فهرست

مقدمه

ارتباط بين علوم اقتصاد و آمار:

روش كلاسيك نمونه‌گيري:

روش بيزين:

طريقه بدست آوردن تابع توزيع پسين:

تابع زيان درجه دوم (quadratic loss function):

تخمين بيزين ضرايب رگرسيون دو متغيره

تخمين بنزين در رگرسيون مركب[1]:

توزيع پيشين اطلاعاتي براي ضرايب و عدم لحاظ آن براي :

توزيع پيشن اطلاعاتي براي ضرايب و :

سرچشمه مدل سازي VAR:

انتخاب درجه VAR:

موارد استفاده مدلهاي VAR:

پيش بيني:

عليت گرنجر

حساب شوكها و تجزيه واريانس خطاي پيش‌بيني:

محدوديتهاي مدل UVAR:

از مدل‌هاي ساختاري تا مدلهاي BVAR:

طريقه اعمال اطلاعات پيشين مينه سوتا

بيان اطلاعات پيشين مينه سوتا بصورت جبري

 

مقدمه

 

ارتباط بين علوم اقتصاد و آمار:

با تمركز به مسئله كميابي در علم اقتصاد، اين علم به ميزان زيادي به مسئله تصميم‌گيري مربوط مي‌باشد. همچنانكه مي‌دانيم سوخت ماشين تصميم اطلاعات مي‌باشد بنابراين روشهايي براي فراهم‌آوردن اطلاعات آماري و ارتباط آن با علم اقتصاد كه منجر به تصميم‌گيري بهينه مي‌شود توسعه پيدا كرده‌اند كه در چارچوب دو روش نظريه كلاسيك نمونه‌گيري و روش بيزيني در علم آمار مورد مطالعه قرار مي‌گيرند. در ذيل به شرح مختصري از اين روشها پرداخته مي‌شود.

روش كلاسيك نمونه‌گيري:

استنتاج آماري با استفاده از روش كلاسيك با استفاده از ويژگيهاي زير مشخص مي‌شود.

الف- تخمين‌ها و روشهاي آزمون بر حسب ويژگيهاي موجود در نمونه آماري ارزيابي مي‌شوند.

ب- احتمال يك حادثه برحسب حد فراواني نسبي آن حادثه تعريف مي‌شود.

پ- هيچ شرطي براي ورد مشاهدات غير نمونه‌اي (nonsample) و اطلاعات زيان (loss information) وجود ندارد.

هنگامي كه تخمين پارامترها با استفاده از روش كلاسيك انجام مي‌شود يك تخمين زننده بدون تورش با مينيمم واريانس مطلوب محقق مي‌باشد زيرا بطور متوسط اين تخمين زننده‌ها به پارامترهاي حقيقي (نسبت به تخمين زننده‌هاي بدون تورش ديگر) نزديكتر هستند. در اين روش تخمين فاصله‌اي و آزمون فرضيه بر حسب ويژگيهاي بزرگ نمونه‌اي، نمونه‌هاي مورد مطالعه ارائه مي‌شود همچنين در روش كلاسيك از آنجايكه پارامترها در نمونه‌هاي تكراري ثابت فرض مي‌شوند، توزيع احتمال براي پارامترها تعيين نمي‌شود.

 

 

روش بيزين:

در چارچوب بيزيني احتمال بر حسب يك درجه از اعتقادات تعريف مي‌شود (هر چند كه ويژگيهاي تخمين زننده‌ها و آزمونهايي كه بر روي نمونه آماري انجام مي‌گيريد نيز مورد مطالعه قرار مي‌گيريد اما پايه اصلي براي استنتاج و انتخاب تخمين زننده‌ها نمي‌باشند) در اين روش احتمال يك حادثه بر حسب اعتقادات شخص در مورد اينكه اين حادثه تا چه اندازه محتمل است كه ظاهر شود انجام مي‌گيريد اين اعتقادات ممكن است به اطلاعات كمي و يا كيفي وابسته باشند اما لزوماً به فراواني نسبي حادثه در يك نمونه بزرگ از آزمايش‌هاي فرضي آتي  وابسته نمي‌باشد بنابراين در آمار بنزيني احتمال يك مفهوم ذهني (Subjective) و اشخاص مختلف ممكن است احتمال متفاوتي از يك حادثه را ارائه دهند همچنين ويژگي اصلي در تحليل‌هاي بيزيني اينست كه عدم اطمينان درباره مقدار يك پارامتر ناشناخته برحسب توزيع احتمال بيان مي‌شود. در اين روش پارامترها بصورت متغيرهاي تصادفي مورد مطالعه قرار مي‌گيرند و بدين صورت كه نتايج متفاوت از يك آزمايش مصداق‌هاي  متفاوتي از يك پارامتر بيان مي‌كند، مورد ملاحظه قرار نمي گيرند. بنابراين توزيع احتمال ذهني بر روي يك پارامتر برحسب آگاهي شخصي، درباره آن پارامتر مي‌باشد اين آگاهي ممكن است قبل از مشاهده اطلاعات موجود در نمونه وجود داشته باشد كه تابع توزيع اين آگاهي شخصي، توزيع پيشين  نام دارد همچنين تابع توزيعي كه از تركيب تابع توزيع پيشين و اطلاعات نمونه حاصل مي‌شود تابع توزيع پسين  نام دارد. يك نكته مهم در اينجا اينست كه توزيع پسين حاصله مي‌تواند به عنوان يك توزيع پيشين مورد استفاده قرار گيرد زماني كه با اطلاعات نمونه‌اي ديگر در آينده مواجهه مي‌شويم. روشي كه توزيع پيشين را با اطلاعات نمونه براي تشكيل توزيع پسين، تركيب مي‌كند قضيه بيز نام دارد.

 

شما هم می توانید در مورد این فایل نظر دهید.