Åpne hovedmenyen

Økonometri er anvendelse av statistiske metoder til økonomiske data for å gi empiriske innhold til økonomiske forhold.[1] Mer presist, det er «kvantitativ analyse av faktiske økonomiske fenomener basert på den samtidige utviklingen av teori og observasjon, i slekt med de relevante metoder for slutning».[2] En innledende økonomisk lærebok beskriver økonometri som å tillate økonomer «å sile gjennom fjell av data for å trekke ut enkle relasjoner».[3] Den første kjente bruken av begrepet «økonometri» (i kognitiv form) var av den polske økonomen Paweł Ciompa i 1910.[4] Jan Tinbergen er av mange ansett for å være en av grunnleggerne av økonometri.[5][6][7] Ragnar Frisch er kreditert med prege begrepet i den forstand som det er brukt i dag.[8]

Et grunnleggende verktøy for økonometri er multippel lineær regresjons modell.[9] Økonometrisk teori bruker statistisk teori og matematisk statistikk for å evaluere og utvikle økonometriske metoder.[10][11] Økonometrikere prøve å finne estimatorer som ønskelige statistiske egenskaper, inkludert objektivitet, effektivitet og konsistens. Anvendt økonometri bruker teoretisk økonometri og virkelige data for vurdering av økonomiske teorier, utvikling av økonometriske modeller, analysere økonomisk historie, og prognoser.

Grunnleggende modeller: lineær regresjonRediger

Et grunnleggende verktøy for økonometri er multippel lineær regresjons modell.[9] I moderne økonometri, så er andre statistiske verktøy ofte brukt, men lineær regresjon er fortsatt det mest brukte utgangspunkt for en analyse.[9] Å estimere en lineær regresjon på to variabler kan synliggjøres som en linje gjennom datapunkter som representerer sammenkoblede verdier på de uavhengige og avhengige variabler.

 
Okun's lov som representerer forholdet mellom BNP-vekst og arbeidsledighet. Linjen er funnet ved hjelp av regresjonsanalyser.

For eksempel, tenk Okun's lov, som gjelder BNP-vekst til arbeidsledigheten. Dette forholdet er representert i en lineær regresjon der endring i arbeidsledigheten ( ) er en funksjon i et skjæringspunkt ( ), for en gitt verdi av BNP-vekst multiplisert med stigningstallet   og en anslagsfeil,  :

Den ukjente parametre   og   kan bli estimert. Her er   anslått til å være -1.77 og   er anslått til å være 0.83. Dette betyr at hvis en vekst i BNP økte med ett prosentpoeng, ville arbeidsledigheten bli estimert til å synke med 1.77 poeng. Modellen kan da være testet for statistisk signifikans om en økning i vekst er forbundet med en nedgang i arbeidsledigheten, som hypotese. Hvis estimat av   ikke var av signifikant forskjell fra 0, ville ikke testen klare å finne bevis for at endringer i vekst, og arbeidsledigheten var i slekt. Variansen i en prediksjon av den avhengige variabelen (arbeidsledighet) som en funksjon av den uavhengige variabelen (BNP vekst) er gitt i minste kvadraters metode.

TeoriRediger

Økonometrisk teori bruker statistisk teori og matematisk statistikk for å evaluere og utvikle økonometriske metoder.[10][11] Økonometrikere prøver å finne estimatorer som ønskelige statistiske egenskaper, inkludert objektivitet, effektivitet og konsistens. En estimator er objektiv dersom den forventede verdien er den sanne verdien for parameteren; den er konsistent dersom den konvergerer mot den sanne verdi når utvalgsstørrelsen blir større, og den er effektiv hvis estimatoren har lavere standardfeil enn andre forventningsrette estimatorer for en gitt utvalgsstørrelsen. Minste Kvadraters Metode (MKM) er ofte brukt for estimering siden det gir den «beste lineære forventningsrette estimator» (der «beste» betyr mest effektive, objektive estimator) gitt Gauss-Markov forutsetningene. Når disse forutsetningene er brutt eller andre statistiske egenskaper er ønskelig, andre estimeringsteknikker som maximum likelihood-estimering, generalisert metode øyeblikk, eller generalisert minste kvadraters er brukt. Estimatorer som innlemmer før livssyn er fremmet av de som fordel Bayesiansk statistikk over tradisjonell, klassisk eller «frequentist» nærmer seg.

MetoderRediger

Anvendt økonometri bruker teoretisk økonometri og virkelige data for vurdering av økonomiske teorier, utvikling av økonometriske modeller, analysere økonomisk historie, og prognoser.[12]

Økonometri kan bruke standard statistiske modeller for å studere økonomiske spørsmål, men de er oftest med observasjonelle data, snarere enn i kontrollerte eksperimenter.[13] Utformingen av observasjonsstudier i økonometri er lik design av studier i andre observasjonelle disipliner, for eksempel astronomi, epidemiologi, sosiologi og statsvitenskap. Analyse av data fra en observasjonsstudie er ledet av studie-protokollen, selv om utforskende data analyse kan være nyttig for å generere nye hypoteser.[14] Økonomi analyser ofte systemer av ligninger og ulikheter, for eksempel mellom tilbud og etterspørsel i en hypotese om å være i likevekt. Følgelig, innen økonometri har man utviklet metoder for identifikasjon og estimering av simultane-lignings modeller. Disse metodene er analogt til metoder brukt i andre områder av vitenskapen, for eksempel innen system-id i systemer for analyse og kontroll teori. Slike metoder kan tillate forskere å estimere modeller og undersøke deres empiriske konsekvenser, uten å direkte manipulere systemet.

En av de grunnleggende statistiske metoder som brukes av økonometrier er regresjonsanalyse.[15] Regresjonsmetoder er viktig i økonometri fordi økonomer vanligvis ikke kan bruke kontrollerte eksperimenter. Økonometrikere søker ofte å belyse naturlige eksperimenter i fravær av dokumentasjon fra kontrollerte eksperimenter. Observasjonelle data kan være gjenstand for utelatt-variabel skjevhet og en liste over andre problemer som må løses ved hjelp av kausal analyse av samtidige-lignings modeller.[16]

I tillegg til naturlige eksperimenter, har kvasi-eksperimentelle metoder vært brukt i stadig større grad av økonometrikere siden 1980-tallet, for å troverdig identifisere kausale effekter.[17]

EksempelRediger

Et enkelt eksempel på et forhold i økonometri fra feltet av arbeidsmarkedsøkonomi er:

 

Dette eksempelet forutsetter at den naturlige logaritmen av en persons lønn er en lineær funksjon av antall år med utdanning som vedkommende har ervervet. Parameteren   tiltak for økning i den naturlige logaritmen av lønnen kan tilskrives en mer året av utdanning. Begrepet   er en tilfeldig variabel som representerer alle andre faktorer som kan ha direkte innflytelse på lønn. Den økonometriske målet er å estimere parametre,   under bestemte forutsetninger om tilfeldig variabel  . For eksempel, hvis   er ukorrelerte med mange års utdanning, så likningen er estimert med vanlig minste kvadraters.

Hvis forskerne kunne tilfeldig tildele personer til ulike nivåer av utdanning, datasettet som dermed ble generert ville tillate estimering av effekten av endringer i års utdanning på lønn. I virkeligheten kan ikke disse eksperimenter gjennomføres. I stedet observerer økonometrikere års utdanning og lønn utbetalt til personer som er forskjellige langs mange dimensjoner. Gitt denne type data, vil estimert koeffisient på års utdanning i ligningen ovenfor reflektere både effekten av utdanning på lønn og effekten av andre variabler på lønn, hvis de andre variablene var korrelert med utdanning. For eksempel, personer født i visse steder kan ha høyere lønn og høyere nivåer av utdanning. Med mindre økonometrikere kontroller for fødested i ligningen over, effekten av fødested på lønn kan være feilaktig tilskrevet effekten av utdanning på lønn.

Den mest opplagte måten å kontrollere for fødestedet er å inkludere et mål på effekten av fødested i ligningen ovenfor. Utelukkelse av fødested, sammen med antagelsen om at   er ukorrelerte med utdanning produserer en uspesifisert modell. En annen teknikk er å ta med i ligningen et ekstra sett målte kovariabler som ikke er instrumentelle variabler, men gjengi   som identifiserbare.[18] En oversikt over økonometriske metoder brukt til å studere dette problemet ble gitt av David Card (1999).[19]

TidsskrifterRediger

Blant de viktigste tidsskrifter som publiserer arbeid innen økonometri er Econometrica, The Journal of Econometrics, Review of Economics and Statistics, Econometric Theory, Journal of Applied Econometrics, Econometric Reviews, Econometrics Journal,[20] Applied Econometrics and International Development, og Journal of Business & Economic Statistics

Begrensninger og kritikkRediger

Som andre former for statistiske analyser, kan dårlig spesifisert økonometriske modeller vise et falsk forhold der to variabler er korrelert men uformelt irrelevant. I en studie av bruk av økonometri i store økonomitidsskrifter, konkluderte McCloskey med at noen økonomer rapporterer p-verdier (i følge Fisherian's tradisjon for tester av betydningen av punkt null-hypoteser) og bekymringer for type II-feil, og noen økonomer unnlate å rapportere anslag på størrelsen av effektene (bortsett fra statistisk signifikans) og å drøfte deres økonomiske betydning. Hun anfører også at noen økonomer også unnlater å bruke økonomisk begrunnelse for valg av modell, spesielt for å avgjøre hvilke variabler som skal inkluderes i en regresjon.[21][22]

I noen tilfeller, kan ikke økonomiske variabler eksperimentelt manipulert som behandlinger randomisert tilhørende fag.[23] I slike tilfeller, stoler økonomer på observasjonsstudier, ofte ved hjelp av datasett med mange sterkt assosiert kovariabler, noe som resulterer i enorme antall modeller med lignende forklarende evne, men forskjellige kovariabler og regresjonsestimater. Om mangfoldet av modeller som er kompatible med observasjonelle data-sett, oppfordret Edward Leamer at «fagfolk ... skulle holde tilbake troen helt til en slutning kan ha vist seg å være tilstrekkelig ufølsom for valg av forutsetninger».[23]

Se ogsåRediger

NotaterRediger

  1. ^ M. Hashem Pesaran (1987). "Econometrics," The New Palgrave: A Dictionary of Economics, v. 2, p. 8 [pp. 8–22]. Reprinted in J. Eatwell et al., eds. (1990). Econometrics: The New Palgrave, p. 1 [pp. 1–34]. Abstract Archived 18 May 2012 at the Wayback Machine. (2008 revision by J. Geweke, J. Horowitz, and H. P. Pesaran).
  2. ^ P. A. Samuelson, T. C. Koopmans, og J. R. N. Stein (1954). "Rapporten fra Evaluerende Komité for Econometrica," Econometrica 22(2), s. 142. [p p. 141-146], som beskrevet og omtalt i Pesaran (1987) ovenfor.
  3. ^ Paul A. Samuelson og William D. Nordhaus, 2004. Samfunnsøkonomi. 18. utg., McGraw-Hill, s. 5.
  4. ^ «Archived copy». Arkivert fra originalen 2 May 2014. Besøkt 1. mai 2014.  Sjekk datoverdier i |arkivdato= (hjelp)
  5. ^ «1969 - Jan Tinbergen: Nobelprijs economie - Elsevierweekblad.nl». Arkivert fra originalen 1 May 2018. Besøkt 1 May 2018.  Sjekk datoverdier i |arkivdato=, |besøksdato= (hjelp)
  6. ^ Magnus, Jan & Mary S. Morgan (1987) ET Intervju: Professor J. Tinbergen i: 'Økonometrisk Teori 3, 1987, 117-142.
  7. ^ Willlekens, Frans (2008) Internasjonal Migrasjon i Europa: Data, Modeller og Beregninger. New Jersey. John Wiley & Sons: 117.
  8. ^ • H. P. Pesaran (1990), "Econometrics," Econometrics: The New Palgrave, p. 2, citing Ragnar Frisch (1936), "A Note on the Term 'Econometrics'," Econometrica, 4(1), p. 95.

       • Aris Spanos (2008), "statistics and economics," The New Palgrave Dictionary of Economics, 2nd Edition. Abstract. Archived 18 May 2012 at the Wayback Machine.
  9. ^ a b c Greene, William (2012). «Chapter 1: Econometrics». Econometric Analysis (7th utg.). Pearson Education. 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.» 
  10. ^ a b Greene, William (2012). Econometric Analysis (7th utg.). Pearson Education. ISBN 9780273753568. 
  11. ^ a b Wooldridge, Jeffrey (2012). «Chapter 1: The Nature of Econometrics and Economic Data». Introductory Econometrics: A Modern Approach (5th utg.). South-Western Cengage Learning. s. 2. ISBN 9781111531041. 
  12. ^ Clive Granger (2008). "forecasting," The New Palgrave Dictionary of Economics, 2nd Edition. Abstract. Archived 18 May 2012 at the Wayback Machine.
  13. ^ Wooldridge, Jeffrey (2013). Introductory Econometrics, A modern approach. South-Western, Cengage learning. ISBN 978-1-111-53104-1. 
  14. ^ Herman O. Wold (1969). "Økonometri som Banebrytende i Nonexperimental modellbygging," Econometrica, 37(3), pp. 369-381.
  15. ^ For en oversikt over en lineær gjennomføringen av dette rammeverket, se lineær regresjon.
  16. ^ Edward E. Leamer (2008). "specification problems in econometrics," The New Palgrave Dictionary of Economics. Abstract. Archived 23 September 2015 at the Wayback Machine.
  17. ^ 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. ISSN 0895-3309. doi:10.1257/jep.24.2.3.  Sjekk datoverdier i |dato= (hjelp)
  18. ^ Pearl, Judea. Causality: Model, Reasoning, and Inference. Cambridge University Press. ISBN 978-0521773621. 
  19. ^ Card, David. «The Causal Effect of Education on Earning». I Ashenfelter. Handbook of Labor Economics. Amsterdam: Elsevier. ISBN 978-0444822895. 
  20. ^ «The Econometrics Journal – Wiley Online Library». Wiley.com. Besøkt 8 October 2013.  Sjekk datoverdier i |besøksdato= (hjelp)
  21. ^ McCloskey (May 1985). «The Loss Function has been mislaid: the Rhetoric of Significance Tests». American Economic Review. 75 (2).  Sjekk datoverdier i |dato= (hjelp)
  22. ^ Stephen T. Ziliak and Deirdre N. McCloskey (2004). "Size Matters: The Standard Error of Regressions in the American Economic Review," Journal of Socio-economics, 33(5), pp. 527-46 Arkivert 25. juni 2010 hos Wayback Machine. Archived 25 June 2010 at the Wayback Machine. (press +).
  23. ^ a b Leamer, Edward (March 1983). «Let's Take the Con out of Econometrics». American Economic Review. 73 (1): 31–43. JSTOR 1803924.  Sjekk datoverdier i |dato= (hjelp)

Videre lesningRediger

Eksterne lenkerRediger