- Categories
-
Metody ilościowe w R. Aplikacje ekonomiczne i finansowe (wyd. III)
Który program statystyczny umożliwia przeprowadzenie analizy danych czasowych, panelowych, jakościowych, GIS, biomedycznych, finansowych, epidemiologicznych bez dokupowania dodatkowych modułów? Który program nie wymaga najnowszego sprzętu i procesorów 4-rdzeniowych, aby szybko policzyć ekstensywne problemy numeryczne? Który z nich działa na wszystkich podstawowych platformach sprzętowych? Programy komercyjne oczywiście oferują nieograniczone możliwości, ale dla klientów o nieograniczonych zasobach finansowych. Książka ta przedstawia niepozorne narzędzie, które jest w stanie podołać temu wyzwaniu i jednocześnie jest za darmo.Jest to program do obliczeń statystycznych R CRAN. Celem tej książki jest przybliżenie studentom, firmom, instytucjom państwowym tworzonego przez naukowców programu do analizy danych R CRAN przez pryzmat metod ilościowych stosowanych w naukach ekonomicznych, finansach i zarządzaniu.Książka napisana jest przez użytkowników R -wykładowców akademickich - dla użytkowników R -osób praktycznie zajmujących się pracą z danymi statystycznymi.Wśród wybranych metod ilościowych można znaleźć sposoby agregacji danych, statystykę opisową i wnioskowanie statystyczne, regresję liniową, szeregi czasowe, modele panelowe i dla zmiennych dyskretnych, optymalizację, symulację Monte Carlo i bootstrapping, estymację jądrową, analizę głównych składowych, czynnikową i skupień, modele finansowe, tworzenie map oraz elementy programowania. Książka zawiera opisy tych metod ilościowych oraz przykłady analiz wraz z kodem i interpretacją. Na płycie CD zamieszczono pliki przykładowe oraz pliki kodów wykorzystanych w książce. Po lekturze książki ascetyczny, pozbawiony wszelkich „zbędnych ozdobników" program stanie się łatwy do opanowania.
Shipping within | 5 days |
The bar code | |
ISBN | 978-83-8102-549-2 |
EAN | 9788381025492 |
Celem tej książki jest przybliżenie studentom, firmom, instytucjom państwowym tworzonego przez naukowców programu do analizy danych R CRAN przez pryzmat metod ilościowych stosowanych w naukach ekonomicznych, finansach i zarządzaniu.Książka napisana jest przez użytkowników R -wykładowców akademickich - dla użytkowników R -osób praktycznie zajmujących się pracą z danymi statystycznymi.Wśród wybranych metod ilościowych można znaleźć sposoby agregacji danych, statystykę opisową i wnioskowanie statystyczne, regresję liniową, szeregi czasowe, modele panelowe i dla zmiennych dyskretnych, optymalizację, symulację Monte Carlo i bootstrapping, estymację jądrową, analizę głównych składowych, czynnikową i skupień, modele finansowe, tworzenie map oraz elementy programowania. Książka zawiera opisy tych metod ilościowych oraz przykłady analiz wraz z kodem i interpretacją. Na płycie CD zamieszczono pliki przykładowe oraz pliki kodów wykorzystanych w książce. Po lekturze książki ascetyczny, pozbawiony wszelkich „zbędnych ozdobników" program stanie się łatwy do opanowania.
Wprowadzenie
Rozdział 1
Zasady korzystania z R
1.1. 0 programie
1.2. Oprogramowanie otwarte - Open Source
1.3. Podstawowe cechy języka R
1.4. W kierunku języka obiektowego
1.5. W kierunku języka funkcyjnego
1.6. Pozyskanie programu z Internetu
1.7. Task Views i strony tematyczne
1.8. Społeczność twórców i użytkowników programu R
1.9. Wbudowane zbiory danych
1 10. Start
1.11. Czas trwania operacji
1.12. Dostępna pamięć
1.13. Na co program jest wrażliwy?
1.14. Korzystanie z pomocy
1.15. Pakiety
1.16. Gdy zmieni się wersja
1.17. Ułatwienia i nakładki
R-commander
Pakiet PMG
1.18. Tinn-R
Rozdział 2
Operacje na obiektach
2.1. Wczytywanie danych
2.2. Wczytywanie danych - krok po kroku
2.3. Klasy obiektów
2.4. Definiowanie obiektów
2.5. Historia sesji
2.6. Wyświetlanie danych i wyników
2.7. Zaokrąglenia
2.8. Zarządzanie wynikami
2.9. Operatory działań
2.10. Tworzenie wektora
2.11. Operacje na obiektach
2.12. Wyrażenia warunkowe
2.13. Wyrażenia logiczne
2.14. Obserwacje brakujące
2.15. Przeszukiwanie obiektów
2.16. Zapisywanie danych i wyników
2.17. Pętla
2.18. Stale wbudowane
Rozdział 3
Analiza przeglądowa danych
3.1. Informacje o zbiorze
3.2. Obserwacje odstające
3.3. Statystyka opisowa
3.4. Proste tabele jednowymiarowe
3.5. Proste tabele dwuwymiarowe
3.6. Tabele warunkowe
3.7. Tabele podsumowań procentowych
3.8. Podsumowanie w grupach
3.9. Tabele dla faktorów i danych nieliczbowych
3.10. Zaawansowane podsumowania grupowe
3.11. Tworzenie własnych funkcji i komend
Rozdział 4
Grafika
4.1. O grafice w R
4.2. Kolorystyka
4.3. Podstawowe komendy graficzne i opcje
4.4. Wykres pudełkowy
4.5. Histogram
4.6. Wykres kolumnowy
4.7. Wykres kołowy
4.8. Wykresy punktowy i liniowy
4.9. Wykres punktowy dla grup
4.10. Wykresy nietypowe
4.11. Symbole i figury
4.12. Nakładanie tekstu na wykresy
4.13. Legenda, nagłówki i osie
4.14. Zarządzanie wykresami
4.15. Obliczenia jako grafika
Rozdział 5
Metody statystyczne
5.1. Rozkład normalny
5.2. Rozkłady inne niż normalny
5.3. Próbkowanie
5.4. Korelacja
5.5. Testowanie normalności
5.6. Testowanie niezależności zdarzeń
5.7. Testy parametryczne dla średniej i wariancji
5.8. Moc testu
5.9. Testy parametryczne dla odsetka
5.10. Testy dla wariancji
5.11. Inne testy statystyczne
Rozdział 6
Symulacja Monte Carlo i Bootstrapping
6.1. Wprowadzenie do symulacji Monte Carlo
6.2. Liczby losowe a rozkłady
Rozkład jednostajny
Rozkład normalny
Rozkład logarytmiczno-normalny
Rozkład trójkątny
Rozkłady o znanej dystrybuancie
Rozkłady stabilne
6.3. Problem 1 - Monte Carlo - rzuty kostką
6.4. Problem 2 - Monte Carlo - wspólna data urodzin
6.5. Problem 3 - Monte Carlo - wyznaczanie wartości PI
6.6. Problem 4 - Monte Carlo - biznesplan
6.7. Problem 5 - Monte Carlo - kursy akcji
6.8. Problem 6 - Monte Carlo - konkurs na stacji benzynowej
6.9. Problem 7 - Monte Carlo - procesy stochastyczne
6.10. Wprowadzenie do Bootstrappingu
6.11. Problem 8 - Bootstrapping - współczynnik korelacji
6.12. Problem 9 - Bootstrapping - norma przyrostu zapasów
Rozdział 7
Regresja liniowa
7.1. Wprowadzenie do modelowania ekonometrycznego
7.2. Etapy badania ekonometrycznego
7.3. Obróbka danych
7.4. Estymacja modelu
7.5. Diagnostyka modelu
7.6. Właściwości reszt modelu
Normalność reszt
7.7. Heteroskedastyczność
7.8. Autokorelacja
7.9. Ocena jakości modelu
Współczynnik determinacji R2
Błąd standardowy regresji
Kryteria informacyjne
7.10. Istotność zmiennych
7.11. Podejścia do modelowania i dobór zmiennych
7.12. Nieliniowość związku transformacje zmiennych
7.13. Identyfikacja wartości odstających
7.14. Modelowanie w grupach/interakcje
7.15. Macierze wariancji-kowariancji
Rozdział 8
Modele panelowe
8.1. Modele panelowe - wprowadzenie
8.2. Podstawowe typy modeli panelowych
8.3. Porównanie modeli fixed i random
8.4. Podstawowe modele panelowe w R
8.5. Wczytywanie danych
8.6. Estymacja modeli - przykłady
Modele pooled
Modele within
Modele between
Modele rondom
Modele ze zmiennymi współczynnikami
8.7. Testy w modelach panelowych
Test F na istotność efektów stałych w modelu LSDV
Test LM na istotność efektów losowych
Test Chowa F na stabilność parametrów
Test Hausmana porównujący modele z efektami stałymi i losowymi
8.8. Problemy w modelowaniu
Autokorelacja
Testowanie autokorelacji
Heteroskedastyczność
8.9. Dostępne metody estymacji zaawansowanych modeli panelowych
8.10. Panele dynamiczne szacowane przez GMM
8.11. Model Hausmana-Taylora
8.12. Model Swamy'ego
8.13. Model FGLS
8.14. Model PCSE (panel-corrected standard errors)
8.15. Wydruki
Rozdział 9
Szeregi czasowe
9.1. Szeregi czasowe w R
9.2. Operacje na danych czasowych
9.3. Klasa data.frame vs. klasa ts
Podstawowe porównania
Zwroty
9.4. Format daty
9.5. Generowanie zmiennych sezonowych, 0-1 oraz trendu
9.6. Transformacje zmiennych
9.7. Symulacja procesów generujących dane
9.8. Testowanie szeregów czasowych - stacjonarność
9.9. Inne testy dla szeregów czasowych
9.10. Modele trendu deterministycznego
9.11. Prognozy w modelach
9.12. Modele ARIMA
Rozdział 10
Modele finansowe
10.1. Wprowadzenie do modeli finansowych w R
10.2. Portfel rynkowy - model Markowitza
10.3. Konstrukcja portfeli optymalnych
10.4. Model beta rynkowego - model jednoindeksowy
10.5. Model CAPM i miary ryzyka
10.6. Wartość pieniądza w czasie
10.7. Ocena projektów inwestycyjnych przez IRR i NPV
Rozdział 11
Analiza głównych składowych i analiza czynnikowa
11.1. Czemu służy analiza czynnikowa?
11.2. Rodzaje analizy czynnikowej
11.3. Przygotowanie danych i wybór zmiennych
11.4. Wybór modelu czynnikowego
11.5. Określanie liczby czynników
11.6. Rotacja czynników
11.7. Interpretacja czynników
11.8. Tworzenie nowych zmiennych
11.9. Estymacja wspólnej wariancji w analizie czynników wspólnych
Rozdział 12
Analiza skupień
12.1. Do czego służy analiza skupień?
12.2. Rodzaje analizy skupień
12.3. Miary podobieństawa/odległości
12.4. Hierarchiczne metody grupowania
12.5. Przykład 1 - podobieństwo województw
12.6. Przykład 2 - spędzanie wolnego czasu (1)
12.7. Metody optymalizacyjne - wprowadzenie
12.8. Metoda k-średnich
12.9. Przykład 3 - spędzanie wolnego czasu (2)
12.10. Metody optymalizacyjne vs. metody hierarchiczne
12.11. Profilowanie uzyskanych segmentów
12.12. Inne komendy i pakiety R w analizie skupień
Rozdział 13
Mapy w ekonomii i zarządzaniu
13.1. Wprowadzenie do metod przestrzennych
13.2. Pakiety przestrzenne
13.3. Wprowadzanie danych i wczytywanie map
13.4. Rysowanie map - podstawy
13.5. Wyznaczanie współrzędnych geograficznych
13.6. Warstwy kolorystyczne dla regionów
13.7. Punkty na mapie - losowanie i rysowanie
13.8. Nanoszenie etykiet i legendy
13.9. Mapy wielowarstwowe
13.10. Rysowanie wycinka mapy
13.11. Struktura sąsiedztwa
13.12. Mapy wbudowane
Rozdział 14
Estymacja jądrowa
14.1. Czym jest estymacja jądrowa?
14.2. Jak obliczyć estymator jądrowy?
14.3. Wykresy dostępnych funkcji jądra
14.4. Wykorzystanie estymatorów jądrowych w praktyce
14.5. Oszacowanie dla różnych funkcji jądra
14.6. Oszacowanie dla różnych szerokości pasma estymacji
14.7. Porównywanie rozkładów zmiennych
14.8. Dwuwymiarowy estymator gęstości
14.9. Inne pakiety do estymacji jądrowej w R
Rozdział 15
Modele dla zmiennych dyskretnych
15.1. Czym są zmienne dyskretne?
15.2. Binarna zmienna zależna - liniowy model prawdopodobieństwa
15.3. Binarna zmienna zależna - modele logit iprobit
15.4. Model logit - miary dopasowania modelu
15.5. Model probit
15.6. Model dla uporządkowanej zmiennej objaśnianej - porządkowy logit
15.7. Model dla nominalnej zmiennej objaśnianej - wielomianowy logit
15.8. Modele dla liczebności - model Poissona
15.9. Modele dla liczebności - model ujemny dwumianowy
15.10. Modele dla liczebności z dużą liczbą wartości zerowych (ZIP oraz ZINB)
Rozdział 16
Optymalizacja i programowanie matematyczne
16.1. Wprowadzenie do optymalizacji
16.2. Problem 1 - optymalizacja - ekstrema i pierwiastki wielomianu
16.3. Problem 2 - optymalizacja - mikroekonomiczna funkcja użyteczności
16.4. Problem 3 - optymalizacja - układ równań różniczkowych Lorenza
16.5. Wprowadzenie do programowania matematycznego
16.6. Problem 4 - simplex - optymalna struktura produkcji
16.7. Problem 5 - simplex - zadanie transportowe
Rozdział 17
Programowanie
17.1. Definiowanie podstawowych obiektów
17.2. Podstawowe operacje matematyczne na obiektach
17.3. Podstawowe operacje na macierzach
17.4. Pętle w poleceniach
17.5. Stosowanie warunków
17.6. Tworzenie własnych komend
Aneks
Specyfikacja zbiorów danych
A01. Dane PGSS - rozdziały 2, 3, 4, 5, 7
A02. Dane giełdowe - rozdziały 9, 10
A03. Dane panelowe - spółki - rozdział 8
A04. Dane czas wolny - rozdziały 11 i 12
A05. Dane decathlon - rozdział 11
A06. Dane waluty - rozdział 14
A07. Dane migracje - rozdział 4
A08. Dane płace - rozdział 4
A09. Dane województwa (1) - rozdział 12
A10. Dane województwa (2) - rozdział 13
A11. Dane powiaty - rozdział 13
A12. Mapa wojewódzka - rozdział 13
A13. Dane zapasy - rozdział 6
A14. Dane publikacje - rozdział 15
A15. Dane lody - rozdział 15
A16. Dane świadczenia - rozdział 15
A17. Dane doktoranci - rozdział 15
A18. Dane ludność - rozdział 13
Indeks pakietów i komend
Bibliografia
Recenzja: dr hab. Wanda Marcinkowska-Lewandowska, prof. SGH
Polub nas na Facebooku