RATS를 이용한 계량경제분석

목차 (Table of Contents)

• 목차
• 第1部 RATS 使用案內
• 第1章 RATS 使用方法 基礎
• 第1節 作業의 始作과 終了 = 4
• 1. 作業의 始作 = 4
• 2. 作業의 終了 = 5
• 第2節 編輯命令 = 5
• 1. 基本編輯命令 = 5
• 2. 細部編輯命令 = 10
• 第3節 編輯命令語의 活用例 = 17
• 1. 프로그램 例題入力 및 貯藏 = 17
• 2. 分析結果 印刷 = 20
• 3. Graph 印刷와 貯藏 = 20
• 4. 作業畵面 削除와 다른 이름으로 貯藏하기 = 23
• 5. 프로그램 불러오기 = 24
• 6. 새로운 分析始作과 畵面狀態轉換 = 25
• 7. 入力畵面과 出力畵面을 동시에 利用하는 分析 = 27
• 8. 두 개 이상의 프로그램 結合 = 28
• 9. 프로그램의 基本環境 設定 = 29
• 10. 作業領域의 變更 = 30-1
• 11. 기타 = 30-2
• 第4節 分析命令 = 30-2
• [보론]
• Ⅰ. BATCH方法을 이용한 RATS 實行 = 30-3
• Ⅱ. RATS 마법사(Wizard)의 類型과 活用法 = 30-6
• 第2章 RATS 作業構造
• 第1節 資料의 處理 = 32
• 1. 資料特性의 指定: CALENDAR, ALLOCATE = 32
• 2. 分析資料의 入力: DATA = 33
• 3. 資料變換 및 創出: SET = 36
• 4. 資料의 保管 = 37
• 第2節 資料의 分析 = 38
• 1. 資料의 印刷: PRINT = 38
• 2. 그래프 作成: GRAPH, SCATTER = 39
• [보론] RATS에서의 DATA管理 = 40
• 第3章 주요 統計分析方案
• 第1節 記述統計 = 48
• 1. 特性値算出 = 48
• 2. 特性値算出과 관련한 副次的인 作業命令 = 49
• 第2節 推測統計 = 50
• 1. 주요 確率分布 = 50
• 2. 推定: 信賴區間의 算出 = 53
• 3. 檢定 = 56
• 4. 分散分析 = 63
• 第4章 주요 計量經濟分析方案
• 第1節 相關分析 = 66
• 1. 相關係數의 算出과 區間推定 = 66
• 2. 相關係數의 檢定 = 67
• 第2節 回歸分析 = 68
• 1. 基本的인 回歸分析節次 = 69
• 2. 基本的 回歸分析의 限界性과 補完策 = 70
• 3. 聯立方程式 = 129
• 第3節 時系列分析 = 142
• 1. ARIMA模型分析 = 143
• 2. 誤差修正模型 = 148
• 3. VAR模型 = 151
• 第2部 RATS를 이용한 計量經濟分析
• 第1篇 計量經濟分析에 필요한 基礎統計理論
• 第1章 統計的 推論의 基礎 槪念
• 第1節 統計學의 定義 = 158
• 第2節 統計學의 주요 내용 = 158
• 1. 記述統計의 주요 내용 = 158
• 2. 推測統計의 주요 내용 = 163
• 第3節 計量分析上의 統計的 推論의 先決課題 = 163
• 第4節 要約 = 164
• 第2章 統計的 推論의 理論的 根據 Ⅰ : 바람직한 推定量의 選定
• 第1節 바람직한 推定量의 判別基準 = 166
• 1. 不偏性 = 166
• 2. 效率性 = 166
• 3. 充足性 = 166
• 4. 一貫性 = 167
• 第2節 바람직한 推定量의 導出方案 = 167
• 1. 最尤法 = 167
• 2. 몬테칼로硏究方法 = 168
• 3. 導出方案들의 綜合的 活用方法 = 169
• 4. 選定된 推定量의 內容 = 169
• 第3節 要約 = 169
• 第3章 統計的 推論의 論理的 根據 Ⅱ : 선정된 推定量의 特性
• 第1節 確率變數 = 172
• 주요 確率分布 = 172
• 第2節 期待値 = 181
• 1. 期待値 = 181
• 2. 期待値法則: 一變量 경우 = 189
• 3. 二變量 結合確率分布와 期待値法則 = 189
• 第3節 선정된 推定量의 期待値 = 193
• 1. 標本平均 = 193
• 2. 標本分散 = 193
• 3. 標本比率 = 194
• 第4節 선정된 주요 推定量들의 確率分布: 標本分布 = 194
• 1. 標本平均 = 195
• 2. 標本比率 = 200
• 3. 標本分散 = 202
• 第5節 要約 = 205
• 연습문제 = 207
• 第4章 統計的 推論 Ⅰ : 單一標本 경우의 推定 및 檢定
• 第1節 推定 = 220
• 1. 點推定 = 220
• 2. 區間推定의 基礎方法論 = 220
• 3. 母平均에 대한 區間推定 = 221
• 4. 母比率에 대한 區間推定 = 226
• 5. 母分散에 대한 區間推定 = 227
• 第2節 檢定 = 228
• 1. 假說檢定의 形態 = 229
• 2. 假說檢定의 誤謬 = 229
• 3. 假說檢定의 順序와 基本的 方法論 = 230
• 4. 母平均에 대한 假說檢定 = 232
• 5. 母比率에 대한 假說檢定 = 237
• 6. 母分散에 대한 假說檢定 = 239
• 第3節 要約 = 241
• 연습문제 = 244
• 第5章 統計的 推論 Ⅱ : 複數標本 경우의 推定 및 檢定
• 第1節 2標本 경우의 統計的 推論 = 258
• 1. 母平均의 差에 관한 假說檢定 = 258
• 2. 母比率의 差에 관한 假說檢定 = 270
• 3. 두 母分散의 比率에 관한 假說檢定 = 273
• 4. 假說檢定公式의 要約 = 276
• 5. 複數標本 경우의 推定 = 276
• 第2節 多數標本 경우의 統計的 推論: 分散分析 = 276
• 1. 一元分散分析 = 277
• 2. 二元分散分析 = 279
• 3. 多重比較와 區間推定 = 282
• 第3節 要約 = 282
• 연습문제 = 284
• 第2篇 計量經濟分析基礎: 古典的 線型回歸分析
• 第6章 單純線型回歸分析 Ⅰ : 模型의 設定과 推定
• 第1節 槪要: 回路分析의 槪念과 意義 = 296
• 第2節 回歸分析과 相關分析 = 296
• 1. 相關係數의 槪念과 意義 = 296
• 2. 相關係數의 推定 및 檢定 = 301
• 第3節 單純線型回歸模型의 設定 = 305
• 第4節 回歸模型의 推定 = 306
• 1. 推定方法: 最小自乘法 = 306
• 2. 最小自乘推定量의 統計的 特性 = 311
• 第5節 實證分析例 = 311
• 第6節 要約 = 317
• [보론] 順位相關 = 319
• 연습문제 = 320
• 第7章 單純線型回歸分析 Ⅱ : 模型의 評價와 豫測
• 第1節 標本回歸線에 관한 評價 = 346
• 1. 適合度檢定 = 346
• 2. 標本回路線에 대한 統計的 有意性檢定 = 348
• 第2節 相關分析과 回歸分析 = 354
• 1. $$\hat β$$과 r의 관계 = 354
• 2. r과 R² = 356
• 3. 相關係數와 回歸分析 = 358
• 第3節 豫測 = 360
• 第4節 實證分析例: 消費函數의 推定 = 365
• 模型의 設定 = 365
• 第5節 要約 = 373
• 연습문제 = 375
• 第8章 多重線型回歸分析
• 第1節 槪要 = 384
• 第2節 多重回歸分析의 意義 = 384
• 第3節 多重回歸模型의 推定 = 387
• 1. 多重回歸分析의 基本假定 = 387
• 2. 最小自乘法에 의한 多重回歸模型의 推定 = 388
• 第4節 多重回歸模型에 관한 評價 = 389
• 1. 適合度檢定 = 389
• 2. 回歸係數에 대한 有意性檢定 = 390
• 3. F檢定과 ANOVA = 394
• 第5節 豫測 = 399
• 第6節 多重相關分析 = 404
• 1. 偏相關係數 = 404
• 2. 多重相關係數 = 408
• 第7節 實證分析例 = 409
• 1. 消費函數에 관한 分析 = 410
• 2. 通貨指標에 관한 分析 = 415
• 第6節 要約 = 429
• 연습문제 = 431
• 第3篇 古典的 線型回歸分析의 限界性과 補完策
• 第9章 基本假定의 現實性 여부 문제와 多重共線性
• 第1節 假定 E[$$ε_i$$]＝0의 의미와 現實性 여부 = 442
• 第2節 誤差項이 正規分布를 따르는지의 여부 = 443
• 第3節 E[$$ε_i$$$$X_i$$]＝$$X_i$$ㆍE[$$ε_i$$]假定의 充足性 여부 = 444
• 第4節 n≥k+2란 假定의 充足性 여부 = 444
• 第5節 假定 p($$X_i$$, $$X_j$$)≠1의 現實性 여부와 多重共線性 = 447
• 第6節 多重共線性이 推定에 미치는 效果 = 447
• 第7節 多重共線性이 초래하는 問題點의 具體的 內容 = 450
• 第8節 多重共線性의 심각성 여부 判定方案 = 451
• 1. 相關係數活用法 = 452
• 2. 行列式
• $$X^T$$X
• 의 活用法 = 453
• 3. Farrar & Glauber 判定法 = 455
• 4. Frisch의 探索法 = 458
• 5. 實用的 判定基準 = 458
• 6. 기타 判定方案 = 460
• 第9節 多重共線性에 대한 對應策 = 461
• 1. 多重共線性 誘發變數의 探索 및 除去 = 461
• 2. 별도 推定方案의 活用 = 474
• 3. 資料의 補完 및 變形 = 475
• 4. 기타 對應上의 留意事項 = 475
• 第10節 實證分析例 = 476
• 1. 消費函數 = 476
• 2. 通貨量과 物價 = 481
• 第11節 要約 = 490
• 연습문제 = 492
• 第10章 異分散
• 第1節 異分散現象이란 = 506
• 第2節 OLS 活用時 예상되는 問題點 = 507
• 第3節 問題點의 심각성 여부 判定方案 = 508
• 1. 圖表를 이용하는 直觀的 方法 = 508
• 2. 函數類型을 이용하는 方法 = 510
• 3. 誤差項 크기의 差異를 이용하는 方法 = 511
• 4. 非母數的 檢定法 = 513
• 第4節 對應策 = 514
• 第5節 實證分析例 = 516
• 1. 異分散現象判定法 = 520
• 2. 異分散의 解消方案: 加重最小自乘法 = 532
• [보론] Breusch-Pagan檢定 = 536
• 연습문제 = 537
• 第11章 自己相關
• 第1節 自己相關이란 = 554
• 第2節 OLS 活用時 예상되는 問題點 = 555
• 第3節 問題點의 심각성 여부 判定方案 = 555
• 1. 圖表를 이용하는 直觀的 方法 = 556
• 2. Durbin-Watson檢定 = 556
• 3. Durbin-Waston檢定法의 補完策 = 557
• 4. 非母數的 檢定法: Geary檢定 = 558
• 第4節 對應策 = 559
• 1. OLS節次 利用方法 = 559
• 2. Durbin의 推定方法 = 560
• 3. Prais-Winston推定方法 = 560
• 4. Cochrane-Orcutt推定方法 = 561
• 5. 기타 方法 = 562
• 第5節 實證分析例: 投資乘數 = 563
• 第6節 要約 = 570
• 연습문제 = 571
• 第12章 設定된 模型의 適切性問題
• 第1節 槪要 = 584
• 第2節 設定誤謬의 內用과 原因 = 584
• 第3節 設定誤謬가 초래하는 問題點 = 585
• 第4節 設定誤謬의 探索方法 = 585
• 1. 不適切한 說明變數의 포함 여부 判定法 = 585
• 2. 適切한 變數의 제외 여부 및 函數模型의 適正性 判定法 = 585
• 第5節 對應策 = 587
• 1. 모든 가능한 方程式을 同時推定하는 方法 = 587
• 2. 縮小除外法 = 588
• 3. 擴大導入法 = 588
• 4. 段階的 回歸分析方法 = 589
• 第6節 不適切한 函數形態에 관한 問題 = 603
• 1. 說明變數가 非線形인 模型 = 604
• 2. 回歸係數가 非線形인 模型: 線型化가 가능한 경우 = 604
• 3. 回歸係數에 대한 非線型性이 해소되지 못하는 模型 = 604
• 4. 特殊模型 = 605
• 5. 非線型模型의 綜合 = 605
• 第7節 實證分析 = 606
• 1. 費用函數의 推定 = 606
• 2. 生産函數의 推定 = 617
• 第8節 要約 및 結論 = 623
• [보론]
• Ⅰ. 追加된 說明變數의 寄與度判定을 위한 F檢定方法 = 625
• Ⅱ. 追加導入한 觀測資料가 미치는 效果分析 = 625
• Ⅲ. 制限條件附最小自乘法에 의한 回歸分析 = 626
• 연습문제 = 628
• 第13章 資料의 諸類型과 活用上의 問題
• 第1節 槪要 = 636
• 第2節 測定誤差와 變數誤差 = 636
• 第3節 變數誤差의 類型과 推定上의 問題點 = 637
• 1. 從屬變數만의 測定誤差 = 637
• 2. 說明變數만의 測定誤差 = 637
• 第4節 變數誤差現象의 探索方法 = 638
• 第5節 變數誤差에 대한 對應方案 = 641
• 1. 逆最小自乘法 = 641
• 2. 手段變數推定法 = 641
• 3. 實證分析例: 恒常所得假說 = 643
• 第6節 資料가 그룹화되어 있는 경우 = 647
• 1. 單一基準에 의해 分類된 集團資料 = 647
• 2. 複數基準에 의해 分類된 集團資料 = 648
• 3. 實證分析例: 그룹화된 資料 = 649
• 第7節 일부 測定値가 빠져 있는 경우 = 653
• 1. 測定値가 不完全한 時期를 除外하는 方法 = 653
• 2. 事前的 情報의 活用 = 654
• 3. 平均값의 活用 = 654
• 4. 時間變數活用法 = 654
• 5. 最尤法의 活用 = 655
• 6. 手段變數活用法 = 655
• 第8節 資料가 不充分한 경우: 時系列資料와 橫斷面資料의 結合使用問題 = 660
• 1. 結合된 資料活用時 推定模型 = 661
• 2. 共分散模型 = 661
• 3. 複合誤差模型 = 662
• 4. 異分散과 系列相關이 複合的으로 나타나는 模型 = 662
• 第9節 要約 = 671
• [보론] pooling資料를 이용한 分析方法 = 673
• 연습문제 = 677
• 第14章 回歸模型의 諸類型
• 第1節 說明變數가 假變數일 경우 = 694
• 1. 說明變數가 假變數 하나뿐인 경우 = 694
• 2. 說明變數가 2개의 假變數뿐일 경우 = 697
• 3. 說明變數가 數量變數와 假變數로 구성될 경우 = 701
• 第2節 從屬變數가 制限된 값만을 취하는 경우 = 707
• 1. 線型確率模型 = 708
• 2. 로지트模型 = 719
• 3. 프로비트模型 = 724
• 4. 制限的 從屬變數模型 = 732
• 第3節 制限條件附模型 = 732
• 1. 單純制限條件 = 733
• 2. 複合制限條件 = 736
• 3. 線型制限條件 = 741
• 4. 非線型制限條件 = 745
• 第4節 時差分布模型 = 746
• 1. 有限時差分布模型 = 747
• 2. 無限時差分布模型 = 749
• 3. 時差分布模型의 推定問題 = 759
• 第5節 實證分析例: 因果關係檢定 = 760
• 第6節 要約 = 764
• [보론] 可變係數模型 = 765
• 연습문제 = 766
• 第4篇 聯立方程式體系와 擬態分析
• 第15章 聯立方程式模型의 特徵과 識別問題
• 第1節 聯立方程式模型의 特性 = 780
• 第2節 聯立方程式模型의 類型 = 781
• 1. 構造方程式模型 = 781
• 2. 誘導方程式體系 = 783
• 第3節 識別問題 = 784
• 1. 需要ㆍ供給模型에서 본 識別問題의 含意 = 784
• 2. 識別에 관한 必要充分條件 = 788
• 第4節 實證分析例 = 792
• 1. 國民所得決定模型 = 792
• 2. 乘用車의 需要ㆍ供給模型 = 800
• 第5節 要約 = 817
• 第16章 聯立方程式模型의 推定
• 第1節 OLS 適用時 초래되는 問題點
• 第2節 單一方程式推定方法 = 820
• 1. 間接最小自乘法 = 820
• 2. 手段變數推定法 = 821
• 3. 2段階最小自乘法 = 827
• 4. 기타 單一方程式推定方法 = 831
• 第3節 全體方程式推定方法 = 833
• 1. 3段階最小自乘法 = 834
• 2. 全體情報最尤法 = 837
• 第4節 諸推定方法의 比較 = 838
• 第5節 實證分析例 = 839
• 第6節 要約 = 849
• 연습문제 = 851
• 第17章 聯立方程式模型의 動態的 分析 : 擬態分析
• 第1節 擬態分析이란 = 858
• 第2節 擬態分析의 基本過程 = 860
• 1. 聯立方程式模型의 設定과 檢定 = 860
• 2. 擬態分析模型의 評價 = 860
• 第3節 擬態分析模型과 動態分析 = 862
• 第4節 擬態模型의 調整 = 863
• 第5節 實證分析例 = 864
• 1. 事後的 擬態分析과 動態的 安定性 = 864
• 2. 經濟政策擬態分析 = 872
• 3. 未來豫測 = 881
• 4. 構造調整 및 係數調整 = 890
• 第6節 要約 = 895
• 연습문제 = 897
• 第18章 聯立方程式模型의 應用 : 巨視計量經濟模型
• 第1節 巨視計量模型의 沿革 = 908
• 第2節 주요 海外巨視計量模型 = 911
• 第3節 주요 國內經濟巨視計量模型 = 913
• 第4節 韓國經濟의 巨視計量分析例 : SUM '91 = 915
• 1. 模型設定基準 및 特性 = 916
• 2. 模型의 推定結果 = 920
• 3. 經濟構造 및 政策效果分析 = 921
• 4. 豫測 = 924
• 第5篇 時系列分析
• 第19章 주요 時系列分析模型
• 第1節 時系列分析의 意義 = 930
• 1. 時系列分析의 目標 = 930
• 2. 傳統的 分析方法論 : 外揷法과 平滑法 = 931
• 第2節 確率的 時系列의 特性 = 933
• 1. 確率的 時系列模型 = 933
• 2. 安定性 = 935
• 3. 自己相關函數와 偏自己相關函數 = 936
• 4. 同次的 不安定的 過程 = 940
• 第3節 주요 確率過程과 주요 線型時系列模型 = 945
• 1. 純粹確率過程 = 945
• 2. 確率步行 = 945
• 3. 移動平均確率過程模型 = 946
• 4. 自己回歸確率過程模型 = 946
• 5. 自己回歸와 移動平均이 混合된 模型 = 947
• 6. ARIMA 模型 : 同次的 不安定過程 = 947
• 第4節 주요 經濟時系列의 特性 = 949
• 第5節 要約 = 962
• 第20章 時系列分析과 豫測
• 第1節 模型의 識別 = 966
• 1. 좋은 模型의 識別基準 = 966
• 2. 安定的 模型에서의 識別問題 = 967
• 3. 不安定的 模型의 경우의 識別問題 = 974
• 第2節 推定 = 976
• 推定結果의 檢定 = 977
• 第3節 診斷 = 979
• 1. acf對比法 = 980
• 2. 確率衝擊의 獨立性檢定 = 980
• 3. 最上의 模型選定方式 = 982
• 第4節 豫測 = 982
• 1. 좋은 豫測의 基準 = 983
• 2. 豫測値算出의 基本論理와 點豫測 = 983
• 3. 區間豫測 = 983
• 第5節 實證分析案內 = 984
• 1. 觀測値의 數 = 984
• 2. 原資料의 豫備檢索 = 985
• 3. 安定的 平均導出에 필요한 차분횟수 결정 = 985
• 4. 差分化에 필요한 기타 參考事項 = 986
• 5. acf와 pacf 圖表를 이용한 模型의 識別法 = 986
• 6. 推定上의 參考事項 = 989
• 7. 推定 및 診斷 그리고 豫測上의 參考事項 = 990
• 第6節 實證分析例 = 990
• 1. 識別 = 991
• 2. 推定 = 1004
• 3. 診斷 = 1019
• 4. 豫測 = 1022
• 第7節 要約 = 1025
• 연습문제 = 1026
• 第21章 時系列資料分析의 주요 課題
• 第1節 槪要 = 1038
• 第2節 回歸分析과 時系列分析의 結合: 動態分析 = 1039
• 第3節 不安定的 時系列의 回歸分析과 虛構的 回歸 = 1040
• 1. 虛構的 回歸 = 1040
• 2. 積分된 時系列과 共積分 = 1041
• 3. 不安定的 時系列의 回歸分析 = 1042
• 第4節 單位根檢定 = 1044
• 1. DF檢定法 = 1045
• 2. ADF檢定法 = 1047
• 3. Phillips-Perron檢定法 = 1048
• 第5節 共積分檢定 = 1048
• 第6節 벡터自己回歸模型 = 1050
• 1. VAR模型의 意義와 特性 = 1050
• 2. 分析方法 = 1051
• 第7節 實證分析例 = 1053
• 1. VAR模型을 이용한 景氣變動分析 = 1054
• 2. ECM模型을 통한 景氣變動分析 = 1066
• 第8節 要約 = 1088
• 연습문제 = 1091
• 第22章 스펙트럴分析
• 第1節 週期的 時系列과 三角函數 = 1104
• 第2節 振動數領域에서 본 時系列 = 1105
• 第3節 푸리에 시리즈 = 1106
• 第4節 週期函數와 스펙트럼 = 1107
• 第5節 스펙트럼分布函數와 스펙트럼密度函數 = 1109
• 第6節 주요 確率過程의 스펙트럼 導出 = 1112
• 1. 純粹한 確率過程 = 1112
• 2. MA(1)過程 = 1113
• 3. AR(1)過程 = 1114
• 4. sine波長을 갖는 確定的 攪亂 = 1115
• 5. 混合模型 = 1116
• 第7節 스펙트럼의 推定과 週期圖表 = 1117
• 1. 푸리에分析 = 1117
• 2. sine函數模型의 한 例 = 1117
• 3. 나이키스트振動數 = 1119
• 4. 週期圖表分析 = 1120
• 5. 一貫的 推定節次 = 1123
• 第8節 기타 스펙트럴分析의 活用例 = 1125
• 1. 二變量時系列過程 = 1125
• 2. 스펙트럴分析과 傳統的인 時系列分析 方法論 = 1125
• 3. 標本期間과 무시되는 週期變動 = 1126
• 第9節 實證分析案內 및 活用例 = 1126
• 1. 趨勢變動의 除去 = 1127
• 2. 週期의 推定 = 1131
• 3. 스펙트럼의 推定 = 1139
• 第10節 要約 = 1146
• 연습문제 = 1148
• 附錄 SAS 使用案內
• 第1節 Windows SAS 使用方法 基礎 = 1157
• 1. Windows SAS 作業의 始作과 終了 = 1157
• 2. Windows SAS 시스템의 環境 = 1160
• 3. 特殊윈도우의 呼出과 活用方法 = 1170
• 第2節 SAS 프로그램 基礎 = 1174
• 1. 資料의 處理段階 = 1175
• 2. 資料의 分析段階와 SAS 프로그램의 수행 = 1198
• 附表
• A. 累積標準正規分布表 = 1207
• B. t分布의 臨界値 = 1208
• C. x²分布의 臨界値 = 1209
• D. F分布의 臨界値 = 1210
• E. $$Z_r$$＝½In 1+r／1-r의 값 = 1218
• F. 스피어만의 順位相關係數 $$r_s$$의 臨界値 = 1219
• G. Durbin-Watson 統計量 = 1220
• H. Geary檢定統計量의 臨界値 = 1228
• I. Dickey-Fuller檢定統計量의 分布 = 1229
• J. Dickey-Fuller의 Φ檢定統計量의 分布 = 1230
• K. CRDW檢定統計量의 臨界値 = 1231
• L. 共積分檢定統計量의 臨界値 = 1232
• 國文索引 = 1233
• 英文索引 = 1241