Semiparametric and Nonparametric Methods in Econometrics

روش‌های استاندارد برای تخمین مدل‌های تجربی در اقتصاد و بسیاری از زمینه‌های دیگر بر مفروضات قوی در مورد اشکال عملکردی و توزیع متغیرهای تصادفی مشاهده نشده تکیه دارند. غالباً فرض بر این است که توابع مورد علاقه خطی هستند یا متغیرهای تصادفی مشاهده نشده معمولاً توزیع می شوند. چنین مفروضاتی تخمین و استنتاج آماری را ساده می کند اما به ندرت توسط نظریه اقتصادی یا سایر ملاحظات پیشینی توجیه می شود. استنتاج بر اساس فرضیات راحت اما نادرست در مورد اشکال و توزیع های عملکردی می تواند بسیار گمراه کننده باشد. روش های آماری ناپارامتریک و نیمه پارامتریک راهی برای کاهش قدرت مفروضات مورد نیاز برای تخمین و استنتاج فراهم می کند و در نتیجه فرصت های دستیابی به نتایج گمراه کننده را کاهش می دهد. این روش‌ها برای طیف گسترده‌ای از مسائل تخمینی در اقتصاد تجربی و زمینه‌های دیگر قابل استفاده هستند و در تحقیقات کاربردی با فراوانی فزاینده‌ای مورد استفاده قرار می‌گیرند. این کتاب ایده های اصلی زیربنای انواع روش های ناپارامتریک و نیمه پارامتریک را ارائه می دهد. این برای دانشجویان تحصیلات تکمیلی و محققین کاربردی که با تئوری های اقتصاد سنجی و آماری در سطحی که در دوره های تحصیلات تکمیلی در دانشگاه های پیشرو تدریس می شود آشنا هستند در دسترس است. این کتاب به جای جزئیات فنی بر ایده‌ها تأکید می‌کند و تا حد امکان توضیحی شهودی ارائه می‌کند. مثال‌های تجربی روش‌های ارائه‌شده را نشان می‌دهند.

این کتاب کتاب قبلی نویسنده در مورد روش‌های نیمه پارامتریک در اقتصادسنجی را به‌روزرسانی می‌کند و تا حد زیادی گسترش می‌دهد. تقریبا نیمی از مواد جدید هستند.

جوئل ال. هوروویتز، چارلز ای و اما اچ. موریسون، استاد اقتصاد بازار در دانشگاه نورث وسترن است. او نویسنده بیش از 100 مقاله مجله و فصل کتاب در اقتصاد سنجی و آمار، برنده جایزه ریچارد استون در اقتصاد سنجی کاربردی، عضو انجمن اقتصاد سنجی و انجمن آمار آمریکا، و یکی از سردبیران سابق Econometrica است. .

Standard methods for estimating empirical models in economics and many other fields rely on strong assumptions about functional forms and the distributions of unobserved random variables. Often, it is assumed that functions of interest are linear or that unobserved random variables are normally distributed. Such assumptions simplify estimation and statistical inference but are rarely justified by economic theory or other a priori considerations. Inference based on convenient but incorrect assumptions about functional forms and distributions can be highly misleading. Nonparametric and semiparametric statistical methods provide a way to reduce the strength of the assumptions required for estimation and inference, thereby reducing the opportunities for obtaining misleading results. These methods are applicable to a wide variety of estimation problems in empirical economics and other fields, and they are being used in applied research with increasing frequency.

The literature on nonparametric and semiparametric estimation is large and highly technical. This book presents the main ideas underlying a variety of nonparametric and semiparametric methods. It is accessible to graduate students and applied researchers who are familiar with econometric and statistical theory at the level taught in graduate-level courses in leading universities. The book emphasizes ideas instead of technical details and provides as intuitive an exposition as possible. Empirical examples illustrate the methods that are presented.

This book updates and greatly expands the author’s previous book on semiparametric methods in econometrics. Nearly half of the material is new.

Joel L. Horowitz is the Charles E. and Emma H. Morrison Professor of Market Economics at Northwestern University. He is the author of over 100 journal articles and book chapters in econometrics and statistics, a winner of the Richard Stone prize in applied econometrics, a fellow of the Econometric Society and American Statistical Association, and a former co-editor of Econometrica.