경제예측론 = Economic forecasting

목차 (Table of Contents)

• 목차
• 제1편 경제예측론의 기초
• 제1장 서장
• 1. 경제예측이란? = 5
• 2. 누가 왜 예측을?: 예측의 필요성 = 5
• 3. 예측은 어떻게?: 예측방법 = 6
• 3.1. 단기ㆍ중기ㆍ장기예측 = 6
• 3.2. 사건발생 여부, 사건도래시기, 시계열예측 = 7
• 3.3. 양적 예측과 질적 예측 = 7
• (1) 양적 예측 = 8
• (2) 질적 예측 = 9
• 4. 예측의 기본 철차 = 9
• 4.1. 제1단계 - 과제의 설정 = 10
• 4.2. 제2단계 - 자료 및 정보의 수집 = 10
• 4.3. 제3단계 - 예비탐색적 분석 = 11
• 4.4. 제4단계 - 분석모형의 선택 = 11
• 4.5. 제5단계 - 예측치의 도출 및 활용 = 12
• 제2장 예측을 위한 기초통계분석
• 1. 자료의 종류와 수집방안 = 15
• 1.1. 자료의 수집 = 15
• 1.2. 자료의 유형 = 16
• 2. 기술통계분석 = 17
• 2.1. 자료의 정리 및 요약 = 17
• 2.2. 요약된 자료의 도표적 표현 = 18
• (1) 시간도표 = 18
• (2) 산포도 = 20
• 2.3. 요약된 자료의 특성 파악 = 21
• (1) 1변량 통계분석상의 주요 특성치 = 21
• (2) 다변량 통계분석상의 주요 특성치 = 26
• (3) 시계열분석모형에서의 주요 특성치 = 29
• 3. 추측통계분석 = 31
• 4. 예측결과의 평가지표 Ⅰ = 32
• 5. 예측결과의 평가지표 Ⅱ = 36
• 제3장 변동요인 분해법에 의한 시계열예측
• 1. 변동요인 분해의 기본 원칙 = 46
• 1.1. 분해모형 = 46
• 1.2. 분해도표 = 47
• 1.3. 계절조정 = 49
• 2. 이동평균 개념을 이용한 변동요인 분해 = 50
• 2.1. 단순이동평균이용법 = 50
• 2.2. 짝수차수이동평균법 = 52
• 2.3. 이중이동평균 = 56
• 2.4. 가중이동평균 = 57
• 2.5. 가중최소자승법에 의한 평활법 = 59
• 2.6. 변동요인 분해방법의 주요 예: X-12-ARIMA와 STL 분해방식 = 61
• (1) X-12-ARIMA방법 = 61
• (2) STL 분해방법 = 62
• 2.7. 변동요인의 분해와 예측 = 63
• 3. 지수평활법에 의한 예측 = 63
• 3.1. 평균평활법 = 65
• (1) 평균활용법 = 65
• (2) 이동평균활용법 = 66
• 3.2. 지수평활법 활용방안 = 69
• (1) 단일지수평활화 Ⅰ = 69
• (2) 단일지수평활화 Ⅱ = 72
• (3) 홀트의 선형방법 = 73
• (4) Holt-Winters방법 = 75
• (5) 페겔의 분류 = 77
• 4. 각종 평활법에 의한 예측방안의 비교평가 = 78
• 제4장 단순회귀분석모형에 의한 예측
• 1. 회귀분석의 의의 = 83
• 2. 단순회귀모형과 최소자승법에 의한 추정 = 84
• 2.1. 단순선형회귀모형 = 85
• 2.2. 최소자승법에 의한 추정 = 86
• 2.3. 회귀계수와 상관계수 = 91
• 3. 추정결과에 대한 평가 = 92
• 3.1. 적합도검정 = 94
• (1) 표준추정오차에 의한 적합도검정: 절대평가 = 94
• (2) 결정계수에 의한 적합도검정: 상대평가 = 95
• 3.2. 유의성 검정 = 97
• 4. 표본회귀선에 의한 예측 = 102
• 5. 실증분석시 주요 고려사항 = 106
• 5.1. 적절한 모형의 설정 여부 = 107
• (1) 비선형함수관계 = 107
• (2) 적절한 설명변수의 생략 = 110
• 5.2. 기본 가정의 현실성 여부 검정 및 대응방안 = 112
• (1) 이분산현상과 가중최소자승법 = 113
• (2) 이분산현상에 대한 새로운 접근방안: 이분산현상에 강한 표준오차 활용법 = 120
• (3) 이분산 검정문제 재론 = 123
• (4) 자기상관과 일반최소자승법 = 127
• (5) 측정오류와 수단변수 추정법 = 136
• (6) 극단적 관측치와 가변수 = 141
• [보론] MLE 추정과 LR 및 Wald 그리고 LM검정 간의 관계 = 147
• (1) MLE 추정 = 147
• (2) LR검정 = 149
• (3) Wald검정과 LM검정 = 150
• 제5장 다중회귀분석모형에 의한 예측
• 1. 다중회귀분석의 의의 = 155
• 2. 다중회귀모형의 추정 = 160
• 3. 다중회귀모형에 대한 평가 = 163
• 3.1. 적합도검정 = 163
• 3.2. 유의성 검정 = 164
• 3.3. 총체적 유의성 검정 = 165
• 4. 다중회귀모형에 의한 예측 = 167
• 5. 추가된 가정의 현실성 검토: 다중공선성 문제 = 168
• 5.1. 능형회귀분석 = 174
• 5.2. 주성분분석 = 176
• (1) 적재계수($$a_{ij}$$)의 추정 = 177
• (2) 적재계수의 유의성 검정 = 179
• (3) 주성분변수의 수 = 179
• (4) 주성분변수를 이용한 모형의 추정 = 180
• 6. 설명변수의 선정문제 = 183
• 7. 특수모형을 이용한 예측 = 189
• 7.1. 특정 사건의 발생가능성 예측을 위한 분석모형: LPM, 로짓모형, 프로빗모형 = 189
• (1) 선형확률모형 = 190
• (2) 로짓모형과 프로빗모형 = 191
• 7.2. 가변계수모형 = 198
• (1) 체계적 변동계수모형 = 199
• (2) 전환회귀모형 = 199
• (3) 선형호함수모형 = 200
• (4) 연속적 변동계수모형 = 202
• 제6장 연립방정식모형에 의한 예측
• 1. 연립방정식모형의 특성 = 205
• 2. 연립방정식모형 = 207
• 2.1. 구조방정식체계 = 207
• 2.2. 유도방정식체계 = 208
• 3. 식별문제 = 210
• 3.1. 식별을 위한 필요조건: 차수조건 = 211
• 3.2. 식별을 위한 충분조건: 계수조건 = 213
• 4. 연립방정식의 추정 = 216
• 4.1. 통상최소자승법(OLS) 적용시 초래되는 문제점 = 216
• 4.2. 단일방정식 추정방법 = 216
• (1) 간접최소자승법 = 217
• (2) 수단변수 추정법 = 218
• (3) 2단계 최소자승법 = 220
• (4) 기타 단일방정식 추정법 = 221
• 4.3. 전체방정식체계 추정방법 = 224
• (1) 3단계 최소자승법 = 225
• (2) 완전정보최우법 = 227
• 5. 제 추정방법의 비교 = 227
• 6. 의태분석: (추정)결과의 평가와 예측 = 230
• 6.1. 의태분석의 의미와 의의 = 230
• 6.2. 의태분석의 기본 과정 = 232
• (1) 연립방정식모형의 설정과 검정 = 232
• (2) 연립방정식모형의 평가 = 233
• 6.3. 의태분석모형과 동태분석: 예측 = 237
• (1) 의태모형의 안정성 = 238
• (2) 의태모형의 조정 = 238
• 7. 연립방정식 추정에 대한 새로운 접근법 = 239
• 7.1 설명변수가 하나인 경우 = 240
• 7.2 다중회귀 또는 연립방정식 경우 = 242
• k≥2 경우 = 243
• 7.3 Ⅳ의 정당성 = 243
• (1) 과도식별 판정법 = 245
• (2) 정당한 Ⅳ창출법 = 246
• 8. 종합예제: 간이 거시계량경제모형 = 246
• 8.1. 사후적 의태분석과 동태적 안정성 = 254
• 8.2. 경제정책 영향분석 = 256
• 8.3. (사후적) 미래예측 = 259
• 8.4. 구조조정 및 계수조정 = 264
• 제7장 ARIMA모형을 이용한 예측: Box-Jenkins방법
• 1. 개요 = 269
• 2. ACF와 PACF를 이용한 자료의 검색 = 271
• 2.1. 자기상관함수 = 271
• 2.2. 백색소음모형 = 273
• 2.3. ACF의 표본분포를 이용한 백색소음검정 = 273
• 2.4. Portmanteau검정 = 274
• 2.5. 편자기상관함수 = 275
• 2.6. 계절변동성의 확인과 대응 = 277
• 3. 시계열의 안정성 검정 = 279
• 3.1. 불안정성의 제거 = 282
• 3.2. 불안정성과 계절변동의 동시적 제거 = 284
• 3.3. 안정성 검정 = 288
• 4. 주요 ARIMA모형 = 290
• 4.1. AR(1)모형 = 292
• 4.2. MA(1)모형 = 293
• 4.3. 고차 자기회귀모형: AR(p) = 295
• 4.4. 고차 이동평균모형: MA(q) = 297
• 4.5. ARMA모형과 ARIMA모형 = 299
• 4.6. ARIMA모형과 계절변동 = 301
• 5. 모형의 식별 = 302
• 6. 모형의 추정 = 309
• 6.1. 추정방법 = 309
• 6.2. 추정결과의 선정(추정모형의 재식별) = 311
• 7. 진단 = 312
• 8. 예측 = 313
• 8.1. 주요 ARIMA모형에 의한 예측의 특성 = 314
• (1) 확률충격모형 = 314
• (2) AR(1): ARIMA(1, 0, 0) = 315
• (3) MA(1): ARIMA(0, 0, 1) = 317
• (4) ARMA(1, 1)／ARIMA(1, 0, 1) = 318
• (5) ARI(1, 1)／ARIMA(1, 1, 0) = 319
• (6) 구간예측 = 322
• 8.2. 차분이 예측에 미치는 영향 = 323
• (1) 차분하지 않은 경우 = 324
• (2) 시차 1에서 한 번 차분한 경우 = 324
• (3) 시차 1에서 두 번 차분한 경우 = 324
• (4) 계절적으로 차분한 경우 = 324
• (5) 차분화 대신 추세나 계절성을 제거하여 예측하는 방안 = 325
• 8.3. 시계열 분해시 ARIMA모형의 활용 = 326
• 8.4. 지수함수적 평활화 모형과의 비교 = 326
• 제2편 고급경제예측방법
• 제8장 고급시계열 예측모형 Ⅰ
• 1. ARIMA 오차항을 갖는 회귀분석모형 = 336
• 1.1. 추정모형의 탐색 = 337
• 1.2. 예측 = 340
• 2. ARIMA 오차항을 갖는 동태적 회귀분석모형 = 340
• 2.1. 시차분포모형과 동태적 회귀모형 = 340
• 2.2. Koyck의 함수전환 = 342
• 2.3. 모형의 식별과 추정 = 343
• 2.4. 예측 = 345
• 3. ARIMA 오차항을 갖는 충격모형 분석 = 350
• 3.1. 계단형 충격모형 = 351
• 3.2. 맥박형 충격모형 = 352
• 4. 다변량 자기회귀모형 = 354
• 4.1. VAR모형의 등장배경 = 354
• 4.2. VAR모형의 의의와 특성 = 356
• 4.3. 추정 = 359
• 4.4. 예측 = 360
• 4.5. 충격반응함수와 촐레스키의 행렬분해 = 360
• 5. 구조형 벡터자기회귀모형 = 367
• 제9장 고급시계열 예측모형 Ⅱ
• 1. 군집적 변동성과 ARCH 및 GARCH모형에 의한 예측 = 381
• 1.1. ARCH모형의 출현과 필요성 = 381
• 1.2. 무조건부 분산과 조건부 분산 = 382
• 조건부 분산과 무조건부 분산의 비교 = 382
• 1.3. ARCH(p)모형 = 384
• 1.4. GARCH(p)모형 = 385
• 1.5. ARCH(p)모형의 확장 = 386
• 1.6. ARCH효과의 검정 = 387
• Jarque-Bera(1986) 정규성 검정과 Ljung-Box-Pierce검정 = 387
• 1.7. ARCH 및 GARCH모형의 추정 = 388
• 1.8. ARCH모형의 한계 = 390
• 2. 추세변동과 불안정적 시계열, 그리고 오차수정모형에 의한 예측 = 393
• 2.1. 허구적 회귀 = 395
• 2.2. 적분된 시계열과 공적분 = 397
• 2.3. 불안정적 시계열의 회귀분석 = 401
• (1) ／(1)변수의 회귀분석 = 401
• (2) 혼재된 적분계열의 회귀분석 = 402
• (3) 공적분과 오차수정모형 = 404
• (4) 공적분모형의 예 = 406
• 2.4. 단위근검정 = 410
• (1) D-F검정법 = 410
• (2) ADF검정법 = 414
• (3) Philips-Perron(PP)검정법 = 416
• (4) 구조변동시 단위근검정 = 416
• (5) 공적분검정 = 420
• 제10장 기타 주요 예측모형
• 1. 경기변동지표를 이용한 예측 = 433
• 2. 결합예측방법 = 438
• 3. 상태공간모형을 이용한 예측 = 446
• 3.1. 상태공간모형의 의의와 유용성 = 446
• 3.2. 상태공간모형의 핵심 내용과 간단한 예 = 448
• 3.3. 칼만 필터링기법을 이용한 상태공간모형의 추정과 예측 = 450
• 4. 인공신경망을 이용한 예측 = 456
• 5. 연산일반균형모형을 이용한 정책효과 분석 및 예측 = 460
• 6. 다부문모형을 이용한 경제예측 = 462
• 제11장 거시계량경제모형에 의한 예측: SUM95모형을 중심으로
• 1. 국내외 연구동향 = 468
• 2. SUM95모형 = 470
• 2.1. 모형의 기본 구성 = 470
• 2.2. SUM95모형의 구성체계도 = 476
• 3. SUM95모형의 추정결과 = 478
• 3.1. 개요 = 478
• 3.2. 부문별 추정결과 = 479
• (1) 총공급 = 479
• (2) 총수요 = 481
• (3) 화폐금융부문 = 484
• (4) 해외부문 = 485
• (5) 임금ㆍ물가ㆍ환율부문 = 488
• (6) 주식시장부문 = 492
• 3.3. SUM95모형의 추정결과 = 494
• 4. SUM95모형에 의한 예측 = 495
• 4.1. 기본 전략 = 495
• 4.2. 역사적 의태분석 = 496
• 4.3. 모형의 선택(Theil U: l-step) = 497
• 4.4. 외생변수의 창출 및 예측 = 498
• 5. 축소조정된 SUM95모형과 VAR모형에 의한 예측: 분기자료 = 500
• 5.1. AD-AS모형: 축소조정된 SUM95모형 Ⅰ = 500
• (1) AD-AS모형의 추정 = 501
• (2) AD-AS모형에 의한 예측 = 503
• 5.2. 축약방정식모형: 축소조정된 SUM95모형 Ⅱ = 505
• (1) 축약방정식모형의 추정 = 505
• (2) 축약방정식모형에 의한 예측 = 508
• 5.3. VAR모형 = 508
• (1) 기본 모형 = 508
• (2) 베이지안 선험적 가정을 이용한 추정 = 509
• (3) 모형의 선택 = 511
• (4) VAR모형의 추정결과와 예측 = 512
• 6. 기타 모형에 의한 예측: 월간자료 = 513
• 6.1. ARIMA모형 = 513
• (1) 모형의 선택 및 추정 = 513
• (2) 추정 및 예측 = 514
• 6.2. 다중요인모형 = 516
• (1) 개요 = 516
• (2) 추정결과 및 예측 = 518
• 6.3 동태다중요인모형 = 519
• 7. 종합 및 결론 = 521
• 부록 : RATS 사용안내 = 539
• 부표 = 605
• 참고문헌 = 631
• 찾아보기 = 641