Ökonometrie

Ökonometrie ist die Anwendung von statistische Methoden zu Wirtschaftsdaten, um zu geben empirisch Inhalt zu wirtschaftlichen Beziehungen.[1] Genauer gesagt ist es "die quantitative Analyse der tatsächlichen wirtschaftlichen Analyse Phänomene Basierend auf der gleichzeitigen Entwicklung von Theorie und Beobachtung, die mit geeigneten Inferenzmethoden zusammenhängt. "[2] Ein Einführungsökonomie -Lehrbuch beschreibt die Ökonometrie als Ökonomen, "die Berge von Daten zu sieben, um einfache Beziehungen zu extrahieren".[3] Jan Tinbergen ist einer der beiden Gründungsväter der Ökonometrie.[4][5][6] Das andere, Ragnar Frisch, auch den Begriff in dem Sinne geprägt, in dem er heute verwendet wird.[7]

Ein grundlegendes Instrument für Ökonometrie ist das Mehrfach lineare Regression Modell.[8] Ökonometrische Theorie Verwendet Statistische Theorie und Mathematische Statistik Bewertung und Entwicklung ökonometrischer Methoden.[9][10] Ökonometer versuchen zu finden Schätzer das haben wünschenswerte statistische Eigenschaften einschließlich Unvoreingenommen, Effizienz, und Konsistenz. Angewandte Ökonometrie Verwendet theoretische Ökonometrie und reale Welt Daten zur Bewertung wirtschaftlicher Theorien, Entwicklung Ökonometrische Modelle, Analysieren Wirtschaftsgeschichte, und Vorhersage.

Grundmodelle: Lineare Regression

Ein grundlegendes Instrument für Ökonometrie ist das Mehrfach lineare Regression Modell.[8] In der modernen Ökonometrie werden häufig andere statistische Werkzeuge verwendet, aber die lineare Regression ist immer noch der am häufigsten verwendete Ausgangspunkt für eine Analyse.[8] Die Schätzung einer linearen Regression auf zwei Variablen kann als Anpassung einer Linie durch Datenpunkte visualisiert werden, die gepaarte Werte der unabhängigen und abhängigen Variablen darstellen.

Das Okun -Gesetz, das das Verhältnis zwischen BIP -Wachstum und Arbeitslosenquote darstellt. Die angepasste Linie wird unter Verwendung der Regressionsanalyse gefunden.

Zum Beispiel überlegen Okunes Gesetz, was sich bezieht BIP Wachstum der Arbeitslosenquote. Diese Beziehung wird in einer linearen Regression dargestellt, bei der die Änderung der Arbeitslosenquote () ist eine Funktion eines Abfangs () Ein gegebener Wert des BIP -Wachstums multipliziert mit einem Steigungskoeffizienten und ein Fehlerbegriff, :

Die unbekannten Parameter und kann geschätzt werden. Hier wird auf 0,83 geschätzt und wird auf -1,77 geschätzt. Dies bedeutet, dass die Arbeitslosenquote, wenn das BIP -Wachstum um einen Prozentpunkt steigt, voraussichtlich um 1,77 * 1 Punkte sinkt. Andere Dinge hielten konstant. Das Modell könnte dann auf getestet werden statistische Signifikanz ob ein Anstieg des BIP -Wachstums mit einer Abnahme der Arbeitslosigkeit verbunden ist, als Hypothese. Wenn die Schätzung von waren nicht signifikant von 0, der Test würde keine Hinweise darauf ergeben, dass Änderungen der Wachstumsrate und der Arbeitslosenquote miteinander verbunden waren. Die Varianz in einer Vorhersage der abhängigen Variablen (Arbeitslosigkeit) als Funktion der unabhängigen Variablen (BIP -Wachstum) ist in Polynom am wenigsten Quadrate.

Theorie

Ökonometrische Theorie verwendet Statistische Theorie und Mathematische Statistik Bewertung und Entwicklung ökonometrischer Methoden.[9][10] Ökonometer versuchen zu finden Schätzer das haben wünschenswerte statistische Eigenschaften einschließlich Unvoreingenommen, Effizienz, und Konsistenz. Ein Schätzer ist unvoreingenommen, wenn sein erwarteter Wert der wahre Wert des Parameters ist. Es ist konsistent, wenn es den wahren Wert konvergiert, wenn die Stichprobengröße größer wird, und es ist effizient, wenn der Schätzer einen niedrigeren Standardfehler aufweist als andere unvoreingenommene Schätzer für eine bestimmte Stichprobengröße. Gewöhnliche kleinste Quadrate (OLS) wird häufig zur Schätzung verwendet, da es den blauen oder "besten linearen unvoreingenommenen Schätzer" (wo "am besten" am effizientesten und unvoreingenommensten Schätzer bedeutet) Gauß-Markov Annahmen. Wenn diese Annahmen verletzt werden oder andere statistische Eigenschaften gewünscht werden, werden andere Schätztechniken wie z. Maximum-Likelihood-Schätzung, Verallgemeinerte Methode der Momente, oder Verallgemeinerte kleinste Quadrate werden verwendet. Schätzer, die frühere Überzeugungen einbeziehen werden von denen befürwortet, die bevorzugen Bayes'sche Statistik über traditionelles, klassisches oder "Frequentist" nähert sich.

Methoden

Angewandte Ökonometrie Verwendet theoretische Ökonometrie und reale Welt Daten zur Bewertung wirtschaftlicher Theorien, Entwicklung Ökonometrische Modelle, Analysieren Wirtschaftsgeschichte, und Vorhersage.[11]

Ökonometrie kann Standard verwenden Statistische Modelle wirtschaftliche Fragen studieren, aber meistens sind sie mit Beobachtungs Daten und nicht in kontrollierte Experimente.[12] Dabei ähnelt das Design von Beobachtungsstudien in Ökonometrie dem Design von Studien in anderen Beobachtungsdisziplinen wie Astronomie, Epidemiologie, Soziologie und Politikwissenschaft. Die Analyse von Daten aus einer Beobachtungsstudie wird jedoch vom Studienprotokoll geleitet, obwohl jedoch Explorationsdatenanalyse kann nützlich sein, um neue Hypothesen zu generieren.[13] Die Ökonomie analysiert häufig Gleichungs- und Ungleichheitssysteme, wie z. Angebot und Nachfrage Hypothese auf Gleichgewicht. Folglich hat das Gebiet der Ökonometrie Methoden für entwickelt Identifikation und Einschätzung von Simultane -Gleichungsmodelle. Diese Methoden sind analog zu Methoden, die in anderen Wissenschaftsbereichen wie dem Gebiet von verwendet werden Systemidentifikation in Systemanalyse und Kontrolltheorie. Solche Methoden können es Forschern ermöglichen, Modelle abzuschätzen und ihre empirischen Konsequenzen zu untersuchen, ohne das System direkt zu manipulieren.

Eine der grundlegenden statistischen Methoden, die von Ökonometrikern verwendet werden, ist Regressionsanalyse.[14] Regressionsmethoden sind in der Ökonometrie wichtig, da Ökonomen normalerweise nicht verwendet werden können kontrollierte Experimente. Wirtschaftswissenschaften suchen oft aufschlussreich natürliche Experimente In Ermangelung von Beweisen aus kontrollierten Experimenten. Beobachtungsdaten können unterzogen werden Variable Variable Tendenz und eine Liste anderer Probleme, die unter Verwendung der kausalen Analyse von Modellen der gleichzeitigen Gleichstellungsmodelle angegangen werden müssen.[15]

Zusätzlich zu natürlichen Experimenten, auch Quasi-experimentelle Methoden werden seit den 1980er Jahren immer häufiger von Ökonometrikern verwendet, um kausale Effekte glaubwürdig zu identifizieren.[16]

Beispiel

Ein einfaches Beispiel für eine Beziehung in der Ökonometrie aus dem Gebiet von Arbeitsökonomie ist:

Dieses Beispiel geht davon aus, dass die Natürlicher Logarithmus Von dem Lohn einer Person ist eine lineare Funktion der Anzahl der Jahre der Ausbildung, die die Person erworben hat. Der Parameter misst die Zunahme des natürlichen Protokolls des Lohns, der einem weiteren Jahr der Bildung zurückzuführen ist. Der Begriff ist eine zufällige Variable, die alle anderen Faktoren darstellt, die einen direkten Einfluss auf den Lohn haben können. Das ökonometrische Ziel ist es, die Parameter abzuschätzen. unter bestimmten Annahmen über die Zufallsvariable . Zum Beispiel wenn ist unkorreliert mit jahrelanger Bildung, dann kann die Gleichung mit geschätzt werden Gewöhnliche kleinste Quadrate.

Wenn der Forscher Menschen zufällig unterschiedlichen Bildungsniveaus zuweisen könnte, würde der so generierte Datensatz die Auswirkungen von Änderungen der Bildungsjahre auf die Löhne abschätzen. In Wirklichkeit können diese Experimente nicht durchgeführt werden. Stattdessen beobachtet der Ökonometriker die Jahre der Bildung und die Löhne, die an Menschen gezahlt werden, die sich in vielen Dimensionen unterscheiden. Angesichts dieser Daten spiegelt der geschätzte Koeffizient der Bildungsjahre in der obigen Gleichung sowohl die Auswirkungen der Bildung auf die Löhne als auch die Auswirkung anderer Variablen auf die Löhne wider, wenn diese anderen Variablen mit der Bildung korreliert waren. Zum Beispiel können Menschen, die an bestimmten Orten geboren wurden, höhere Löhne und ein höheres Bildungsniveau haben. Sofern die ökonometrischen Kontrollen für den Geburtsort in der obigen Gleichung nicht der Geburtsort auf die Löhne auf die Auswirkungen der Bildung auf die Löhne zurückzuführen sind.

Der offensichtlichste Weg, um den Geburtsort zu kontrollieren, besteht darin, ein Maß für die Wirkung des Geburtsortes in der obigen Gleichung aufzunehmen. Ausschluss des Geburtsortes zusammen mit der Annahme, dass ist unkorreliert mit Bildung produziert ein falsch angegebenes Modell. Eine andere Technik besteht darin, in die Gleichung zusätzlicher Satz gemessener Kovariaten aufzunehmen, die keine instrumentellen Variablen sind, die dennoch rendern identifizierbar.[17] Ein Überblick über ökonometrische Methoden, die zur Untersuchung dieses Problems verwendet wurden Karte (1999).[18]

Zeitschriften

Die wichtigsten Zeitschriften, die Arbeiten in Ökonometrie veröffentlichen Econometrica, das Journal of Econometrics, Die Überprüfung von Wirtschaft und Statistik, Ökonometrische Theorie, das Journal of Applied Econometrics, Ökonometrische Bewertungen, The Econometrics Journal,[19] und die Journal of Business & Economic Statistics.

Einschränkungen und Kritikpunkte

Wie andere Formen der statistischen Analyse können schlecht spezifizierte ökonometrische Modelle a falsche Beziehung wobei zwei Variablen korreliert sind, aber kausal nicht verwandt sind. In einer Studie über den Einsatz von Ökonometrie in großen Wirtschaftszeitschriften, Zeitschriften, McCloskey kam zu dem Schluss, dass einige Ökonomen berichten P-Werte (folgt dem Fisherianer Tradition von Signifikanztests von Punkt Nullhypothesen) und vernachlässigen Bedenken von Fehler II -Fehler; Einige Ökonomen berichten nicht über Schätzungen über die Größe der Effekte (abgesehen von abgesehen von statistische Signifikanz) und um ihre wirtschaftliche Bedeutung zu erörtern. Sie argumentiert auch, dass einige Ökonomen auch nicht wirtschaftliches Argumentation für die Verwendung Modellauswahlinsbesondere bei der Entscheidung, welche Variablen in eine Regression einbezogen werden sollen.[20][21]

In einigen Fällen können wirtschaftliche Variablen nicht experimentell als Behandlungen manipuliert werden, die zufällig den Probanden zugeordnet sind.[22] In solchen Fällen verlassen sich Ökonomen auf beobachtende Studienhäufig mit Datensätzen mit vielen stark assoziierten Verwendung Kovariaten, was zu einer enormen Anzahl von Modellen mit ähnlichen erklärenden Fähigkeiten, aber unterschiedlichen Kovariaten und Regressionsschätzungen führt. In Bezug auf die Vielzahl von Modellen, die mit Beobachtungsdatensätzen kompatibel sind,, Edward Leamer forderte darauf hin, dass "Fachkräfte ... den Glauben richtig zurückhalten, bis sich nachgewiesen werden kann, dass eine Schlussfolgerung angemessen unempfindlich gegenüber der Wahl der Annahmen ist".[22]

Siehe auch

Weitere Lektüre

  • Ökonometrisches Theoriebuch über Wikibooks
  • Giovannini, Enrico Wirtschaftsstatistik verstehen, OECD Publishing, 2008, ISBN978-92-64-03312-2

Verweise

  1. ^ M. Haschem Pesaran (1987). "Ökonometrie", " Der neue Palgrave: Ein Wörterbuch der Wirtschaftswissenschaften, v. 2, p. 8 [pp. 8–22]. Nachdruck in J. Eatwell et al., eds. (1990). Ökonometrie: der neue Palgrave, p. 1 [pp. 1–34]. Abstrakt Archiviert 18. Mai 2012 bei der Wayback -Maschine (2008 Revision von J. Geweke, J. Horowitz und H. P. Pesaran).
  2. ^ P. A. Samuelson, T. C. Koopmans, und J. R. N. Stone (1954). "Bericht des Bewertungsausschusses für Econometrica, " Econometrica 22 (2), p. 142. [p p. 141-146], wie beschrieben und zitiert in Pesaran (1987) oben.
  3. ^ Paul A. Samuelson und William D. Nordhaus, 2004. Wirtschaft. 18. Aufl., McGraw-Hill, p. 5.
  4. ^ "1969 - Jan Tinbergen: Nobelprijs Economie - ElsevierWeekblad.nl". ElsevierWeekblad.nl. 12. Oktober 2015. Archiviert Aus dem Original am 1. Mai 2018. Abgerufen 1. Mai 2018.
  5. ^ Magnus, Jan & Mary S. Morgan (1987) Das ET -Interview: Professor J. Tinbergen In: 'Econometrische Theorie 3, 1987, 117–142.
  6. ^ Willlekens, Frans (2008) Internationale Migration in Europa: Daten, Modelle und Schätzungen. New Jersey. John Wiley & Sons: 117.
  7. ^ • H. P. Pesaran (1990), "Econometrics", " Ökonometrie: der neue Palgrave, p. 2, unter Berufung auf Ragnar Frisch (1936), "eine Notiz über den Begriff" Ökonometrie "," Econometrica, 4 (1), p. 95.
    • ARIS Spanos (2008), "Statistik und Wirtschaft", " Das neue Palgrave Dictionary of Economics, 2. Auflage. Abstrakt. Archiviert 18. Mai 2012 bei der Wayback -Maschine
  8. ^ a b c Greene, William (2012). "Kapitel 1: Ökonometrie". Ökonometrische Analyse (7. Aufl.). Pearson Ausbildung. S. 47–48. ISBN 9780273753568. Letztendlich erfordern all dies eine gemeinsame Reihe von Werkzeugen, einschließlich beispielsweise das multiple Regressionsmodell, die Verwendung von Momentbedingungen für die Schätzung, die instrumentellen Variablen (IV) und die maximale Wahrscheinlichkeitsschätzung. In diesem Sinne lautet die Organisation dieses Buches wie folgt: Die erste Hälfte des Textes entwickelt grundlegende Ergebnisse, die allen Anwendungen gemeinsam sind. Das Konzept der multiplen Regression und des linearen Regressionsmodells ist insbesondere die zugrunde liegende Plattform der meisten Modellierung, auch wenn das lineare Modell selbst letztendlich nicht als empirische Spezifikation verwendet wird.
  9. ^ a b Greene, William (2012). Ökonometrische Analyse (7. Aufl.). Pearson Ausbildung. S. 34, 41–42. ISBN 9780273753568.
  10. ^ a b Wooldridge, Jeffrey (2012). "Kapitel 1: Die Natur der Ökonometrie und der Wirtschaftsdaten". Einführungsökonometrie: Ein moderner Ansatz (5. Aufl.). South-Western Cengage-Lernen. p. 2. ISBN 9781111531041.
  11. ^ Clive Granger (2008). "Vorhersage", "Das neue Palgrave Dictionary of Economics, 2. Auflage. Abstrakt. Archiviert 18. Mai 2012 bei der Wayback -Maschine
  12. ^ Wooldridge, Jeffrey (2013). Einführungsökonometrie, ein moderner Ansatz. South-Western, Cengage Learning. ISBN 978-1-111-53104-1.
  13. ^ Herman O. Wold (1969). "Ökonometrie als Pionier in nicht experimentellem Modellgebäude," Econometrica, 37 (3), pp. 369-381.
  14. ^ Eine Übersicht über eine lineare Implementierung dieses Frameworks finden Sie unter lineare Regression.
  15. ^ Edward E. Leamer (2008). "Spezifikationsprobleme in der Ökonometrie" Das neue Palgrave Dictionary of Economics. Abstrakt. Archiviert 23. September 2015 bei der Wayback -Maschine
  16. ^ Angrist, Joshua d; Pischke, Jörn-Steffen (Mai 2010). "Die Glaubwürdigkeitsrevolution in der empirischen Ökonomie: Wie besser Forschungsdesign ist es, die Betrüger aus der Ökonometrie zu nehmen". Journal of Economic Perspectives. 24 (2): 3–30. doi:10.1257/Jep.24.2.3. ISSN 0895-3309.
  17. ^ Pearl, Judäa (2000). Kausalität: Modell, Argumentation und Inferenz. Cambridge University Press. ISBN 978-0521773621.
  18. ^ Karte, David (1999). "Der kausale Effekt der Bildung auf das Verdienst". In Ashenfelter, O.; Karte, D. (Hrsg.). Handbuch der Arbeitsökonomie. Amsterdam: Elsevier. S. 1801–1863. ISBN 978-0444822895.
  19. ^ "The Econometrics Journal". Wiley.com. Abgerufen 8. Oktober 2013.
  20. ^ McCloskey (Mai 1985). "Die Verlustfunktion wurde verlegt: die Rhetorik von Signifikanztests". Amerikanische wirtschaftliche Überprüfung. 75 (2).
  21. ^ Stephen T. Ziliak und Deirdre N. McCloskey (2004). "Größe ist wichtig: Der Standardfehler von Regressionen in der Amerikanische wirtschaftliche Überprüfung, " Journal of Socioökonomie, 33 (5), pp. 527-46 Archiviert 25. Juni 2010 bei der Wayback -Maschine (Drücken Sie +).
  22. ^ a b Leamer, Edward (März 1983). "Nehmen wir die Betrüger aus der Ökonometrie". Amerikanische wirtschaftliche Überprüfung. 73 (1): 31–43. JStor 1803924.

Externe Links