Ekonometria od podstaw

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.

Kompletny przewodnik po funkcjach: definicja, dziedzina i przeciwdziedzina, pełny katalog funkcji elementarnych (liniowa, wielomiany, wymierna, pierwiastkowa, wykładnicza, logarytmiczna, trygonometryczne), własności (monotoniczność, ekstrema, parzystość, okresowość, wypukłość, asymptoty), przekształcenia wykresów, złożenie, funkcja odwrotna, iniekcja/surjekcja/bijekcja oraz funkcje wielu zmiennych w 3D — każde pojęcie z profesjonalnym wykresem.

Pojęcie granicy funkcji, granice jednostronne, granice w nieskończoności, ciągłość — intuicja, definicje i zastosowania w ekonomii

Czym jest pochodna, jak ją liczyć i po co jest potrzebna w ekonometrii

Całka jako pole powierzchni, całkowanie przez części, zastosowania w ekonomii: całkowity koszt, surplus konsumenta, modele ciągłe

Wektory, macierze, operacje, wyznacznik i zastosowania do regresji liniowej

Średnie, wariancja, odchylenie standardowe, kwantyle i korelacja — wszystko co trzeba wiedzieć przed ekonometrią

Wariancja i odchylenie standardowe prostymi słowami: po co podnosić do kwadratu, jak to czytać, różnica między populacją a próbą — z rysunkami

Współczynnik korelacji Pearsona prostymi słowami: co znaczy r, jak wygląda na wykresach, dlaczego korelacja to nie przyczynowość — z rysunkami i przykładami

Rozkład normalny, t-Studenta, chi-kwadrat i F — czym są i kiedy ich używamy w testowaniu hipotez

Rozkład normalny (Gaussa) wyjaśniony od zera: krzywa dzwonowa, reguła 68-95-99.7, standaryzacja i wynik z — z rysunkami i wyprowadzeniem krok po kroku

Centralne twierdzenie graniczne (CLT) prostymi słowami: dlaczego średnia z próby ma rozkład normalny niezależnie od danych, błąd standardowy i reguła √n — z rysunkami

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

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.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Kompletny przewodnik po R: instalacja, podstawy języka, wczytywanie danych, wizualizacje i modele ekonometryczne

Python dla ekonometrii: instalacja, pandas, numpy, statsmodels, wizualizacje matplotlib/seaborn i modele regresji

Kompletny tutorial: od wczytania danych przez diagnostykę do interpretacji — analiza płac z danymi CPS w R i Python

Praktyczny tutorial prognozowania szeregu czasowego: od wczytania danych PKB przez test stacjonarności i dobór ARIMA do prognozy z przedziałami ufności — w R i Python

Przegląd najważniejszych podręczników akademickich z ekonometrii: od klasycznych po nowoczesne, z oceną trudności i komentarzami