Estimation of Simultaneous Equation Models with Error Components Structure

اقتصاددانان به ندرت می توانند آزمایش های کنترل شده ای را برای تولید داده انجام دهند. اطلاعات موجود در قالب مشاهدات واقعی به سادگی باید به بهترین شکل ممکن استفاده شوند. با توجه به این موضوع، استفاده از افزایش در دسترس بودن و دسترسی به ترکیبی از داده های سری زمانی و مقطعی در برآورد مدل های اقتصادی سودمند است. اما چنین داده‌هایی مستلزم یک روش جدید برآورد و در نتیجه توسعه مدل‌های اقتصادسنجی جدید است. این کتاب یکی از این مدل‌های جدید را پیشنهاد می‌کند که اجزای خطا را در یک سیستم معادلات همزمان معرفی می‌کند تا ناهمگنی زمانی و مقطعی داده‌های تابلویی را در نظر بگیرد. پس از بررسی اساسی مدل‌های داده‌های تابلویی، مدل پیشنهادی جدید با جزئیات و تخمین‌های غیرمستقیم، اطلاعات کامل و تخمین‌های اطلاعات محدود، و تخمین‌هایی با و بدون فرض خطاهای توزیع نرمال ارائه می‌شود. سپس این روش‌های تخمین با استفاده از رایانه برای تخمین مدل تقاضای برق مسکونی با استفاده از داده‌های خانوارهای آمریکایی اعمال می‌شوند. نتایج هم از نظر اقتصادی و هم از نظر آماری تحلیل می‌شوند.

Economists can rarely perform controlled experiments to generate data. Existing information in the form of real-life observations simply has to be utilized in the best possible way. Given this, it is advantageous to make use of the increasing availability and accessibility of combinations of time-series and cross-sectional data in the estimation of economic models. But such data call for a new methodology of estimation and hence for the development of new econometric models. This book proposes one such new model which introduces error components in a system of simultaneous equations to take into account the temporal and cross-sectional heterogeneity of panel data. After a substantial survey of panel data models, the newly proposed model is presented in detail and indirect estimations, full information and limited information estimations, and estimations with and without the assumption of normal distribution errors. These estimation methods are then applied using a computer to estimate a model of residential electricity demand using data on American households. The results are analysed both from an economic and from a statistical point of view.