Avis des lecteurs
Résumé:Le livre a reçu des critiques mitigées, certains le louant comme une introduction utile à l'économétrie bayésienne et appropriée pour les étudiants et les chercheurs, tandis que d'autres le critiquent pour sa mauvaise organisation, son recours à des références obsolètes et les problèmes liés aux solutions de codage de l'auteur.
Avantages:⬤ Bonne introduction aux techniques bayésiennes
⬤ explications claires et applications de données réelles
⬤ chapitres courts et ciblés
⬤ exercices utiles
⬤ convient à ceux qui ont une certaine expérience de la programmation et des statistiques
⬤ considéré comme un bon rapport qualité-prix.
⬤ L'écriture et l'organisation de l'auteur sont critiquées
⬤ recours important à des références obsolètes
⬤ supposition que les lecteurs ont une connaissance préalable des ouvrages référencés
⬤ les solutions de codage sont désordonnées et confuses
⬤ certains estiment qu'il manque de profondeur par rapport à d'autres textes sur les techniques bayésiennes.
(basé sur 9 avis de lecteurs)
Titre original :
Introduction to Bayesian Econometrics
Contenu du livre :
Ce manuel, qui en est à sa deuxième édition, est une introduction à l'économétrie du point de vue bayésien. Il commence par une explication des idées de base de la probabilité subjective et montre comment les probabilités subjectives doivent obéir aux règles habituelles de la probabilité pour assurer la cohérence.
Il aborde ensuite les définitions de la fonction de vraisemblance, des distributions a priori et des distributions a posteriori. Il explique comment les distributions a posteriori sont la base de l'inférence et explore leurs propriétés de base. La distribution de Bernoulli est utilisée comme exemple simple.
Diverses méthodes de spécification des distributions a priori sont examinées, en mettant l'accent sur les considérations relatives au sujet et à la capacité d'échange. Le modèle de régression est examiné pour montrer comment les méthodes analytiques peuvent échouer dans la dérivation des distributions marginales postérieures, ce qui conduit à une explication des méthodes de simulation classiques et de la chaîne de Markov Monte Carlo (MCMC).
Cette dernière est précédée d'une brève introduction aux chaînes de Markov. Le reste de l'ouvrage est consacré aux applications de la théorie à des modèles importants utilisés en économie, en sciences politiques, en biostatistique et dans d'autres domaines d'application.
La deuxième édition comporte un chapitre sur la régression semiparamétrique et de nouvelles sections sur les modèles probit ordinal, de réponse à l'item, d'analyse factorielle, ARCH-GARCH et de volatilité stochastique. La nouvelle édition met également l'accent sur le langage de programmation R, qui est devenu l'environnement le plus utilisé pour les statistiques bayésiennes.
Autres informations sur le livre :
| ISBN : | 9781107015319 |
| Auteur : | |
| Éditeur : | |
| Langue : | anglais |
| Reliure : | Relié |
| Année de publication : | 2012 |
| Nombre de pages : | 270 |
Achat:
Actuellement disponible, en stock.
