Stata займається економетрикою. Stata веде байєсівську статистику. Stata 17 поєднує обидва, щоб зробити байєсівську економетрику.

Байєсівська економетрика використовує байєсівські принципи для вивчення економічних відносин. Наскільки ймовірно, що додатковий рік навчання підвищить заробітну плату? Чи ті, хто бере участь у програмі професійного навчання, з більшою ймовірністю залишаться на роботі протягом наступних п’яти років? Яка ймовірність дефолту для портфеля з низьким рівнем дефолту? На такі питання можна відповісти природно в рамках байєсівської парадигми, яка може оцінити ймовірність будь-якої гіпотези, що цікавить. Дивіться, що таке байєсівський аналіз? щоб дізнатися більше.

Одним із переваг використання байєсівських методів в економетричному моделюванні є включення зовнішньої інформації про параметри моделі, часто доступної на практиці. Ця інформація може виходити з історичних даних, або вона може виходити природним чином із знання економічного процесу. Наприклад, еластичність за доходом може бути меншою за 1 для деяких країн, або відомо, що автокореляція знаходиться в межах від -1 до 1. У будь-якому випадку, байєсівський підхід дозволяє нам поєднати цю зовнішню інформацію з тим, що ми спостерігаємо в поточних даних. сформувати більш реалістичне уявлення про економічний процес, що цікавить.

Ви можете запитати: що робити, якщо я не володію зовнішньою інформацією? Без проблем. Без будь-яких інформативних попередніх знань результати будуть подібними до тих, які ви отримали б за допомогою класичних методів економетрики. Але їх інтерпретація може бути більш інтуїтивною. Наприклад, 95% вірогідний інтервал — байєсівський аналог довірчого інтервалу — можна інтерпретувати як діапазон, у якому параметр знаходиться з імовірністю 0,95.

Існує ще одна причина, чому байєсовська економетрика може бути привабливою за відсутності міцного зовнішнього знання. Економетричні моделі часто описують складні економічні теорії і, таким чином, мають тенденцію мати багато параметрів — часто так багато, що стає неможливим узгодити моделі без включення певної інформації про параметри моделі. У таких ситуаціях байєсівське економетричне моделювання може забезпечити баланс між тим, що спостерігається в даних, і тим, що доцільно припустити щодо параметрів моделі, щоб отримати надійний висновок.

Наприклад, відомо, що моделі векторної авторегресії (VAR) мають багато параметрів щодо розміру даних. Байєсівський аналіз цих моделей вводить спеціалізовані пріоритети, які дозволяють отримати більш стабільні оцінки параметрів.

Крім того, відомо, що моделі динамічної стохастичної загальної рівноваги (DSGE) мають параметри, які мають пряму економічну інтерпретацію і часто мають логічні межі, які можна легко включити за допомогою різноманітних попередніх розподілів.