1. Wprowadzenie do mikroekonometrii * 1.1. Mikrodane * 1.2. Obszar mikroekonometrii, tradycje i piśmiennictwo * 1.3. Modele mikroekonometrii * 1.4. Główne zagadnienia mikroekonometrii * 1.4.1. Ekonomia a strategia modelowania w mikroekonometrii * 1.4.2. Założenia modelu regresji dla danych przekrojowych * 1.4.3. Korelacja a przyczynowość. Relacje przyczynowe a analiza ceteris paribus * 1.4.4. Efekty oddziaływania * 1.4.5. Endogeniczność * 1.4.6. Heterogeniczność * 1.4.7. Skokowość, nieliniowość, zawartość informacyjna zbiorów mikrodanych * 1.4.8. Zbieranie danych * 1.4.9. Nowe wyzwania dla mikroekonometrii * 1.5. Ekonometria przestrzenna a mikroekonometria * 1.6. Mikroekonometria na salonach: Heckman i McFadden * 1.7. Słowa kluczowe * 1.8. Problemy i zadania * 2. Metody i modele * 2.1. Metoda największej wiarygodności * 2.1.1. Wprowadzenie * 2.1.2. Przykład. Moneta * 2.1.3. Definicja estymatora metody największej wiarygodności * 2.1.4. Przykład. MNW-estymator wartości oczekiwanej rozkładu normalnego * 2.1.5. M-estymatory * 2.1.6. Teoretyczne własności metody największej wiarygodności * 2.1.7. Testy statystyczne zbudowane na podstawie metody największej wiarygodności * 2.1.8. Optymalizacja * 2.1.9. Nieliniowa metoda najmniejszych kwadratów * 2.1.10. Podsumowanie * 2.2. Problem wielokrotnego testowania hipotez * 2.3. Sprawdzanie trafności prognoz * 2.4. Modele ze zmienną ukrytą * 2.4.1. Wprowadzenie * 2.4.2. Model tobitowy * 2.4.3. Model dwumianowy * 2.4.4. Model uporządkowanej zmiennej wielomianowej * 2.4.5. Modele czasów trwania * 2.5. Słowa kluczowe * 2.6. Problemy i zadania * 3. Modele zmiennych jakościowych dwumianowych * 3.1. Zmienne dwumianowe jako przedmiot modelowania * 3.1.1. Cele modelowania zmiennej dwumianowej * 3.1.2. Model dwumianowy * 3.1.3. Związek Y ze zmiennymi objaśniającymi X * 3.1.4. Intuicyjne objaśnienie modeli zmiennych dwumianowych * 3.1.5. Główne typy modeli zmiennych dwumianowych * 3.2. Liniowy model prawdopodobieństwa * 3.2.1. Uwagi o R-kwadrat w mikroekonometrii * 3.3. Model logitowy * 3.3.1. MNW dla modelu logitowego * 3.3.2. Weryfikacja statystyczna * 3.3.3. Interpretacja wyników: efekty krańcowe (MEM, MER, AME) * 3.3.4. Interpretacja wyników: ilorazy szans * 3.4. Model probitowy * 3.4.1. Logit, probit, LMP: relacja między parametrami oraz między efektami krańcowymi * 3.5. Endogeniczność * 3.6. Miary dopasowania * 3.6.1. Pseudo- R2 * 3.6.2. Tablica trafności oraz krzywa ROC * 3.7. Dobór zmiennych objaśniających do modeli * 3.8. Modelowanie interakcji * 3.9. Regresja binarna * 3.10. Próba dobierana w modelu logitowym * 3.11. Model logitowy dla makrodanych * 3.12. Słowa kluczowe * 3.13. Problemy i zadania * 4. Modele zmiennych wielomianowych uporządkowanych * 4.1. Wprowadzenie * 4.2. Zmienne uporządkowane * 4.3. Specyfikacja modelu uporządkowanego * 4.4. Szacowanie modelu uporządkowanego * 4.5. Uporządkowany model probitowy i logitowy * 4.6. Założenie proporcjonalnych szans/regresji równoległych * 4.7. Weryfikacja założenia proporcjonalnych szans * 4.8. Uogólniony model uporządkowany * 4.9. Model częściowo proporcjonalnych szans * 4.10. Problem rzadkich danych * 4.11. Ocena jakości modelu * 4.11.1. Ocena dopasowania modelu * 4.11.2. Ocena zdolności predykcyjnych modelu * 4.12. Interpretacja parametrów * 4.12.1.Efekt kompensujący * 4.12.2. Efekty krańcowe * 4.12.3. Iloraz szans * 4.13. Dane sekwencyjne * 4.13.1. Specyfikacja modelu * 4.13.2. Estymacja * 4.14. Słowa kluczowe * 4.15. Problemy i zadania * 5. Modele zmiennych wielomianowych nieuporządkowanych * 5.1. Wstęp * 5.2. Wprowadzenie do modeli wielomianowych * 5.3. Zmienne egzogeniczne w modelach dla kategorii nieuporządkowanych * 5.4. Model stochastycznej addytywnej użyteczności * 5.5. Wielomianowy model logitowy * 5.5.1. Konstrukcja * 5.5.2. Estymacja i ocena jakości modelu * 5.5.3. Interpretacja wyników estymacji * 5.6. Warunkowy model logitowy * 5.6.1. Konstrukcja * 5.6.2. Estymacja * 5.6.3. Interpretacja wyników estymacji * 5.7. Logitowy model zagnieżdżony * 5.7.1. Niezależność od nieistotnych możliwości * 5.7.2. Konstrukcja zagnieżdżonego modelu logitowego * 5.7.3. Inne modele wyborów dyskretnych * 5.8. Słowa kluczowe * 5.9. Problemy i zadania * 6. Modele zmiennych ograniczonych * 6.1. Wprowadzenie * 6.2. Model tobitowy * 6.3. Podstawowe własności modelu * 6.4. Estymacja za pomocą metody największej wiarygodności * 6.5. Testy istotności i miary dopasowania dla modeli zmiennych ograniczonych * 6.6. Regresja ucięta * 6.7. Semiparametryczne estymatory modeli regresji tobitowej i uciętej * 6.8. Modele selekcji próby * 6.9. Estymacja modelu selekcji próby Heckmana * 6.10. Modele zmiennych ograniczonych w praktyce: datki charytatywne * 6.10.1.Regresja tobitowa i ucięta * 6.10.2. Model selekcji próby * 6.11. Przykład. Wypłacanie dywidend * 6.12. Słowa kluczowe * 6.13. Problemy i zadania * 7. Modele zmiennych licznikowych * 7.1. Zmienna licznikowa * 7.2. Model regresji Poissona * 7.3. Model regresji ujemnej dwumianowej * 7.4. Modele z podwyższoną liczbą zer * 7.5. Modele zmiennych licznikowych w praktyce: liczba dzieci w rodzinie * 7.6. Słowa kluczowe * 7.7. Problemy i zadania * 8.. Modele danych panelowych * 8.1. Wprowadzenie * 8.2. Statyczne modele liniowe dla danych panelowych * 8.2.1. Model z efektami ustalonymi (fixed effects) * 8.2.2. Model z efektami losowymi (random effects) * 8.2.3. Weryfikacja liniowych modeli statycznych dla danych panelowych * 8.2.4. Inne modele statyczne dla danych panelowych * 8.3. Dynamiczne modele liniowe dla danych panelowych * 8.3.1. Estymator first differences * 8.3.2. Metoda zmiennych instrumentalnych i estymator Andersona-Hsiao * 8.3.3. Estymatory uogólnionej metody momentów * 8.4. Modele zmiennych dwumianowych dla danych panelowych * 8.4.1. Model z efektami ustalonymi * 8.4.2. Modele z efektami losowymi * 8.5. Słowa kluczowe * 8.6. Problemy i zadania * 9. Ocena efektu oddziaływania: estymacja przez dopasowanie * 9.1. Wprowadzenie * 9.2. Zdefiniowanie efektu oddziaływania * 9.3. Ogólne zasady tworzenia estymatora efektu oddziaływania * 9.4. Podstawowe założenia estymacji przez dopasowanie * 9.5. Szczegóły konstrukcji estymatora efektu oddziaływania * 9.5.1. Łączenie za pomocą metryki i prawdopodobieństwa (propensity score) * 9.5.2. Prosty i skorygowany (nieobciążony) estymator oparty na metryce versus estymator PSM * 9.5.3. Metody łączenia obserwacji * 9.6. Własności statystyczne estymatorów * 9.6.1. Obciążenie i efektywność * 9.6.2. Wrażliwość oszacowań na założenia, dobór zmiennych i metodę estymacji * 9.7. Dalszy rozwój metod estymacji przez dopasowanie * 9.8. Estymacja przez dopasowanie z programem Stata * 9.9. Słowa kluczowe * 9.10. Problemy i zadania