목차
제1장 緖論
1.1 計量經濟學의 意義 ... 2
1.1.1 計量接近方法 ... 3
1.1.2 計量經濟學의 目標 ... 4
1.1.2.1 構造分析 ... 4
1.1.2.2 政策樹立 또는 評價 ... 5
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 ... 5
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 ... 7
1.2.4 計量經濟學과의 分類 ... 8
1.3 計量分析方法 ... 8
1.3.1 計量分析의 諸段階 ... 8
1.3.1.1 第1段階 : 模型의 設定 ... 9
1.3.1.2 第2段階 : 模型의 推定 ... 10
1.3.1.3 第3段階 : 推定値의 評價 ... 12
1.3.1.4 第4段階 : 推定된 模型의 豫測力 評價 ... 13
1.3.2 計量模型이 갖추어야 할 諸屬性 ... 13
1.4 計量經濟學의 最近動向 ... 14
1.5 合理的 期待와 Lucas 批判 ... 15
[演習問題] ... 18
제2장 單純線型回歸模型
2.1 相關理論 ... 20
2.1.1 槪括 ... 20
2.1.1.1 正의 相關 ... 20
2.1.1.2 負의 相關 ... 21
2.1.1.3 零의 相關 ... 22
2.1.2 線型相關關係의 測定 : 母集團相關係數 ρ와 標本相關係수 γ ... 22
2.1.2.1 共分散 ... 24
2.1.2.2 標本相關係數 ... 25
2.1.2.3 相關係數의 數値 ... 26
2.1.3 線型相關理論의 限界 ... 26
2.2 單純線型回歸模型 ... 27
2.2.1 單純線型回歸模型 ... 28
2.2.2 線型回歸模型의 諸假定 ... 31
2.2.2.1 最小自乘法의 確率的 假定 ... 31
2.2.2.2 最小自乘法의 여타 假定 ... 33
2.2.3 從屬變數 Y의 分布 ... 34
2.3 最小自乘法 ... 35
2.3.1 積率法 ... 35
2.3.2 最小自乘要因 ... 37
2.3.3 正規方程式의 導出 ... 40
2.3.4 最小自乘推定量들의 平均과 分散 ... 42
2.3.5 推定量이 갖추어야 할 諸屬性 ... 50
2.3.5.1 推定量의 小標本屬性 ... 51
2.3.5.2 推定量의 大標本屬性 ... 54
2.3.6 最小自乘推定量들의 제屬性 : BLUE의 證明 ... 58
2.3.6.1 線形性 ... 58
2.3.6.2 不便性 ... 59
2.3.6.3 最小分散 ... 60
2.3.7 最尤法 ... 64
2.4 推定量의 統計的 有意圖檢定 ... 66
2.4.1 決定係數 γ²을 이용한 適合圖檢定 ... 66
2.4.1.1 決定係數 ... 66
2.4.1.2 決定係數 γ²의 限界値 ... 70
2.4.1.3 回歸線의 기울기 $\hat b_1과 決定係數 γ²의 關係 ... 70
2.4.2 母數推定量의 有意圖檢定 ... 71
2.4.2.1 最小自乘推定量의 標本分布 ... 72
2.4.2.2 最小自乘推定量에 대한 標準誤差檢定 ... 72
2.4.2.3 最小自乘推定量에 대한 Z檢定 ... 73
2.4.2.4 最小自乘推定量에 대한 t檢定 ... 77
2.4.3 回歸係數의 信賴區間 ... 82
2.4.3.1 標準正規分布의 경우에 대한 信賴區間 ... 83
2.4.3.2 t分布를 통한 信賴區間 ... 84
2.4.4 標本相關係數에 대한 有意圖檢定 ... 85
2.4.4.1 母集團相關係數가 0인 경우 標本相關係數 γ에 대한 有意圖檢定 ... 85
2.4.4.2 母集團相關係數 ρ가 0이 아닌 경우 標本相關係數 γ에 대한 有意圖檢定 ... 87
2.4.5 尤度比率檢定 ... 88
[演習問題] ... 90
제3장 多重回歸模型과 單純回歸模型의 延長
3.1 두 개의 說明變數로 된 模型 ... 94
3.1.1 正規方程式의 導出 ... 94
3.1.2 多重決定係數 : $R^2_{y·x_1x_2} ... 96
3.1.3 母數推定量 $\hat b_0, $\hat b_1, $\hat b_2의 平均과 分散 ... 98
3.1.4 母數推定量의 有意圖檢定 ... 98
3.2 일반적인 線型回歸模型 ... 99
3.2.1 正規方程式의 導出 ... 99
3.2.2 R²에 대한 公式의 一般化 ... 102
3.2.3 調整決定係數 : $\bar R^2 ... 102
3.2.4 母數推定量에 대한 分散公式의 一般化 ... 103
3.2.5 編相關系數 ... 106
3.2.6 Beta 係數와 彈力性 ... 108
3.2.6.1 Beta係數 ... 108
3.2.6.2 編相關係數와 Bata係數 ... 110
3.2.6.3 彈力性 ... 111
3.3 回歸模型의 適用 ... 112
3.3.1 函數의 形態 : 線型化 方法 ... 112
3.3.1.1 指數函數形態 : 兩大數變換 ... 112
3.3.1.2 準對數變換 ... 113
3.3.1.3 多項式形態 ... 114
3.3.1.4 逆函數形態 ... 115
3.3.1.5 複合函數形態 ... 116
3.3.2 測定單位 ... 117
3.3.3 突出觀測値 ... 117
3.4 回歸分析과 分散分析 ... 118
3.4.1 分散分析方法 ... 119
두 平均間의 차에 대한 檢定 ... 121
3.4.2 回歸分析과 分散分析의 類似性 ... 125
3.4.3 回歸分析과 分散分析의 比較 ... 127
[演習問題] ... 129
[補論] ... 132
제4장 設定誤謬
4.1 常數項 b_0 利用과 誤用 ... 157
4.1.1 常數項 排除禁止 ... 158
4.1.2 常數項의 推定値에 依存禁止 ... 159
4.2 適合한 變數가 除外된 模型 ... 161
4.2.1 模型과 病弊 ... 161
4.2.2 編埼·分散·平均自乘誤差 ... 163
4.2.3 分散의 偏嗜推定量 ... 165
4.3 不適合한 變數 ... 166
4.4 不正確한 函數形態 ... 168
[演習問題] ... 170
제5장 異分散
5.1 線型回歸模型의 基本假定 ... 174
5.1.1 確率變數 υ의 確率性에 대한 假定 ... 174
5.1.2 確率變數 υ의 期待치는 零이라는 假定 ... 174
5.1.3 確率變數 υ의 正規性에 대한 假定 ... 175
5.1.4 同分散의 假定 ... 176
5.1.4.1 同分散과 異分數의 定義 ... 176
5.1.4.2 同分散假定의 成立可能性 ... 179
5.2 異分散의 本質 ... 180
5.3 異分散의 結果 ... 181
5.4 異分散의 探索 및 檢定方法 ... 185
5.4.1 그래프를 통한 方法 ... 185
5.4.2 Park의 檢定法 ... 186
5.4.3 Glejser 檢定法 ... 188
5.4.4 Goldfeld와 Quandt 檢定 ... 189
5.4.5 尤度比率檢定 ... 190
5.4.6 Breusch-Pagan 檢定 ... 191
5.4.7 White 檢定 ... 191
5.5 處置方法 ... 192
5.5.1 $\sigma ^2_{u_i}을 알고 있는 경우 ... 192
5.5.2 $\sigma ^2_{u_i}이 未知인 경우 ... 194
5.6 線型函數形態 對 代數線型函數形態 檢定 ... 203
5.6.1 Box-Cox 檢定 ... 203
5.6.2 BM 檢定 ... 205
5.6.3 PE 檢定 ... 206
[演習問題] ... 207
제6장 自己相關
6.1 問題의 本質 ... 210
6.1.1 定義 ... 210
6.1.2 그래프를 利用한 考察 ... 210
6.2 自己相關의 源泉 ... 213
6.3 非自己相關의 假定의 成立可能性 ... 215
6.4 一次自己回歸體系 ... 216
一次自己回歸體系의 定義 ... 216
6.5 自己相關의 結果 ... 220
6.6 自己相關의 檢定 ... 224
6.6.1 그래프를 통한 方法 ... 224
6.6.2 von Neumann 比率 ... 225
6.6.3 Berenblut-Webb檢定 ... 226
6.6.4 Durbin-Watson d檢定 ... 226
6.6.5 自己相關의 檢定을 위한 代案的 方法 ... 230
6.7 處置方法 ... 231
6.7.1 一次自己回歸體系인 경우 ... 232
6.7.2 高次自己回歸體系인 경우 ... 234
6.8 自己相關된 母數의 推定方法 ... 235
6.8.1 ρ에 대한 事前的 情報를 利用한 方法 ... 235
6.8.2 Durbin-Watson d統計量에 根據한 ρ ... 236
6.8.3 코크란 - 오컷 反復推定法 ... 237
6.8.4 Durbin의 二段階推定法 ... 239
6.8.5 Hildreth-Lu 技法 ... 241
[演習問題] ... 245
[補論] ... 248
제7장 多重共線性
7.1 多重共線性의 意味와 可能性 ... 258
7.1.1 多重共線性의 意味 ... 258
7.1.2 多重共線性의 可能性 ... 259
7.2 多重共線性의 結果 ... 260
7.3 多重共線性의 探索 ... 265
7.3.1 Frisch의 合流分析에 근거한 方法 ... 265
7.3.2 Farrar-Glauber檢定 ... 270
7.4 處置方法 ... 277
7.4.1 여타 方法 利用 ... 278
7.4.2 標本의 크기 增大 ... 278
7.4.3 時差變數의 利用 ... 278
7.4.4 模型에 方程式 追加導入 ... 279
7.4.5 主成分回歸技法 利用 ... 279
7.4.6 稜形回歸 ... 285
7.5 多重共線成果 豫測 ... 287
[演習問題] ... 289
제8장 變數誤差·假變數·離散的 選擇模型
8.1 變數誤差 ... 292
8.1.1 變數에 게재된 誤差 ... 294
8.1.1.1 從屬變數 Y에 게재된 誤差 ... 294
8.1.1.2 說明變數 X에 게제된 誤差 ... 295
8.1.2 說明變數 X에 誤差가 없다는 假定의 妥當性 ... 297
8.1.3 變數誤差의 結果 ... 297
8.1.4 變數誤差에 대한 處置方法 ... 302
8.1.4.1 逆最小自乘法 ... 302
8.1.4.2 두 集團方法 ... 303
8.1.4.3 세 集團方法 ... 304
8.1.4.4 加重回歸分析技法 ... 306
8.1.4.5 Durbin의 順位法 ... 307
8.1.4.6 對變數 利用 ... 308
8.1.4.7 最尤法 ... 310
8.2 假變數 ... 317
8.2.1 假變數 利用 경우 ... 318
8.2.2 假變數의 適用例 ... 321
8.2.2.1 하나는 最的 獨立變數이고 또 다른 하나는 두 가지 계급 또는 범주로 구분되는 獨立變數로 이루어진 回歸模型 ... 321
8.2.2.2 하나는 最的 獨立變數이고 또 다른 하나는 두 가지 이상의 범주로 구분되는 질적 獨立變數로 된 回歸模型 ... 325
8.2.2.3 하나의 量的 變數와 두 개의 質的 變數로 된 模型 ... 326
8.2.2.4 기울기의 不變性에 대한 假說檢定 ... 327
8.2.2.5 季節分析에 있어서 假變數의 使用 ... 329
8.3 離散的 選擇模型 ... 329
8.3.1 質的 從屬變數 ... 329
8.3.2 線型確率模型 ... 330
8.3.3 線型판別函數 ... 333
8.3.4 로짓模型 ... 334
8.3.5 프로빗模型 ... 338
8.3.6 토빗模型 ... 344
[演習問題] ... 349
제9장 時差分布模型
9.1 外生時差變數 ... 358
9.1.1 最小自乘法을 통한 時差推定 ... 358
9.1.2 時差變數의 加重値로 任意의 값을 부여하여 推定하는 方法 ... 359
9.1.3 Almon 多項式 時差模型 ... 362
9.2 內生時差變數 ... 366
9.2.1 Koyck 時差模型 ... 366
9.2.2 여타 模型 ... 371
9.2.2.1 Nerlove의 部分調整模型 ... 371
9.2.2.2 Cagan의 適應期待模型 ... 373
9.2.2.3 合理的 期待假說 ... 375
9.3 內生變數의 時差값이 포함된 模型의 母數推定方法 ... 378
9.3.1 첫째 경우 : ν는 自己相關되어 있지 않다 ... 379
9.3.2 둘째 경우: ν는 自己相關되어 있다 ... 380
9.3.3 셋째 경우 : ν는 一次自己回歸體系로 自己相關되어 있다 ... 382
9.4 自己回歸模型에서의 自己相關탐색 : Durbin의 h檢定 ... 385
[演習問題] ... 388
제10장 聯立方程式模型과 識別
10.1 聯立方程式模型 ... 392
10.1.1 諸經濟變數들의 同時的 從屬性 ... 392
10.1.2 同時的 聯關性의 結果 ... 395
10.1.3 聯立方程式偏埼에 대한 解決策 ... 399
10.1.4 槪念定義 ... 400
10.1.4.1 構造模型 ... 400
10.1.4.2 縮約型 模型 ... 401
10.1.4.3 逐次模型 ... 404
10.2 識別 ... 406
10.2.1 識別問題 ... 406
10.2.2 識別條件 ... 413
10.2.2.1 構造模型을 통한 識別判定 ... 414
10.2.2.2 축약형 模型을 통한 識別判定 ... 420
10.2.3 識別可能性 制約 ... 425
10.2.3.1 構造母數의 값에 부여하는 制約 ... 425
10.2.3.2 方程式들의 確率變數들의 相對的 分散에 대한 制約 ... 427
10.2.3.3 位數와 係數條件의 適用에 관한 一考 ... 428
10.2.4 識別을 위한 制約性에 대한 檢定 ... 428
10.2.5 識別과 多重共線性 ... 428
10.2.6 識別과 計量技法의 選定 ... 430
[演習問題] ... 431
제11장 聯立方程式 推定方法
11.1 縮約型 推定方法 ... 436
11.1.1 推定方法 ... 436
11.1.2 縮約型 推定方法의 諸假定 ... 437
11.1.3 間接最小自乘법을 통해 구한 推定量 \overline b의 屬性 ... 438
11.2 對變數 推定方法 ... 441
11.2.1 推定方法 ... 441
11.2.1.1 하나의 變數로 된 模型 ... 443
11.2.1.2 두 개의 說明變數로 된 模型 ... 443
11.2.2 對變數 推定方法의 諸假定 ... 446
11.2.3 對變數推定量들의 屬性 ... 446
11.2.4 對變數 推定方法에 대한 一考 ... 449
11.3 二段階 最小自乘法 ... 450
11.3.1 推定方法 ... 450
11.3.2 二段階 最小自乘法의 諸假定 ... 457
11.3.3 二段階 最小自乘推定量의 諸屬性 ... 458
11.3.4 二段階 最小自乘法에 관한 論評 ... 459
11.4 k-級推定量 ... 460
[演習問題] ... 462
제12장 餘他 推定技法
12.1 混合推定方法 ... 466
12.1.1 混合推定方法 : 槪括 ... 466
12.1.2 母數事前制約最小自乘法 ... 468
12.1.3 橫斷面 및 時系列資料의 接合技法 ... 470
12.1.3.1 接合技法의 利點 ... 472
12.1.3.2 時系列과 橫斷面票本의 接合成의 諸問題點 ... 472
12.1.4 Durbin의 一般化 最小自乘法 ... 473
12.1.5 Theil과 Goldberger의 混合線型推定方法 ... 477
混合推定法에 대한 批判 ... 482
12.2 最尤法 ... 485
12.2.1 最尤法의 槪要 ... 485
最尤法의 槪念에 대한 一考 ... 490
12.2.2 單純線型回歸模型에 最尤法 適用 ... 490
12.2.3 變數의 變換과 最尤推定法 ... 493
12.2.3.1 變換 ... 493
12.2.3.2 變換과 最尤推定法 ... 495
12.2.4 制限情報最尤法 ... 498
12.2.4.1 LIML推定量의 屬性 ... 509
12.2.4.2 LIML의 諸假定 ... 510
12.2.4.3 LIML에 대한 一考 ... 510
12.2.5 完全情報最尤法 ... 512
12.2.5.1 FIML推定量의 屬性 ... 520
12.2.5.2 FIML의 諸假定 ... 520
12.2.5.3 FIML에 대한 一考 ... 521
12.3 三段階 最小自乘法 ... 521
12.3.1 一般化 最小自乘法 ... 521
12.3.2 三段階 最小自乘法 ... 525
12.3.2.1 3SLS의 諸假定 ... 525
12.3.2.2 3SLS推定量의 屬性 ... 528
12.4 外生成果 因果性 ... 528
12.4.1 外生成 ... 528
12.4.1.1 弱外生成 ... 531
12.4.1.2 超强外生性 ... 532
12.4.1.3 强外生性 ... 532
12.4.2 Granger 因果性 ... 533
12.4.3 Granger 因果成果 外生成 ... 534
12.4.4 外生成檢定 ... 535
[補論] ... 536
제13장 推定된 模型의 豫測力檢定
13.1 單純線型回歸模型을 利用韓 豫測 ... 542
13.1.1 點豫側 ... 542
13.1.2 區間豫測 ... 543
13.2 聯立方程式 計量模型을 利用한 豫測 ... 548
13.3 單一豫測値와 實際 觀測値間의 差에 대한 有意圖檢定 ... 551
13.4 推定된 模型의 豫測成果 評價 ... 554
13.4.1 豫測値-實際値 圖表 ... 554
13.4.2 Theil의 不均等係數 ... 556
13.4.3 Janus 指數 ... 560
제14장 計量技法의 選定 : Monte Carlo 硏究
14.1 槪括 ... 562
14.1.1 模型의 識別條件 ... 562
14.1.2 模型의 目的 ... 564
14.2 構造模型의 母數推定値의 屬性에 따른 計量技法의 順位決定 ... 565
14.2.1 構造模型의 母數推定値의 점근적 속성에 기초한 順位決定 ... 566
14.2.2 構造模型의 母數推定値에 대한 小標本屬性에 따른 順位決定 ... 568
14.3 推定目的이 縮約型 模型의 母數에 대한 推定일 경우의 計量技法의 順位決定 ... 572
14.4 結論 ... 573
제15장 擬態分析
15.1 槪要 ... 576
15.2 擬態節次 ... 577
15.3 擬態分析 ... 578
15.3.1 擬態分析의 時計 ... 579
15.3.2 事後擬態 ... 579
15.3.3 事後豫測과 事前豫測 ... 580
15.3.4 遡及擬態 ... 580
15.4 擬態模型의 評價基準 ... 581
15.4.1 模型의 適合度檢定 ... 582
15.4.2 模型의 成果檢定 ... 582
15.4.2.1 RMS 擬態誤差 ... 582
15.4.2.2 RMS 백분율誤差 ... 583
15.4.2.3 平均擬態誤差와 平均百分率誤差 ... 583
15.4.3 여타 評價基準 ... 584
15.4.3.1 變換點 反影 ... 585
15.4.3.2 事後 RMS 豫測誤差 ... 585
15.4.3.3 Theil의 不均等係數와 不均等比率 ... 586
15.4.3.4 Monte Carlo 擬態 ... 587
15.4.3.5 模型의 動態的 反應 ... 587
15.4.3.6 模型의 敏感度 ... 588
15.5 擬態의 實例 ... 588
15.5.1 事後擬態 ... 589
15.5.2 事後豫測 ... 591
15.5.3 事前豫測 ... 594
15.6 模型推定 ... 595
제16장 時計列分析Ⅰ : 靜常性, 諸時系列模型 및 推定, Box-Jenkins接近方法
16.1 槪要 ... 600
16.2 靜常 및 非靜常 時系列 ... 601
16.2.1 强靜常性 ... 602
16.2.2 弱靜常性 ... 603
16.2.2.1 自己相關函數의 屬性 ... 605
16.2.2.2 Gaussian 過程 ... 605
16.2.3 非靜常性 ... 606
16.3 時系列의 有用한 模型들 ... 607
16.3.1 純粹確率過程 ... 607
16.3.2 임의보행 ... 608
16.3.3 移動平均過程 ... 609
16.3.4 自己回歸過程 ... 611
16.3.5 自己回歸-移動平均過程 ... 614
16.3.6 統合된 自己回歸-移動平均過程 ... 616
16.4 AR, MA, ARMA 模型의 推定 ... 617
16.4.1 MA 模型의 推定 ... 617
16.4.2 ARMA 模型의 推定 ... 618
16.4.3 ARMA 模型의 殘差 ... 619
16.4.4 適合成檢定 ... 620
16.5 Box-Jenkins接近法 ... 622
16.5.1 Box-Jenkins 模型을 통한 豫測 ... 624
16.5.2 例題 ... 625
16.5.3 趨勢除去 ... 627
16.5.4 綜合 ... 628
16.5.5 Box-Jenkins模型의 季節性 ... 629
16.6 時系列模型에서의 R^2 測定 ... 630
[補論] ... 634
제17장 時系列分析Ⅱ : ARCH, VAR, Unit Roots, Cointegration
17.1 槪要 ... 640
17.2 ARCH模型 ... 640
17.2.1 發展背景 및 槪念 ... 640
17.2.2 ARCH模型 ... 641
17.2.2.1 Engle의 ARCH模型 ... 641
17.2.2.2 ARCH模型 : 最小自乘法 ... 642
17.2.2.3 ARCH模型 : 最尤法 ... 644
17.2.2.4 Engle의 對數尤度函數 ... 645
17.2.2.5 最近의 動向 ... 649
17.2.3 檢定 ... 649
17.3 벡터自己回歸模型 ... 650
17.3.1 벡터自己回歸技法 ... 651
17.3.2 VAR模型의 問題點들 ... 653
17.3.3 VAR 例題 ... 654
17.3.3.1 VAR(ρ)模型의 假定 ... 656
17.3.3.2 VAR模型의 推定 ... 657
17.3.3.3 推定結果 ... 657
17.4 單位根 ... 659
17.4.1 假性回歸分析 ... 659
17.4.2 趨勞正常過程과 差分靜常過程 ... 662
17.4.3 單位根 ... 665
17.4.4 單位根檢定 ... 67
17.4.4.1 Dickey-Fuller 檢定 ... 67
17.4.4.2 階열相關의 問題 ... 668
17.4.4.3 單位根檢定義 檢定力 ... 669
17.4.4.4 單位根檢定義 歸無 및 對立假說 ... 669
17.4.4.5 構造變化와 單位根 ... 671
17.5 共積分 ... 672
17.5.1 共積分 槪要 ... 675
17.5.2 共積分回歸 ... 676
17.5.3 VAR과 共積分 ... 679
17.5.4 共積分과 誤差修正模型 ... 685
17.5.5 共積分檢定 ... 686
17.5.5.1 共積分과 合理的 期待假說檢定 ... 688
17.5.5.2 共積分과 市場效率性假說檢定 ... 688
17.5.6 綜合 ... 690
제18장 時系列分析의 主要論題
18.1 狀態空間模型과 Kalman 필터 ... 694
18.1.1 狀態空間模型 設定 ... 694
18.1.2 Kalman 필터 計算方法 ... 696
18.1.3 例題 : 株價의 平均回歸 ... 700
18.1.4 ARMA(p, q)模型의 狀態空間模型 설정 ... 704
18.1.5 時間變化母數模型 ... 705
18.1.6 確率的 分散變化模型과 準最尤法 ... 707
18.2 觀測不可共通指數模型 ... 709
18.2.1 Stock-Watson의 共通指數模型 ... 709
18.2.2 例題 : 韓國의 景氣變動模型 ... 712
18.3 Markov 轉換模型 ... 717
18.3.1 Hamilton模型과 그 一般化 ... 717
18.3.2 最尤推定法 ... 718
18.3.3 時間變化轉移確率模型 ... 719
18.3.4 Markov轉換分散模型 ... 724
附錄 ... 728
A. 經濟統計學 Review ... 732
B. 生存(持續)期間分析 ... 734
C.一般化 積率法 ... 737
D. Window型 EViews 利用法 ... 755
E.가우스使用法 ... 755
索引 ... 775
닫기