Ekonometrins metodik

Ekonometrins metod är studiet av mängden olika tillvägagångssätt för att utföra ekonometrisk analys .

Vanligt utmärkande olika tillvägagångssätt som har identifierats och studerats inkluderar:

• Cowles -kommissionens synsätt
• vektor autoregression tillvägagångssätt
• s syn på ekonometri - har sitt ursprung i Denis Sargan som nu förknippas med David Hendry (och hans generella-till-specifika modellering). Detta tillvägagångssätt förknippas också med arbetet med integrerade och samintegrerade system som har sitt ursprung i Engle och Granger samt Johansen och Juselius (Juselius 1999)
• användningen av kalibrering - Finn Kydland och Edward Prescott
• den experimentalistiska eller skillnaden i skillnader - Joshua Angrist och Jörn-Steffen Pischke.

Utöver dessa mer tydligt definierade tillvägagångssätt, identifierar Hoover en rad heterogena eller läroboksmetoder som de som är mindre, eller till och med ointresserade av metodik, tenderar att följa.

Metoder

Ekonometri kan använda vanliga statistiska modeller för att studera ekonomiska frågor, men oftast är de med observationsdata snarare än i kontrollerade experiment . I denna liknar designen av observationsstudier i ekonometri designen av studier inom andra observationsdiscipliner, såsom astronomi, epidemiologi, sociologi och statsvetenskap. Analys av data från en observationsstudie styrs av studieprotokollet, även om explorativ dataanalys kan vara användbar för att generera nya hypoteser. Ekonomi analyserar ofta system av ekvationer och ojämlikheter, såsom utbud och efterfrågan som antas vara i jämvikt . Följaktligen har ekonometriområdet utvecklat metoder för identifiering och skattning av simultanekvationsmodeller . Dessa metoder är analoga med metoder som används inom andra vetenskapsområden, såsom området för systemidentifiering inom systemanalys och styrteori . Sådana metoder kan göra det möjligt för forskare att uppskatta modeller och undersöka deras empiriska konsekvenser, utan att direkt manipulera systemet.

En av de grundläggande statistiska metoder som används av ekonometriker är regressionsanalys . Regressionsmetoder är viktiga inom ekonometrin eftersom ekonomer vanligtvis inte kan använda kontrollerade experiment . Ekonometriker söker ofta belysande naturliga experiment i avsaknad av bevis från kontrollerade experiment. Observationsdata kan vara föremål för utelämnad variabel bias och en lista över andra problem som måste åtgärdas med hjälp av kausal analys av simultanekvationsmodeller.

Experimentell ekonomi

Under de senaste decennierna har ekonometriker i allt högre grad vänt sig till att använda experiment för att utvärdera de ofta motsägelsefulla slutsatserna från observationsstudier. Här ger kontrollerade och randomiserade experiment statistiska slutsatser som kan ge bättre empirisk prestanda än rena observationsstudier.

Data

Datauppsättningar som ekonometriska analyser tillämpas på kan klassificeras som tidsseriedata , tvärsnittsdata , paneldata och flerdimensionella paneldata . Tidsseriedata innehåller observationer över tid; exempelvis inflation under flera år. Tvärsnittsdatauppsättningar innehåller observationer vid en enda tidpunkt; till exempel många individers inkomster under ett givet år. Paneldatauppsättningar innehåller både tidsserie- och tvärsnittsobservationer. Flerdimensionella paneldatauppsättningar innehåller observationer över tid, tvärsnitt och över någon tredje dimension. Till exempel undersökningen av professionella prognosmakare prognoser för många prognosmakare (tvärsnittsobservationer), vid många tidpunkter (tidsserieobservationer) och för flera prognoshorisonter (en tredje dimension).

Instrumentella variabler

I många ekonometriska sammanhang kan det hända att den vanligaste vanliga minsta kvadratmetoden inte återvinner den teoretiska relation som önskas eller kan ge uppskattningar med dåliga statistiska egenskaper, eftersom antagandena för giltig användning av metoden kränks. En mycket använd åtgärd är metoden för instrumentella variabler (IV). För en ekonomisk modell som beskrivs av mer än en ekvation, simultanekvationsmetoder användas för att åtgärda liknande problem, inklusive två IV-varianter, tvåstegs minsta kvadrater ( 2SLS ) och trestegs minsta kvadrater ( 3SLS ).

Beräkningsmetoder

Beräkningsproblem är viktiga för att utvärdera ekonometriska metoder och för användning i beslutsfattande. Sådana bekymmer inkluderar matematisk välpositionering : existensen , unikheten och stabiliteten hos alla lösningar på ekonometriska ekvationer. Ett annat problem är den numeriska effektiviteten och noggrannheten hos programvara. En tredje fråga är också användbarheten av ekonometrisk programvara .

Strukturell ekonometri

Ytterligare information: Strukturell uppskattning

Strukturell ekonometri utökar forskarnas förmåga att analysera data genom att använda ekonomiska modeller som linsen för att se data. Fördelen med detta tillvägagångssätt är att, förutsatt att kontrafaktiska analyser tar hänsyn till en agents omoptimering, kommer eventuella policyrekommendationer inte att bli föremål för Lucas- kritiken . Strukturella ekonometriska analyser börjar med en ekonomisk modell som fångar de framträdande egenskaperna hos de agenter som undersöks. Forskaren söker sedan efter parametrar för modellen som matchar modellens utdata med data.

Ett exempel är dynamiskt diskret val , där det finns två vanliga sätt att göra detta. Den första kräver att forskaren helt löser modellen och sedan använder maximal sannolikhet . Den andra går förbi modellens fullständiga lösning och uppskattar modeller i två steg, vilket gör att forskaren kan överväga mer komplicerade modeller med strategiska interaktioner och multipla jämvikter.

Ett annat exempel på strukturell ekonometri är uppskattningen av auktioner med förseglade förstapris med oberoende privata värden. Den viktigaste svårigheten med buddata från dessa auktioner är att bud endast delvis avslöjar information om de underliggande värderingarna, bud skuggar de underliggande värderingarna. Man skulle vilja uppskatta dessa värderingar för att förstå storleken på vinsten varje budgivare gör. Ännu viktigare är det nödvändigt att ha värderingsfördelningen i handen för att engagera sig i mekanismdesign . I en auktion med förseglat bud med första pris ges den förväntade utdelningen för en budgivare av:

$(vb)\Pr(b\ {\textrm {wins}})$

där v är budgivarens värdering, b är budet. Det optimala budet $b^{*}$ löser ett första ordningens villkor:

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

som kan omarrangeras för att ge följande ekvation för $v$

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

Lägg märke till att sannolikheten att ett bud vinner en auktion kan uppskattas från en datauppsättning av genomförda auktioner, där alla bud observeras. Detta kan göras med enkla icke-parametriska estimatorer , såsom kärnregression . Om alla bud observeras är det sedan möjligt att använda ovanstående relation och den uppskattade sannolikhetsfunktionen och dess derivata för att punktvis skatta den underliggande värderingen. Detta gör det sedan möjligt för utredaren att uppskatta värderingsfördelningen.

Andra källor

• Darnell, Adrian C. och J. Lynne Evans. (1990) The Limits of Econometrics . Aldershot: Edward Elgar.
• Davis, George C. (2000) "A Semantic Conception of Haavelmo's Structure of Econometrics", Economics and Philosophy , 16(2), 205–28.
• Davis, George (2005) "Att klargöra 'pusslet' mellan lärobok och LSE-metoder för ekonometri: A Comment on Cooks Kuhnian Perspective on Econometric Modelling", Journal of Economic Methodology
• Epstein, Roy J. (1987) A History of Econometrics . Amsterdam: Nord-Holland.
• Fisher, I. (1933) "Statistics in the Service of Economics", Journal of the American Statistical Association 28(181), 1-13.
• Gregory, Allan W. och Gregor W. Smith. (1991) "Calibration as Testing: Inference in Simulated Macroeconomic Models," Journal of Business and Economic Statistics 9(3), 297-303.
• Haavelmo, Trgyve. (1944) "The Probability Approach in Econometrics", Econometrica 12 (supplement), juli. 41
• Heckman, James J. (2000) "Causal Parameters and Policy Analysis in Economics: A Twentieth Century Retrospective," Quarterly Journal of Economics 115(1), 45-97.
• Hoover, Kevin D. (1995b) "Varför spelar metodik någon roll för ekonomin?" Economic Journal 105(430), 715-734.
• Hoover, Kevin D. (red.) (1995c) Macroeconometrics: Developments, Tensions, and Prospects . Dordrecht: Kluwer.
• Hoover, Kevin D. "The Methodology of Econometrics", reviderad 15 februari 2005
• Hoover, Kevin D. och Stephen J. Perez. (1999) "Data Mining Reconsidered: Encompassing and the General-to-Specific Approach to Specification Search," Econometrics Journal 2(2), 167-191. 43
• Juselius, Katarina. (1999) "Models and Relations in Economics and Econometrics", Journal of Economic Methodology 6(2), 259-290.
• Leamer, Edward E. (1983) "Let's Take Out of Econometrics," American Economic Review 73(1), 31-43.
• Mizon, Grayham E. (1995) "Progressive Modeling of Economic Time Series: The LSE Methodology," i Hoover (1995c), s. 107–170.
•   Morgan, Mary S. (1990). Ekonometriska idéers historia . New York: Cambridge University Press. ISBN 978-0-521-37398-2 .
• Spanos, Aris. (1986) Statistiska grunder för ekonometrisk modellering . Cambridge: Cambridge University Press.