Als «econometrics» getaggte Fragen

Die Ökonometrie ist ein Bereich der Statistik, der sich mit Anwendungen auf die Wirtschaft befasst.

4
So halten Sie zeitinvariante Variablen in einem Modell mit festen Effekten
Ich habe Daten über die Angestellten eines großen italienischen Unternehmens über zehn Jahre und möchte sehen, wie sich das geschlechtsspezifische Gefälle zwischen Männern und Frauen im Laufe der Zeit verändert hat. Zu diesem Zweck laufen I OLS gepoolt: 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 + …
2
Räumliche Autokorrelation versus räumliche Stationarität
Nehmen wir an, wir haben Punkte im zweidimensionalen Raum und möchten die Auswirkungen der Attribute auf das Attribut messen . Das typische lineare Regressionsmodell ist natürlich XXXyyyy= Xβ+ ϵy=Xβ+ϵy= X\beta + \epsilon Hier gibt es zwei Probleme: Das erste besteht darin, dass die Terme räumlich korreliert sein können (was gegen …
5
Lehrbuch für Bayesianische Ökonometrie
Ich suche nach einem theoretisch strengen Lehrbuch zur Bayes'schen Ökonometrie, das ein solides Verständnis der frequentistischen Ökonometrie voraussetzt. Ich würde gerne eine Arbeit pro Antwort vorschlagen, damit die Empfehlungen einzeln nach oben oder unten abgestimmt werden können.
4
Was ist mit reduzierter Form gemeint?
Was ist in der Ökonometrie mit reduzierter Form gemeint? Nach was suchen die Leute, wenn sie sagen: "Ich möchte die reduzierten Formularschätzungen sehen." Dies wurde bei der Arbeit herumgeworfen und einzelne Erklärungen und Google-Suchen sind zu technisch. Ich hoffe, jemand, wo ich ein einfaches Beispiel geben kann.
2
Warum verwenden Wirtschaftsforscher die lineare Regression für binäre Antwortvariablen?
In letzter Zeit musste ich mehrere Artikel in Wirtschaftswissenschaften lesen (ein Bereich, mit dem ich nicht allzu vertraut bin). Eine Sache, die mir aufgefallen ist, ist, dass mit OLS angepasste lineare Regressionsmodelle allgegenwärtig sind, selbst wenn die Antwortvariable binär ist. Meine Frage lautet daher: Warum wird die lineare Regression beispielsweise …
2
Kausalität in der Mikroökonometrie versus Granger-Kausalität in der Zeitreihenökonometrie
Ich verstehe die Kausalität, wie sie in der Mikroökonomie verwendet wird (insbesondere IV oder Regressionsdiskontinuitätsdesign), und auch die Granger-Kausalität, wie sie in der Zeitreihenökonometrie verwendet wird. Wie verhalte ich mich zueinander? Ich habe zum Beispiel gesehen, dass beide Ansätze für Paneldaten verwendet werden ( , ). Jede Bezugnahme auf die …
1
Ist Just-Identified 2SLS voreingenommen im Median?
In Mostly Harmless Econometrics: Ein Empiricist's Companion (Angrist und Pischke, 2009: Seite 209) las ich Folgendes: (...) Tatsächlich ist gerade identifizierter 2SLS (etwa der einfache Wald-Schätzer) ungefähr unvoreingenommen . Dies ist formal schwer zu zeigen, da gerade identifizierte 2SLS keine Momente haben (dh die Stichprobenverteilung hat fette Schwänze). Trotzdem ist …
2
Unterschiedliche AIC-Definitionen
Aus Wikipedia gibt es eine Definition von Akaikes Informationskriterium (AIC) als , wobei die Anzahl der Parameter und die log-Wahrscheinlichkeit des Modells ist.AIC=2k−2logLAIC=2k−2log⁡L AIC = 2k -2 \log L kkklogLlog⁡L\log L Unsere Ökonometrie stellt jedoch an einer angesehenen Universität fest, dass . Hier ist die geschätzte Varianz für die Fehler …
5
Wie führt man eine Imputation von Werten in einer sehr großen Anzahl von Datenpunkten durch?
Ich habe einen sehr großen Datensatz und es fehlen ungefähr 5% zufällige Werte. Diese Variablen sind miteinander korreliert. Der folgende Beispiel-R-Datensatz ist nur ein Spielzeugbeispiel mit Dummy-korrelierten Daten. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep …
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 
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.