Bewertung:
Das Buch hat gemischte Kritiken erhalten. Einige loben es als nützliche Einführung in die Bayes'sche Ökonometrie und als geeignet für Studenten und Forscher, während andere es für die schlechte Organisation, den Rückgriff auf veraltete Referenzen und die Probleme mit den Codierungslösungen des Autors kritisieren.
Vorteile:⬤ Gute Einführung in Bayes'sche Techniken
⬤ klare Erklärungen und reale Datenanwendungen
⬤ kurze, fokussierte Kapitel
⬤ wertvolle Übungen
⬤ geeignet für diejenigen mit etwas Programmier- und Statistikhintergrund
⬤ gilt als preiswert.
⬤ Der Schreibstil und die Organisation des Autors werden kritisiert
⬤ Starker Rückgriff auf veraltete Referenzen
⬤ Annahme, dass die Leser Vorkenntnisse über die referenzierten Werke haben
⬤ Die Codierungslösungen sind unübersichtlich und verwirrend
⬤ Einige sind der Meinung, dass es im Vergleich zu anderen Bayes-Texten an Tiefe fehlt.
(basierend auf 9 Leserbewertungen)
Introduction to Bayesian Econometrics
Dieses Lehrbuch, das jetzt in der zweiten Auflage vorliegt, ist eine Einführung in die Ökonometrie aus der Sicht des Bayesianischen Ansatzes. Es beginnt mit einer Erläuterung der Grundbegriffe der subjektiven Wahrscheinlichkeit und zeigt, wie subjektive Wahrscheinlichkeiten den üblichen Regeln der Wahrscheinlichkeit gehorchen müssen, um Kohärenz zu gewährleisten.
Anschließend werden die Definitionen der Likelihood-Funktion, der prioren Verteilungen und der posterioren Verteilungen behandelt. Es wird erklärt, wie Posteriorverteilungen die Grundlage für Schlussfolgerungen bilden, und es werden ihre grundlegenden Eigenschaften untersucht. Die Bernoulli-Verteilung wird als einfaches Beispiel verwendet.
Es werden verschiedene Methoden zur Spezifizierung von prioren Verteilungen betrachtet, wobei der Schwerpunkt auf fachlichen Erwägungen und der Austauschfähigkeit liegt. Das Regressionsmodell wird untersucht, um zu zeigen, wie analytische Methoden bei der Ableitung marginaler Posteriorverteilungen versagen können, was zu einer Erläuterung der klassischen und der Markov-Chain-Monte-Carlo (MCMC)-Simulationsmethoden führt.
Letztere werden durch eine kurze Einführung in Markov-Ketten ergänzt. Der Rest des Buches befasst sich mit der Anwendung der Theorie auf wichtige Modelle, die in der Wirtschaft, der Politikwissenschaft, der Biostatistik und anderen angewandten Bereichen verwendet werden.
Neu in der zweiten Auflage sind ein Kapitel über semiparametrische Regression und neue Abschnitte über ordinale Probit-, Item-Response-, Faktoranalyse-, ARCH-GARCH- und stochastische Volatilitätsmodelle. In der neuen Ausgabe wird auch die Programmiersprache R hervorgehoben, die sich zur am weitesten verbreiteten Umgebung für Bayes'sche Statistik entwickelt hat.
| ISBN: | 9781107015319 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Hardcover |
| Erscheinungsjahr: | 2012 |
| Seitenzahl: | 270 |
Derzeit verfügbar, auf Lager.
