계량경제학

Econometrics

계량경제학은 경제적 [1]관계에 경험적 내용을 제공하기 위해 경제 데이터에 통계적 방법을 적용하는 것이다.더 정확히는 이론과 관찰의 동시 발전에 기초한 적절한 [2]추론 방법에 의한 실제 경제 현상의 양적 분석이다.경제학 입문 교과서는 경제학자들이 "산더미 같은 데이터를 걸러내 단순한 관계를 추출할 수 있다"[3]고 경제학을 기술하고 있다.얀 틴베르겐은 계량경제학의 [4][5][6]창시자 중 한 명이다.다른 한 명인 라그나 프리쉬도 오늘날 [7]사용되는 의미로 이 용어를 만들었습니다.

계량경제학의 기본 도구는 다중 선형 회귀 [8]모형입니다.계량경제학 이론은 [9][10]계량경제학을 평가하고 개발하기 위해 통계학 이론과 수학적 통계를 사용한다.계량경제학자들은 치우침, 효율성일관성을 포함하여 바람직한 통계적 특성을 가진 추정치를 찾으려고 합니다.응용경제측정학에서는 이론경제측정학 및 실제 데이터를 사용하여 경제이론을 평가하고, 경제측정학 모델을 개발하고, 경제이력을 분석하고, 예측한다.

기본 모형: 선형 회귀 분석

계량경제학의 기본 도구는 다중 선형 회귀 [8]모형입니다.현대 계량학에서는 다른 통계 도구가 자주 사용되지만 선형 회귀가 여전히 분석에 [8]가장 자주 사용되는 시작 지점입니다.두 변수에 대한 선형 회귀 추정은 독립 변수와 종속 변수의 쌍체 값을 나타내는 데이터 점을 통과하는 선을 적합시키는 것으로 시각화할 수 있습니다.

GDP 성장과 실업률의 관계를 나타내는 오쿤의 법칙.적합선은 회귀 분석을 사용하여 찾을 수 있습니다.

예를 들어 GDP 성장과 실업률을 연관짓는 오쿤의 법칙을 생각해보자.이 관계는 실업률의 변화가 선형 회귀로 나타난다( this 은 절편 0 \0})의 함수입니다.GDP 성장률에 displaystyle \1})을 곱한 값이며 β {\ \

불분명한 0 _ 1(\ _ 추정할 수 있습니다. 0 스타일 _ 0.83, 1 스타일 _ -1.77로 추정된다.즉, GDP 성장률이 1%포인트 증가하면 실업률은 1.77*1포인트 하락할 것으로 예측되며, 그 외는 일정하게 유지된다.이 모델은 가설대로 GDP 성장의 증가가 실업률 감소와 관련이 있는지 여부에 대한 통계적 유의성을 시험할 수 있다. 가 0과 하게 다르지 않은 테스트는 성장률과 실업률의 변화가 관련이 있다는 증거를 찾지 못할 것이다독립 변수(GDP 성장)의 함수로서의 종속 변수(비고용) 예측의 분산은 다항식 최소 제곱으로 주어진다.

이론.

계량경제학 이론은 [9][10]계량경제학을 평가하고 개발하기 위해 통계학 이론과 수학적 통계를 사용한다.계량경제학자들은 치우침, 효율성일관성을 포함하여 바람직한 통계적 특성을 가진 추정치를 찾으려고 합니다.추정기는 기대값이 모수의 참 값인 경우 치우침이 없습니다. 표본 크기가 커질수록 실제 값으로 수렴되는 경우 일관되며, 주어진 표본 크기에 대해 다른 치우침이 없는 추정기보다 표준 오차가 낮은 경우 효율적입니다.Gauss-Markov 가정에 주어진 BLUE 또는 "최고의 선형 불편 추정기"(여기서 "최고"는 가장 효율적이고 편향되지 않은 추정기를 의미)를 제공하기 때문에 통상 최소 제곱(OLS)은 종종 추정에 사용된다.이러한 가정이 위반되거나 다른 통계적 특성이 필요한 경우, 최대우추정, 모멘트의 일반화 방법 또는 일반화 최소 제곱과 같은 다른 추정 기법이 사용됩니다.이전의 신념을 포함하는 추정자는 전통적인, 고전적인 또는 "자주파" 접근법보다 베이지안 통계를 선호하는 사람들이 지지한다.

방법들

응용경제측정학에서는 이론경제측정학 및 실제 데이터를 사용하여 경제이론을 평가하고, 경제측정학 모델을 개발하고, 경제이력을 분석하고,[11] 예측한다.

계량경제학은 경제 질문을 연구하기 위해 표준 통계 모델을 사용할 수 있지만, 대부분의 경우 통제[12]실험보다는 관측 데이터를 사용합니다.여기서, 계량경제학에서의 관측 연구의 설계는 천문학, 역학, 사회학, 정치학 등 다른 관측 분야의 연구 설계와 유사하다.탐색적 데이터 분석은 새로운 [13]가설을 생성하는 데 유용할 수 있지만 관찰 연구의 데이터 분석은 연구 프로토콜에 의해 유도된다.경제학은 종종 균형에 있다고 가정된 공급과 수요와 같은 방정식과 불평등의 체계를 분석한다.그 결과, 계량경제학 분야는 연립 방정식 모델의 식별추정을 위한 방법을 개발했다.이러한 방법은 시스템 분석제어 이론의 시스템 식별 분야와 같은 과학의 다른 영역에서 사용되는 방법과 유사합니다.이러한 방법을 통해 연구자는 시스템을 직접 조작하지 않고도 모델을 추정하여 경험적 결과를 조사할 수 있다.

계량경제학자들이 사용하는 기본적인 통계 방법 중 하나는 회귀 [14]분석이다.경제학자는 일반적으로 통제된 실험을 사용할 수 없기 때문에 회귀 방법은 계량경제학에서 중요합니다.계량경제학자들은 종종 통제된 실험의 증거가 없는 상황에서 조명적인 자연 실험을 추구한다.관측 데이터는 생략-변수 편향과 동시 등화 [15]모델의 인과 분석을 사용하여 다루어야 하는 다른 문제의 목록에 노출될 수 있다.

자연 실험 외에, 1980년대 이후 계량경제학자들이 인과적 [16]영향을 신뢰성 있게 식별하기 위해 준실험 방법을 점점 더 일반적으로 사용해 왔다.

노동경제학 분야의 계량경제학 관계의 간단한 예는 다음과 같다.

이 예는 한 개인의 임금의 자연 로그가 그 사람이 습득한 교육 연수의 선형 함수라고 가정한다. 1 _}) 1년 교육 연수에 따른 임금 자연일지의 증가를 측정합니다. \varepsilon 임금에 직접적인 영향을 미칠 수 있는 기타 모든 요소를 나타내는 랜덤 변수입니다.계량적 목표는 랜덤 변수에 대한 가정 하에 매개변수 1 _ {\ { }}\ _ 추정하는 것이다. 예를 들어 {\ 교육 연수와 관련이 없는 경우, b는 다음과 같다.e는 일반적인 최소 제곱으로 추정됩니다.

연구자가 무작위로 사람들을 다른 교육 수준에 배정할 수 있다면, 이렇게 생성된 데이터 세트를 통해 교육 연도의 변화가 임금에 미치는 영향을 추정할 수 있을 것이다.현실에서는 그런 실험은 할 수 없다.대신, 계량경제학자는 여러 차원에 따라 다른 사람들의 교육 연수와 임금을 관찰한다.이러한 데이터를 고려할 때, 위의 방정식의 교육 연수에 대한 추정 계수는 교육이 임금에 미치는 영향과 다른 변수가 교육과 관련이 있는 경우 임금의 영향을 모두 반영한다.예를 들어, 특정 지역에서 태어난 사람들은 더 높은 임금과 더 높은 수준의 교육을 받을 수 있다.위의 등식에서 출생지에 대한 계량경제학자의 통제가 없는 한, 출생지가 임금에 미치는 영향은 교육이 임금에 미치는 효과로 잘못 귀속될 수 있다.

출생지를 제어하는 가장 분명한 방법은 위의 방정식에 출생지의 효과에 대한 척도를 포함하는 것입니다.출생지의 제외와 교육과 무관하다는 가정은 잘못된 특정 모델을 생성한다.또 다른 기법은 계측 변수가 아닌 측정된 공변량의 추가 세트를 방정식에 포함하되 1 \ _ 식별할 [17]수 있도록 것이다.Card(1999)[18]는 이 문제를 연구하기 위해 사용된 계량기법의 개요를 제공했다.

일지

계량경제학 분야의 연구를 발표하는 주요 저널은 계량경제학 저널, 계량경제학 저널, 계량경제학 리뷰, 계량경제학 이론, 응용경제학 저널, 계량경제학 저널,[19] 계량경제학 저널이다.

제한과 비판

통계 분석의 다른 형태와 마찬가지로, 잘못 지정된 계량 모델은 두 변수가 상관관계가 있지만 인과관계가 없는 유사 관계를 보일 수 있다.주요 경제 저널의 계량경제학 사용에 대한 연구에서 McCloskey는 일부 경제학자들은 p-값을 보고하고(점 null-hypothees 유의성 검정의 전통에 따라) 유형 II 오류에 대한 우려를 무시한다고 결론지었다. 일부 경제학자들은 효과의 크기 추정치를 보고하지 못했다(통계적 유의성 제외).e) 경제적 중요성에 대해 논의한다.그녀는 또한 일부 경제학자들은 모델 선택,[20][21] 특히 회귀에 포함할 변수를 결정하는 데 경제적 추론을 사용하지 않는다고 주장한다.

어떤 경우,[22] 경제 변수는 실험적으로 실험적으로 실험적으로 피실험자에게 무작위로 할당된 치료법으로 조작될 수 없다.이러한 경우, 경제학자들은 관측 연구에 의존하며, 종종 많은 공변량과 강하게 연관된 데이터 집합을 사용하므로, 설명 능력은 비슷하지만 공변량과 회귀 추정치는 서로 다른 수많은 모형을 만들 수 있습니다.관찰 데이터 세트와 호환되는 여러 모델에 대해, 에드워드 리머는 "전문가들은 추론이 가정 선택에 충분히 둔감하다는 것을 보여줄 때까지 믿음을 적절히 보류할 것"[22]을 촉구했다.

「 」를 참조해 주세요.

추가 정보

  • Wikibooks에 관한 계량경제학 이론서
  • Giovannini, Enrico Understanding Economic Statistics, OECD Publishing, 2008, ISBN978-92-64-03312-2

레퍼런스

  1. ^ M. 하셈 페사란(1987년)."경제학", The New Palgrave: 경제 사전, v. 2, 8 페이지 [8-22 페이지]J. Eatwell 외, ed.(1990)계량경제학: The New Palgrave, 1페이지 [1-34페이지]Wayback Machine에서 2012년 5월 18일 Abstract Archived (2008년 개정판, J. Geweke, J. Horowitz 및 H. P. Pesaran).
  2. ^ P. A. Samuelson, T. C. Koopmans 및 J. R. N. Stone(1954년).위의 페사란(1987년)에서 설명하고 인용한 "에코노메트리카를 위한 평가위원회 보고서", Econometrica 22(2), 페이지 142. [p. 141-146].
  3. ^ 폴 A. 새뮤얼슨과 윌리엄 D. Nordhaus, 2004.경제학, 18일자, 맥그로힐, 5페이지
  4. ^ "1969 - Jan Tinbergen: Nobelprijs economie - Elsevierweekblad.nl". elsevierweekblad.nl. 12 October 2015. Archived from the original on 1 May 2018. Retrieved 1 May 2018.
  5. ^ Magnus, Jan & Mary S.Morgan (1987) ET 인터뷰: J. Tinbergen 교수는 '경제학 이론 3, 1987, 117–142'에서 말했다.
  6. ^ Willlekens, Frans(2008)의 유럽으로의 국제 이행: 데이터, 모델 및 견적.뉴저지.John Wiley & Sons: 117.
  7. ^ • H. P. Pesaran(1990), "경제측정학", 경제측정학: 라그나 프리슈(1936년), "경제측정학 용어 메모", 에코메트릭카, 4(1), 95쪽을 인용뉴 팔그레이브.
    • Aris Spanos (2008), "통계와 경제", 새로운 Palgrave 경제 사전, 제2판.추상적.2012년 5월 18일 Wayback Machine에서 아카이브 완료
  8. ^ a b c Greene, William (2012). "Chapter 1: Econometrics". Econometric Analysis (7th ed.). Pearson Education. pp. 47–48. ISBN 9780273753568. Ultimately, all of these will require a common set of tools, including, for example, the multiple regression model, the use of moment conditions for estimation, instrumental variables (IV) and maximum likelihood estimation. With that in mind, the organization of this book is as follows: The first half of the text develops fundamental results that are common to all the applications. The concept of multiple regression and the linear regression model in particular constitutes the underlying platform of most modeling, even if the linear model itself is not ultimately used as the empirical specification.
  9. ^ a b Greene, William (2012). Econometric Analysis (7th ed.). Pearson Education. pp. 34, 41–42. ISBN 9780273753568.
  10. ^ a b Wooldridge, Jeffrey (2012). "Chapter 1: The Nature of Econometrics and Economic Data". Introductory Econometrics: A Modern Approach (5th ed.). South-Western Cengage Learning. p. 2. ISBN 9781111531041.
  11. ^ 클라이브 그레인저(2008년."예측", 뉴 팔그레이브 경제 사전 제2판.추상적.2012년 5월 18일 Wayback Machine에서 아카이브 완료
  12. ^ Wooldridge, Jeffrey (2013). Introductory Econometrics, A modern approach. South-Western, Cengage learning. ISBN 978-1-111-53104-1.
  13. ^ 허먼 오 월드(1969년)."비감정적 모델 빌딩의 선구자로서의 계량경제학", 37(3), 369-381페이지.
  14. ^ 이 프레임워크의 선형 구현에 대한 개요는 선형 회귀 분석을 참조하십시오.
  15. ^ 에드워드 E.리머(2008년)."경제측정학의 사양 문제", 새로운 Palgrave 경제학 사전.추상적.2015년 9월 23일 Wayback Machine에 보관
  16. ^ Angrist, Joshua D; Pischke, Jörn-Steffen (May 2010). "The Credibility Revolution in Empirical Economics: How Better Research Design is Taking the Con out of Econometrics". Journal of Economic Perspectives. 24 (2): 3–30. doi:10.1257/jep.24.2.3. ISSN 0895-3309.
  17. ^ Pearl, Judea (2000). Causality: Model, Reasoning, and Inference. Cambridge University Press. ISBN 978-0521773621.
  18. ^ Card, David (1999). "The Causal Effect of Education on Earning". In Ashenfelter, O.; Card, D. (eds.). Handbook of Labor Economics. Amsterdam: Elsevier. pp. 1801–1863. ISBN 978-0444822895.
  19. ^ "The Econometrics Journal". Wiley.com. Retrieved 8 October 2013.
  20. ^ McCloskey (May 1985). "The Loss Function has been mislaid: the Rhetoric of Significance Tests". American Economic Review. 75 (2).
  21. ^ Stephen T. Ziliak과 Deirdre N. McCloskey(2004)."크기의 중요성:The Standard Error of Regressions in the American Economic Review," Journal of Soci-Economics, 33(5), 페이지 527-46 2010년 6월 25일 Wayback Machine에 보관(+를 누름).
  22. ^ a b Leamer, Edward (March 1983). "Let's Take the Con out of Econometrics". American Economic Review. 73 (1): 31–43. JSTOR 1803924.

외부 링크