Econometria e scienza dei dati: Applicare le tecniche della scienza dei dati per modellare problemi complessi e implementare soluzioni per i problemi economici

Recensioni dei lettori

Attualmente non ci sono recensioni dei lettori. La valutazione si basa su 2 voti.

Titolo originale:

Econometrics and Data Science: Apply Data Science Techniques to Model Complex Problems and Implement Solutions for Economic Problems

Contenuto del libro:

Approfondite l'applicazione degli approcci di apprendimento automatico nella ricerca macroeconomica. Questo libro unisce economia e scienza dei dati.

L'autore Tshepo Chris Nokeri inizia introducendo l'analisi della covarianza, l'analisi delle correlazioni, la convalida incrociata, l'ottimizzazione degli iperparametri, l'analisi della regressione e l'analisi dei residui. Inoltre, presenta un approccio per contrastare la multicollinearità. In seguito, sfata un modello di serie temporali riconosciuto come modello additivo. Rivela una tecnica di binarizzazione di una caratteristica economica per eseguire un'analisi di classificazione utilizzando la regressione logistica. Introduce il modello di Markov nascosto, utilizzato per scoprire modelli nascosti e la crescita dell'economia mondiale. L'autore illustra le tecniche di apprendimento automatico non supervisionato, come l'analisi delle componenti principali e l'analisi dei cluster. Vengono esplorati i concetti chiave del deep learning e le modalità di strutturazione delle reti neurali artificiali, nonché l'addestramento e la valutazione delle loro prestazioni. La tecnica della simulazione Monte Carlo viene applicata per stimolare il potere d'acquisto della moneta in un'economia. Infine, si considera il modello di equazione strutturale (SEM) per integrare l'analisi delle correlazioni, l'analisi dei fattori, l'analisi multivariata, l'analisi causale e la path analysis.

Dopo aver letto questo libro, dovreste essere in grado di riconoscere la connessione tra econometria e scienza dei dati. Saprete come applicare un approccio di apprendimento automatico alla modellazione di problemi economici complessi e ad altri che vanno oltre questo libro. Saprete come aggirare e migliorare le prestazioni dei modelli, insieme alle implicazioni pratiche dell'approccio all'apprendimento automatico in econometria, e sarete in grado di affrontare problemi economici urgenti.

Cosa imparerete

⬤ Esaminare strutture lineari causali complesse e multivariate attraverso la tecnica dell'analisi strutturale e dei percorsi, includendo la non linearità e gli stati nascosti.

⬤ Conoscere le applicazioni pratiche dell'apprendimento automatico e dell'apprendimento profondo in econometria.

⬤ Comprendere il quadro teorico e lo sviluppo di ipotesi, nonché le tecniche per la selezione di modelli appropriati.

⬤ Sviluppare, testare, validare e migliorare i principali modelli di machine learning supervisionati (regressione e classificazione) e non supervisionati (riduzione delle dimensioni e analisi dei cluster), oltre a reti neurali, modelli Markov e SEM.

⬤ Rappresentare e interpretare dati e modelli.

Per chi è questo libro?

Data scientist principianti e intermedi, economisti, ingegneri dell'apprendimento automatico, statistici e dirigenti d'azienda.