اقتصادسنجی با مطالعهٔ نظام‌مند پدیده‌های اقتصادی با استفاده از داده‌های مشاهده‌شده سر و کار دارد. به عبارتی، اقتصادسنجی علم تحلیل‌های آماری از مدل‌های اقتصادی است. همان‌طور که راینار فریش در اولین شماره مجله ایکانامتریکا توضیح می‌دهد یکی شدن آمار، تئوری اقتصادی و ریاضیات است که اقتصادسنجی را می‌سازد.

اگرچه بسیاری از روش‌های اقتصادسنجی کاربرد مدل‌های آماری را بیان می‌کنند، اما بعضی شاخصه‌هایِ خاصِ داده‌های اقتصادی سبب تمایز اقتصادسنجی از سایر شاخه‌های آمار می‌شود. داده‌های اقتصادی عمدتاً مبنی بر مشاهده هستند و نه به‌دست‌آمده از آزمایش‌های کنترل‌شده. از آنجا که واحدهای اقتصادی در تعامل با یکدیگر عمل می‌کنند، داده‌های مشاهده‌شده نشان از یک تعادل اقتصادی پیچیده هستند و نه ناشی از یک رفتارِ سادهٔ ارتباطی ناشی از تقدم یا تکنولوژی. از این رو اقتصادسنجی روش‌هایی برای شناسایی و تخمینِ مدل‌های با چند مجهول را ایجاد می‌کند. این متدها به محقق اجازه می‌دهند که استنتاجی علی‌معلولی در شرایطی غیر از شرایط آزمایشیِ کنترل‌شده ارائه دهد.

اهداف

اهداف اقتصادسنجی را به طور کلی می‌توان دادن محتوای تجربی به روابط اقتصادی برای آزمودن نظریه‌های اقتصادی، پیش بینی، تصمیم‌گیری، و ارزیابی پیشینی یک سیاستگذاری یا تصمیم دانست.

به کمک تکنیک‌های اقتصادسنجی می‌توان ضرایب مجهول مدل ساخته‌شده را برآورد کرد و سپس (در صورت برقرار بودن تعدادی فرض) به استنتاج آماری دربارهٔ آنها پرداخت. مثلاً اگر تئوری اقتصادی بیان می‌کند که رابطه متغیر وابسته و متغیر توضیح دهنده رابطه‌ای معکوس است، انتظار داریم که ضریب این متغیر از لحاظ آماری معنادار (متفاوت از صفر) و منفی باشد. همچنین بعد از برآورد ضرایب می‌توانیم با قرار دادن مقادیر دلخواه متغیرهای توضیح‌دهنده در رابطه، مقدار متغیر وابسته متناظر با آنها را پیش‌بینی کنیم.

اقتصادسنجی در ارزیابی سیاستگذاری‌ها نیز مفید است. مثلاً اگر سیاستگذار تابع تقاضای یک کالا را با داده‌های قبلی برآورد کرده‌باشد و حال بخواهد قیمت آن کالا را به صورت دستوری طوری تعیین کند که تعداد مشخصی از مردم از آن کالا استفاده کنند، کافی است این مقدار را در تابع تقاضا قرار داده و قیمت متناظر با آن را محاسبه کند. در اقتصادسنجی حتی در چنین مثال ساده‌ای ظرافت‌هایی وجود دارد که باید به آنها توجه شود. مثلاً برای تخمین تابع تقاضا، مشاهده‌ها در جدول داده‌ها می‌بایست زوج قیمت و مقدار تقاضا در شرایط تعادل پایدار باشند. در غیر این صورت مدلِ پیچیده‌تر یا روش اقتصادسنجیِ دیگری برای تخمین‌های معتبر و آزمون آنها لازم است.

انواع داده‌ها

داده‌ها و مشاهدات متغیرهای موجود در یک مدل معمولاً در سه نوع مختلف می‌تواند وجود داشته باشد: داده‌های سری زمانی، داده‌های مقطع زمانی و داده‌های تلفیقی

داده‌های سری زمانی، مقادیر یک متغیر را در نقاط متوالی در زمان، اندازه‌گیری می‌کند. این توالی می‌تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد. داده‌های سری زمانی به طور کلی موضوع کار «اقتصادسنجی کلان» است که روشهای اقتصادسنجی را در سطح کلان بررسی می‌کند. در اقتصاد کلان عموماً از سری زمانی‌های سالانه یا فصلی استفاده می‌شود چرا که جمع‌آوری اطلاعاتی مانند حسابهای ملی در فواصل کوتاه‌تر با دشواری‌های زیادی همراه است. اما در اقتصادسنجی مالی که داده‌ها در هر زمان به آسانی قابل گزارش هستند، استفاده از سری‌های زمانی ساعتی یا حتی دقیقه‌ای نیز امری غیرمعمول نیست. معمولاً از اندیس t برای داده‌های سری زمانی استفاده می‌کنند.

داده‌های مقطع زمانی، مقادیر یک متغیر را در زمان معین و روی واحدهای متعدد اندازه‌گیری می‌کند. این واحدها می‌توانند افراد، خانوارها، واحدهای تولیدی، صنایع، نواحی مختلف و حتی کشورهای مختلف باشند. مثلاً می‌توان داده‌های درآمد و مصرف خانوارهای مختلف را در سال معینی جمع‌آوری کرد. معمولاً از اندیس i برای داده‌های مقطعی استفاده می‌کنند.

داده‌های تلفیقی در واقع بیان کننده داده‌های مقطعی در طی زمان هستند؛ بنابراین حجم مشاهدات در داده‌های تلفیقی نسبتاً زیاد است. در سالهای اخیر، کاربرد داده‌های تلفیقی در اقتصادسنجی افزایش بسیاری یافته‌است. معمولاً داده‌های تلفیقی و داده‌های مقطعی در اقتصادسنجی خرد به کار می‌روند که موضوع آن بررسی روشهای اقتصادسنجی در اقتصاد خرد است.

 

فهرست مطالب:

فصل اول: ماهیت تحلیل رگرسیون

همبستگی

ضریب همبستگی

نمودار پراکنش

فاصله اطمينان ضريب همبستگي

رگرسیون

و...

فصل دوم: تحلیل رگرسیون دومتغیره

مصرف – درآمد

مفهوم تابع رگرسيون جامعه

مفهوم اصطلاح خطي بودن

تصريح استوكاستيك (تصادفي) تابع رگرسيون جامعه

و...

فصل سوم: مدل رگرسیون دومتغیره: مسئله تخمین

روش حداقل مربعات معمولي

تخمين زننده ها

خصوصيات تخمين ‌زننده ‌ها

خصوصيات خط رگرسيون

و...

فصل چهارم: مدل نرمال: مدل رگرسيون خطي نرمال كلاسيك

توزيع احتمالي اجزاء اخلال

فرض نرمال بودن

ويژگيهاي نمونه بزرگ

خصوصيات تخمين‌ زننده‌ هاي OLS تحت فرض نرمال بودن

روش حداكثر راستنمايي

و...

فصل پنجم: رگرسيون دو متغيره: تخمين فاصله‎ اي و آزمون فرضيه

تخمين فاصله ‎اي: برخي ايده ‎هاي اساسي

جنبه ‎هاي مهم تخمين فاصله ‎اي

توزيع ‎هاي نرمال خي دو ، t و F

فواصل اطمينان براي ضرائب رگرسيون

و...

فصل ششم: گسترش مدل رگرسيون خطی دو متغيره

ويژگيهاي مدل بدون عرض از مبدأ

خط مشخصه تئوري دارايي ‌هاي مالي

و...

فصل هفتم: تحليل رگرسيوني چند متغيره (مرکب): مسأله تخمين

مدل سه متغيره

تفسير معادله رگرسيوني چند متغيره

تخمين OLS و ML از ضرايب جزئي رگرسيون

واريانس و خطاهاي معيار تخمين مدلهاي OLS

و...

فصل هشتم: تحلیل رگرسیون چند متغیره: مسئله استنتاج آماری

آماره t مربوط به پارامترها

آزمون فرضيه درباره ضرائب جزئي رگرسيون

آزمون معني ‎دار بودن كلي رگرسيون نمونه

آزمون F

و...

فصل نهم: روش ماتريسي مدل رگرسيون خطي

مدل رگرسیون خطی K متغیره

فروض مدل رگرسيون خطي كلاسيك با استفاده از نماد ماتريسي

تخمین OLS

ماتريس واريانس- كوواريانس

و...

فصل دهم: همخطی

ماهيت همخطي

نمودار بالتین

تخمين در حالت وجود همخطي كامل

تخمين در حالت وجود همخطي شديد اما غير كامل

و...

فصل یازدهم: ناهمسانی واریانس

فرضيه همساني واريانس

ماهيت ناهمساني واريانس

برخي از دلايل وقوع ناهمساني

علت استفاده از روش GLS به جاي OLS

و...

فصل دوازدهم: خودهمبستگی

تعریف

دلايل وجود خودهمبستگي

تخمين OLS در حالت وجود خود همبستگي

و...

فصل سیزدهم: مدلسازی اقتصادسنجی 1

خصوصيات يك مدل خوب

انواع خطاي تصريح

خطاي تصريح

نتايج خطاي تصريح

حذف متغیر مهم

و...

فصل چهاردهم: مدلسازی اقتصادسنجی 2

متدولوژی

رهيافت ليمر در انتخاب مدل

رهيافت هندري در انتخاب مدل

آزمون ‌هاي تشخيص عارضه ‌اي منتخب

آزمون‌ هاي فرضيات غيرمتداخل

و...

فصل پانزدهم: رگرسيون بر روي متغيرهاي موهومی

ماهيت متغيرهاي موهومي

واردكردن متغيرهاي كيفي در مدل بوسيله متغيرهاي موهومي

رگرسيون روي يك متغير كمي و يك متغير كيفي با دو گروه يا طبقه

خصوصيات مدل رگرسيوني (داراي متغير موهومي)

و...

فصل شانزدهم: رگرسيون بر روي متغير وابسته موهومي

متغيرهاي وابسته موهومي

مدل احتمال خطي (LPM)

ناهمساني واريانس‎ اجزاء اخلال

مدل لاجيت

و...

فصل هفدهم: مدلهاي خودرگرسيوني و با وقفه توزيعي

نقش زمان يا وقفه در اقتصاد

علل وجود وقفه

تخمين مدلهاي با وقفه توزيعي

آلت و تين ‎برگر

روش كويك در رابطه با مدلهاي با وقفه توزيعي

و...

فصل هجدهم: مدلهای معادلات همزمان

ماهيت مدل ‎هاي معادلات همزمان

تخمين‎ هاي تورشدار و ناسازگار

تورش معادلات همزمان

و...

فصل نوزدهم: مسئله تشخیص

تعاريف و نمادها

معادلات مشخص

حالت كمتر از حد مشخص

حالت دقيقاً يا كاملاً مشخص

و...

فصل بیستم: روش های معادلات همزمان

روش‎ هاي تخمين

روشهاي تک معادله ‎اي براي تخمين معادلات همزمان

مدل ‎هاي عطفي و روش حداقل مربعات معمولي

روش حداقل مربعات غيرمستقيم

و...

فصل بیست و یکم: ايستايي، ريشه ‎هاي واحد و هم انباشتگي

فرآيند تصادفي ساکن

آزمون ساکن بودن بر اساس نمودار همبستگي

شرط غير ايستايي

و...

فصل بیست و دوم: اقتصاد سنجي سريهاي زماني: پيش بيني با استفاده از مدلهاي VAR و ARIMA

روش‎ هاي پيش بيني اقتصادي

متودولوژی باکس جنکینز

فرآيند خود رگرسيون

فرآيند ميانگين متحرک

فرآيند خود رگرسيون ميانگين متحرک

فرآيند خودرگرسيون ميانگين متحرک انباشته

و...