Методология эконометрики

Методология эконометрики представляет собой изучение ряда различных подходов к проведению эконометрического анализа .

Эконометрические подходы можно разделить на неструктурные и структурные . Неструктурные модели основаны главным образом на статистике (хотя и не обязательно на формальных статистических моделях ), их зависимость от экономики ограничена (обычно экономические модели используются только для различения входных данных (наблюдаемых «объяснительных» или « экзогенных » переменных, иногда обозначаемых как x ) и результаты (наблюдаемые « эндогенные » переменные, y ). Неструктурные методы имеют долгую историю (ср. Эрнст Энгель , 1857). ). Структурные модели используют математические уравнения, разработанные экономистами, и, таким образом, статистический анализ может оценивать также ненаблюдаемые переменные. $\xi$ (например, эластичность спроса ) и использовать неизвестные, но постоянные параметры $\Theta$. Структурные модели позволяют выполнять расчеты для ситуаций, не охваченных анализируемыми данными, так называемый контрфактический анализ (например, анализ монополистического рынка с учетом гипотетического случая второго участника).

Примеры

Обычно различаемые подходы, которые были выявлены и изучены, включают:

• Коулза Комиссии подход
• метод векторной авторегрессии (VAR)
• Подход Лондонской школы экономики к эконометрике - зародился Денисом Сарганом, который теперь связан с Дэвидом Хендри (и его моделированием от общего к частному). С этим подходом также связаны работы по интегрированным и коинтегрированным системам, основанные на работах Энгла и Грейнджера , Йохансена и Юселиуса (Juselius 1999).
• использование калибровки - Финн Кидланд и Эдвард Прескотт
• или подход экспериментатора различие в различиях — Джошуа Ангрист и Йорн-Штеффен Пишке .

В дополнение к этим более четко определенным подходам Гувер определяет ряд разнородных или учебниковых подходов , которым склонны следовать те, кто менее или даже не заинтересован в методологии.

Методы

Эконометрика может использовать стандартные статистические модели для изучения экономических вопросов, но чаще всего они используют данные наблюдений , а не контролируемых экспериментов . В этом дизайн наблюдательных исследований в области эконометрики аналогичен дизайну исследований в других наблюдательных дисциплинах, таких как астрономия, эпидемиология, социология и политология. Анализ данных обсервационного исследования проводится в соответствии с протоколом исследования, хотя исследовательский анализ данных может быть полезен для выдвижения новых гипотез. Экономика часто анализирует системы уравнений и неравенств, такие как спрос и предложение, предположительно находящиеся в равновесии . Следовательно, в области эконометрики были разработаны методы идентификации и оценки моделей одновременных уравнений . Эти методы аналогичны методам, используемым в других областях науки, например в области идентификации систем в системном анализе и теории управления . Такие методы могут позволить исследователям оценивать модели и исследовать их эмпирические последствия, не манипулируя системой напрямую.

Одним из фундаментальных статистических методов, используемых эконометриками, является регрессионный анализ . Методы регрессии важны в эконометрике, поскольку экономисты обычно не могут использовать контролируемые эксперименты . Специалисты по эконометрике часто стремятся пролить свет на естественные эксперименты при отсутствии данных, полученных в результате контролируемых экспериментов. Данные наблюдений могут быть подвержены систематической ошибке из-за пропущенных переменных, а также ряду других проблем, которые необходимо решать с помощью причинного анализа моделей с одновременными уравнениями.

Экспериментальная экономика

В последние десятилетия специалисты по эконометрике все чаще обращаются к использованию экспериментов для оценки часто противоречивых выводов наблюдательных исследований. Здесь контролируемые и рандомизированные эксперименты позволяют получить статистические выводы, которые могут дать лучшие эмпирические результаты, чем чисто наблюдательные исследования.

Данные

Наборы данных , к которым применяется эконометрический анализ, можно классифицировать как данные временных рядов , перекрестные данные , панельные данные и многомерные панельные данные . Наборы данных временных рядов содержат наблюдения во времени; например, инфляция в течение нескольких лет. Наборы перекрестных данных содержат наблюдения в один момент времени; например, доходы многих людей в данном году. Наборы панельных данных содержат как временные ряды, так и перекрестные наблюдения. Многомерные наборы панельных данных содержат наблюдения во времени, в разрезе и в некотором третьем измерении. Например, Обзор профессиональных прогнозистов содержит прогнозы для многих прогнозистов (перекрестные наблюдения), на многие моменты времени (наблюдения за временными рядами) и на нескольких горизонтах прогнозирования (третье измерение).

Инструментальные переменные

Во многих эконометрических контекстах широко используемый обычный метод наименьших квадратов может не восстановить желаемое теоретическое соотношение или может дать оценки с плохими статистическими свойствами, поскольку нарушаются предположения, необходимые для обоснованного использования метода. Одним из широко используемых средств является метод инструментальных переменных (IV). Для экономической модели, описываемой более чем одним уравнением, для решения аналогичных проблем могут использоваться методы одновременного уравнения , включая два варианта IV: двухэтапный метод наименьших квадратов ( 2SLS ) и трехэтапный метод наименьших квадратов ( 3SLS ).

Вычислительные методы

Вычислительные проблемы важны для оценки эконометрических методов и их использования при принятии решений. К таким проблемам относится математическая корректность : существование , уникальность и устойчивость любых решений эконометрических уравнений. Еще одной проблемой является численная эффективность и точность программного обеспечения. Третьей проблемой является также удобство использования эконометрического программного обеспечения .

Структурная эконометрика

Дополнительная информация: Структурная оценка.

Структурная эконометрика расширяет возможности исследователей анализировать данные, используя экономические модели в качестве линзы для просмотра данных. Преимущество этого подхода состоит в том, что, при условии, что контрфактический анализ принимает во внимание повторную оптимизацию агента, любые политические рекомендации не будут подвергаться критике Лукаса . Структурный эконометрический анализ начинается с экономической модели, которая отражает основные характеристики исследуемых агентов. Затем исследователь ищет параметры модели, которые соответствуют результатам модели данным.

Одним из примеров является динамический дискретный выбор , где есть два распространенных способа сделать это. Первый требует от исследователя полностью решить модель, а затем использовать максимальное правдоподобие . Второй обходит полное решение модели и оценивает модели в два этапа, позволяя исследователю рассматривать более сложные модели со стратегическими взаимодействиями и множественными равновесиями.

Другим примером структурной эконометрики является оценка аукционов с закрытыми предложениями первой цены и независимыми частными значениями. Основная трудность с данными о торгах на этих аукционах заключается в том, что ставки лишь частично раскрывают информацию об основных оценках, а ставки затеняют базовые оценки. Хотелось бы оценить эти оценки, чтобы понять величину прибыли, которую получает каждый участник торгов. Что еще более важно, необходимо иметь под рукой распределение оценок, чтобы заняться разработкой механизма . На аукционе с закрытыми предложениями по первой цене ожидаемый выигрыш участника торгов определяется по формуле:

$(v-b)\Pr(b\ {\textrm {wins}})$

где v — оценка участника торгов, b — ставка. Оптимальная ставка $b^{*}$ решает условие первого порядка:

$(v-b^{*}){\frac {\partial \Pr(b^{*}\ {\textrm {wins}})}{\partial b}}-\Pr(b^{*}\ {\textrm {wins}})=0$

которое можно перестроить, чтобы получить следующее уравнение для $v$

$v=b^{*}+{\frac {\Pr(b^{*}\ {\textrm {wins}})}{\partial \Pr(b^{*}\ {\textrm {wins}})/\partial b}}$

Обратите внимание, что вероятность того, что ставка выиграет аукцион, можно оценить на основе набора данных завершенных аукционов, в которых наблюдаются все ставки. Это можно сделать с помощью простых непараметрических методов оценки , таких как ядерная регрессия . Если все предложения соблюдены, тогда можно использовать приведенное выше соотношение, а также предполагаемую функцию вероятности и ее производную для точечной оценки базовой оценки. Затем это позволит исследователю оценить распределение оценок.

Другие источники

• Дарнелл, Адриан К. и Дж. Линн Эванс. (1990) Пределы эконометрики . Олдершот: Эдвард Элгар.
• Дэвис, Джордж К. (2000) «Семантическая концепция структуры эконометрики Хаавельмо», Экономика и философия , 16 (2), 205–28.
• Дэвис, Джордж (2005) «Разъяснение «загадки» между подходами к эконометрике из учебников и Лондонской школы экономики: комментарий Куна к взгляду Куна на эконометрическое моделирование», Журнал экономической методологии
• Эпштейн, Рой Дж. (1987) История эконометрики . Амстердам: Северная Голландия.
• Фишер И. (1933) «Статистика на службе экономики», Журнал Американской статистической ассоциации 28 (181), 1–13.
• Грегори, Аллан В. и Грегор В. Смит. (1991) «Калибровка как тестирование: вывод в смоделированных макроэкономических моделях», Журнал деловой и экономической статистики 9 (3), 297-303.
• Хаавельмо, Тргиве. (1944) «Вероятностный подход в эконометрике», Econometrica 12 (приложение), июль. 41
• Хекман, Джеймс Дж. (2000) «Причинные параметры и политический анализ в экономике: ретроспектива двадцатого века», Ежеквартальный журнал экономики 115 (1), 45-97.
• Гувер, Кевин Д. (1995b) «Почему методология важна для экономики?» Экономический журнал 105 (430), 715-734.
• Гувер, Кевин Д. (редактор) (1995c) Макроэконометрика: развитие, напряженность и перспективы . Дордрехт: Клювер.
• Гувер, Кевин Д. «Методология эконометрики», редакция от 15 февраля 2005 г.
• Гувер, Кевин Д. и Стивен Дж. Перес. (1999) «Пересмотр интеллектуального анализа данных: комплексный и переход от общего к частному к поиску спецификаций», Econometrics Journal 2(2), 167-191. 43
• Юселиус, Катарина. (1999) «Модели и отношения в экономике и эконометрике», Журнал экономической методологии 6 (2), 259-290.
• Лимер, Эдвард Э. (1983) «Давайте устраним мошенничество из эконометрики», American Economic Review 73(1), 31–43.
• Мизон, Грейхэм Э. (1995) «Прогрессивное моделирование экономических временных рядов: методология LSE», в Hoover (1995c), стр. 107–170.
• Морган, Мэри С. (1990). История эконометрических идей . Нью-Йорк: Издательство Кембриджского университета. ISBN  978-0-521-37398-2 .
• Рейсс, Питер С.; Волак, Фрэнк А. (2007). «Глава 64. Структурное эконометрическое моделирование: обоснование и примеры из промышленной организации» (PDF) . Справочник по эконометрике . Эльзевир. дои : 10.1016/s1573-4412(07)06064-3 . ISSN   1573-4412 .
• Спанос, Арис. (1986) Статистические основы эконометрического моделирования . Кембридж: Издательство Кембриджского университета.