定方法의 諸假定 ... 414
  11.2.3 代變數 推定量들의 屬性 ... 414
  11.2.4 代變數 推定方法에 대한 一考 ... 417
 11.3 二段階 最小自乘法(2SLS) ... 419
  11.3.1 推定方法 ... 419
  11.3.2 二段階 最小自乘法의 諸假定 ... 426
  11.3.3 二段階 最小自乘推定量의 諸屬性 ... 427
  11.3.4 二段階 最小自乘法에 관한 論評 ... 428
 11.4 'k-級' 推定量 ... 429
  [演習問題] ... 430
제12장 餘他 推定技法
 12.1 混合推定方法 ... 433
  12.1.1 混合推定方法 : 槪括 ... 433
  12.1.2 母數事前制約 最小自乘法 ... 436
  12.1.3 橫斷面 및 時系列資料의 接合技法 ... 438
   12.1.3.1 接合技法의 利點 ... 440
   12.1.3.2 時系列과 橫斷面標本의 適合上의 諸問題點 ... 440
  12.1.4 Durbin의 一般化 最小自乘法 ... 440
  12.1.5 Theil과 Goldberger의 混合線型推定方法 ... 445
 12.2 最尤法 ... 454
  12.2.1 最尤法의 槪要 ... 454
  12.2.2 單純線型回歸모델에 最尤法 適用 ... 460
  12.2.3 變數의 變換과 最尤推定法 ... 463
   12.2.3.1 變換 ... 463
   12.2.3.2 變換과 最尤推定법 ... 465
  12.2.4 制限情報最尤法(LIML) ... 468
   12.2.4.1 LIML 推定量의 屬性 ... 481
   12.2.4.2 LIML의 諸假定 ... 481
   12.2.4.3 LIML에 대한 一考 ... 481
  12.2.5 完定情報最尤法(FIML) ... 483
   12.2.5.1 FIML 推定量의 屬性 ... 492
   12.2.5.2 FIML의 諸假定 ... 492
   12.2.5.3 FIML에 대한 一考 ... 493
 12.3 三段階 最小自乘法(3SLS) ... 494
  12.3.1 一般化 最小自乘法 ... 494
  12.3.2 三段階 最小自乘法 ... 497
   12.3.2.1 3SLS의 諸假定 ... 498
   12.3.2.2 3SLS 推定量의 屬性 ... 500
제13장 推定된 모델의 豫測力 檢定
 13.1 單純線形回歸모델을 이용한 豫測 ... 501
  13.1.1 點豫測 ... 501
  13.1.2 區間豫測 ... 502
 13.2 聯立方程式 計量모델을 이용한 豫測 ... 508
 13.3 單一豫測値와 실제 觀測値간의 差에 대한 有意度 檢定 ... 511
 13.4 推定된 모델의 豫測成果評價 ... 514
  13.4.1 豫測値 - 實際値 圖表 ... 514
  13.4.2 Theil의 不均等 係數 ... 516
  13.4.3 Janus 指數 ... 520
제14장 計量技法의 選定 : Monte Carlo 硏究
 14.1 槪括 ... 521
  14.1.1 모델의 識別條件 ... 522
  14.1.2 모델의 目的 ... 523
 14.2 構造모델의 母數推定値의 屬性에 따른 計量技法의 順位決定 ... 525
  14.2.1 構造모델의 母數推定値에 대한 점근적의 속성에 기초한 順位決定 ... 525
  14.2.2 構造모델의 母數推定値에 대한 소표본의 속성에 따른 順位決定 ... 528
 14.3 모델의 추정목적이 유도형 모델  母數의 추정일 경우에 대한 計量技法의  順位決定
532
 14.4 結論 ... 534
제15장 擬態分析
 15.1 槪要 ... 536
 15.2 擬態節次 ... 537
 15.3 擬態分析 ... 539
  15.3.1 擬態分析의 時界 ... 539
  15.3.2 事後擬態 ... 540
  15.3.3 事後豫測과 事前豫測 ... 540
  15.3.4 遡及擬態 ... 541
 15.4 擬態모델의 評價基準 ... 541
  15.4.1 모델의 適合度 檢定 ... 543
  15.4.2 모델의 成果 檢定 ... 543
   15.4.2.1 RMS 擬態誤差 ... 543
   15.4.2.2 RMS 百分率誤差 ... 544
   15.4.2.3 平均擬態誤差의 平均百分率誤差 ... 544
  15.4.3 餘他 評價基準 ... 545
   15.4.3.1 變換點 反影 ... 546
   15.4.3.2 事後 RMS 豫測誤差 ... 547
   15.4.3.3 Theil의 不均等係數와 不均等比率 ... 547
   15.4.3.4 Monte Carlo 擬態 ... 549
   15.4.3.5 모델의 動態的 反應 ... 549
   15.4.3.6 모델의 敏感度 ... 549
 15.5 擬態의 實例 ... 550
  15.5.1 事後擬態 ... 551
  15.5.2 事後豫測 ... 553
  15.5.3 事前豫測 ... 556
 15.6 모델 推定 ... 558
수표(數表) ... 561
索引 ... 571

더보기 닫기