Ökonometrie für Dummies

Roberto Pedace ist Professor am Scripps College in Kalifornien und unterrichtet dort unter anderem Ökonometrie, Statistik sowie Mikro-ökonomie. Karl-Kuno Kunze ist Professor für Wirtschaftsmathematik und -statistik und leitet das R Institute (www.r-institute.com), das Beratung, Schulungen und Zertifizierungen im Bereich Datenanalyse mit dem Softwarepaket R anbietet.

• Über die Autoren 9Widmung von Roberto 9Danksagung von Roberto 10Einleitung 21Über dieses Buch 21Törichte Annahmen über den Leser. . . 22Symbole, die in diesem Buch verwendet werden 22Über dieses Buch hinaus 23Wie es weitergeht 24Teil I Der Einstieg in die Ökonometrie 25Kapitel 1 Ökonometrie: Wie Ökonomen an statistische Analysen herangehen 27Ökonomische Beziehungen auswerten 27Mittels ökonomischer Theorie Zusammenhänge beschreiben und Vorhersagen treffen 28Sinnvolle Annahmen sind der Grundstein 28Mit statistischen Methoden ökonomische Probleme angehen 29Die Bedeutung des Datentyps, der Häufigkeit und der Aggregation erkennen 30Tappen Sie nicht in die Data-Mining-Falle 31Quantitative und qualitative Informationen einbeziehen 32Mit ökonometrischer Software arbeiten: Eine Einführung in R 32Sich mit R vertraut machen 33Spalten zu einem Datensatz hinzufügen und entfernen 37Schätzen, Testen und Vorhersagen 38Kapitel 2 Der Dreh mit der Wahrscheinlichkeit 41Zufallsvariablen und Wahrscheinlichkeitsverteilungen im Überblick 41Alle Möglichkeiten betrachten: Verteilungsfunktion, Wahrscheinlichkeitsfunktion und Wahrscheinlichkeitsdichte 43Eine für alle: Die Verteilungsfunktion 46Die (kumulative) Verteilungsfunktion für diskrete Zufallsvariable 47Zusammenhänge verstehen: Bi- und multivariate Verteilungen 49Mit dem, was Sie wissen, die Zukunft vorhersagen: Bedingte Wahrscheinlichkeit 50Zufallsvariablen mit Kennzahlen beschreiben 51Mit dem Erwartungswert die Verteilung charakterisieren 52Varianz und Standardabweichung messen 53Beziehungen erfassen mit Kovarianz und Korrelation 55Kapitel 3 Schlüsse ziehen und Hypothesen testen 61Mit deskriptiver Statistik Ihre Daten kennenlernen 61Schätzfunktionen verwenden 62Schätzer vergleichen und beurteilen 66Mit der Normal- und Standardnormalverteilung die Grundlage für Vorhersagen schaffen 68Gewöhnliche Variablen erkennen: Normalverteilung 68Eine einheitliche Skala für Variablen: Die Standardnormalverteilung (Z) 69Schätzer besser verstehen: Stichprobenverteilungen 70Simulation und zentraler Grenzwertsatz 71Die Chi-Quadrat- ( 2), t- und F-Verteilungen entzaubern 73Schlussfolgern und Hypothesen testen mithilfe von Wahrscheinlichkeitsverteilungen 77Einen Hypothesentest durchführen 77Die Konfidenzintervall-Methode 79Die Signifikanztest-Methode 80Teil II Ein klassisches lineares Regressionsmodell erstellen 83Kapitel 4 Die Ziele der Regressionsanalyse verstehen 85Ein Plädoyer für die Kausalität 85Sich vertraut machen mit der Wahrheit 87Das theoretische Modell spezifizieren 88Ein Beispiel durchgehen 90Daten für die Regressionsanalyse sammeln und organisieren 93Eine Momentaufnahme machen: Querschnittsdaten 93Aus der Vergangenheit die Gegenwart erklären: Zeitreihendaten 95Die Dimensionen von Raum und Zeit vereinen: Panel- oder Längsschnittdaten 96Mehrere unabhängige Momentaufnahmen verbinden: Gepoolte Querschnittsdaten 97Kapitel 5 Über das Gewöhnliche hinausgehen: Die gewöhnliche Methode der kleinsten Quadrate 99Die Methode der kleinsten Quadrate definieren und begründen 99Schätzen der Regressionsfunktion und der Residuen 101Regressionskoeffizienten schätzen 102Die Formeln für optimale Koeffizienten finden 103Berechnen der geschätzten Regressionskoeffizienten 105Manuell berechnen 106Mit dem Computer rechnen 108Regressionskoeffizienten interpretieren 110Was verraten Ihnen Regressionskoeffizienten? 110Regressionskoeffizienten standardisieren 112Die Anpassungsgüte messen 115Zerlegen Sie die Varianz 115Die Bestandteile der Varianz mit R2 messen 116Die Anpassungsgüte bei der Multivariaten Regression korrigieren 117Anpassungsgüte gegen Qualität abwägen 118Kapitel 6 Die Annahmen der GKQ-Schätzung und das Gauss-Markow-Theorem 121Die GKQ-Annahmen zusammenfassen 121Linearität in den Parametern und additiver Fehler 122Die unabhängigen Variablen sind keine Zufallsvariablen 123Keine perfekte Kollinearität in den Variablen 123Der Fehlerterm hat den Erwartungswert null und das Modell ist korrekt spezifiziert. 125Der Fehlerterm hat eine konstante Varianz 126Die Korrelation der Fehler ist null 127Die Welt des klassischen linearen Regressionsmodells: Das Gauss-Markow-Theorem 129Das Gauss-Markow-Theorem beweisen 129Zusammenfassung des Gauss-Markow-Theorems 136Kapitel 7 Die Normalverteilungsannahme und Inferenz mit der GKQ-Methode 139Die Rolle der Normalverteilung verstehen 139Der Fehlerterm und die Verteilung von GKQ- Schätzern 141Wiedersehen mit der Standardnormalverteilung 143Die Stichprobenvarianz des Fehlers: Chi-Quadrat-verteilt 143GKQ-Koeffizienten und die t-Verteilung 147Die Signifikanz einzelner Regressionskoeffizienten testen 148Eine Methode auswählen 149Signifikanzniveau und p-Werte festlegen 152Die Varianz analysieren, um die Gesamt- oder gemeinsame Signifikanz zu bestimmen 152Normalität, Varianz und die »F«-Verteilung 153Die angezeigte »F«-Statistik für die GKQ-Schätzung 153Steigungskoeffizienten und die Beziehung zwischen t und F 156Gemeinsame Signifikanz von Variablenuntergruppen 157Vorhersagefehler für GKQ-Prognosen berechnen 160Mittelwertprognose und Vorhersagefehler 161Varianz der Punktprognose 161Nicht alle Prognosen sind gleich: Das Prognosekonfidenzintervall 164Teil III Mit dem klassischen Regressionsmodell arbeiten 165Kapitel 8 Funktionale Form, Spezifikation und strukturelle Stabilität 167Sich alternativer Funktionen bedienen 167Quadratische Funktion: Das Beste zum Finden von Minima und Maxima 168Kubische Funktionen: Gut für Wendepunkte 168Gebrochenrationale Funktionen: Den Wert der abhängigen Variable begrenzen 169Nichtlinearen Modellen zu Linearität verhelfen 170Beide Seiten bearbeiten, um elastisch zu bleiben: Das Log-Log-Modell 170Investieren und Renditen berechnen: Das Log-lineare Modell 172Abnehmende Veränderung der abhängigen Variable: Das linear-logarithmische Modell 174Auf Fehlspezifikation überprüfen 176Zu viele oder zu wenige: Unabhängige Variablen auswählen 177Empfindlichkeit ist keine Tugend: Fehlspezifikation anhand der Stabilität der Ergebnisse untersuchen 179Kapitel 9 Regression mit Dummy-Variablen 183Zahlen bitte! Qualitative Information quantifizieren 183Eine Dummy-Variable definieren, wenn es nur zwei mögliche Ausprägungen gibt 183Mit Dummy-Variablen mehrere Ausprägungen darstellen 184Mit einer Dummy-Variable durchschnittliche Differenzen erkennen 185Spezifikation 185Interpretation 186Quantitative und qualitative Daten in einem Regressionsmodell kombinieren 189Spezifikation 190Interpretation 190Quantitative und qualitative Variablen interagieren lassen 192Spezifikation 192Interpretation 193Interaktion von zwei (oder mehr) qualitativen Eigenschaften 196Spezifikation 196Interpretation 196Gruppen bilden und zusammenlegen: Auf Signifikanz testen 199Ein alter Bekannter: Der F-Test auf gemeinsame Signifikanz 199Und noch einmal der Chow-Test 202Teil IV Verletzungen der Annahmen des klassischen Regressionsmodells 207Kapitel 10 Multikollinearität 209Die verschiedenen Arten von Multikollinearität unterscheiden 209Perfekte Multikollinearität dingfest machen 210Hohe Multikollinearität fassen 212Faustregeln zum Identifizieren von Multikollinearität 214Paarweise Korrelationskoeffizienten 215Hilfsregression und der Varianzinflationsfaktor (VIF) 217Wissen, wann und wie man Multikollinearitätsprobleme löst 220Sich mehr Daten verschaffen 221Ein neues Modell nehmen 222Die Problemvariablen herausnehmen 223Kapitel 11 Heteroskedastizität 227Zwischen homoskedastischen und heteroskedastischen Störungen unterscheiden 227Homoskedastischer versus heteroskedastischer Fehlerterm 227Die Folgen von Heteroskedastizität 229Mit einer Residuenanalyse Heteroskedastizität aufspüren 229Residuen grafisch untersuchen 230Sich mit dem White-Test vertraut machen 235Den Goldfeld-Quandt-Test verwenden 237Den Park-Test durchführen 241Anzeichen für Heteroskedastizität? Hier geht’s zur Apotheke! 243Gewichtete kleinste Quadrate (WLS) 244Robuste Standardfehler 248Kapitel 12 Autokorrelation 253Autokorrelationsmuster untersuchen 253Positive versus negative Autokorrelation 254Fehlspezifikation und Autokorrelation 256Die Auswirkung autoregressiver Fehler veranschaulichen 256Residuen analysieren, um auf Autokorrelation zu testen 259Den optischen Weg einschlagen: Grafische Inspektion Ihrer Residuen 259Mit der Normalverteilung Sequenzen von Residuen identifizieren: Der Runs-Test 259Autokorrelation eines AR(1)-Prozesses aufspüren: Der Durbin-Watson-Test 264Autokorrelation eines AR(p) Prozesses aufspüren: Der Breusch-Godfrey-Test 266Schädliche Autokorrelation beheben 268FGLS 268Autokorrelationsrobuste Standardfehler 272Teil V Diskrete und beschränkte abhängige Variablen 275Kapitel 13 Qualitative abhängige Variablen 277Mit dem linearen Wahrscheinlichkeitsmodell (LWM) diskrete Ergebnisse modellieren 277Ein LWM mit der GKQ-Methode schätzen 278Ihre Ergebnisse interpretieren 281Wermutstropfen: Die drei wichtigsten LWM-Probleme 284Nicht normalverteilte Fehler 284Heteroskedastizität 285Unbeschränkte vorhergesagte Wahrscheinlichkeiten 286Geeignete nichtlineare Funktionen spezifizieren: Probit- und Logit-Modell 287Mit der Verteilungsfunktion der Standardnormalverteilung arbeiten: Das Probit-Modell 288Die Logistische Verteilung verwenden: Das Logit-Modell 289Mit der Maximum-Likelihood-(ML-)Schätzung arbeiten 290Die Likelihood-Funktion erzeugen 291Die Log-Transformation und ML-Schätzwerte 292Probit- und Logit-Schätzwerte interpretieren 293Probit-Koeffizienten 297Logit-Koeffizienten 298Kapitel 14 Modelle für beschränkte abhängige Variablen 301Das Wesentliche beschränkter abhängiger Variablen 301Zensierte abhängige Variablen 302Verkürzte abhängige Variable 303Die Regressionsanalyse für beschränkte abhängige Variable modifizieren 304Tobin’s Tobit 304Verkürzte Regression 308Mehr unabhängige als abhängige Beobachtungen: Das Heckman Selektionsmodell 311Teil VI Das ökonometrische Basismodell erweitern 317Kapitel 15 Statische und dynamische Modelle 319Gleichzeitige und verzögerte Variablen in der Regressionsanalyse verwenden 319Fragestellungen mit dynamischen Modellen untersuchen 320Dynamische Modelle auf Autokorrelation testen und korrigieren 323Trends mit der GKQ-Methode berücksichtigen 324Scheinkorrelation und Zeitreihen 327Den Trend aus Zeitreihendaten entfernen 328Die GKQ-Methode zur Saisonbereinigung verwenden 331Saisonbedingte Auswirkungen schätzen 332Zeitreihendaten saisonbereinigen 334Kapitel 16 In die gepoolte Querschnittsanalyse einsteigen 337Ein dynamisches Zeitelement hinzufügen 337Achsenabschnitte und/oder Steigungen untersuchen, die sich im Laufe der Zeit verändern 338Zeit-Dummy-Variablen einbeziehen 339Durch Experimente Politikeffekte mit gepoolten Querschnitten schätzen 341Zufallszuweisung: Ein echtes Experiment 341Mit vorher festgelegten Subjektgruppen arbeiten: Ein natürliches (oder Quasi-)Experiment 342Kapitel 17 Ökonometrie mit Paneldaten 347Die Eindeutigkeit jeder individuellen Einheit schätzen 347Die erste Differenzen Transformation (FD) 350Regression mit Dummy-Variablen (DV) 350Der Fixe-Effekte-Schätzer (FE) 351Die Effizienz der Schätzung mit stochastischen Effekten steigern 354Der zusammengesetzte Fehler und Annahmen beim Modell mit stochastischen Effekten 355Der Stochastische-Effekte-Schätzer (RE-Schätzer) 355Mit dem Hausman-Test Effizienz gegen Konsistenz testen 359Teil VII Der Top-Ten-Teil 361Kapitel 18 Zehn Bestandteile eines guten ökonometrischen Forschungsprojektes 363Ihr Thema vorstellen und die grundlegende Frage stellen 363Die Relevanz und Bedeutung Ihres Themas besprechen 364Die vorhandene Literatur würdigen 364Den konzeptionellen oder theoretischen Rahmen beschreiben 365Ihr ökonometrisches Modell erklären 366Die Schätzmethoden erörtern 366Ihre Daten detailliert beschreiben 367Tabellen und Graphen erstellen, um Ihre Ergebnisse abzubilden 368Die dargestellten Ergebnisse interpretieren 368Fassen Sie das Gelernte zusammen 369Kapitel 19 Zehn häufige Fehler in der angewandten Ökonometrie 371Ihren gesunden Menschenverstand und Ihre Kenntnis in Wirtschaftstheorie nicht anwenden 371Die falschen Fragen zuerst stellen 372Die Arbeit und Beiträge anderer ignorieren 372Sich nicht mit den Daten vertraut machen 372Es zu kompliziert machen 373Unflexibel gegenüber Komplikationen der realen Welt sein 374Bei seltsamen Ergebnissen einfach wegsehen 375Sich zu sehr mit Gütekriterien und statistischer Signifikanz beschäftigen 375Ökonomische Signifikanz vergessen 376Annehmen, Ihre Ergebnisse seien robust 376Anhang: Statistische Tabellen 377Die Standardnormalverteilung 377Die t-Verteilung 379Die Chi-Quadrat-Verteilung 380F-Verteilung 381Durbin-Watson d-Statistik 381Stichwortverzeichnis 383