Inhalt
Einführung.- Anmerkungen zur Bedeutung der empirischen Forschung in den Wirtschaftswissenschaften.- Der Modellbegriff in der ökonomischen Theorie.- Ein scheinbar ganz einfaches Beispiel: Modelle für das gesamtwirtschaftliche Konsumverhalten.- Zum Umgang mit wirtschaftsstatistischen Daten.- Erläuterungen zu den Begriffen ökonometrisches Modell' und ökonometrische Struktur'.- Einige einführende Beispiele zur Spezifikation einfacher ökonometrischer Modelle.- I: Einzelgleichungsmodelle.- Bemerkungen zur Notation linearer Einzelgleichungsmodelle.- Die gewöhnliche Methode der kleinsten Quadrate (OLS) zur Lösung der Schätzaufgabe.- Stochastische Eigenschaften der OLS-Schätzfunktionen.- Zur Verteilung der OLS-Schätzfunktionen $$ \hat \beta \ $$ und $$ \hat \sigma _u^2\ $$ unter der Annahme unabhängiger, identisch normalverteilter Störvariablen u und einige Signifikanztests.- Konsequenzen von Verletzungen der gemachten idealen Voraussetzungen für die OLS-Schätzfunktionen.- Stochastische erklärende Variablen.- Tests auf eine Autokorrelation der Störvariablen.- Einige praktische Beispiele.- Verallgemeinerte Kleinst-Quadrate-Schätzfunktionen (GLS).- Ein Test auf Heteroskedastizität der Störvariablen.- Zur Analyse von vermuteten Strukturbrüchen.- Einzelgleichungsmodelle ohne Absolutglied.- Weitere Beispiele.- Ex-ante-Prognosen auf der Basis geschätzter Einzelgleichungsmodelle.- Der Instrumentvariablenansatz.- Maximum-Likelihood-Schätzfunktionen für lineare Einzelgleichungsmodelle.- Zur Linearisierung von nichtlinearen Einzelgleichungsmodellen.- Modelle mit Fehlern in den Variablen.- II: Lineare Mehrgleichungsmodelle.- Zur Darstellung linearer Mehrgleichungsmodelle.- Rekursive und interdependente Modelle.- Multiplikatoren.- Ein Modell mit 3Gleichungen zum Einüben der Notation und der Darstellungsformen.- Das Schätzproblem bei interdependenten Modellen.- Das Identifikationsproblem.- Die zweistufige Methode der kleinsten Quadrate (TSLS).- Nichtlinearitäten in den gemeinsam abhängigen Variablen von Mehrgleichungsmodellen.- Zur Analyse von ex-post- und ex-ante-Prognosen.- Ein kleines gesamtwirtschaftliches Modell als Übungsbeispiel.- III: Zeitreihenmodelle.- Stochastische Prozesse.- Gleitende Durchschnittsprozesse (moving average).- Autoregressive Prozesse.- ARMA- und ARIMA-Modelle.- Schätzen der Parameter eines autoregressiven Prozesses.- Schätzen der Parameter eines gleitenden Durchschnittsprozesses.- Vektorautoregressive Modelle.- GRANGER-SIMS-Kausalitätstest.- Miszellen.- Stein-Rule-Schätzfunktionen.- Jackknifing.- Bootstrapping.- Ein Beispiel zum Vergleich verschiedener Schätzverfahren für ß in einem linearen Einzelgleichungsmodell.- Das Ausreisserproblem und robuste Schätzverfahren.- Modelle mit qualitativen und begrenzt abhängigen Variablen.- Modellschätzungen auf der Basis einer Kombination von Zeitreihen- mit Querschnittsdaten.- Nachwort für den mit den Verhältnissen an der Hochschule St. Gallen nicht vertrauten Leser.- Anhang mit Daten.