Marno Verbeek ist Professor für Finanzen an der Rotterdam School of Management und am Econometrics Institute der Erasmus University, Rotterdam. Zuvor bekleidete er Positionen an der KU Leuven und der Tilburg University und war Gastdozent am Trinity College Dublin und der Université Panthéon-Assas Paris 2. Seine Veröffentlichungen erschienen in zahlreichen internationalen Journals.

• Vorwort 9 KAPITEL 1 Einleitung 131.1 ÜberÖkonometrie 131.2 Der Aufbau dieses Buches 151.3 Abbildungen undÜbungen 17KAPITEL 2 Eine Einführung in die lineare Regression 192.1 DieMethode der kleinstenQuadrate als algebraische Funktion 202.2 Das lineare Regressionsmodell 262.3 Eigenschaften desOLS-Schätzers bei kleinen Stichproben 282.4 Anpassungsgüte 342.5 Hypothesenüberprüfung 362.6 Asymptotische Eigenschaften derOLS-Schätzer 462.7 Beispiel:Das Preismodell für Kapitalgüter (CAPM) 522.8 Multikollinearität 582.9 Fehlende Daten, Ausreißer und einflussreiche Beobachtungen 622.10 Prognosen 67KAPITEL 3 Interpretieren undVergleichen von Regressionsmodellen 733.1 Das lineareModell interpretieren 733.2 Das Regressorenset auswählen 773.3 Fehlspezifikation der funktionalen Form 853.4 Beispiel:Die Erklärung vonHauspreisen 883.5 Beispiel: Prognose von Aktienindexrenditen 923.6 Beispiel: Löhne erklären 98KAPITEL 4 Heteroskedastizität und Autokorrelation 1134.1 Auswirkungen auf denOLS-Schätzer 1134.2 Einen Alternativschätzer ableiten 1154.3 Heteroskedastizität 1164.4 Überprüfen aufHeteroskedastizität 1244.5 Beispiel:DieNachfrage nach Arbeitskräften erklären 1264.6 Autokorrelation 1314.7 Testen auf Autokorrelation erster Ordnung 1364.8 Beispiel:DieNachfrage nach Eiscreme 1394.9 Alternative Autokorrelationsmuster 1424.10 Was ist zu tun,wenn Sie Autokorrelation feststellen? 1444.11 Beispiel: Risikoprämien aufDevisenmärkten 147KAPITEL 5 Endogene Regressoren, Instrumentalvariablen undGMM 1595.1 Übersicht der Eigenschaften desOLS-Schätzers 1595.2 Fälle, in denen derOLS-Schätzer nicht gespeichertwerden kann 1635.3 Der Instrumentalvariablenschätzer 1705.4 Beispiel:Die Bildungsrendite schätzen 1775.5 Der generalisierte Instrumentalvariablenschätzer 1825.6 Die generalisierteMomentenmethode 1895.7 Beispiel: Intertemporale Asset-Pricing-Modelle schätzen 196KAPITEL 6 Maximum-Likelihood-Schätzung und Spezifikationstests 2036.1 Eine Einführung in dieMaximum-Likelihood-Methode 2046.2 Spezifikationstests 2136.3 Tests beim normalen linearen Regressionsmodell 2206.4 Tests fürQuasi-Maximimum-Likelihood und Momentbedingungen 224KAPITEL 7 Modelle mit beschränkt abhängigen Variablen 2317.1 BinäreWahlmodelle 2327.2 Multireaktionsmodelle 2467.3 Zähldatenmodelle 2577.4 Tobit-Modelle 2657.5 Erweiterungen von Tobit-Modellen 2757.6 Verzerrung durch Stichprobenselektion 2847.7 Treatmenteffekte schätzen 2887.8 Durationsmodelle 296KAPITEL 8 Univariate Zeitreihenmodelle 3078.1 Einführung 3088.2 Allgemeine ARMA-Prozesse 3138.3 Stationarität und Einheitswurzeln 3198.4 Testen auf Einheitswurzeln 3218.5 Beispiel: Langfristige Kaufkraftparität (Teil 1) 3318.6 Schätzen von ARMA-Modellen 3358.7 EinModell auswählen 3388.8 Beispiel:Die Persistenz der Inflation 3428.9 Vorhersagenmit ARMA-Modellen 3478.10 Beispiel:Die Erwartungstheorie der Terminstruktur 3538.11 Autoregressive bedingteHeteroskedastizität 3588.12 Was istmitmultivariatenModellen? 367KAPITEL 9 Multivariate Zeitreihenmodelle 3739.1 DynamischeModellemit stationären Variablen 3749.2 Modellemit nichtstationären Variablen 3779.3 Beispiel: Langfristige Kaufkraftparität (Teil 2) 3849.4 VektorautoregressiveModelle 3869.5 Kointegration:Dermultivariate Fall 3909.6 Beispiel:Geldnachfrage und Inflation 399KAPITEL 10 Auf Paneldaten basierendeModelle 40910.1 Einführung in die Paneldatenmodellierung 41010.2 Das statische lineareModell 41410.3 Beispiel: Löhne erklären 43210.4 Dynamische lineareModelle 43410.5 Beispiel:Die Kapitalstruktur erklären 44410.6 Panelzeitreihen 45010.7 Modellemit beschränkt abhängigen Variablen 45810.8 Unvollständige Panels und Selektionsbias 46610.9 Pseudopanels undwiederholteQuerschnitte 472ANHANG A Vektoren und Matrizen 483A.1 Terminologie 483A.2 Matrixbehandlungen 484A.3 Eigenschaften vonMatrizen und Vektoren 485A.4 InverseMatrizen 486A.5 IdempotenteMatrizen 487A.6 Eigenwerte und Eigenvektoren 488A.7 Differentiation 489A.8 Einige Kleinste-Quadrate-Behandlungen 489ANHANG B Statistische und Verteilungstheorie 491B.1 Diskrete Zufallsvariablen 491B.2 Kontinuierliche Zufallsvariablen 492B.3 Erwartungen undMomente 493B.4 Multivariate Verteilungen 494B.5 Bedingte Verteilungen 496B.6 DieNormalverteilung 497B.7 Verwandte Verteilungen 500Anmerkungen 503Literaturverzeichnis 511Stichwortverzeichnis 529