Ekonometria.org — Portal Naukowy

Ekonometria: biografia pojęcia

Sat, 27 Jun 2026 00:00:00 +0000

Od lwowskiej „ekonometryi” do ery Causal Machine Learning.

Zanim przejdziemy do metod, warto poznać samo pojęcie. Historia słowa ekonometria — od greckiego oíkos po algorytmy sztucznej inteligencji — odzwierciedla drogę całej dyscypliny: od opisu gospodarstwa domowego do ścisłego, ilościowego pomiaru procesów gospodarczych. Artykuł ten jest monografią tego pojęcia: jego etymologii, narodzin i ewolucji.

Funkcje i ich własności

Mon, 29 Jun 2026 00:00:00 +0000

Funkcja jest jednym z najważniejszych pojęć całej matematyki, a zarazem fundamentem ekonometrii, w której model jest funkcją wiążącą zmienne objaśniające ze zmienną objaśnianą. Niniejszy rozdział rozpoczyna się od genezy pojęcia, następnie buduje je od podstaw — od ogólnej relacji do funkcji w sensie ścisłym — i prowadzi czytelnika przez pełny katalog funkcji elementarnych, ich własności, przekształcenia oraz uogólnienie na funkcje wielu zmiennych i przestrzeń $\mathbb{R}^n$. Konsekwentnie stosujemy zasadę: każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Regresja liniowa

Mon, 29 Jun 2026 00:00:00 +0000

Wymagana znajomość: algebra liniowa (podstawy), statystyka opisowa, rachunek różniczkowy jednej zmiennej.

Rozdział prowadzi od najprostszego modelu z jednym regresorem do postaci macierzowej, twierdzenia Gaussa-Markowa, wnioskowania statystycznego, diagnostyki i trzech studiów przypadków z kodem R. Regresja liniowa jest jednocześnie metodą opisu danych, procedurą estymacji parametrów modelu statystycznego i geometrycznym rzutem wektora na podprzestrzeń kolumnową — każde z tych ujęć pojawia się w kolejnych rozdziałach.

Logika, zbiory, relacje i odwzorowania

Sun, 28 Jun 2026 00:00:00 +0000

Zanim policzymy pierwszą granicę czy pochodną, musimy ustalić język, w którym mówimy o obiektach matematycznych. Tym językiem są logika i teoria mnogości: zdania i spójniki, kwantyfikatory, zbiory, relacje i odwzorowania. To nie jest tylko formalny rytuał — precyzyjne pojęcie funkcji, dziedziny, przeciwobrazu czy mocy zbioru wraca w analizie na każdym kroku, a w ekonometrii decyduje o tym, czy model jest dobrze postawiony. Ten rozdział buduje cały ten aparat od podstaw, z osobnym rysunkiem do każdej definicji, twierdzenia i przykładu.

R w ekonometrii — od instalacji do modelu

Sat, 27 Jun 2026 00:00:00 +0000

Zalety środowiska R

Analiza ekonometryczna wymaga narzędzia, które potrafi jednocześnie wykonać szacowanie modeli statystycznych, sprawdzić założenia, przeprowadzić testy diagnostyczne i wygenerować profesjonalne wykresy — wszystko w sposób powtarzalny i udokumentowany. R spełnia te wymagania, będąc językiem stworzonym przez statystyków dla statystyków. Jego przewaga nad arkuszami kalkulacyjnymi polega na tym, że każdy krok analizy jest zapisany w postaci kodu, który można odtworzyć i zweryfikować.

Regresja liniowa w praktyce — analiza rzeczywistych danych

Sat, 27 Jun 2026 00:00:00 +0000

Cel ćwiczenia

Ćwiczenie ilustruje kompletną procedurę analizy regresji na rzeczywistych danych. Przedmiotem analizy jest model wyjaśniający zróżnicowanie płac w USA w 1985 roku.

Pytanie badawcze: Jak wykształcenie, doświadczenie i płeć wpływają na wynagrodzenie?

Dane: Current Population Survey 1985 (CPS1985) — 534 obserwacje, 11 zmiennych.

Wartość p

Tue, 30 Jun 2026 00:00:00 +0000

Definicja

Wartość p jest prawdopodobieństwem uzyskania statystyki testowej co najmniej tak ekstremalnej jak zaobserwowana, przy założeniu prawdziwości hipotezy zerowej $H_0$.

Test dwustronny: $p = P(|T| \geq |t_{\text{obs}}| \mid H_0)$.

Test prawostronny: $p = P(T \geq t_{\text{obs}} \mid H_0)$.

Wartość p jest miarą niezgodności danych z hipotezą zerową. Im mniejsza, tym silniejsza niezgodność. Nie jest prawdopodobieństwem, że $H_0$ jest prawdziwa.

Granice i ciągłość

Mon, 29 Jun 2026 00:00:00 +0000

Granica jest fundamentem całego rachunku różniczkowego i całkowego. Odpowiada na jedno pytanie: do jakiej wartości zbliża się funkcja, gdy argument zbliża się do pewnego punktu? Bez tego pojęcia nie da się zdefiniować ani pochodnej — chwilowego tempa zmian — ani całki — sumy nieskończenie wielu nieskończenie małych składników. Niniejszy rozdział buduje pojęcie granicy od jego historycznych źródeł, przez ścisłe definicje, aż po granice i ciągłość funkcji wielu zmiennych. Każde pojęcie i każdy przykład otrzymuje osobny rysunek, a kluczowe twierdzenia — dowód.

Przestrzenie metryczne, unormowane i unitarne

Sun, 28 Jun 2026 00:00:00 +0000

W rozdziale pierwszym mówiliśmy o zbiorach i odwzorowaniach „statycznie”. Analiza zaczyna się tam, gdzie pojawia się odległość — bo to ona pozwala powiedzieć, że jeden punkt jest „blisko” drugiego, że ciąg „zbiega”, że funkcja jest „ciągła”. Okazuje się, że całą tę maszynerię można zbudować na jednym, bardzo oszczędnym pojęciu metryki. Co więcej, ta sama przestrzeń może mieć wiele różnych metryk, a kule w nich potrafią być kwadratami albo rombami. Ten rozdział wprowadza metryki, normy i iloczyn skalarny — trzy poziomy bogactwa struktury, na których oprze się reszta kursu, a które w ekonometrii odpowiadają różnym sposobom mierzenia błędu modelu.

Prognozowanie PKB — modele ARIMA w praktyce

Sat, 27 Jun 2026 00:00:00 +0000

Cel tutorialu

Celem jest zbudowanie modelu prognozującego PKB na kilka kwartałów do przodu. Analizę przeprowadzimy w pełnym zakresie: od wczytania danych, przez diagnozę i estymację modelu, po walidację i prognozę.

To kontynuacja przewodnika o regresji, teraz dla szeregów czasowych.

Krok 1: Wczytanie danych

# R — pobierz realne PKB z FRED (lub wczytaj CSV)
library(forecast)

# Przykład: wbudowane dane lub z pliku
# dane <- read.csv("pkb.csv")
# pkb <- ts(dane$pkb, start = c(2000, 1), frequency = 4) # kwartalne

# Dla ilustracji — symulujemy realistyczny szereg PKB
set.seed(42)
n <- 80
trend <- 100 * (1.005)^(1:n) # wzrost ~2% rocznie
sezon <- rep(c(-1.5, 0.5, 1.0, 0), length.out = n)
pkb <- ts(trend + sezon + arima.sim(list(ar = 0.6), n) * 2,
 start = c(2004, 1), frequency = 4)

# Python
import pandas as pd
import statsmodels.api as sm

# Przykład: pobierz z FRED przez pandas_datareader
# import pandas_datareader as pdr
# pkb = pdr.get_data_fred('GDPC1', start='2000-01-01')

# lub wczytaj wbudowane dane makro
dane = sm.datasets.macrodata.load_pandas().data
pkb = dane['realgdp']

Krok 2: Wizualizacja i dekompozycja

# Wykres szeregu
autoplot(pkb) +
 labs(title = "Realne PKB (kwartalne)", y = "PKB", x = "Rok")

# Dekompozycja na trend + sezonowość + reszta
dekompozycja <- stl(pkb, s.window = "periodic")
autoplot(dekompozycja)

Co widzimy: rosnący trend, regularna sezonowość kwartalna oraz nieregularna składowa resztkowa — struktura typowa dla szeregów makroekonomicznych.

Python w ekonometrii — pandas, statsmodels i sklearn

Sat, 27 Jun 2026 00:00:00 +0000

Python a R — porównanie

Kryterium	R	Python
Statystyka	★★★★★	★★★★
Machine learning	★★★	★★★★★
Wizualizacje	★★★★★	★★★★
Popularność w przemyśle	★★★	★★★★★
Krzywa uczenia się	łagodna	umiarkowana

Do czystej ekonometrii R pozostaje wygodniejszym narzędziem, lecz Python jest bardziej wszechstronny i szeroko stosowany poza środowiskiem akademickim. Znajomość obu środowisk jest w praktyce korzystna.

Testy hipotez w ekonometrii — logika, rozkłady i dowody

Sat, 27 Jun 2026 00:00:00 +0000

Test hipotez jest sformalizowaną procedurą rozstrzygania, czy zaobserwowany w danych efekt jest na tyle wyraźny, by uznać go za realny, czy też mieści się w granicach przypadkowego szumu. Rozważymy całą jego konstrukcję: od logiki wnioskowania, przez rozkłady statystyk testowych i ich wyprowadzenia, po praktyczne pułapki interpretacyjne. Każde twierdzenie zilustrujemy pełnym rachunkiem.

Pochodne — tempo zmian

Mon, 29 Jun 2026 00:00:00 +0000

Pochodna mierzy tempo zmian — chwilową szybkość, z jaką wartość funkcji reaguje na zmianę argumentu. W ekonomii jest to koszt krańcowy, przychód krańcowy i elastyczność; w ekonometrii — gradient funkcji celu, którego zerowanie wyznacza estymatory. Niniejszy rozdział buduje rachunek różniczkowy od historycznego problemu stycznej, przez iloraz różnicowy i reguły różniczkowania, aż po wzór Taylora oraz pochodne cząstkowe i gradient w przestrzeni $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek, a kluczowe twierdzenia — dowód.

Ciągi i ich granice

Sun, 28 Jun 2026 00:00:00 +0000

Granica ciągu to pierwsza prawdziwa idea analizy — moment, w którym z dyskretnej listy liczb wyłania się jedna wartość graniczna. Na tym pojęciu opiera się wszystko, co dalej: szeregi, granica funkcji, pochodna, całka. W tym rozdziale budujemy je starannie, od formalnej definicji epsilon-$N$, przez całą arytmetykę i najważniejsze twierdzenia (trzy ciągi, ciągi monotoniczne, Bolzano-Weierstrass), aż po ciągi wektorowe, którymi opiszemy zbieżność estymatorów w ekonometrii. Każde twierdzenie dostaje dowód i własny rysunek.

Heteroskedastyczność — diagnoza, konsekwencje i leczenie

Sat, 27 Jun 2026 00:00:00 +0000

Założenie sferyczności składnika losowego — stała wariancja i brak korelacji — jest jednym z filarów klasycznego modelu MNK. Heteroskedastyczność narusza jego pierwszą część: wariancja błędu przestaje być stała. Rozważymy, co dokładnie z tego wynika dla estymatora i wnioskowania, jak naruszenie wykryć oraz jak je skorygować — z pełnymi wyprowadzeniami i rachunkiem na konkretnych danych.

Przedziały ufności — konstrukcja, pokrycie i interpretacja

Sat, 27 Jun 2026 00:00:00 +0000

Oszacowanie punktowe (np. średnia płaca w próbie) jest wynikiem jednej próby — inna próba dałaby nieco inną liczbę. Przedział ufności uzupełnia oszacowanie o miarę tej niepewności. Wyłożymy jego ścisłą konstrukcję przez wielkość osiową, udowodnimy, że jego pokrycie wynosi dokładnie $1-\alpha$, i wyjaśnimy najczęstszy błąd interpretacyjny.

Całki — sumowanie nieskończenie wielu składników

Mon, 29 Jun 2026 00:00:00 +0000

Jeżeli pochodna mierzy tempo zmian, to całka mierzy akumulację — sumę nieskończenie wielu nieskończenie małych przyrostów. Geometrycznie jest to pole pod wykresem; w ekonomii — koszt całkowity zsumowany z kosztu krańcowego, nadwyżka konsumenta czy wartość bieżąca strumienia płatności. Niniejszy rozdział buduje pojęcie całki od historycznego problemu pola, przez sumę Riemanna i podstawowe twierdzenie rachunku całkowego, aż po całki niewłaściwe oraz całki wielokrotne w przestrzeni $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Szeregi liczbowe i funkcyjne, zbieżność jednostajna

Sun, 28 Jun 2026 00:00:00 +0000

Szereg to próba dodania nieskończenie wielu liczb. Czasem ta suma istnieje (i wynosi np. $2$), a czasem rośnie bez końca — choć poszczególne składniki maleją do zera. Rozróżnienie tych przypadków to jeden z najsubtelniejszych i najważniejszych wątków analizy: stoją za nim wzory na wartość bieżącą renty wieczystej, rozwinięcia funkcji w szeregi Taylora i Fouriera oraz cała teoria aproksymacji. W drugiej części rozdziału przejdziemy od liczb do funkcji i zobaczymy, że istnieją dwa istotnie różne sposoby, w jakie ciąg funkcji może zbiegać — a tylko jeden z nich zachowuje ciągłość.

Szeregi czasowe — stacjonarność, procesy ARIMA i prognozowanie

Sat, 27 Jun 2026 00:00:00 +0000

Szeregi czasowe rządzą się odmienną logiką niż dane przekrojowe: zamiast wielu niezależnych jednostek obserwujemy jedną jednostkę w wielu chwilach, a kolejne obserwacje są ze sobą powiązane. Rozważymy formalny aparat tej zależności — stacjonarność, procesy autoregresyjne i średniej ruchomej, pierwiastek jednostkowy i kointegrację — wyprowadzając kluczowe własności i ilustrując je rachunkiem oraz symulacją.

Współczynnik determinacji R² — od intuicji do dowodów

Sat, 27 Jun 2026 00:00:00 +0000

Co mierzy R²

Po dopasowaniu modelu pojawia się pierwsze pytanie: jak dobrze tłumaczy on dane? Zmienna $y$ waha się wokół swojej średniej — jaką część tego wahania model wychwytuje, a jaka pozostaje jako „niewyjaśniona reszta"?

Współczynnik determinacji $R^2$ daje na to jedną liczbę z przedziału $[0,1]$:

Algebra liniowa — wektory i macierze

Mon, 29 Jun 2026 00:00:00 +0000

Algebra liniowa jest językiem, w którym zapisuje się całą ekonometrię. Model regresji — niezależnie od liczby zmiennych — sprowadza się do jednego wzoru macierzowego $\hat{\boldsymbol\beta}=(\mathbf{X}^\top\mathbf{X})^{-1}\mathbf{X}^\top\mathbf{y}$, a jego zrozumienie wymaga rachunku wektorów i macierzy. Niniejszy rozdział buduje ten rachunek od podstaw: od genezy pojęcia, przez wektory, macierze i ich geometryczne znaczenie, aż po wartości własne i rzut prostopadły w przestrzeni $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Granica i ciągłość odwzorowań

Sun, 28 Jun 2026 00:00:00 +0000

Ciągłość to matematyczne ujęcie intuicji, że „małej zmianie wejścia odpowiada mała zmiana wyjścia” — wykres da się narysować bez odrywania ołówka. To pojęcie spina ze sobą poprzednie rozdziały: granicę funkcji zdefiniujemy zarówno językiem epsilon-delta (Cauchy), jak i językiem ciągów (Heine), i udowodnimy, że to dwa oblicza tej samej idei. Następnie zobaczymy, dlaczego funkcje ciągłe na przedziale domkniętym są tak wyjątkowe: osiągają swoje kresy (Weierstrass), przyjmują każdą wartość pośrednią (Darboux) i są jednostajnie ciągłe (Heine-Cantor). Te trzy twierdzenia to fundament optymalizacji i numerycznego rozwiązywania równań.

Dane panelowe — efekty stałe, losowe i test Hausmana

Sat, 27 Jun 2026 00:00:00 +0000

Dane panelowe łączą wymiar przekrojowy i czasowy: tę samą jednostkę obserwujemy w wielu kolejnych okresach. Pozwala to kontrolować nieobserwowalne, stałe w czasie cechy jednostek — heterogeniczność, której dane przekrojowe nie są w stanie wyeliminować. Wykład obejmuje model z efektem indywidualnym, dowód obciążenia pooled OLS, estymatory efektów stałych i losowych wraz z ich wyprowadzeniem, test Hausmana oraz obciążenie Nickella w modelach dynamicznych.

Założenia klasycznej metody najmniejszych kwadratów (KMNK)

Sat, 27 Jun 2026 00:00:00 +0000

Metoda najmniejszych kwadratów zawsze wyznaczy jakąś prostą, lecz to, czy można jej ufać — czy oszacowania są nieobciążone, a testy ważne — zależy od pięciu założeń klasycznego modelu liniowego. Wyłożymy je formalnie, udowodnimy, które własności estymatora zależą od których założeń, i pokażemy, jak naruszenia ujawniają się na wykresie reszt.

Statystyka opisowa

Mon, 29 Jun 2026 00:00:00 +0000

Statystyka opisowa to sztuka streszczania danych: zastąpienia tysięcy liczb kilkoma wielkościami, które oddają ich położenie, rozproszenie i kształt. Jest punktem wyjścia każdej analizy ekonometrycznej — zanim zbudujemy model, musimy poznać dane. Niniejszy rozdział buduje aparat statystyki opisowej od jego genezy, przez miary położenia i zmienności, aż po opis danych wielowymiarowych w przestrzeni $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Zmienne instrumentalne i endogeniczność

Mon, 29 Jun 2026 00:00:00 +0000

Wymagana znajomość: regresja liniowa, estymator MNK, podstawy rachunku prawdopodobieństwa i statystyki matematycznej.

Zmienne instrumentalne należą do najważniejszych i jednocześnie najtrudniejszych pojęć nowoczesnej ekonometrii. Nie wynika to ze złożoności aparatu algebraicznego. Trudność polega raczej na tym, że metoda odpowiada na problem, z którym student zwykle nie zdążył się jeszcze dostatecznie zmierzyć. Jeżeli zaczniemy od zdania: „instrument to zmienna skorelowana ze zmienną endogeniczną i nieskorelowana ze składnikiem losowym", otrzymamy definicję formalnie poprawną, lecz dydaktycznie bezużyteczną. Student zapamięta dwa warunki, nie rozumiejąc, dlaczego są potrzebne, skąd się biorą i dlaczego ich naruszenie uniemożliwia interpretację przyczynową.

Rachunek różniczkowy jednej zmiennej

Sun, 28 Jun 2026 00:00:00 +0000

Pochodna mierzy tempo zmian — i jest jednym z najpotężniejszych narzędzi całej matematyki stosowanej. W ekonomii to koszt krańcowy, użyteczność krańcowa i elastyczność; w ekonometrii — gradient funkcji wiarygodności, którego zerowanie daje estymatory. Ten rozdział buduje rachunek różniczkowy jednej zmiennej od ilorazu różnicowego, przez reguły różniczkowania i twierdzenia o wartości średniej, aż po wzór Taylora i pełne badanie przebiegu funkcji. Konsekwentnie: każda definicja, twierdzenie i przykład mają osobny rysunek, a każde twierdzenie — dowód.

Wariancja i odchylenie standardowe

Mon, 29 Jun 2026 00:00:00 +0000

Średnia mówi, gdzie leży „środek” danych, lecz nie mówi nic o tym, jak bardzo wartości są wokół niego rozrzucone. Tę lukę wypełniają wariancja i odchylenie standardowe — najważniejsze miary zmienności w całej statystyce i ekonometrii. Niniejszy rozdział wyprowadza je od podstaw: od pytania, dlaczego średnia nie wystarcza, przez konstrukcję wzoru, aż po kowariancję i uogólnienie na przestrzeń $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Rachunek różniczkowy odwzorowań wielu zmiennych

Sun, 28 Jun 2026 00:00:00 +0000

W ekonometrii prawie wszystko jest funkcją wielu zmiennych: funkcja wiarygodności zależy od wektora parametrów, funkcja produkcji — od wielu nakładów, funkcja użyteczności — od koszyka dóbr. Różniczkowanie takich funkcji wymaga nowych pojęć: pochodnej cząstkowej, gradientu, różniczki i hesjanu. Ten rozdział rozszerza rachunek różniczkowy na odwzorowania $\mathbb{R}^n\to\mathbb{R}^m$ i kończy się optymalizacją — bezwarunkową (gradient i hesjan) oraz warunkową (mnożniki Lagrange’a), czyli dokładnie tym, co stoi za estymacją parametrów i teorią wyboru konsumenta.

Modele zmiennych jakościowych — logit i probit

Sat, 27 Jun 2026 00:00:00 +0000

Wiele decyzji ekonomicznych ma charakter binarny: bezrobotny znajduje pracę albo nie, kredytobiorca spłaca dług albo bankrutuje, gospodarstwo kupuje dobro trwałe albo nie. Zmienna objaśniana przyjmuje wtedy wartości $\{0,1\}$, a celem jest modelowanie prawdopodobieństwa sukcesu. Artykuł przedstawia teorię logitu i probitu, a następnie stosuje ją do trzech realnych problemów ekonomicznych, przeprowadzając obliczenia dla każdego z nich kolejno.

Korelacja i współczynnik Pearsona

Mon, 29 Jun 2026 00:00:00 +0000

Korelacja odpowiada na pytanie, czy wzrostowi jednej wielkości towarzyszy wzrost (lub spadek) drugiej — oraz jak silna jest ta zależność. Jest jednym z najczęściej używanych i najczęściej nadużywanych pojęć statystyki. Niniejszy rozdział buduje współczynnik korelacji od podstaw: od genezy, przez konstrukcję wzoru i jego geometryczne znaczenie w przestrzeni $\mathbb{R}^n$, aż po pułapki interpretacyjne — kwartet Anscombe’a i mylenie korelacji z przyczynowością. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Analiza wypukła i optymalizacja

Sun, 28 Jun 2026 00:00:00 +0000

Wypukłość to najważniejsza struktura w optymalizacji. Dla funkcji wypukłej znika różnica między tym, co lokalne, a tym, co globalne: każde minimum lokalne jest globalne, a zwykłe zerowanie pochodnej wystarcza, by mieć pewność optimum. To dlatego metoda najmniejszych kwadratów ma jedno, jednoznaczne rozwiązanie, a estymacja największej wiarygodności w modelach wykładniczych jest „dobrze postawiona”. Ten rozdział buduje analizę wypukłą od zbiorów i funkcji, przez kryteria różniczkowe i nierówność Jensena, aż po twierdzenia, które czynią optymalizację wypukłą tak dogodną.

Autokorelacja składnika losowego — diagnoza, dowody i korekta

Sat, 27 Jun 2026 00:00:00 +0000

Drugą połową założenia sferyczności klasycznego modelu MNK jest brak korelacji między składnikami losowymi różnych obserwacji. Jego naruszenie — autokorelacja, zwana też korelacją szeregową — jest typowe dla szeregów czasowych. Rozważymy jej skutki dla estymatora, sposoby wykrycia oraz korektę, dowodząc kluczowych własności i ilustrując je rachunkiem.

Rozkłady prawdopodobieństwa

Mon, 29 Jun 2026 00:00:00 +0000

Rozkład prawdopodobieństwa opisuje, które wartości zmiennej losowej są możliwe i jak są prawdopodobne. Cztery rozkłady — normalny, $t$-Studenta, chi-kwadrat i $F$ — tworzą wspólny system, na którym opiera się całe wnioskowanie statystyczne: testy hipotez i przedziały ufności. Niniejszy rozdział buduje je od podstaw: od genezy rachunku prawdopodobieństwa, przez funkcję gęstości i dystrybuantę, aż po wzajemne związki rozkładów i ich uogólnienie na przestrzeń $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Całka Riemanna: nieoznaczona, oznaczona, niewłaściwe

Sun, 28 Jun 2026 00:00:00 +0000

Całkowanie to odwrotność różniczkowania i jednocześnie sposób na zsumowanie nieskończenie wielu nieskończenie małych przyczynków — pola pod krzywą, wartości oczekiwanej, łącznego dochodu. Te dwie pozornie różne idee (pierwotna funkcji oraz granica sum pól prostokątów) łączy podstawowe twierdzenie rachunku całkowego — jeden z najważniejszych wyników całej matematyki. Ten rozdział buduje całkę Riemanna od obu stron, dowodzi twierdzenia łączącego, a następnie rozszerza całkę na przedziały nieskończone i funkcje nieograniczone (całki niewłaściwe), kluczowe dla rozkładów prawdopodobieństwa.

Difference-in-Differences — identyfikacja efektów polityk

Sat, 27 Jun 2026 00:00:00 +0000

Ocena przyczynowego efektu polityki — podwyżki płacy minimalnej, programu szkoleniowego, reformy podatkowej — jest jednym z centralnych zadań ekonometrii stosowanej. Metoda różnicy w różnicach (DiD) podejmuje to zagadnienie, porównując zmianę w grupie objętej polityką ze zmianą w grupie kontrolnej. Poniższy wykład koncentruje się na dowodzie, że pod jednym, jawnie sformułowanym założeniem DiD identyfikuje przyczynowy efekt polityki na objętych.

Rozkład normalny

Mon, 29 Jun 2026 00:00:00 +0000

Rozkład normalny — zwany też gaussowskim lub krzywą dzwonową — jest najważniejszym rozkładem statystyki i ekonometrii. Wzrost ludzi, błędy pomiaru, zwroty z aktywów: bardzo wiele zjawisk układa się w ten sam symetryczny kształt o najgęstszym środku i cienkich skrajach. Niniejszy rozdział buduje go od podstaw: od genezy i pochodzenia kształtu dzwonowego, przez wzór gęstości i standaryzację, aż po rozkład wielowymiarowy w przestrzeni $\mathbb{R}^n$. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Równania różniczkowe zwyczajne

Sun, 28 Jun 2026 00:00:00 +0000

Równanie różniczkowe to równanie, którego niewiadomą jest funkcja, a warunek wiąże ją z jej pochodnymi. To naturalny język dynamiki: opisuje, jak zmienia się kapitał, populacja, cena czy temperatura — gdy znamy nie samą wielkość, lecz prawo jej zmiany. W ekonomii równania różniczkowe stoją za modelami wzrostu (Solow, Ramsey), dynamiką cen i stabilnością równowag. Ten rozdział wprowadza je od pola kierunkowego, przez twierdzenie o istnieniu i jednoznaczności, po metody rozwiązywania równań pierwszego i drugiego rzędu oraz analizę stabilności — z dowodami metod i rysunkiem do każdego pojęcia.

Modele VAR — wektorowa autoregresja, IRF i dekompozycja wariancji

Sat, 27 Jun 2026 00:00:00 +0000

Modele jednorównaniowe opisują pojedynczy szereg, lecz zmienne makroekonomiczne wzajemnie na siebie oddziałują — stopa procentowa wpływa na inflację, a inflacja na stopę. Model wektorowej autoregresji (VAR) traktuje wszystkie zmienne symetrycznie: każda jest funkcją własnych opóźnień i opóźnień pozostałych. Wykład obejmuje warunki stabilności z dowodem, reprezentację MA(∞), funkcje odpowiedzi na impuls, dekompozycję wariancji prognozy, przyczynowość Grangera oraz identyfikację strukturalną — uzupełnione przykładami liczbowymi, wykresami i kodem w językach R i Python.

Centralne twierdzenie graniczne

Mon, 29 Jun 2026 00:00:00 +0000

Centralne twierdzenie graniczne (CTG) wyjaśnia, dlaczego rozkład normalny pojawia się niemal wszędzie — i dlaczego w ogóle działają testy hipotez oraz przedziały ufności. Jego treść jest zaskakująca: średnia z próby ma rozkład w przybliżeniu normalny niezależnie od kształtu rozkładu, z którego losujemy. Niniejszy rozdział buduje to twierdzenie od podstaw: od genezy i prawa wielkich liczb, przez ścisłą treść i jej ilustrację, aż po wielowymiarowe uogólnienie i znaczenie dla ekonometrii. Każde pojęcie i każdy przykład otrzymuje osobny rysunek.

Funkcje zbioru, algebra zbiorów i miara Lebesgue'a

Sun, 28 Jun 2026 00:00:00 +0000

Całka Riemanna ma poważne ograniczenia: nie radzi sobie z funkcjami silnie nieciągłymi ani z granicami ciągów funkcyjnych, a w teorii prawdopodobieństwa potrzebujemy mierzyć „wielkość” bardzo nieregularnych zbiorów. Odpowiedzią jest teoria miary — abstrakcyjny sposób przypisywania zbiorom liczby (długości, pola, prawdopodobieństwa), na tyle elastyczny, by objąć przeliczalne operacje. Ten rozdział buduje pojęcie miary od σ-algebr, przez konstrukcję miary Lebesgue’a, aż po zbiory miary zero i funkcje mierzalne — wszystko po to, by w rozdziale ostatnim zdefiniować całkę Lebesgue’a, fundament nowoczesnej probabilistyki i ekonometrii.

Całka Lebesgue'a

Sun, 28 Jun 2026 00:00:00 +0000

Całka Lebesgue’a stanowi istotne wzmocnienie całki Riemanna. Jej zasadnicza idea polega na tym, że zamiast kroić dziedzinę na cienkie pionowe paski (Riemann), kroimy zbiór wartości na poziome warstwy i pytamy, jak duży (w sensie miary) jest zbiór argumentów dający wartości w danej warstwie. Dzięki temu całkujemy funkcje, których Riemann nie obejmuje, a przede wszystkim — całka swobodnie przechodzi przez granice ciągów funkcyjnych. To właśnie czyni ją językiem teorii prawdopodobieństwa: wartość oczekiwana, wariancja i estymatory ekonometryczne to całki Lebesgue’a. Ten ostatni rozdział wieńczy podręcznik, łącząc teorię miary z całkowaniem.

Nobliści ekonometrii — laureaci i ich wkład

Sat, 27 Jun 2026 00:00:00 +0000

Nagroda im. Alfreda Nobla w dziedzinie nauk ekonomicznych (ustanowiona przez Bank Szwecji w 1968 roku) wielokrotnie trafiała do badaczy, których wkład był z gruntu ekonometryczny — od narzędzi estymacji po metodologię wnioskowania przyczynowego. Poniższy przegląd porządkuje tych laureatów chronologicznie, wskazując dla każdego konkretną metodę i jej miejsce w portalu. Portrety na wolnych licencjach (Creative Commons, domena publiczna) dostępne są na połączonych stronach Wikimedia Commons oraz w oficjalnych biogramach Nobla.

Polskie szkoły ekonometrii

Mon, 29 Jun 2026 00:00:00 +0000

Polska ma bogatą i oryginalną tradycję ekonometryczną, sięgającą lat 50. XX wieku i obejmującą zarówno teorię (metoda Hellwiga, taksonomia), jak i wielką praktykę modelowania (makromodele Welfego). Niniejszy artykuł przedstawia jej najważniejsze nurty, postacie i ośrodki.

Uwaga o źródłach.

Poniższy zarys opiera się na wiedzy ogólnej o historii polskiej ekonometrii. Precyzyjne daty wydań, lata życia i pełne afiliacje wymagają weryfikacji w źródłach bibliotecznych i biogramach; miejsca szczególnie niepewne oznaczono jako [ŹRÓDŁO POTRZEBNE]. Celem jest mapa nurtów, a nie kompletna monografia.

Metoda najmniejszych kwadratów: historia, teoria i dowody

Sat, 27 Jun 2026 00:00:00 +0000

Metoda najmniejszych kwadratów nie narodziła się jako ćwiczenie z algebry. Wyrosła z najtrudniejszych problemów rachunkowych XVIII i XIX wieku — wyznaczania kształtu Ziemi i orbit ciał niebieskich z pomiarów obarczonych błędem. Ten artykuł prześledzi całą tę drogę: od prekursorów, przez spór Legendre’a z Gaussem, po dwa różne dowody Gaussa i narodziny współczesnej regresji. Z datami, nazwiskami, oryginalnymi tekstami i dowodami.