|
1.1 Modele z nieskończonym rozkładem opóźnień. 1.2 Modele ze skończonym rozkładem opóźnień.
1.3 Model ADL i jego izomorficzna postać ECM.
1.4 Modele ze zautokorelowanym składnikiem losowym. Restrykcje wspólnego czynnika (COMFAC). 1.5 Modele autoregresyjne ze średnią ruchomą.
2.1 Przyczyny zmian parametrów w próbie. 2.2 Modele ze skokowymi zmianami parametrów.
2.3 Modele z gładką zmianą reżimu. Modele STR, STAR, MR-STR.
2.4 Sezonowość stochastyczna. Metoda TRAMO/SEATS.
3.1 Przyczyny zmienności momentów rozkładów zmiennych losowych.
3.2 Weryfikacja trendo- i przyrostostacjonarności.
3.3 Konsekwencje niestacjonarności dla wnioskowania statystycznego.
4.1 Równowaga statyczna i dynamiczna.
4.2 Dekompozycja zmienności na część długo- i krótkookresową. Model ECM.
4.3 Anihilacja wspólnych trendów stochastycznych. Twierdzenie Grangera.
4.4 Kointegracja jednowymiarowa i jej ograniczenia.
5.1 Wektorowy model autoregresyjny (VAR).
5.2 Skointegrowany wektorowy model autoregresyjny (CVAR).
5.3 Testowanie wymiaru przestrzeni kointegrującej.
5.4 Restrykcje strukturalizujące w modelu CVAR.
5.5 Słaba i silna egzogeniczność w modelu CVAR. Testowanie.
5.6 Marginalizacja modelu CVAR.
5.7 Testowanie właściwości składników losowych (normalność, autokorelacja, efekt grupowania wariancji) w modelach VAR i CVAR.
5.8 Analiza impulse-response.
6.1 Modele statyczne i dynamiczne. Postać strukturalna, zredukowana i końcowa.
6.2 Analiza właściwości układu równań. Mnożniki. Stabilność modelu.
6.3 Identyfikacja parametrów w modelach wielorównaniowych.
6.4 Estymacja parametrów pojedynczych równań i estymacja łączna.
6.5 Symulacja. Algorytmy Gaussa-Seidela i Newtona-Raphsona.
6.6 Niezbieżność w procesie symulacyjnym. Porządkowanie układów równań.
6.7 Symulacyjne wyznaczanie mnożników.
6.8 Prognozy na podstawie modeli wielorównaniowych i korekty struktury modeli.
6.9 Analiza scenariuszowa. Prognozy wariantowe.
|
