Даны основы эконометрики и статистического анализа одномерных временных рядов. Большое внимание уделено классической парной и множественной регрессии, классическому и обобщенному методам наименьших квадратов. Подробно рассмотрены проблемы, возникающие при построении многомерной регрессии: мультиколлинеарность, фиктивные переменные, гетероскедастичность модели. Для студентов экономических специальностей всех форм обучения, а также аспирантов, преподавателей. ГЛАВА 1. СУЩНОСТЬ И ИСТОРИЯ ВОЗНИКНОВЕНИЯ ЭКОНОМЕТРИКИ ГЛАВА 2. ПАРНЫЙ РЕГРЕССИОННЫЙ АНАЛИЗ. Основные понятия регрессионного анализа. Регрессия по методу наименьших квадратов (МНК). Предположения и проверка адекватности уравнения регрессии. Точечный и интервальный прогнозы по уравнению парной регрессии ГЛАВА 3. МНОЖЕСТВЕННАЯ РЕГРЕССИЯ. МНК-модель. Оценки математического ожидания и ковариаций. Оценка качества. Выбор наилучшего набора переменных. Частный коэффициент корреляции. Проблема мультиколлинеарности факторов. Метод главных компонент. Линейные регрессионные модели с фиктивными переменными. Тест Чоу для проверки структурных изменений модели. Выбор модели оптимальной сложности. Критерии Акайке и Шварца ГЛАВА 4. ГЕТЕРОСКЕДАСТИЧНОСТЬ МОДЕЛЕЙ, ЕЕ ОБНАРУЖЕНИЕ И МЕТОДЫ УСТРАНЕНИЯ ГЛАВА 5. МЕТОДОЛОГИЧЕСКИЕ ВОПРОСЫ ПРОГНОЗИРОВАНИЯ ВРЕМЕННЫХ РЯДОВ. Принципы разработки. Анализ и моделирование. Коррелограмма и ее применение. Выделение тренда в случае нестационарного временного ряда. Автокорреляция остатков. Гармонический анализ ГЛАВА 6. СГЛАЖИВАНИЕ ВРЕМЕННЫХ РЯДОВ. Линейные фильтры. Метод простой скользящей средней. Методы взвешенных скользящих средних. Простое экспоненциальное сглаживание. Элементы диалога в модуле "Анализ временных рядов ПП STATISTICA". Прогнозирование ГЛАВА 7. ОДНОВРЕМЕННЫЕ УРАВНЕНИЯ. МЕТОДЫ ИДЕНТИФИКАЦИИ ГЛАВА 8. МОДЕЛИРОВАНИЕ СТРУКТУРНЫМИ УРАВНЕНИЯМИ. Моделирование структурными уравнениями и диаграммы путей ГЛАВА 9. РАЗНОСТНЫЕ УРАВНЕНИЯ И ИХ РЕШЕНИЕ ГЛАВА 10. СТАЦИОНАРНЫЕ ВРЕМЕННЫЕ РЯДЫ, МОДЕЛИ АВТОРЕГРЕССИИ - СКОЛЬЗЯЩЕГО СРЕДНЕГО. Тесты проверки. Процессы авторегрессии - скользящего среднего. Условия стационарности для АРСС(p, q)-процесса. Автокорреляционные функции (АКФ). Построение АРСС-моделей. Селекция моделей АРСС. Алгоритм выбора модели оптимальной сложности для временного ряда в АРСС(p, q)-моделях. Учет сезонности в модели ГЛАВА 11. ВРЕМЕННЫЕ РЯДЫ С ВЫСОКОЙ ИЗМЕНЧИВОСТЬЮ. Авторегрессионные условно гетероскедастические модели (АРУГ-модели). Обобщенные авторегрессионные условно гетероскедастические модели (ОАРУГ-модели). Модели АРУГ-М. ММП-оценка моделей ОАРУГ и АРУГ-М ГЛАВА 12. ЛОЖНАЯ РЕГРЕССИЯ, КОИНТЕГРАЦИЯ И МОДЕЛИ КОРРЕКТИРОВКИ ОШИБОК. Проблема обнаружения. Краткосрочные модели, коинтеграция и механизм корректировки ошибок Минимальные системные требования: 1) операционная система Microsoft Windows 2000/XP; 2) процессор с частотой не ниже 500 MHz; 3) оперативная память 64 Mb и более; 4) жесткий диск с объемом свободного места не менее 40 Mb; 5) видеокарта с 8 Mb памяти или лучше; 6) SVGA монитор с поддержкой разрешения 1024х768; 7) CD привод 4х или лучше (рекомендуется 16х); 8) звуковая карта (любая).