統計的因果推論の理論と実装 : 潜在的結果変数と欠測データ

Pythonと因果推論で、意思決定の質を高める本書では、因果推論の活用を通じて、「どの施策がどれほど効果あったのか分からない」という効果検証の問題や、データ分析の現場で頻発する「相関は強いが、因果関係はわからない」という問題への解決策を提示します。さらに、因果推論の基礎から、機械学習や時系列解析との組み合わせ、さらに因果探索まで学習することにより、因果推論を軸として幅広い問題に対応可能になります。これにより、データ活用のインパクトを大幅に向上できます。一般的に、理論的な解説には多くの専門用語、長い説明や複雑なコードが伴いますが、本書ではそのような障壁を取り除き、具体的な事例や豊富な図を通じて理論を分かりやすく説明します。必要最小限のコードの掲載を心掛けつつ、それらが実務で応用可能なレベルであることを目指します。このようなアプローチにより、読者は理論と実践の間のギャップを縮め、因果推論の力を最大限に引き出すことができます。

文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

「経済データなどの非実験データから因果関係を識別する」という観点を軸に計量経済学を説明する、新しいタイプの教科書。 第１部　イントロダクション 　第１章　計量経済学とは何か？ 　第２章　確率論：確率変数と確率分布 　第３章　統計的推測 第２部　古典的仮定の下での回帰分析 　第４章　OLS回帰 　第５章　古典的回帰モデル 　第６章　重回帰分析 　第７章　回帰モデルを工夫する 　第８章　線形制約の仮説検定 第３部　新しい回帰分析 　第 9 章　漸近理論の基礎 　第10章　回帰分析の再構築 　第11章　標準誤差と検定の頑健化 　第12章　内生性と操作変数法 　第13章　IV推定：応用編 第４部　より進んだ分析のために 　第14章　最尤法 　第15章　プロビットとトービット 　第16 章　パネルデータ分析入門 付録　実証分析に関する情報

アドバンスな計量経済学と、それに必要な数学・数理統計学が１冊で学べる。統計学的な視点を重視した計量経済学のテキスト。 第１章　重回帰 1.1　重回帰のベクトル・行列表現 1.2　最小自乗法 1.3　残差の性質 1.4　決定係数 1.5　回帰モデルにおける仮定と最小自乗推定量の性質 1.6　撹乱項における仮定と統計的推測 第２章　漸近理論 2.1　様々な収束 2.2　有用な定理と性質 2.3　大数の法則 2.4　中心極限定理 2.5　漸近分布 2.6　デルタ法 第３章　最小自乗推定量の漸近的性質 3.1　回帰モデルの仮定 3.2　一致性 3.3　漸近正規性 3.4　信頼領域および検定 第４章　一般化最小自乗法 4.1　一般化回帰モデル 4.2　一般化最小自乗法 4.3　一般化最小自乗推定量の性質 4.4　特殊な場合：加重最小自乗法 第５章　最尤法 5.1　最尤法と最尤推定量の性質 5.2　最尤法の例 5.3　回帰モデルにおける最尤法㈵ 5.4　回帰モデルにおける最尤法㈼ 5.5　回帰モデルにおける最尤法㈽ 第６章　操作変数法 6.1　撹乱項と説明変数に相関がある場合 6.2　操作変数法 6.3　操作変数推定量の性質 6.4　２段階最小自乗法 第７章　モーメント法 7.1　モーメント法と最小自乗法 7.2　一般化モーメント法 7.3　一般化モーメント法推定量の漸近的性質 7.4　一般化モーメント法と操作変数法，２段階最小自乗法 7.5　一般化モーメント法と最尤法 7.6　一般化モーメント法と疑似最尤法 第８章　大標本検定 8.1　ワルド検定 8.2　ラグランジュ乗数検定 8.3　尤度比検定 8.4　大標本検定の選択 8.5　情報量基準に基づくモデル選択 第９章　数学公式および定理 9.1　２項定理 9.2　ロピタルの定理 9.3　制約下の極大・極小 9.4　テーラー展開 9.5　平均値の定理 9.6　部分積分法 9.7　積分の変数変換（置換積分法） 9.8　ガンマ関数とベータ関数 第10章　ベクトルと行列 10.1　行列の定義 10.2　行列の演算 10.3　特別な行列 10.4　行列のトレース 10.5　行列式 10.6　逆行列 10.7　１次独立，１次従属と行列の階数 10.8　逆行列と連立一次方程式 10.9　固有値と固有ベクトル 10.10　定符号行列 10.11　行列を用いた微分法 10.12　多変数における極値問題 第11章　確率変数と確率分布 11.1　事象と確率 11.2　確率変数 11.3　確率分布 11.4　期待値と積率母関数 11.5　確率変数の変数変換 11.6　代表的な離散型確率分布 11.7　代表的な連続型確率分布 11.8　行列と分布の性質 11.9　統計的推測 参考文献

確率・統計の基礎や最小２乗法から最新のトピックまでを網羅し、実証分析をつかった論文の書き方まで学べる決定版テキスト。 ●東洋経済新報社の新しい経済学テキストシリーズ〈サピエンティア〉第1弾 ●気鋭の経済学者の書き下ろし、計量経済学の中級テキストの決定版！ ●確率・統計の基礎から様々な計量経済モデル、実証分析の進め方、論文執筆の初歩まで、わかりやすく解説。 ●各章末に演習問題付き（解答は東洋経済新報社サイトにて近日公開予定） 「本書は，大学の経済学部の中級から上級向けとして書いた計量経済学の教科書です．そのため，偏微分や重積分などの微積分や行列表現などの線形代数の知識を，また，初等的な統計学の知識を前提としています．一方，行列微分などを用いる大学院上級の内容は含まれていません． 昨今ではいろいろなパッケージ・ソフトウエアで様々な計量分析が可能となっています．卒業論文や修士論文を読んでも，比較的新しい手法で分析が行われていることがあります．ただ，果たして学生がどの程度，背後にある計量経済学の理論を理解しているかというと，その理解は必ずしも十分なものではないと感じることが少なくありません．しかしながら，理論なき実践の危険性は多くの人が認知している問題であり，本書がその解決に少しでも役立てばうれしく思います．」（「はじめに」より） 第１章　最小２乗法 第２章　計量経済学で使われる確率・統計 第３章　単回帰モデル 第４章　多重回帰モデル 第５章　計量モデルの特定化 第６章　仮説検定 第７章　不均一分散 第８章　系列相関 第９章　操作変数法 第１０章　時系列モデル 第１１章　パネル・データ・モデル 第１２章　質的従属変数モデル 第１３章　実証分析の進め方

重回帰分析から操作変数法などの応用手法まで，できるだけ直観的な説明を重視して紹介し，ウェブに例題／演習問題のデータも用意。 初心者でも読み進めることができるように，確率・統計の基本から丁寧に解説し，まずは回帰分析を徹底的にマスターします。また，操作変数法，パネル・データ分析などのの応用手法も，できるだけ直観的な説明を重視し紹介しています。 第１章　なぜ計量経済学が必要なのか 　第１部　確率と統計のおさらい 第２章　データの扱い方─数字に隠された意味を読み取る 第３章　計量経済学のための確率論─不確かなことについて語る 第４章　統計学による推論─観察されたデータの背後にあるメカニズムを探る 　第２部　計量経済学の基本 第５章　単回帰分析─２つの事柄の関係をシンプルなモデルに当てはめる 第６章　重回帰分析の基本─外的条件を制御して本質に迫る 第７章　重回帰分析の応用─本質に迫るためのいくつかのコツ 　第３部　政策評価のための発展的方法 第８章　操作変数法─政策変数を間接的に動かして本質に迫る 第９章　パネル・データ分析─繰り返し観察することでわかること 第10章　マッチング法─似た人を探して比較する 第11章　回帰不連続デザイン─「事件」の前後を比較する

計量経済学の入門を終えた人を対象に、より上のレベル、特にミクロ計量経済学の理論を基礎から丁寧に解説する。 第１章　線形回帰とOLS 第２章　操作変数法 第３章　プログラム評価 第４章　行列表記と漸近理論 第５章　直交条件とGMM 第６章　制限従属変数とサンプルセレクション 第７章　分位点回帰 第８章　ブートストラップ 第９章　ノンパラメトリック法 付録Ａ　確率の復習 付録Ｂ　行列計算の復習 付録Ｃ　最尤法

Hayashi's "Econometrics" promises to be the next great synthesis of modern econometrics. It introduces first year PhD students to standard graduate econometrics material from a modern perspective. It covers all the standard material necessary for understanding the principal techniques of econometrics from ordinary least squares through cointegration. The book is also distinctive in developing both time-series and cross-section analysis fully, giving the reader a unified framework for understanding and integrating results. "Econometrics" has many useful features and covers all the important topics in econometrics in a succinct manner. All the estimation techniques that could possibly be taught in a first-year graduate course, except maximum likelihood, are treated as special cases of GMM (generalized methods of moments). Maximum likelihood estimators for a variety of models (such as probit and tobit) are collected in a separate chapter. This arrangement enables students to learn various estimation techniques in an efficient manner. Eight of the ten chapters include a serious empirical application drawn from labor economics, industrial organization, domestic and international finance, and macroeconomics. These empirical exercises at the end of each chapter provide students a hands-on experience applying the techniques covered in the chapter. The exposition is rigorous yet accessible to students who have a working knowledge of very basic linear algebra and probability theory. All the results are stated as propositions, so that students can see the points of the discussion and also the conditions under which those results hold. Most propositions are proved in the text. For those who intend to write a thesis on applied topics, the empirical applications of the book are a good way to learn how to conduct empirical research. For the theoretically inclined, the no-compromise treatment of the basic techniques is a good preparation for more advanced theory courses. X) 31 1.4 Hypothesis Testing under Normality 33 Normally Distributed Error Terms 33 Testing Hypotheses about Individual Regression Coefficients 35 Decision Rule for the t-Test 37 Confidence Interval 38 p-Value 38 Linear Hypotheses 39 The F-Test 40 A More Convenient Expression for F 42 t versus F 43 An Example of a Test Statistic Whose Distribution Depends on X 45 1.5 Relation to Maximum Likelihood 47 The Maximum Likelihood Principle 47 Conditional versus Unconditional Likelihood 47 The Log Likelihood for the Regression Model 48 ML via Concentrated Likelihood 48 Cramer-Rao Bound for the Classical Regression Model 49 The F-Test as a Likelihood Ratio Test 52 Quasi-Maximum Likelihood 53 1.6 Generalized Least Squares (GLS) 54 Consequence of Relaxing Assumption 1.4 55 Efficient Estimation with Known V 55 A Special Case: Weighted Least Squares (WLS) 58 Limiting Nature of GLS 58 1.7 Application: Returns to Scale in Electricity Supply 60 The Electricity Supply Industry 60 The Data 60 Why Do We Need Econometrics? 61 The Cobb-Douglas Technology 62 How Do We Know Things Are Cobb-Douglas? 63 Are the OLS Assumptions Satisfied? 64 Restricted Least Squares 65 Testing the Homogeneity of the Cost Function 65 Detour: A Cautionary Note on R2 67 Testing Constant Returns to Scale 67 Importance of Plotting Residuals 68 Subsequent Developments 68 Problem Set 71 Answers to Selected Questions 84 2 Large-Sample Theory 88 2.1 Review of Limit Theorems for Sequences of Random Variables 88 Various Modes of Convergence 89 Three Useful Results 92 Viewing Estimators as Sequences of Random Variables 94 Laws of Large Numbers and Central Limit Theorems 95 2.2 Fundamental Concepts in Time-Series Analysis 97 Need for Ergodic Stationarity 97 Various Classes of Stochastic Processes 98 Different Formulation of Lack of Serial Dependence 106 The CLT for Ergodic Stationary Martingale Differences Sequences 106 2.3 Large-Sample Distribution of the OLS Estimator 109 The Model 109 Asymptotic Distribution of the OLS Estimator 113 s2 Is Consistent 115 2.4 Hypothesis Testing 117 Testing Linear Hypotheses 117 The Test Is Consistent 119 Asymptotic Power 120 Testing Nonlinear Hypotheses 121 2.5 Estimating E([not displayable]) Consistently 123 Using Residuals for the Errors 123 Data Matrix Representation of S 125 Finite-Sample Considerations 125 2.6 Implications of Conditional Homoskedasticity 126 Conditional versus Unconditional Homoskedasticity 126 Reduction to Finite-Sample Formulas 127 Large-Sample Distribution of t and F Statistics 128 Variations of Asymptotic Tests under Conditional Homoskedasticity 129 2.7 Testing Conditional Homoskedasticity 131 2.8 Estimation with Parameterized Conditional Heteroskedasticity (optional) 133 The Functional Form 133 WLS with Known [alpha] 134 Regression of e2i on zi Provides a Consistent Estimate of [alpha] 135 WLS with Estimated [alpha] 136 OLS versus WLS 137 2.9 Least Squares Projection 137 Optimally Predicting the Value of the Dependent Variable 138 Best Linear Predictor 139 OLS Consistently Estimates the Projection Coefficients 140 2.10 Testing for Serial Correlation 141 Box-Pierce and Ljung-Box 142 Sample Autocorrelations Calculated from Residuals 144 Testing with Predetermined, but Not Strictly Exogenous, Regressors 146 An Auxiliary Regression-Based Test 147 2.11 Application: Rational Expectations Econometrics 150 The Efficient Market Hypotheses 150 Testable Implications 152 Testing for Serial Correlation 153 Is the Nominal Interest Rate the Optimal Predictor? 156 Rt Is Not Strictly Exogenous 158 Subsequent Developments 159 2.12 Time Regressions 160 The Asymptotic Distribution of the OLS Estimates 161 Hypothesis Testing for Time Regressions 163 2.A Asymptotics with Fixed Regressors 164 2.B Proof of Proposition 2.10 165 Problem Set 168 Answers to Selected Questions 183 3 Single-Equation GMM 186 3.1 Endogeneity Bias: Working's Example 187 A Simultaneous Equations Model of Market Equilibrium 187 Endogeneity Bias 188 Observable Supply Shifters 189 3.2 More Examples 193 A Simple Macroeconometric Model 193 Errors-in-Variables 194 Production Function 196 3.3 The General Formulation 198 Regressors and Instruments 198 Identification 200 Order Condition for Identification 202 The Assumption for Asymptotic Normality 202 3.4 Generalized Method of Moments Defined 204 Method of Moments 205 Generalized Method of Moments 206 Sampling Error 207 3.5 Large-Sample Properties of GMM 208 Asymptotic Distribution of the GMM Estimator 209 Estimation of Error Variance 210 Hypothesis Testing 211 Estimation of S 212 Efficient GMM Estimator 212 Asymptotic Power 214 Small-Sample Properties 215 3.6 Testing Overidentifying Restrictions 217 Testing Subsets of Orthogonality Conditions 218 3.7 Hypothesis Testing by the Likelihood-Ratio Principle 222 The LR Statistic for the Regression Model 223 Variable Addition Test (optional) 224 3.8 Implications of Conditional Homoskedasticity 225 Efficient GMM Becomes 2SLS 226 J Becomes Sargan's Statistic 227 Small-Sample Properties of 2SLS 229 Alternative Derivations of 2SLS 229 When Regressors Are Predetermined 231 Testing a Subset of Orthogonality Conditions 232 Testing Conditional Homoskedasticity 234 Testing for Serial Correlation 234 3.9 Application: Returns from Schooling 236 The NLS-Y Data 236 The Semi-Log Wage Equation 237 Omitted Variable Bias 238 IQ as the Measure of Ability 239 Errors-in-Variables 239 2SLS to Correct for the Bias 242 Subsequent Developments 243 Problem Set 244 Answers to Selected Questions 254 4 Multiple-Equation GMM 258 4.1 The Multiple-Equation Model 259 Linearity 259 Stationarity and Ergodicity 260 Orthogonality Conditions 261 Identification 262 The Assumption for Asymptotic Normality 264 Connection to the "Complete" System of Simultaneous Equations 265 4.2 Multiple-Equation GMM Defined 265 4.3 Large-Sample Theory 268 4.4 Single-Equation versus Multiple-Equation Estimation 271 When Are They "Equivalent"? 272 Joint Estimation Can Be Hazardous 273 4.5 Special Cases of Multiple-Equation GMM: FIVE, 3SLS, and SUR 274 Conditional Homoskedasticity 274 Full-Information Instrumental Variables Efficient (FIVE) 275 Three-Stage Least Squares (3SLS) 276 Seemingly Unrelated Regressions (SUR) 279 SUR versus OLS 281 4.6 Common Coefficients 286 The Model with Common Coefficients 286 The GMM Estimator 287 Imposing Conditional Homoskedasticity 288 Pooled OLS 290 Beautifying the Formulas 292 The Restriction That Isn't 293 4.7 Application: Interrelated Factor Demands 296 The Translog Cost Function 296 Factor Shares 297 Substitution Elasticities 298 Properties of Cost Functions 299 Stochastic Specifications 300 The Nature of Restrictions 301 Multivariate Regression Subject to Cross-Equation Restrictions 302 Which Equation to Delete? 304 Results 305 Problem Set 308 Answers to Selected Questions 320 5 Panel Data 323 5.1 The Error-Components Model 324 Error Components 324 Group Means 327 A Reparameterization 327 5.2 The Fixed-Effects Estimator 330 The Formula 330 Large-Sample Properties 331 Digression: When [eta]i Is Spherical 333 Random Effects versus Fixed Effects 334 Relaxing Conditional Homoskedasticity 335 5.3 Unbalanced Panels (optional) 337 "Zeroing Out" Missing Observations 338 Zeroing Out versus Compression 339 No Selectivity Bias 340 5.4 Application: International Differences in Growth Rates 342 Derivation of the Estimation Equation 342 Appending the Error Term 343 Treatment of [alpha]i 344 Consistent Estimation of Speed of Convergence 345 Appendix 5.A: Distribution of Hausman Statistic 346 Problem Set 349 Answers to Selected Questions 363 6 Serial Correlation 365 6.1 Modeling Serial Correlation: Linear Processes 365 MA(q) 366 MA([infinity]) as a Mean Square Limit 366 Filters 369 Inverting Lag Polynomials 372 6.2 ARMA Processes 375 AR(1) and Its MA([infinity]) Representation 376 Autocovariances of AR(1) 378 AR(p) and Its MA([infinity]) Representation 378 ARMA(p,q) 380 ARMA(p) with Common Roots 382 Invertibility 383 Autocovariance-Generating Function and the Spectrum 383 6.3 Vector Processes 387 6.4 Estimating Autoregressions 392 Estimation of AR(1) 392 Estimation of AR(p) 393 Choice of Lag Length 394 Estimation of VARs 397 Estimation of ARMA(p,q) 398 6.5 Asymptotics for Sample Means of Serially Correlated Processes 400 LLN for Covariance-Stationary Processes 401 Two Central Limit Theorems 402 Multivariate Extension 404 6.6 Incorporating Serial Correlation in GMM 406 The Model and Asymptotic Results 406 Estimating S When Autocovariances Vanish after Finite Lags 407 Using Kernels to Estimate S 408 VARHAC 410 6.7 Estimation under Conditional Homoskedasticity (Optional) 413 Kernel-Based Estimation of S under Conditional Homoskedasticity 413 Data Matrix Representation of Estimated Long-Run Variance 414 Relation to GLS 415 6.8 Application: Forward Exchange Rates as Optimal Predictors 418 The Market Efficiency Hypothesis 419 Testing Whether the Unconditional Mean Is Zero 420 Regression Tests 423 Problem Set 428 Answers to Selected Questions 441 7 Extremum Estimators 445 7.1 Extremum Estimators 446 "Measurability" of [theta] 446 Two Classes of Extremum Estimators 447 Maximum Likelihood (ML) 448 Conditional Maximum Likelihood 450 Invariance of ML 452 Nonlinear Least Squares (NLS) 453 Linear and Nonlinear GMM 454 7.2 Consistency 456 Two Consistency Theorems for Extremum Estimators 456 Consistency of M-Estimators 458 Concavity after Reparameterization 461 Identification in NLS and ML 462 Consistency of GMM 467 7.3 Asymptotic Normality 469 Asymptotic Normality of M-Estimators 470 Consistent Asymptotic Variance Estimation 473 Asymptotic Normality of Conditional ML 474 Two Examples 476 Asymptotic Normality of GMM 478 GMM versus ML 481 Expressing the Sampling Error in a Common Format 483 7.4 Hypothesis Testing 487 The Null Hypothesis 487 The Working Assumptions 489 The Wald Statistic 489 The Lagrange Multiplier (LM) Statistic 491 The Likelihood Ratio (LR) Statistic 493 Summary of the Trinity 494 7.5 Numerical Optimization 497 Newton-Raphson 497 Gauss-Newton 498 Writing Newton-Raphson and Gauss-Newton in a Common Format 498 Equations Nonlinear in Parameters Only 499 Problem Set 501 Answers to Selected Questions 505 8 Examples of Maximum Likelihood 507 8.1 Qualitative Response (QR) Models 507 Score and Hessian for Observation t 508 Consistency 509 Asymptotic Normality 510 8.2 Truncated Regression Models 511 The Model 511 Truncated Distributions 512 The Likelihood Function 513 Reparameterizing the Likelihood Function 514 Verifying Consistency and Asymptotic Normality 515 Recovering Original Parameters 517 8.3 Censored Regression (Tobit) Models 518 Tobit Likelihood Function 518 Reparameterization 519 8.4 Multivariate Regressions 521 The Multivariate Regression Model Restated 522 The Likelihood Function 523 Maximizing the Likelihood Function 524 Consistency and Asymptotic Normality 525 8.5 FIML 526 The Multiple-Equation Model with Common Instruments Restated 526 The Complete System of Simultaneous Equations 529 Relationship between ([Gamma]0, [Beta]0) and [delta]0 530 The FIML Likelihood Function 531 The FIML Concentrated Likelihood Function 532 Testing Overidentifying Restrictions 533 Properties of the FIML Estimator 533 ML Estimation of the SUR Model 535 8.6 LIML 538 LIML Defined 538 Computation of LIML 540 LIML versus 2SLS 542 8.7 Serially Correlated Observations 543 Two Questions 543 Unconditional ML for Dependent Observations 545 ML Estimation of AR.1/ Processes 546 Conditional ML Estimation of AR(1) Processes 547 Conditional ML Estimation of AR(p) and VAR(p) Processes 549 Problem Set 551 9 Unit-Root Econometrics 557 9.1 Modeling Trends 557 Integrated Processes 558 Why Is It Important to Know if the Process Is I(1)? 560 Which Should Be Taken as the Null, I(0) or I(1)? 562 Other Approaches to Modeling Trends 563 9.2 Tools for Unit-Root Econometrics 563 Linear I(0) Processes 563 Approximating I(1) by a Random Walk 564 Relation to ARMA Models 566 The Wiener Process 567 A Useful Lemma 570 9.3 Dickey-Fuller Tests 573 The AR(1) Model 573 Deriving the Limiting Distribution under the I(1) Null 574 Incorporating the Intercept 577 Incorporating Time Trend 581 9.4 Augmented Dickey-Fuller Tests 585 The Augmented Autoregression 585 Limiting Distribution of the OLS Estimator 586 Deriving Test Statistics 590 Testing Hypotheses about [zeta] 591 What to Do When p Is Unknown? 592 A Suggestion for the Choice of pmax(T) 594 Including the Intercept in the Regression 595 Incorporating Time Trend 597 Summary of the DF and ADF Tests and Other Unit-Root Tests 599 9.5 Which Unit-Root Test to Use? 601 Local-to-Unity Asymptotics 602 Small-Sample Properties 602 9.6 Application: Purchasing Power Parity 603 The Embarrassing Resiliency of the Random Walk Model? 604 Problem Set 605 Answers to Selected Questions 619 10 Cointegration 623 10.1 Cointegrated Systems 624 Linear Vector I(0) and I(1) Processes 624 The Beveridge-Nelson Decomposition 627 Cointegration Defined 629 10.2 Alternative Representations of Cointegrated Systems 633 Phillips's Triangular Representation 633 VAR and Cointegration 636 The Vector Error-Correction Model (VECM) 638 Johansen's ML Procedure 640 10.3 Testing the Null of No Cointegration 643 Spurious Regressions 643 The Residual-Based Test for Cointegration 644 Testing the Null of Cointegration 649 10.4 Inference on Cointegrating Vectors 650 The SOLS Estimator 650 The Bivariate Example 652 Continuing with the Bivariate Example 653 Allowing for Serial Correlation 654 General Case 657 Other Estimators and Finite-Sample Properties 658 10.5 Application: the Demand for Money in the United States 659 The Data 660 (m - p, y, R) as a Cointegrated System 660 DOLS 662 Unstable Money Demand? 663 Problem Set 665 Appendix. Partitioned Matrices and Kronecker Products 670 Addition and Multiplication of Partitioned Matrices 671 Inverting Partitioned Matrices 672

The second edition of this acclaimed graduate text provides a unified treatment of two methods used in contemporary econometric research, cross section and data panel methods. By focusing on assumptions that can be given behavioral content, the book maintains an appropriate level of rigor while emphasizing intuitive thinking. The analysis covers both linear and nonlinear models, including models with dynamics and/or individual heterogeneity. In addition to general estimation frameworks (particular methods of moments and maximum likelihood), specific linear and nonlinear methods are covered in detail, including probit and logit models and their multivariate, Tobit models, models for count data, censored and missing data schemes, causal (or treatment) effects, and duration analysis.Econometric Analysis of Cross Section and Panel Data was the first graduate econometrics text to focus on microeconomic data structures, allowing assumptions to be separated into population and sampling assumptions. This second edition has been substantially updated and revised. Improvements include a broader class of models for missing data problems; more detailed treatment of cluster problems, an important topic for empirical researchers; expanded discussion of "generalized instrumental variables" (GIV) estimation; new coverage (based on the author's own recent research) of inverse probability weighting; a more complete framework for estimating treatment effects with panel data, and a firmly established link between econometric approaches to nonlinear panel data and the "generalized estimating equation" literature popular in statistics and other fields. New attention is given to explaining when particular econometric methods can be applied; the goal is not only to tell readers what does work, but why certain "obvious" procedures do not. The numerous included exercises, both theoretical and computer-based, allow the reader to extend methods covered in the text and discover new insights.

This book provides the most comprehensive treatment to date of microeconometrics, the analysis of individual-level data on the economic behavior of individuals or firms using regression methods for cross section and panel data. The book is oriented to the practitioner. A basic understanding of the linear regression model with matrix algebra is assumed. The text can be used for a microeconometrics course, typically a second-year economics PhD course; for data-oriented applied microeconometrics field courses; and as a reference work for graduate students and applied researchers who wish to fill in gaps in their toolkit. Distinguishing features of the book include emphasis on nonlinear models and robust inference, simulation-based estimation, and problems of complex survey data. The book makes frequent use of numerical examples based on generated data to illustrate the key models and methods. More substantially, it systematically integrates into the text empirical illustrations based on seven large and exceptionally rich data sets. 1. Introduction 2. Causal and non-causal models 3. Microeconomic data structures 4. Linear models 5. ML and NLS estimation 6. GMM and systems estimation 7. Hypothesis tests 8. Specification tests and model selection 9. Semiparametric methods 10. Numerical optimization 11. Bootstrap methods 12. Simulation-based methods 13. Bayesian methods 14. Binary outcome models 15. Multinomial models 16. Tobit and selection models 17. Transition data: survival analysis 18. Mixture models and unobserved heterogeneity 19. Models of multiple hazards 20. Models of count data 21. Linear panel models: basics 22. Linear panel models: extensions 23. Nonlinear panel models 24. Stratified and clustered samples 25. Treatment evaluation 26. Measurement error models 27. Missing data and imputation A. Asymptotic theory B. Making pseudo-random draw.

A complete and up-to-date survey of microeconometric methods available in Stata, Microeconometrics Using Stata, Revised Edition is an outstanding introduction to microeconometrics and how to execute microeconometric research using Stata. It covers topics left out of most microeconometrics textbooks and omitted from basic introductions to Stata. This revised edition has been updated to reflect the new features available in Stata 11 that are useful to microeconomists. Instead of using mfx and the user-written margeff commands, the authors employ the new margins command, emphasizing both marginal effects at the means and average marginal effects. They also replace the xi command with factor variables, which allow you to specify indicator variables and interaction effects. Along with several new examples, this edition presents the new gmm command for generalized method of moments and nonlinear instrumental-variables estimation. In addition, the chapter on maximum likelihood estimation incorporates enhancements made to ml in Stata 11. Throughout the book, the authors use simulation methods to illustrate features of the estimators and tests described and provide an in-depth Stata example for each topic discussed. They also show how to use Stata's programming features to implement methods for which Stata does not have a specific command. The unique combination of topics, intuitive introductions to methods, and detailed illustrations of Stata examples make this book an invaluable, hands-on addition to the library of anyone who uses microeconometric methods. Stata Basics Interactive use Documentation Command syntax and operators Do-files and log files Scalars and matrices Using results from Stata commands Global and local macros Looping commands Some useful commands Template do-file User-written commands Data Management and Graphics Introduction Types of data Inputting data Data management Manipulating datasets Graphical display of data Linear Regression Basics Introduction Data and data summary Regression in levels and logs Basic regression analysis Specification analysis Prediction Sampling weights OLS using Mata Simulation Introduction Pseudorandom-number generators: Introduction Distribution of the sample mean Pseudorandom-number generators: Further details Computing integrals Simulation for regression: Introduction GLS Regression Introduction GLS and FGLS regression Modeling heteroskedastic data System of linear regressions Survey data: Weighting, clustering, and stratification Linear Instrumental-Variables Regression Introduction IV estimation IV example Weak instruments Better inference with weak instruments 3SLS systems estimation Quantile Regression Introduction QR QR for medical expenditures data QR for generated heteroskedastic data QR for count data Linear Panel-Data Models: Basics Introduction Panel-data methods overview Panel-data summary Pooled or population-averaged estimators Within estimator Between estimator RE estimator Comparison of estimators First-difference estimator Long panels Panel-data management Linear Panel-Data Models: Extensions Introduction Panel IV estimation Hausman-Taylor estimator Arellano-Bond estimator Mixed linear models Clustered data Nonlinear Regression Methods Introduction Nonlinear example: Doctor visits Nonlinear regression methods Different estimates of the VCE Prediction Marginal effects Model diagnostics Nonlinear Optimization Methods Introduction Newton-Raphson method Gradient methods The ml command: lf method Checking the program The ml command: d0, d1, d2, lf0, lf1, and lf2 methods The Mata optimize() function Generalized method of moments Testing Methods Introduction Critical values and p-values Wald tests and confidence intervals Likelihood-ratio tests Lagrange multiplier test (or score test) Test size and power Specification tests Bootstrap Methods Introduction Bootstrap methods Bootstrap pairs using the vce(bootstrap) option Bootstrap pairs using the bootstrap command Bootstraps with asymptotic refinement Bootstrap pairs using bsample and simulate Alternative resampling schemes The jackknife Binary Outcome Models Introduction Some parametric models Estimation Example Hypothesis and specification tests Goodness of fit and prediction Marginal effects Endogenous regressors Grouped data Multinomial Models Introduction Multinomial models overview Multinomial example: Choice of fishing mode Multinomial logit model Conditional logit model Nested logit model Multinomial probit model Random-parameters logit Ordered outcome models Multivariate outcomes Tobit and Selection Models Introduction Tobit model Tobit model example Tobit for lognormal data Two-part model in logs Selection model Prediction from models with outcome in logs Count-Data Models Introduction Features of count data Empirical example 1 Empirical example 2 Models with endogenous regressors Nonlinear Panel Models Introduction Nonlinear panel-data overview Nonlinear panel-data example Binary outcome models Tobit model Count-data models Appendix A: Programming in Stata Appendix B: Mata Glossary References Author Index Subject Index Stata resources and Exercises appear at the end of each chapter.

Stataの解説書がバージョンアップ。最新のStata version11にあわせ全面改訂。計量計算の出発点となるOLS回帰分析の章を刷新。新たに制限従属変数(LDV)の分析の章を加え、その他の章も内容が充実。 第1章 Stataをはじめよう 第2章 データ管理 第3章 記述統計 第4章 OLS回帰分析 第5章 時系列データの分析 第6章 カテゴリカル・データの分析 第7章 制限従属変数の分析 第8章 パネルデータ分析 第9章 サバイバル分析

豊富な事例で、データの構築から分析、結果のとりまとめまでを身につけられる!問題解決のヒントを多数掲載した、"困ったときの逆引き事典"を増強。Stata14はもちろん、Stata13・12・11などの旧バージョンへの対応にも配慮。頻出の"生存分析"に関する解説を増強。 第0章 Stataとは-なぜStataを使うのか 第1章 はじめの一歩-Stataを使ってみよう!(インストール、起動と画面の見方 データの読み込み ほか) 第2章 Stataによる統計表の作成-統計的な基礎も学ぼう(視覚的なデータの把握 数量的概念によるデータの把握 ほか) 第3章 Stataによる回帰分析-本格的な分析に向けて(回帰分析の考え方 Stataによる回帰分析 ほか) 第4章 パネル・データによる分析-いよいよ本領発揮(パネル・データ分析の考え方 パネル・データ利用のメリット ほか) 付録 困ったときの逆引き事典

Stataを使い，社会調査データを分析する手法を一から手ほどき。Stataのver.13に対応する。デモデータを使い，データの読み書きや関数のような，ごく初歩的な操作から始めて，高度な分析までを１冊で網羅できるように内容を構成・編集。社会調査データの分析に必要なコマンドとオプションを重点的に解説。 改訂版に向けての前書き はじめに 第1部　Stataの基本 第1章　Stataの起動から分析開始まで 　1節　Stataの起動 　2節　作業フォルダの設定 　3節　Stataで扱えるデータ 　4節　csv形式とは 　5節　Stataでcsv形式のデータを読み込む 　6節　dta形式で保存する，読み込む 　7節　データを消去する 　8節　データを確認するために 　9節　Data Editorでデータを作成する 第2章　データ処理の基礎 　1節　関数の構造 　2節　データ処理コマンド 　3節　条件式 第3章　調査で使う処理の定型：データのチェックから変数の加工まで 　1節　異常データのidを探す 　2節　単純集計表を作る：無回答と非該当を外して処理をする 　3節　まとめて欠損値処理：配列の利用 　4節　調査で行なう変数の加工 　5節　doファイル 第2部　仮説検証に向けての連関性の検討 第4章　変数の相関，連関の検討 　1節　クロス表 　2節　散布図を作る 　3節　相関係数 第5章　重回帰分析 　1節　重回帰分析 　2節　ダミー変数の利用と交互作用の検討 3節　予測値と調整平均 第6章　さまざまな回帰分析 1節　ロジスティック回帰分析／プロビット分析 2節　多項ロジット回帰分析／多項プロビット分析 3節　順序ロジット回帰分析／順序プロビット分析 4節　分位点回帰分析 5節　fractional polynomial 第7章　マルチレベル分析 1節　マルチレベル分析とは 2節　事例とステップで見るマルチレベル分析 3節　適合度とモデル構築 第8章　平均値の比較 1節　独立した2つのグループの平均値比較 2節　独立した3群以上の平均値比較 3節　同じ回答者の中での平均値の差の検定 4節　二元配置分散分析 第9章　合成尺度の作成（尺度構成） 1節　単純加算で合成尺度を作る 2節　主成分分析 3節　因子分析 第10章　クラスター分析 1節　クラスター分析とは 2節　階層的クラスター分析 3節　非階層的クラスター分析 第11章　ウェイトの利用 1節　サンプリングの理論について 2節　調査の非標本誤差に対処するためのウェイトの考え方 3節　調査の抽出確率の違いに対処するためのウェイトの考え方 4節　ウェイト作成の実際 5節　ウェイトを用いた分析例 6節　まとめ 引用・参考文献 読書案内 Stataによる社会調査データの分析　サンプル質問紙 索引 コラム1　データが大きすぎたら コラム2　なぜ，中心化・標準化すると多重共線性が消えるのか コラム3　どんな変数を「量的」と考えてよいか？

Whether you are new to Stata graphics or a seasoned veteran, A Visual Guide to Stata Graphics, Third Edition will reach you how to use Stata to make publication-quality graphics that will stand out and enhance your statistical results. With over 900 illustrated examples and quick-reference tabs, this book quickly guides you to the information you need for creating and customizing high-quality graphs for any type of statistical data. Each graph is displayed in full color with simple and clear instructions that illustrate how to create and customize graphs using either Stata commands or the Stata Graph Editor. Stata's powerful graphics system gives you complete control over how the elements of your graph look, from marker symbols to lines, from legends to captions and titles, from axis labels to grid lines, and more. Whether you use this book as a learning tool or a quick reference, you will have the power of Stata graphics at your fingertips. The third edition has been updated and expanded to reflect new Stat graphics features, and includes many additional examples. This updated edition illustrates new features to specify fonts and symbols. New sections have been added that illustrate the use of the marginsplot command as well as the use of contour plots. Introduction Using this book Types of Stata graphs Schemes Options Building graphs Editor Overview of the Graph Editor Object Browser Modifying objects Adding objects Moving objects Hiding and showing objects Locking and unlocking objects Using the Graph Recorder Graph Editor versus Stata commands Twoway graphs Scatterplots Regression fits and splines Regression confidence interval fits Line plots Area plots Bar plots Range plots Distribution plots Contour plots Options Overlaying plots Scatterplot matrix graphs Marker options Controlling axes Matrix options Graphing by groups Bar graphs Y variables Graphing bars over groups Options for controlling gaps between bars Options for sorting bars Controlling the categorical axis Legends and labeling bars Controlling the y axis Changing the look of bars Graphing by groups Box plots Specifying variables and groups Options for controlling gaps between boxes Options for sorting boxes Controlling the categorical axis Controlling legends Controlling the y axis Changing the look of boxes Graphing by groups Dot plots Specifying variables and groups Options for controlling gaps between dots Options for sorting dots Controlling the categorical axis Controlling legends Controlling the y axis Changing the look of dot rulers Graphing by groups Pie charts Types of pie charts Sorting pie slices Changing the look and color and exploding pie slices Slice labels Controlling legends Graphing by groups Options available for most graphs Changing the look of markers Creating and controlling marker labels Connecting points and markers Setting and controlling axis titles Setting and controlling axis labels Controlling axis scales Selecting an axis Graphing by groups Controlling legends Adding text to markers and positions Options for text and textboxes More options controlling the display of text Standard options available for all graphs Creating and controlling titles Using schemes to control the look of graphs Sizing graphs and their elements Changing the look of graph regions Styles for changing the look of graphs Angles Colors Clock position Compass direction Connecting points Line patterns Line width Margins Marker size Orientation Marker symbols Text size Appendix Overview of statistical graph commands Common options for statistical graphs The marginsplot command Saving, redisplaying, and combining graphs More examples: Putting it all together Common mistakes Customizing schemes Online supplements

データ解析とレポート作成の再現性を高めよう。その先には、ボスの笑顔が待っている。 RStudioを使いこなそう。その先には、旨いお鮨が待っている。 Rマークダウンをマスターしよう。その先には、明るい未来が待っている。 　本書はRによる再現可能なデータ解析とレポート作成を身につけるための一冊である。 Rがデータ解析のデファクトスタンダードとなった現在，Rの使い方やRによるさまざまなデータ解析手法についての情報は数多く入手できる。しかしどれだけ立派なデータ解析であっても，結果が再現できなかったり，間違いだらけだったり，時間がかかりすぎて完成しなかったりしたら，価値は半減である。 　本書ではRStudioとRマークダウンについての解説を通して，再現性と信頼性を高め効率を上げるような「データ解析とレポート作成というプロセス」について解説している。データ解析に携わるすべての人に，再現可能性の意義を学び，RStudioとRマークダウンによる再現可能なデータ解析とレポート作成を日々の習慣としてほしい。 Chapter 1　再現可能性のすゝめ 1.1　アドホックなデータ解析とその問題点 1.2　Rスクリプトの導入とその問題点 1.3　再現可能なデータ解析とその問題点 1.4　Rマークダウンによる再現可能なレポート作成 1.5　再現可能なデータ解析とレポート作成のメリット Chapter 2　RStudio入門 2.1　RStudioとは 2.2　RStudioのダウンロードとインストール 2.3　はじめてのRStudio 2.4　まずはRStudioを動かしてみよう 2.5　RStudioでの作業パターン 2.6　タブの紹介 2.7　ツールバー 2.8　メニューバー 2.9　Windowsでの日本語の利用 Chapter 3　RStudioによる再現可能なデータ解析 3.1　Rスクリプトによる解析 3.2　はじめてRスクリプトを使うためのチュートリアル 3.3　プロジェクト機能を利用する 3.4　データの読み込みの自動化 3.5　解析結果の保存の自動化 Chapter 4　RStudioによる再現可能なレポート作成 4.1　再現可能なレポートづくりを目指そう 4.2　Rマークダウンによるレポート作成：最初の一歩 4.3　コードの記述と動作の制御 4.4　ドキュメントの記述 4.5　YAMLヘッダによるレポートのメタデータ設定 4.6　レポート作成の実行 4.7　Rマークダウン編集サポートツール 4.8　Rスクリプトからレポート作成 Chapter 5　Rマークダウンによる表現の技術 5.1　さまざまな形式のレポート作成 5.2　bookdownによる書籍の作成 5.3　flexdashboardでエッセンスを伝える 5.4　htmlwidgetsによるインパクトのある可視化 5.5　表を極める―正確さと効率の両立 5.6　文献目録の作成 Chapter 6　再現可能性を高める 6.1　バージョン管理システムによる解析プロジェクトの管理 6.2　再現できる環境づくり：packrat編 6.3　パラメータ付きRマークダウン 6.4　R以外の言語エンジンの利用 6.5　外部のRマークダウンとRスクリプトの読み込み 6.6　Rマークダウンで後ろ向き参照 Chapter 7　RStudioを使いこなす 7.1　RStudioのオプション 7.2　コード補完機能 7.3　コードスニペット 7.4　コードの診断 7.5　RStudioによるデバッグ 付録A　マークダウン記法 付録B　チャンクオプション 索引

Rプログラミングを通してデータサイエンスの理解と知識を深めるための一冊。 「Rの神様」ハドリー・ウィッカムがRを使ったデータサイエンスの基本を指南！ ggplot2、plyrといったRを代表するパッケージやRStudioの開発で知られる「Rの神様」ハドリー・ウィッカムと、『RStudioからはじめるRプログラミング入門』の著者による、Rプログラミングを通してデータサイエンスの理解と知識を深めるための一冊。『RStudio～』のコンパニオンブックとして、データサイエンスの理論的な側面を支える役割も担っており、長らく発刊が待たれていました。Rの機能と威力を知り尽くし、また、統計とデータサイエンス教育のプロフェッショナルでもある著者たちによる、非常にわかりやすくクリアな説明は、既存のデータサイエンス入門書とは一線を画します。

Rの強力なグラフィックスパッケージ、ggplot2を使ってグラフを作成するためのレシピ集の改訂版。 Rの強力なグラフィックスパッケージ、ggplot2を使ってグラフを作成するためのレシピ集の待望の改訂版です。初版発刊から6年、ggplot2自体をはじめ、R言語や関連パッケージ、ツールのアップデートにしたがって全面改訂しました。基本的なグラフだけでなく、複雑なグラフや地図の作成、さらにはこうしたグラフのきめ細かいカスタマイズ方法、効果的な表示方法、色の使い方、さらには文書用データへの変換方法まで、およそグラフに関するほとんどのことを網羅。実際の「やりたいこと」に応じた解決法を提示。描きたいグラフがすぐに描ける、実用的な一冊です。

Written by two leading experts on experimental methods, this concise text covers the major aspects of experiment design, analysis and interpretation in clear language. Students learn how to design randomised experiments, analyse the data and interpret the findings. Beyond the authoritative coverage of the basic methodology, the authors include numerous features to help students achieve a deeper understanding of field experimentation, including rich examples from the social science literature, problem sets and discussions, data sets, and further readings.

日本最初の大規模フィールド実験で明らかになったこととは？　電力改革の実証実験に携わった著者が，日本に「エビデンスに基づく政策」を根付かせるために，実験の成果と意義を行動経済学の知見からわかりやすく解説し，新しい経済学の可能性を探る意欲作。 第Ⅰ部　スマートグリッドとフィールド実験 　第１章　スマートグリッドの経済学 　第２章　フィールド実験の経済学 第Ⅱ部　電力消費のフィールド実験 　第３章　価格の威力──北九州市の実験 　第４章　習慣化への挑戦──けいはんな学研都市の実験 　第５章　現状維持の克服──横浜市の実験 第Ⅲ部　スマートグリッドの実装に向けて 　第６章　デマンド・レスポンスの社会的効果と実装 　第７章　スマートグリッドの新展開

確率・統計の基礎から因果関係を識別するための応用手法，マクロ経済データの時系列分析の解説まで扱う。演習問題も充実。 確率・統計の基礎から因果関係を識別するための応用手法，マクロ経済データの時系列分析の解説まで扱う。また分析手法の理論的説明だけでなく，その手法を用いた実証例を紹介して理解を深めることができる。演習問題やデータ提供などのウェブサポートも充実。 第１章　計量経済学の目的と特徴 第Ⅰ部　基礎編：実証分析のための基礎知識 　第２章　データの整理と確率変数の基礎 　第３章　統計理論の基礎 　第４章　線形単回帰モデルの推定と検定 　第５章　重回帰モデルの推定と検定 第Ⅱ部　ミクロ編：ミクロデータの分析手法 　第６章　パネルデータ分析 　第７章　操作変数法 　第８章　制限従属変数モデル 　第９章　政策評価モデル 第Ⅲ部　マクロ編：時系列データの分析手法 　第10章　系列相関と時系列モデル 　第11章　トレンドと構造変化 　第12章　VAR モデル 付録 　Ａ　線形代数と漸近理論の基礎 　Ｂ　回帰分析の漸近理論 　Ｃ　実証研究の手引き 　Ｄ　文献・学習ガイド

Now in its third edition, this classic book is widely considered the leading text on Bayesian methods, lauded for its accessible, practical approach to analyzing data and solving research problems. Bayesian Data Analysis, Third Edition continues to take an applied approach to analysis using up-to-date Bayesian methods. The authors-all leaders in the statistics community-introduce basic concepts from a data-analytic perspective before presenting advanced methods. Throughout the text, numerous worked examples drawn from real applications and research emphasize the use of Bayesian inference in practice. New to the Third Edition Four new chapters on nonparametric modeling Coverage of weakly informative priors and boundary-avoiding priors Updated discussion of cross-validation and predictive information criteria Improved convergence monitoring and effective sample size calculations for iterative simulation Presentations of Hamiltonian Monte Carlo, variational Bayes, and expectation propagation New and revised software code The book can be used in three different ways. For undergraduate students, it introduces Bayesian inference starting from first principles. For graduate students, the text presents effective current approaches to Bayesian modeling and computation in statistics and related fields. For researchers, it provides an assortment of Bayesian methods in applied statistics. Additional materials, including data sets used in the examples, solutions to selected exercises, and software instructions, are available on the book's web page. FUNDAMENTALS OF BAYESIAN INFERENCE Probability and Inference Single-Parameter Models Introduction to Multiparameter Models Asymptotics and Connections to Non-Bayesian Approaches Hierarchical Models FUNDAMENTALS OF BAYESIAN DATA ANALYSIS Model Checking Evaluating, Comparing, and Expanding Models Modeling Accounting for Data Collection Decision Analysis ADVANCED COMPUTATION Introduction to Bayesian Computation Basics of Markov Chain Simulation Computationally Efficient Markov Chain Simulation Modal and Distributional Approximations REGRESSION MODELS Introduction to Regression Models Hierarchical Linear Models Generalized Linear Models Models for Robust Inference Models for Missing Data NONLINEAR AND NONPARAMETRIC MODELS Parametric Nonlinear Models Basic Function Models Gaussian Process Models Finite Mixture Models Dirichlet Process Models APPENDICES A: Standard Probability Distributions B: Outline of Proofs of Asymptotic Theorems C: Computation in R and Stan Bibliographic Notes and Exercises appear at the end of each chapter.

ネットワーク分析

一般化線型モデル

Rubin因果モデル