Costruire modelli econometrici migliori utilizzando dati trasversali e panel

Recensioni dei lettori

Il libro “Building Better Econometric Models Using Cross Section and Panel Data” è apprezzato per la sua accessibilità e per la guida pratica al miglioramento dei modelli econometrici, in particolare per coloro che hanno una conoscenza di base dell'analisi di regressione.

Facile da seguire, utile per aumentare l'adattamento del modello, pratico per le regressioni su dati panel, fornisce approfondimenti sui risultati quadratici, non intimidatorio come altri testi di econometria.

Può non coprire tecniche econometriche avanzate, potenzialmente limitate per chi cerca approfondimenti matematici.

(basato su 1 recensioni dei lettori)

Titolo originale:

Building Better Econometric Models Using Cross Section and Panel Data

Contenuto del libro:

Molti ricercatori empirici desiderano un modello econometrico che spieghi meglio i loro dati. Tuttavia, questi ricercatori raramente perseguono questo obiettivo per paura delle complessità statistiche che comporta la specificazione di tale modello.

Questo libro intende alleviare queste ansie fornendo una metodologia pratica che chiunque abbia familiarità con l'analisi di regressione può utilizzare: una metodologia che produrrà un modello più informativo e una migliore rappresentazione dei dati. Questo libro illustra procedure semplici e pratiche che possono essere utilizzate per specificare un modello che spieghi meglio i dati. Tali procedure si avvalgono dell'uso di tecniche puramente statistiche eseguite su un insieme di dati pubblicamente disponibili, che consentono al lettore di seguire ogni fase della procedura.

Utilizzando il software econometrico Stata (anche se è possibile utilizzare la maggior parte degli altri pacchetti software statistici), questo libro mostra come testare l'errata specificazione del modello e come riformulare questi modelli in modo pratico che non solo migliora l'inferenza tratta dai risultati, ma aggiunge un livello di robustezza che può aumentare la fiducia del ricercatore nel risultato generato. Seguendo questa procedura, i ricercatori saranno in grado di ottenere un modello empirico migliore, più finemente sintonizzato e in grado di produrre risultati migliori.