Ekonometria

• Ekonometria: biografia pojęcia

  Monografia pojęcia ekonometria — od greckich korzeni (oíkos, nómos, métron), przez lwowską „ekonometryę” Pawła Ciompy (1910) i norweską definicję Ragnara Frischa (1926), instytucjonalizację (Econometric Society 1930, Econometrica 1933), rewolucję probabilistyczną Haavelma (1944) i polską szkołę Oskara Langego (1958), po współczesny Causal Machine Learning.

• p-wartość — znaczenie i interpretacja

  p-wartość wyjaśniona prostymi słowami i rysunkami: czym jest, czym NIE jest, jak ją czytać i najczęstsze błędy. Logika testowania hipotez krok po kroku

• Regresja liniowa — od teorii do praktyki

  Model regresji prostej i wielorakiej: estymacja MNK, interpretacja współczynników, testy i diagnostyka

• Testy hipotez w ekonometrii

  Jak formułować i testować hipotezy: test t, F, chi-kwadrat, p-wartość, błędy I i II rodzaju

• Heteroskedastyczność — diagnoza i leczenie

  Czym jest heteroskedastyczność, jak ją wykryć i jak sobie z nią radzić: odporne błędy standardowe, WLS, transformacje

• Przedziały ufności — konstrukcja i interpretacja

  Przedział ufności prostymi słowami i rysunkami: jak go liczyć, co dokładnie znaczy 95% pewności (i czego NIE znaczy), związek z błędem standardowym

• Szeregi czasowe — analiza i prognozowanie

  Stacjonarność, ARIMA, autokorelacja, kointegracja i prognozowanie na danych czasowych w R i Python

• Współczynnik determinacji R² — interpretacja i ograniczenia

  Współczynnik determinacji R² prostymi słowami i rysunkami: rozkład wariancji (TSS = ESS + RSS), co znaczy R²=0,7, dlaczego wysokie R² to nie zawsze dobry model

• Analiza panelowa — FE, RE i GMM

  Dane panelowe: efekty stałe, efekty losowe, test Hausmana, instrumenty i GMM — podstawy analizy wielowymiarowej

• Założenia klasycznej metody najmniejszych kwadratów (KMNK)

  Założenia klasycznej metody najmniejszych kwadratów (KMNK) prostymi słowami: co zakłada model, jak rozpoznać naruszenie po wykresie reszt i co wtedy zrobić

• Zmienne instrumentalne i endogeniczność (IV, 2SLS)

  Endogeniczność, obciążenie estymatora MNK, metoda zmiennych instrumentalnych i 2SLS — teoria, słabe instrumenty, test Hausmana, przykłady w R i Python

• Modele zmiennych jakościowych — logit i probit

  Regresja dla zmiennej zero-jedynkowej: model liniowy prawdopodobieństwa, logit, probit — interpretacja efektów krańcowych, ilorazy szans, estymacja w R i Python

• Autokorelacja składnika losowego — diagnoza i korekta

  Autokorelacja w modelach ekonometrycznych: przyczyny, test Durbina-Watsona, Breuscha-Godfreya, błędy Neweya-Westa (HAC) i modele z korektą — R i Python

• Difference-in-Differences (DiD) — ocena efektów polityk

  Metoda różnicy w różnicach: identyfikacja przyczynowa, założenie równoległych trendów, estymacja, event study i pułapki — z przykładami w R i Python

• Modele VAR — wektorowa autoregresja i prognozowanie

  Wektorowe modele autoregresyjne (VAR): estymacja, wybór rzędu, funkcje odpowiedzi na impuls (IRF), dekompozycja wariancji, przyczynowość Grangera — R i Python

• Metoda najmniejszych kwadratów — kompletny traktat: historia, teoria i dowody

  Kompletna historia metody najmniejszych kwadratów: od XVIII-wiecznych pomiarów kształtu Ziemi i prekursorów (Cotes, Mayer, Bošković), przez pierwszą publikację Legendre'a (1805), oryginalne wyprowadzenie Gaussa (1809) i probabilistyczny fundament Laplace'a, po twierdzenie Gaussa-Markowa (1823) i narodziny regresji. Z datami, nazwiskami, oryginalnymi cytatami, dowodami i portretami.

• Metoda najmniejszych kwadratów (MNK) — wyprowadzenie krok po kroku

  Skąd biorą się wzory MNK? Pełne wyprowadzenie estymatora najmniejszych kwadratów prostymi słowami: od intuicji przez rysunki do dowodu krok po kroku