Introduzione all'econometria bayesiana

Recensioni dei lettori

Il libro ha ricevuto recensioni contrastanti: alcuni lo elogiano come un'utile introduzione all'econometria bayesiana, adatta a studenti e ricercatori, mentre altri lo criticano per la scarsa organizzazione, la dipendenza da riferimenti obsoleti e i problemi con le soluzioni di codifica dell'autore.

⬤ Buona introduzione alle tecniche bayesiane
⬤ spiegazioni chiare e applicazioni su dati reali
⬤ capitoli brevi e mirati
⬤ esercizi validi
⬤ adatto a chi ha una certa preparazione in programmazione e statistica
⬤ considerato un buon rapporto qualità-prezzo.

⬤ La scrittura e l'organizzazione dell'autore sono criticate
⬤ forte affidamento su riferimenti obsoleti
⬤ presupposto che i lettori abbiano una conoscenza pregressa delle opere di riferimento
⬤ le soluzioni di codifica sono disordinate e confuse
⬤ alcuni ritengono che manchi di profondità rispetto ad altri testi bayesiani.

(basato su 9 recensioni dei lettori)

Titolo originale:

Introduction to Bayesian Econometrics

Contenuto del libro:

Questo libro di testo, giunto alla sua seconda edizione, è un'introduzione all'econometria dal punto di vista bayesiano. Inizia con una spiegazione delle idee di base della probabilità soggettiva e mostra come le probabilità soggettive debbano obbedire alle consuete regole della probabilità per garantire la coerenza.

Si passa poi alle definizioni di funzione di verosimiglianza, distribuzioni precedenti e distribuzioni posteriori. Spiega come le distribuzioni posteriori siano la base dell'inferenza ed esplora le loro proprietà fondamentali. La distribuzione di Bernoulli viene utilizzata come semplice esempio.

Vengono presi in considerazione vari metodi per specificare le distribuzioni anteriori, con particolare attenzione alle considerazioni sull'argomento e alla capacità di scambio. Il modello di regressione viene esaminato per mostrare come i metodi analitici possano fallire nella derivazione delle distribuzioni posteriori marginali, il che porta a una spiegazione dei metodi di simulazione classici e della catena di Markov Monte Carlo (MCMC).

Quest'ultima è preceduta da una breve introduzione alle catene di Markov. Il resto del libro riguarda le applicazioni della teoria a importanti modelli utilizzati in economia, scienze politiche, biostatistica e altri campi applicativi.

La seconda edizione presenta un capitolo sulla regressione semiparametrica e nuove sezioni sui modelli ordinali probit, item response, analisi dei fattori, ARCH-GARCH e volatilità stocastica. La nuova edizione pone inoltre l'accento sul linguaggio di programmazione R, che è diventato l'ambiente più utilizzato per le statistiche bayesiane.