Notacja, konwencje, stosowane symbole i akronimy Statyczny model regresji liniowej - przypadek jednej zmiennej objaśniającej Założenia modelu regresji liniowej Metoda najmniejszych kwadratów Dekompozycja wariancji zmiennej objaśnianej Właściwości i błędy średnie estymatorów. Wariancja składnika losowego Przedziały ufności Testowanie hipotez Statyczny model regresji liniowej - przypadek wielu zmiennych objaśniających Założenia modelu regresji liniowej wielu zmiennych Interpretacja w modelu regresji liniowej wielu zmiennych Metoda najmniejszych kwadratów Właściwości estymatora klasycznej metody najmniejszych kwadratów Estymator wariancji składnika losowego Miary zgodności Testowanie hipotez Metoda najmniejszych kwadratów przy warunkach pobocznych Testowanie stabilności parametrów Strategia modelowania „od ogółu do szczegółu” Metoda największej wiarygodności Estymator MNW parametrów modelu regresji liniowej Właściwości estymatora największej wiarygodności Testy ilorazu wiarygodności, Walda i mnożnika Lagrange’a Niesferyczność składnika losowego w statycznym modelu regresji: autokorelacja i heteroskedastyczność Przyczyny autokorelacji Schemat autoregresyjny pierwszego rzędu Estymacja w przypadku autokorelacji składników losowych, gdy znany jest współczynnik autokorelacji Estymacja w przypadku autokorelacji składników losowych, gdy współczynnik autokorelacji jest nieznany Testowanie występowania zjawiska autokorelacji pierwszego rzędu Estymacja i testowanie w przypadku szczególnego procesu AR(4) Estymacja i testowanie w przypadku procesu MA(1) Estymacja w przypadku heteroskedastyczności, gdy wariancje składników losowych są znane Estymacja w przypadku heteroskedastyczności, gdy wariancje składników losowych nie są znane Testowanie występowania heteroskedastyczności składników losowych Modele ARCH Modele zmienności stochastycznej Współliniowość Dokładna współliniowość Przybliżona współliniowość Pomiar współliniowości Postępowanie w przypadku przybliżonej współliniowości Modele dynamiczne Modele z nieskończonym rozkładem opóźnień Modele ze skończonym rozkładem opóźnień Model autoregresyjny z rozkładem opóźnień Model ze zautokorelowanym składnikiem losowym Model korekty błędem Modele ARMA Modele specjalne Modele z objaśniającymi zmiennymi zero-jedynkowymi Modele przełącznikowe Modele wygładzonego przejścia Modele nieliniowe Modele nierównowagi Modele z oczekiwaniami Modele racjonalnych oczekiwań Prognozy na podstawie modeli jednorównaniowych Prognozy na podstawie modelu z jedną zmienną objaśniającą Prognozy warunkowe Prognozy na podstawie modelu regresji wielu zmiennych Zastosowanie zmiennych zero-jedynkowych w prognozowaniu Źródła błędów prognoz Pomiar dokładności prognoz Prognozy optymalne Porównywanie prognoz Modele wielorównaniowe o równaniach współzależnych Zapis. Założenia Rodzaje modeli Postać zredukowana Postać końcowa. Mnożniki Identyfikacja Estymacja parametrów Estymacja parametrów pojedynczych równań Estymacja łączna Metody estymacji w praktyce modelowania Symulacje i wykorzystanie modeli wielorównaniowych Rodzaje symulacji Klasyczny algorytm Gaussa-Seidela Istnienie rozwiązania i jego poszukiwanie metodą Gaussa-Seidela Rozwiązywanie dużych układów równań liniowych metodą Gaussa-Seidela Rozwiązywanie nieliniowych modeli ekonometrycznych metodą Gaussa-Seidela Metoda Newtona-Raphsona Porządkowanie układu równań Zastosowanie metody Newtona-Raphsona do symulacji modeli ekonometrycznych Numeryczne wyznaczanie wartości mnożników . Symulacje stochastyczne Budowa modeli o równaniach współzależnych Prognozy na podstawie modeli wielorównaniowychKorekty struktury modelu Niestacjonarność. Jednowymiarowa analiza kointegracyjna Równowaga. Zależności długookresowe Stacjonarność i równowaga Trendy deterministyczne i stochastyczne Testy pierwiastka jednostkowego Regresje pozorne Kointegracja Stabilność długookresowa modelu log-liniowego Testy kointegracji Skointegrowane modele wielowymiarowe Modele VAR i CVAR Model CVAR uwzględniający zmiany strukturalne Estymacja parametrów i testowanie wymiaru przestrzeni kointegracyjnej Restrykcje w modelu CVAR Strukturalny model CVAR Model CVAR w przypadku zmiennych Analiza reakcji na impuls