Stata се занимава с иконометрия. Stata прави Байесова статистика. Stata 17 комбинира и двете, за да прави бейсовска иконометрия.

Байесовата иконометрия използва Байесовите принципи за изучаване на икономическите взаимоотношения. Доколко е вероятно една допълнителна година обучение да увеличи заплатите? По-вероятно ли е тези, които участват в програма за обучение за работа, да останат на работа през следващите пет години? Каква е вероятността от неизпълнение на задълженията за портфейл с ниска степен на неизпълнение? На такива въпроси може да се отговори по естествен начин в рамките на Байесовата парадигма, която може да оцени вероятността на всяка интересуваща ни хипотеза. Вижте Какво е байесов анализ, за да научите повече.

Един от призивите за използване на бейсовски методи в иконометричното моделиране е да се включи външната информация за параметрите на модела, която често е налична в практиката. Тази информация може да идва от исторически данни или може да е естествено свързана с познаването на даден икономически процес. Например може да е известно, че еластичността на дохода е по-малка от 1 за някои страни, или че автокорелацията е между -1 и 1. Така или иначе, бейсовският подход ни позволява да комбинираме тази външна информация с това, което наблюдаваме в текущите данни, за да формираме по-реалистична представа за икономическия процес, който ни интересува.

Може да попитате: Ами ако не разполагам с никаква външна информация? Няма проблем. Без никакви информативни предварителни знания резултатите ще бъдат подобни на тези, които бихте получили, използвайки класическите иконометрични методи. Но тяхното тълкуване може да бъде по-интуитивно. Например 95%-ният доверителен интервал – бейсовски аналог на доверителния интервал – може да се интерпретира като диапазон, в който даден параметър лежи с вероятност 0,95.

Има и друга причина, поради която байесовата иконометрия може да бъде привлекателна при липса на сериозни външни познания. Моделите на иконометрията често описват сложни икономически теории и поради това са склонни да имат много параметри – често толкова много, че става невъзможно моделите да се напаснат, без да се включи някаква информация за параметрите на модела. В такива ситуации Бейсовото иконометрично моделиране може да осигури баланс между това, което се наблюдава в данните, и това, което е разумно да се предположи за параметрите на модела, за да се получи надежден извод.

Например известно е, че векторните авторегресионни (VAR) модели имат много параметри спрямо обема на данните. Бейсовският анализ на тези модели въвежда специализирани прийоми, които ви позволяват да получите по-стабилни оценки на параметрите.

Също така е известно, че динамичните стохастични модели на общото равновесие (DSGE) имат параметри, които имат пряко икономическо тълкуване и често имат логически граници, които могат лесно да бъдат включени чрез различни предварителни разпределения.