A Stata végez ökonometriát és Bayesi statisztikát is. A Stata 17 mindkettőt kombinálja a Bayesi ökonometria elvégzéséhez.
A Bayesi ökonometria Bayesi alapelveket használ, hogy tanulmányozza a gazdasági összefüggéseket. Mennyire valószinű, hogy egy további iskolai év emelni fogja a bérezést? Azok akik részt vesznek munkahelyi képzési programban, nagyobb valószinűséggel maradnak foglalkoztatottak a következő öt évben? Mennyi az alapértelmezett esély egy gyenge alap portfolió esetén? Az ilyen kérédsekre könnyen lehet válaszolni a Bayesi paradofmán belül, ami megbecsüli az Önt érdelkő hipotézis valószinűségét. Lásd: Mi a Beyesi elemzés? Tudjon meg többet.
A Bayesi módszer ökonometria modellezésben való alkalmazásának egyik erénye a modellparaméterekről a gyakorlatban gyakran eltéhető külső információk beépítése. Ez az információ származthat történelmi adatokból, vagy természetes módon egy gazdasági folyamat ismeretéből. Például egy országok esetében a jövedelem rugalmassága kisebb lehet, mint 1, vagy az autokorreláció -1 és 1 között van. Akárhogy is egy Bayesi megközelités lehetővé teszi számunkra, hogy ezt a külső információt egyesítsük azzal, amit a jelenlegi adatokban megfigyelünk, hogy reálisabb képet kapjunk az érdekelt gazdasági folyamatról.
Kérdezheti: Mi van, ha nincsen semmilyen külső információk? Nen gond. Előzetes informatív ismeretek nélkül az eredmények hasonlóak lesznek, mint amelyeket a klasszikus ökonometriai módszerekkel szerzett volna. De értelmezésük intuitívabb lehet. Például egy 95°%-ban hiteles intervallum – a konfidencia intervallum Bayesi megfelelője – értelmezhető olyan tartományként, amelyben a paraméter 0.95 valószínűséggel rendelkezik.
Van egy másik oka annak, hogy a Bayesi ökonometria vonzó lehet alapos külső ismeretek hiányában. Az ökonometriai modellek gyakran bonyolult közgazdasági elméleteket írnak le, ezért sok paraméterük van – gyakran olyan sok, hogy megvalósíthatatlanná válik a modellek beillesztése anélkül, hogy a modell paramétereiről tartalmaznának némi információt. Ilyen helyzetekben a Bayesi ökonometirai modellezés egyensúlyt teremthet az adatokban megfigyeltek és a modellparaméterekkel kapcsolatos ésszerű feltételezések között a megbízható következtetés érdekében.
Például a vektor autoregresszív (VAR) modellekről ismert, hogy sok paraméretük van az adatmérethez képest. Ezeknek a modelleknek a Bayes elemzése speciális priorokat vezet be, amelyek lehetővé teszik a satabilabb paraméterbecslések megszerzését.
Ismert, hogy a dinamikus sztochasztikus általános egyensúlyi (DSGE) modellek olyan paraméterekkel rendelkeznek, amelyek közvetlen gazdasági értelmezéssel rendelkeznek, és gyakran olyan logikai határokkal, amelyek könnyen beépíthetők számos korábbi eloszlás révén