Ocena:
Książka otrzymała mieszane recenzje, z których niektórzy chwalą ją jako przydatne wprowadzenie do ekonometrii bayesowskiej i odpowiednie dla studentów i badaczy, podczas gdy inni krytykują ją za słabą organizację, poleganie na przestarzałych odniesieniach i problemy z rozwiązaniami kodowania autora.
Zalety:⬤ Dobre wprowadzenie do technik bayesowskich
⬤ jasne wyjaśnienia i rzeczywiste aplikacje
⬤ krótkie, skoncentrowane rozdziały
⬤ wartościowe ćwiczenia
⬤ odpowiednia dla osób z pewnym doświadczeniem w programowaniu i statystyce
⬤ uważana za dobry stosunek jakości do ceny.
⬤ Krytykowany jest sposób pisania i organizacja
⬤ duże poleganie na przestarzałych źródłach
⬤ założenie, że czytelnicy mają wcześniejszą wiedzę na temat przywoływanych prac
⬤ rozwiązania kodowe są niechlujne i mylące
⬤ niektórzy uważają, że brakuje mu głębi w porównaniu z innymi tekstami bayesowskimi.
(na podstawie 9 opinii czytelników)
Introduction to Bayesian Econometrics
Ten podręcznik, obecnie w drugim wydaniu, stanowi wprowadzenie do ekonometrii z bayesowskiego punktu widzenia. Rozpoczyna się od wyjaśnienia podstawowych idei subiektywnego prawdopodobieństwa i pokazuje, w jaki sposób subiektywne prawdopodobieństwa muszą być zgodne ze zwykłymi zasadami prawdopodobieństwa, aby zapewnić spójność.
Następnie omawia definicje funkcji prawdopodobieństwa, rozkładów predyktywnych i rozkładów posterioralnych. Wyjaśnia, w jaki sposób rozkłady potomne są podstawą wnioskowania i bada ich podstawowe właściwości. Rozkład Bernoulliego jest używany jako prosty przykład.
Rozważane są różne metody określania wcześniejszych rozkładów, ze szczególnym naciskiem na względy przedmiotowe i zdolność wymiany. Model regresji jest badany w celu pokazania, w jaki sposób metody analityczne mogą zawieść w wyprowadzaniu marginalnych rozkładów potomnych, co prowadzi do wyjaśnienia klasycznych i Markov chain Monte Carlo (MCMC) metod symulacji.
Ta ostatnia jest poprzedzona krótkim wprowadzeniem do łańcuchów Markowa. Pozostała część książki poświęcona jest zastosowaniom teorii do ważnych modeli wykorzystywanych w ekonomii, naukach politycznych, biostatystyce i innych dziedzinach.
Nowością w drugim wydaniu jest rozdział poświęcony regresji semiparametrycznej oraz nowe sekcje poświęcone porządkowym modelom probitowym, item response, analizie czynnikowej, ARCH-GARCH i stochastycznym modelom zmienności. Nowe wydanie kładzie również nacisk na język programowania R, który stał się najczęściej używanym środowiskiem dla statystyk bayesowskich.
