Книги
Моделирование причинных зависимостей в экономике
Слуцкин, Л.Н. Моделирование причинных зависимостей в экономике : научный доклад / Л. Н. Слуцкин; Институт экономики Российской академии наук. — Москва : Институт экономики РАН, 2019. — 42 с.: ил.. — (Научные доклады Института экономики РАН). — Библиогр.: с. 40-42.
Слуцкин, Л.Н., (2019), Моделирование причинных зависимостей в экономике: научный доклад, Институт экономики Российской академии наук, Москва: Институт экономики РАН, 2019, 42 с., RU.
Слуцкин Л Н. Моделирование причинных зависимостей в экономике: научный доклад. Москва: Институт экономики РАН; 2019. 42 с.
Аннотация
Известно, что причинные связи в социальных науках, включая экономику, носят стохастический характер. В отличие от естественных наук экономические наблюдения практически никогда невозможно воспроизвести в точности при тех же самых условиях, равно как и изолировать эффект действия одного фактора на другой от влияния всех остальных факторов, что создает, на первый взгляд, непреодолимую трудность для установления статистически проверяемых причинных связей между экономическими феноменами. Мы покажем, как эконометристы, начиная с Фишера и Неймана и заканчивая Рубиным, Перлом, Шолкопфом и их последователями, методично преодолевали эту проблему. В докладе также освещаются вопросы приложения теории статистической причинности к экономическим задачам. Подробно описывается концепция интервенции (оператор "do") в работах Перла и показывается, что данное понятие может эффективно использоваться для вычисления синергетического эффекта, возникающего в архитектуре байесовской сета.
-
УДК:330.4
Рекомендовано к ознакомлению
- 1. Congdon, P.D. Bayesian Hierarchical Models / P. D. Congdon. — 2nd ed.. — Boca Raton : CRC Press, 2020. — 579 p.. — ISBN 978-1-4987-8575-4.
- 2. Handbook of heavy-tailed distributions in asset management and risk management / M. L. Bianchi [et al.]. — New Jersey : World Scientific, 2019. — 573 p.. — (World scientific handbook in financial economics series. Vol. 7). — ISBN 9-789813-274914.
- 3. Seleznev, S. Truncated priors for tempered hierarchical Dirichlet process vector autoregression / S. Seleznev. — Moscow : Bank of Russia, 2019. — 37 p.. — (Working paper series. 47, october).
- 4. Chihwa, K. High-dimensional econometrics and identification / K. Chihwa, L. Long. — New Jersey : World Scientific, 2019. — 164 p.. — ISBN 978-981-120-015-1.
- 5. Anatolyev, S. Methods for estimation and inference in modern econometrics / S. Anatolyev, N. Gospodinov. — Boca Raton : CRC Press, 2019. — 219 p.. — ISBN 978-0-367-38266-7.
- 6. Лабскер, Л.Г. Вероятностное моделирование в финансово-экономической области / Л. Г. Лабскер. — 2-е изд.. — Москва : Инфра-М, 2012. — 171 с.. — (Высшее образование - бакалавриат). — ISBN 978-5-16-004014-1.
- 7. Judge, G.G. An information theoretic approach to econometrics / G. G. Judge, R. C. Mittelhammer. — New York : Cambridge University Press, 2012. — XVI, 232 p.. — ISBN 978-0-521-86959-1.
- 8. Koop, G. Bayesian Econometric Methods / G. Koop. — Cambridge : Cambridge University Press, 2007. — 357 p.. — (Econometric Exercises. 7).
- 9. Khabibullin, R. Stochastic gradient variational Bayes and normalizing flows for estimating macroeconomic models / R. Khabibullin, S. Seleznev. — Moscow : Bank of Russia, 2020. — 49 p.. — (Working paper series. 61, september).
- 10. Грин, У.Г. Эконометрический анализ / У. Г. Грин. — Москва : Дело, 2016. — С. 739-1476. — (Академический учебник). — ISBN 978-5-7749-1158-5.
Отзывы читателей
0