タグ付けされた質問 「econometrics」

私はイタリアの大企業の従業員に関する10年以上のデータを持っていますが、男性と女性の収入の性差がどのように変化しているかを知りたいと思います。この目的のために、プールされたOLSを実行します： ここで、は1年あたりのログ収益、は個人と時間によって異なる共変量を含み、は年のダミー、は労働者が男性の場合は1、それ以外の場合はゼロです。yit=X′itβ+δmalei+∑t=110γtdt+εityit=Xit′β+δmalei+∑t=110γtdt+εit y_{it} = X'_{it}\beta + \delta {\rm male}_i + \sum^{10}_{t=1}\gamma_t d_t + \varepsilon_{it} yyyXitXitX_{it}dtdtd_tmaleimalei{\rm male}_i 今、私は共変量のいくつかが観測されていない固定効果と相関しているかもしれないという懸念を持っています。しかし、固定効果（内）推定器または最初の違いを使用すると、この変数は時間とともに変化しないため、性別ダミーが失われます。ランダム効果推定器を使用したくないのは、非常に非現実的でありそうもない仮定を置くと人々が言うのをよく耳にするからです。 性別をダミーに保ち、固定効果を同時に制御する方法はありますか？方法がある場合、性別変数の仮説検定のエラーに関連する他の問題をクラスター化するか、注意する必要がありますか？

15 hypothesis-testing  estimation  econometrics  fixed-effects-model 

私は、計量経済学でフリッシュ・ウォーの定理を教えることになっていますが、これは勉強していません。 私はその背後にある数学を理解しており、「他のリグレッサの影響を「排除」する場合、多重線形モデルから特定の係数に対して得られる係数が単純回帰モデルの係数に等しい」という考えも願っています。したがって、理論的なアイデアは一種のクールです。（私が完全に誤解した場合、訂正を歓迎します） しかし、それはいくつかの古典的/実用的な使用法を持っていますか？ 編集：私は答えを受け入れましたが、他の例/アプリケーションをもたらす新しいものを喜んで持っています。

15 regression  econometrics  least-squares  projection  decomposition 

この質問は非常に単純かもしれませんが、計量経済学の教え方は、時系列とパネルデータの方法に違いがある場合は非常に混乱しています。 時系列については、共分散定常、AR、MAなどのトピックを取り上げました。パネルデータについては、固定効果とランダム効果（または、より一般的には階層モデル）、差分の形式の議論しか見ていません。違いなど これらのトピックは何らかの形で関連していますか？パネルデータには時間ディメンションもあるため、なぜAR、MAなどの議論もないのですか？ 答えがパネル手法に関する私の教育が単に不十分であるという場合、FE / RE、差の違い以上のものをカバーする本を指していただけますか？

14 time-series  econometrics  panel-data 

2次元空間に点があり、属性が属性yに与える影響を測定したいとします。典型的な線形回帰モデルは、もちろん XXXyyyy=Xβ+ϵy=Xβ+ϵy= X\beta + \epsilon ここには2つの問題があります。1つ目は項が空間的に相関している（独立および同一のエラー仮定に違反している）ことであり、2つ目は空間全体で回帰勾配が変化することです。最初の問題は、次のように空間ラグ項をモデルに組み込むことで対処できます。ϵϵ\epsilon y=ρWy+Xβ+ϵy=ρWy+Xβ+ϵy=\rho W y + X\beta + \epsilon LeSageとPaceのテキストで説明されている空間Durbinモデルに、空間的に自己回帰的な省略された変数（空間固定効果）を組み込むこともできます。 y=ρWy+Xβ+WXλ+ϵy=ρWy+Xβ+WXλ+ϵy=\rho W y + X\beta + WX\lambda + \epsilon ここで、は、重み行列によって制御される空間相関の強度です。明らかに、空間ラグの形式は、空間相関の形式に関する仮定に依存します。ρρ\rhoWWW 2番目の問題は、「地理的に重み付けされた回帰」（GWR）を使用して対処されています。（1998）。私が知る限り、回帰モデルの配列を重み付きサブ領域に適合させ、そのスペースに基づいて変化する各推定値を取得することを伴います、 ここで、は別の空間重み行列であり、必ずしも上記のものとは異なりません。βiβi\beta_iβ^i=(XTWiX)−1XTWiyβ^i=(XTWiX)−1XTWiy\hat{\beta}_i = (X^TW_iX)^{-1}X^T W_i yWWW 私の質問：平均限界効果の不偏推定得るのに十分ではない第一の方法（空間的自己回帰）が上の？GWRは過剰適合のように見えます。もちろん、空間の変化ですが、空間的位置に関係なく治療の平均期待効果を知りたい場合、GWRは何に貢献できますか？XXXyyyββ\beta これが私の最初の答えの試みです。 特定の近所の追加の寝室の保険料を知りたい場合、GWRが私の最善の選択肢であると思われます。 追加の寝室の公平な世界平均プレミアムを知りたい場合は、空間自己回帰手法を使用する必要があります。 他の視点を聞きたいです。

14 econometrics  spatial 

金融計量経済学の研究では、日次データの形をとる金融時系列間の関係を調査することは非常に一般的です。多くの場合、変数は対数の差を取ることによってになります。。私（0 ）私（0）I(0)ln（Pt）− ln（Pt − 1）ln⁡（Pt）−ln⁡（Pt−1）\ln(P_t)-\ln(P_{t-1}) ただし、毎日のデータは、毎週データポイントがあり、土曜日と日曜日が欠落していることを意味します。これは、私が知っている応用文献では言及されていないようです。この観察から得られた私が持っているいくつかの密接に関連した質問はここにあります：555 週末に金融市場が閉鎖されたとしても、これは不規則な間隔のデータとみなされますか？ もしそうなら、この問題を無視する膨大な数の論文でこれまでに得られた現存の経験的結果の妥当性に対する結果は何ですか？

14 time-series  econometrics  finance  macroeconomics  unevenly-spaced-time-series 

私は、ベイジアン計量経済学に関する理論的に厳密な教科書を探しています。頻繁な計量経済学の確かな理解を前提としています。 推奨事項を個別に上下に投票できるように、回答ごとに1つの作品を提案したいと思います。

14 bayesian  econometrics  references 

計量経済学では、縮約形とはどういう意味ですか？また、「フォームの見積もりを減らしたい」と言ったときに、何を探しているのでしょうか。これは職場で放り出されており、個々の説明とGoogle検索は非常に専門的です。簡単な例を挙げることができる誰かを期待しています。

14 regression  multiple-regression  econometrics 

最近、私は経済学のいくつかの論文（私はあまり詳しくない分野）を読まなければなりませんでした。私が気づいたことの1つは、応答変数がバイナリである場合でも、OLSを使用して近似された線形回帰モデルは遍在するということです。したがって、私の質問は次のとおりです。 経済学の分野で、たとえばロジスティック回帰よりも線形回帰が有利なのはなぜですか？これは単なる一般的な慣習ですか、それとも積極的に提唱されている手順ですか（論文、教師など）？ バイナリ応答で線形回帰を使用するのが悪い考えである理由や、代替方法が何であるかを尋ねているわけではないことに注意してください。それどころか、私はこれらの2つの質問に対する答えを知っているので、この設定で人々が線形回帰を使用する理由を尋ねています。

13 regression  logistic  econometrics 

ミクロ経済学（特にIVまたは回帰の不連続性の設計）で使用される因果関係と、時系列計量経済学で使用されるグレンジャーの因果関係を理解しています。どうやって相互に関連付けるのですか？たとえば、パネルデータに両方のアプローチが使用されているのを見ました（たとえば、T = 20）。この点に関する論文への参照は歓迎されます。N=30N=30N=30T=20T=20T=20

13 time-series  econometrics  causality  granger-causality 

本当にこれに困惑しました。推定者Bが一貫していて偏っている例または状況が本当に欲しいです。

13 mathematical-statistics  estimation  econometrics 

でアン経験主義者の仲間：ほとんど無害計量経済学（AngristとPischke、2009：209ページ）私は、次をお読みください。 （...）実際、特定されたばかりの2SLS（たとえば、単純なWald推定量）はほぼ不偏です。識別されたばかりの2SLSにはモーメントがないため、これを正式に表示するのは困難です（つまり、サンプリング分布には太い尾があります）。それにもかかわらず、弱い機器であっても、特定されたばかりの2SLSは、本来あるべき場所のほぼ中央にあります。したがって、特定されたばかりの2SLSは中央値不偏であると言います。（...） 著者は、特定されたばかりの2SLSは中央値で偏りがないと言っていますが、彼らはそれを証明せず、証拠への言及も提供しません。213ページで、彼らは再び命題について言及しているが、証拠への言及はない。また、MITの 22ページの機器変数に関する講義ノートでは、提案の動機を見つけることができません。 彼らのブログのメモでそれを拒否するので、理由は命題が間違っているかもしれません。ただし、特定されたばかりの2SLSはほぼ中央値で偏りがないと彼らは書いています。彼らは小さなモンテカルロ実験を使用してこれを動機付けていますが、近似に関連する誤差項の分析的証明または閉形式表現は提供していません。とにかく、これは、ミシガン州立大学のゲイリー・ソロン教授に対する著者の回答であり、2SLSが特定されたのは中央値で不偏ではないとコメントしました。 質問1：Gary Solonが主張するように、特定されたばかりの2SLSが中央値不偏でないことをどのように証明しますか？ 質問2：ちょうど特定された2SLSがAngristとPischkeが主張するようにほぼ中央値で偏っていないことをどのように証明しますか？ 質問1では、反例を探しています。質問2では、（主に）証拠または証拠への参照を探しています。 また、この文脈での中央値-偏りのない形式的な定義も探しています。次のように私は、概念を理解する：アン推定のいくつかのセットに基づいてののランダム変数は、中央値、公平のためのものである場合のみとの分布に中央値ある場合θX1：N、Nθ θ（X1：N）θθ^（X1 ：n）θ^（バツ1：n）\hat{\theta}(X_{1:n})θθ\thetaバツ1 ：nバツ1：nX_{1:n}nnnθθ\thetaθ^（X1 ：n）θ^（バツ1：n）\hat{\theta}(X_{1:n})θθ\theta ノート 特定されたばかりのモデルでは、内因性のリグレッサーの数は機器の数に等しくなります。 特定されたばかりのインストルメンタル変数モデルを記述するフレームワークは、次のように表現できます。対象の因果モデルと第1段階の方程式は、 ここで、は内因性リグレッサーを記述する行列であり、インストルメント変数は行列によって記述されます。ここで、は、いくつかの制御変数を説明しています（たとえば、精度を向上させるために追加されます）。そして、とエラー項です。 XK×N+1のkK×N+1ZWU、V{ Yバツ=Xβ+ Wγ+ あなた=Zδ+ Wζ+ v（1）（1）{Y=バツβ+Wγ+あなたはバツ=Zδ+Wζ+v\begin{cases} Y&=X\beta+W\gamma+u \\ X&=Z\delta+W\zeta+v \end{cases}\tag{1}バツバツXk × n + 1k×n+1k\times n+1kkkk × n + 1k×n+1k\times n+1ZZZWWWあなたはあなたはuvvv 2SLSを使用してを推定します。まず、を制御するを回帰し、予測値を取得します。これは最初の段階と呼ばれます。次に、制御するを回帰し。これは第2段階と呼ばれます。第2段階のの推定係数は、 2SLS推定です。（1 ）X Z W X Y X W X βββ\beta（1 ）（1）(1)バツバツXZZZWWWバツ^バツ^\hat{X}YYYバツ^バツ^\hat{X}WWWバツ^バツ^\hat{X}ββ\beta …

12 regression  self-study  multiple-regression  econometrics  instrumental-variables 

アカデミックな計量経済学者はしばしば因果関係の決定に興味を持っています。私が聞く民間部門の統計/データサイエンスの仕事はすべて、予測モデルのみを探しているようです。 因果関係を調査する民間部門の仕事（または政府の仕事）はありますか？

12 econometrics  causality  careers 

ウィキペディアから、赤池の情報量基準（AIC）の定義がとしてあり。ここで、はパラメーターの数、\ log Lはモデルの対数尤度です。AIC=2k−2logLAIC=2k−2log⁡L AIC = 2k -2 \log L kkklogLlog⁡L\log L しかし、私たちの計量経済学は、尊敬されている大学で、述べてい。ここで、\ hat {\ sigma} ^ 2はARMAモデルの誤差の推定分散であり、Tは時系列データセットの観測値の数です。AIC=log(σ^2)+2⋅kTAIC=log⁡(σ^2)+2⋅kT AIC = \log (\hat{\sigma}^2) + \frac{2 \cdot k}{T} σ^2σ^2 \hat{\sigma}^2 TT T 後者の定義は最初の定義と同等ですが、単にARMAモデル用に調整されていますか？または、2つの定義の間に何らかの矛盾がありますか？

12 econometrics  aic  arma  information-theory 

ARIMA（X）でのモデリングに必要な定常シリーズについて質問/混乱があります。私はこれを推論（介入の効果）の観点から考えていますが、予測と推論が反応に何らかの違いをもたらすかどうかを知りたいです。 質問： 私が読んだすべての入門資料は、シリーズが静止している必要があると述べています。これは私にとって理にかなっています。 私を混乱させているのは、ARIMA（X）のトレンドとドリフトの使用、および定常要件に対する影響（ある場合）です。 定数/ドリフト項および/またはトレンド変数を外生変数として使用する（つまり、「t」をリグレッサーとして追加する）と、シリーズが定常であるという要件が無効になりますか？シリーズに単位根がある場合（adfテストなど）、決定論的な傾向はあるが単位根がない場合、答えは異なりますか？ または ARIMA（X）を使用する前に、差分および/またはトレンド除去を介して作成されたシリーズは常に静止している必要がありますか？

12 time-series  econometrics  arima  inference 

非常に大きなデータセットがあり、約5％のランダムな値が欠落しています。これらの変数は互いに相関しています。次のRデータセットの例は、ダミーの相関データを使用した単なるおもちゃの例です。 set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) <- paste("sample", 1:200, sep = "") #M variables are correlated N <- 2000000*0.05 # 5% random missing values inds <- round ( runif(N, 1, length(xmat)) …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf