日曜日, 2月 07, 2016

ブートストラップ法(『計量経済学』末石直也)、経済数学

                       ( 経済学リンク::::::::::
計量経済学及びGMM
http://nam-students.blogspot.jp/2015/12/gmm.html
Advanced Econometrics Takeshi Amemiya 1985
http://nam-students.blogspot.jp/2015/12/advanced-econometrics-1985117-takeshi.html
グリーン計量経済学、 W. H. Greene Econometric Analysis 1993
http://nam-students.blogspot.jp/2015/11/w-h-greene-econometric-analysis.html
計量経済学   浅野皙, 中村二朗 2000/01
http://nam-students.blogspot.jp/2015/12/2000.html
Econometrics Fumio Hayashi 2000/12
http://nam-students.blogspot.jp/2015/12/econometrics-fumio-hayashi.html
NAMs出版プロジェクト: マルコフ連鎖:メモ
http://nam-students.blogspot.jp/2015/10/blog-post_54.html

Monetary Policy, Inflation, and the Business Cycle: Jordi Gali/Monetary Theory and Policy: Carl E. Walsh: 洋書
http://nam-students.blogspot.jp/2016/02/monetary-theory-and-policy-carl-e-walsh.html
ブートストラップ法(『計量経済学』末石直也)、 計量経済学・入門―三日間の経済学 佐和 隆光他
http://nam-students.blogspot.jp/2016/02/blog-post_70.html(本頁) 
Keynes “hanging by its own bootstraps”

計量経済学は、マクロの統計学が出自だが、ミクロに接近し今ではそこを根拠にしている。
行動経済学を同時にやるのが精神衛生上望ましい。

    計量経済学← 統計学 
   ↙︎           ↖︎
ミクロ             マクロ
   ↘︎           ↗︎
    ゲーム理論→行動経済学 


微積        計量経済学← 統計学      財政学    
  ↖︎      ↙︎           ↖︎   ↗︎
   数学→ミクロ             マクロ
  ↙︎      ↘︎           ↗︎   ↘︎
離散        ゲーム理論→行動経済学     金融学


微積        計量経済学← 統計学    
  ↖︎      ↙︎           ↖︎   
   数学→ミクロ→合理的期待形成→金融学→マクロ→財政学
  ↙︎      ↘︎           ↗︎   
離散        ゲーム理論→行動経済学     

    計量経済学← 統計学      財政学
   ↙︎           ↖︎   ↗︎
ミクロ             マクロ
   ↘︎           ↗︎   ↘︎
    ゲーム理論→行動経済学     金融学
_______

末広直也『計量経済学』136~7頁参照
バロン ほらふき男爵の冒険
仏語リメーク
自分の髪の毛を引っ張り上げる場面



http://ameblo.jp/mondekind/entry-11549863903.html
6月7日の記事で言及したように、元々ドイツ語の『ほら吹き男爵の冒険』では、ミュンヒハウゼン男爵は、ブートストラップではなく、自分の髪の毛を引っぱり上げて沼から抜け出た、と記述されていたという指摘があります。また、ドイツ語では、髪の毛を引っぱり上げて沼から抜け出る("Sich am eigenen Schopf aus dem Sumpf ziehen")というのは、一般的な慣用句だとのこと(*1)。

では、「髪の毛」がどこで「ブートストラップ」に入れ替わったのか、ということに関する推測もなされています(*2)。Zimmer氏によると、「自分の履いているブーツのストラップを引っぱり上げて沼から出る」という表現は、Zimmer氏が見た限りでは、19世紀には存在していないため、それがアメリカで英語に翻訳された時に、そのような表現が入り込んだのではないかと推測しています。当時の英語の文献では、bootstrapを含む慣用句としては、「沼」ではなく「フェンスを超える」や「尖り屋根を越える」(pulling oneself over a fence or up a steeple)という表現で使用されているというのです。



http://www.nippyo.co.jp/book/6899.html

計量経済学  ミクロデータ分析へのいざない
末石 直也 著

ISBNコード978-4-535-55816-8  発刊日:2015.07(下旬刊)
判型:A5判 ページ数:224ページ  
定価:税込み 2,484円(本体価格 2,300円)


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

ブートストラップ法 - Wikipedia
統計学におけるブートストラップ法(ブートストラップほう、bootstrap method)とは、様々な目的に用いられる統計的推論の手法であり、再標本化法に分類されるもののひとつである。モンテカルロ法の一つ。

ブートストラップ法は母集団推定量(分散など)の性質を、近似分布にしたがって標本化したときの性質を計算することで推定する手法である。近似分布としては、測定値から求められる経験分布を用いるのが標準的である。また仮説検定に使う場合もある。仮定される分布が疑わしい場合や、パラメトリックな仮定が不可能ないし非常に複雑な計算を必要とするような場合に、パラメトリックな仮定に基づく推計の代わりに用いられる。
ブートストラップ法の利点は解析的な手法と比べて非常に単純なことである。母集団分布の複雑なパラメータ(パーセンタイル点、割合、オッズ比相関係数など)の複雑な推定関数に対して標準誤差信頼区間を求めるために、単にブートストラップ標本を適用するだけで済む。
一方ブートストラップ法の欠点として、漸近的に一致する場合には有限標本が保証されず、楽観的になる傾向がある。

Bradley Efron (1979). “Bootstrap Methods: Another Look at the Jackknife”. The Annals of Statistics 7 (1): 1–26.






現代経済学の数学基礎 [第4版] (上・下)  [Fundamental Methods of Mathematical Economics (4th Ed.)]
  A.C. チャン/K. ウェインライト 著
  小田正雄/高森寛/森崎初男/森平爽一郎 訳
  上巻 A5判/496頁 定価 (本体 3,300円+税)
  下巻 A5判/488頁 定価 (本体 3,400円+税)

 ・本書は,経済学に不可欠の基本的な数学的手法を学ぼうとされる経済学部の学生のための教科書の最新改訂版
  である。この版ではこれまでの版の基本的な目的とスタイルを維持しているが,いくつかの点で大きな変更が行わ
  れた。
 ・数理計画に関する題材は新しく「第13章 最適化のさらなるトピックス」として追加されている。この第13章は,不等
  式制約下の最適化と包絡線定理という2つのテーマを持っている。最初のテーマでは,クーン-タッカー条件が前版
  と同様な方法で展開 されているが、扱っているトピックスは,ピークロード・プライシングや消費者配給制などを含
  むいくつかの新しい応用例を入れ て拡張された。2番目のテーマは包絡線定理の展開,最大値関数,および双
  対性の概念に関連するものである。
 ・もう1つの重要な追加は,最適制御論を扱った新しい第20章である。この章では,最適制御の基礎を提供し資源経
  済学や最適成長論などからの例を含めて,それがどのように経済学に応用されるかを示している。

 その他の重要な追加や改善:
 ・第3章では,高次の多項式を解く問題を因数分解によって展開している(3.3節)。
 ・第4章では,マルコフ・チェインに関する新しい節が加えられている(4.7節)。
 ・第5章では,階段行列によって行列の階をチェックしており(5.1節),レオンチェフの投入・産出モデルとの関連でホ
  ーキンズ-サイモン条件を導入している(5.7節)。経済への適用では,新しい例がつけ加えられており,また既存の
  例のいくつかについても補強されている。モデルの線形モデルが5.6節に取り入れられており,8.6節のモデルのよ
  り一般的な形が閉鎖経済と開放経済の両方を含むように拡張され,それによって比較静学の一般的な関数モデ
  ルへの適用がより豊かになっている。
 ・その他,期待効用と危険選好(9.3節),コブ-ダグラス生産関数を組み込んだ利潤最大化モデル(11.6節),2期の
  異時点間選択モデル(12.3節)である。

                                      [まえがき・目次を見る] 


                                              [下巻の目次を見る]
動学的最適化の基礎  [Elements of Dynamic Optimization]
  A.C. チャン著
  小田正雄/仙波憲一/高森寛/平澤典男 訳
  A5判/386頁 定価 (本体4,000円+税)

 本書はA.C.チャンの前著『現代経済学の数学基礎』(上・下巻)の続編で,動学的最適化理論のうち,変分法と最適制
 御論に焦点をあてたテキストである。動学的最適化の分析にはいくつかのアプローチがあるが,その中心は変分法,
 最適制御論,および動学的計画法の3つである。本書は特にこの中の最初の2つのアプローチについて詳細に解説し
 ている。本書はこれらを含めて,経済学で使われる動学的最適化理論を,多くの具体的な例を用いて手に取るように
 解説したテキストである。本書では,変分法と最適制御論を中心に,経済学で用いられる動学的最適化の分析手法
 を,豊富な適用例を揃えて解説している。演習問題の解答が用意されていることもテキストとしての本書の価値を大き
 く高めている。
                                                         [序文・目次を見る]
例題で学ぶ入門経済数学(上・下)
  E. ドウリング 著
  大住栄治/川島康男 訳
  上巻:A5 判/248 頁 定価 (本体 2,913円+税)
  下巻:A5 判/224 頁 定価 (本体 3,107円+税)

 各章と演習という形式で「例題を解くことによって学ぶ」。言葉による説明をできるだけ簡潔にし,具体的な数値による
 例題と演習問題を1つ1つ解いて理解を確認しながら進むことで,経済数学が自然と習得できる。

                                                序文  目次
ゲーム理論とその経済学への応用
  [GAME THEORY ― Introdution and Applications]
  G. ロンプ 著 福住多一 訳
  A5判/384頁 定価 (本体価格3,500円+税)

 ●本書は,ゲーム理論を経済学に応用しようとする読者のために書かれている。
 ●本書ではマクロ経済学からミクロ経済学までの広い範囲にわたり,これらの話題を高度な水準の数学を使わ
   ずに扱っている。とくに,経済学者が関心を寄せる多くの問題を深く理解するために,ゲーム理論がどのよう
   に役立つのかを提示している。
 ●学習をよりいっそう助けるために,主だった章に多くの問題をつけている。これらの練習問題には,本書を包括
   的に理解する役割もあり,また,前の章のアイディアを発展させたり,後の議論の基礎にもなっている。   


                                            [はしがき・目次を見る]

統計学におけるブートストラップ法(ブートストラップほう、bootstrap method
母集団推定量(分散など)の性質を、近似分布にしたがって標本化したときの性質を
計算することで推定する手法である。
 Bradley Efron (1979). 
“Bootstrap Methods: Another Look at the Jackknife”. 
The Annals of Statistics 7 (1): 1–26.

ブートストラップ法の語源 (末広直也『計量経済学』136~7頁参照)
バロン ほらふき男爵の冒険
2012ドイツ (1989年版が有名)
自分の髪の毛を引っ張り上げる場面
http://youtu.be/ZXVQdZhnpbY 1:30
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjBBNBcmX_feBs5DIXAQHkxU5gw9T83Lxq6LGOnlQAZO5oLa9cbm1sruA9JLNNdeGhr-RaPnSwfoz-2p9KMqQsir5vEffmDxGSLF2N7H6pm3t_Zzs0jpf92ca5KwSbOgU89cc1s3w/s1600/baron2012e.gif

http://ameblo.jp/mondekind/entry-11549863903.html
元々ドイツ語の『ほら吹き男爵の冒険』では、ミュンヒハウゼン男爵は、

ブートストラップではなく、自分の髪の毛を引っぱり上げて沼 から抜け出
た、と記述されていたという指摘があります。また、ドイツ語では、髪の毛を
引っぱり上げて沼から抜け出る("Sich am eigenen Schopf aus dem 
Sumpf ziehen")というのは、一般的な慣用句だとのこと。

では、「髪の毛」がどこで 「ブートストラップ」に入れ替わったのか、とい

うことに関する推測もなされています。Zimmer氏によると、「自分の
履いているブーツのスト ラップを引っぱり上げて沼から出る」という表現は、
Zimmer氏が見た限りでは、19世紀には存在していないため、それがアメリカ
で英語に翻訳された時 に、そのような表現が入り込んだのではないかと推測し
ています。

________


本章で紹介するブートストラップ(bootstrap)は、漸近理論と並ぶもうひと
つの統計量の分布の近似方法である。ブートストラップでは、コンピュータを
用いたシミュレーションにより、有限標本の統計量の分布を求める。具体的な
方法については次節以降で述べるが、ブートストラップの利点は大きく2点あ
る。ひとつは、漸近的なリファインメント(reinement)と呼ばれる性質であ
る。あるクラスの統計量について、ブートストラップによる近似のほうが、漸
近分布による近似よりも精度の高い近似を与える。先ほどの例で言えば、ブー
トストラップによって得られる近似分布のほうが、標準正規分布よりも、統計
量の厳密分布の良い近似になっている。もうひとつの利点は、ブートストラッ
プは分布を理論的に求めることを必要としないため、漸近分布を導出すること
が困難であったり、既知の漸近分布を持たない統計量についても、シミュレー
ションにより分布を求めることができる。

ブートストラップは、統計学者であるEfron(Efron 1979)によって提案さ
れた方法である。ブートストラップとは、ブーツのストラップ、つまり、ブー
ツのつまみの意味だが、この単語には「自力で成し遂げる」という意味もある
(pull oneself up by one's bootstrapというイデイオムがある)。これは、『ほら
ふき男爵の冒険』という物語において、湖に落ちそうになった主人公の男爵
が、自分のブーツのつまみを持って自分を引つ張りあげるという場面に由来す
るとされている)。ブートストラップという名前は、与えられた標本をもと
に、自らの複製を作り出す様を表している。


ほらふき男爵の話は、…多くの作家によって翻訳や改変が繰り返され、沼から髪の
毛を引っ張って引き上げるという話が、どこかでブーツのつまみに変わったようで
ある。ここでわざわざ書くことでもないのだが…。

(末広直也『計量経済学』136~7頁)

参考:
『バロン ほらふき男爵の冒険』2012ドイツ 予告編
自分の髪の毛を引っ張り上げる場面
http://youtu.be/ZXVQdZhnpbY  1:30
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjBBNBcmX_feBs5DIXAQHkxU5gw9T83Lxq6LGOnlQAZO5oLa9cbm1sruA9JLNNdeGhr-RaPnSwfoz-2p9KMqQsir5vEffmDxGSLF2N7H6pm3t_Zzs0jpf92ca5KwSbOgU89cc1s3w/s1600/baron2012e.gif
http://ameblo.jp/mondekind/entry-11549863903.html

 以下は1989年版より、
https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhYNy0nZIj5Cw7pDUZ26NWt__P6plsMnDGdPWjaK1yb6eCINlD6ni3kqcE9YObZLnRk33IUPsQk08sIk7EXVzJfqp52n1Ghn4TrdElaYJSHMY0_Dg6-T9IbxcsTLNIQOv95Yhdj6w/s1600/baron1989a.gif


 ___________

時系列データ、時系列資料(timeseries date):
価格
 |
 |      X  X
 |    X    
 | X
 |   
 |
 |__________
           数量

クロスセクションデータ、横断面資料(cross-section date):
価格
 |
 |             
 |            
 | X X  X  X
 |   
 |
 |__________
           数量

時系列、需要安定:
価格
 |
 |  X           
 |   X
 |    X
 |     X
 |
 |__________
           数量
時系列、供給安定:
価格
 |
 |    X
 |   X 
 |  X
 | X
 |
 |__________
           数量

計量経済学・入門―三日間の経済学 単行本 – 1991/2 146頁~参照



価格
 |
 |             
 |            
 | 
 |   
 |
 |__________
           数量

______

マクロにはクロスセクションかパネルが多い。
ミクロやファイナンスだと時系列が多い。

時系列データ、時系列資料(timeseries date):
(一つの対象を時間毎に計測)
価格
 |
 |      X  X
 |    X    
 | X
 |   
 |
 |__________
           数量

クロスセクションデータ、横断面資料(cross-section date):
(対象を増やし同時に計測。以下は同一価格にした事例)
価格
 |
 |            
 |            
 | X X  X  X
 |   
 |
 |__________
           数量

時系列、需要安定:
価格
 |
 |  X          
 |   X
 |    X
 |     X
 |
 |__________
           数量
時系列、供給安定:
価格
 |
 |    X
 |   X 
 |  X
 | X
 |
 |__________
           数量

計量経済学・入門―三日間の経済学 単行本 – 1991/2 146頁~参照
佐和 隆光 (著), 土志田 征一 (著), 黒田 昌裕 (著)


母集団と標本:
価格       x
 |B      /A
 | \    /
 |  \x /x      
 |   \/        
 |   /\  
 | x/  \ 
 | /x   \
 |__________
   XXX  XX  数量
   123  45
母集団はBではなくAと推察できる。
同163頁参照


__
最小二乗法(直線)の簡単な説明 | 高校数学の美しい物語
http://mathtrain.jp/leastsquares
最小二乗法について
最小二乗法による直線フィッティングの基礎的な説明です。
最小二乗法はデータの組xiyi が 

組与えられたときに,そのデータたちの関係を表すもっともらしい直線を求める方法です。
二つセットのデータの組(xi,yi) x i y i  が n 個与えられた状況を考えています。そして 
xi と yi に直線的な関係があると推察できるときに,ある意味で最も相応しい直線を引くのが最小二乗法です。

直線フィッティングの複雑な式を導出します。考え方は非常に単純です。

もっともらしい直線の式を yAxB とおくと,xiyi とその直線との y 方向の誤差(ズレ)は,yiAxiB です。この誤差の二乗和が最小になるのが最もらしい直線であると考えるのが最小二乗法の流儀です。
つまり,yiAxiB2 を最小化するような AB を求める問題となりました。変数が AB でそれ以外は定数である(データによって与えられている)ことに注意して下さい。
これは,二変数の二次関数で紹介したいずれの手法で解くこともできます。数式がやや複雑ですが頑張って計算すると冒頭の直線フィッティングの式を得ます。


13 Comments:

Blogger yoji said...


アイデア

理論の話に入る前に、ブートストラップのアイデアの説明をする。
(Xl… "χ″}をある母集団Fからの無作為標本とし、標本平均アの分布をシミ
ュレーションで求める方法を考える。仮にFが既知であるとして、コンピュ
ータによりFに従うような乱数をいくらでも発生させることができたとしよ
う。サンプルサイズ%の標本をひとつ発生させると、標本平均をひとつ計算
できる。同じことをB回繰り返せば、B個の標本平均を計算することができ
る。

1番目の標本:{Xll,..,X場}→ Xl
2番目の標本:{χf,.… X′}→ ア2
|
B番目の標本:{χf,… X′}→ χβ

シミュレーションによって計算されたアt.… ,ア
Bはアの従う分布からの実現
とみなすことができる。Xl,… アβの度数分布を求めると、Bが大きくなる
につれ、アの真の分布へと近づいていくはずである。
通常Fは未知なので、上記の方法は現実には実行不可能である。ブートス
トラップでは、未知のFからデータを発生させるのではなく、{為,… χ″}の
経験分布aからデータを発生させる。つまり、観測された標本{為,.."χ″}
から、重複を許して%個のデータをランダムに再抽出する。すると、サンプ
ルサイズ%の新たな標本{χr,.."χ″}が得られ、標本平均が計算できる。同
様のことをB回繰りかえせば

1番目の標本:{χrl,… ,x″
1)→ ア*1
2番目の標本:{χr2,… ,x″
2)→ χ*2

B番目の標本:{Xrt.."χ ″}→ ア*B

とB個の標本平均が求まる。πが十分大きければ、{Xl… "χ″}から標本を抽
出することは、母集団から標本を抽出することの良い近似になっている。
ア*1,… Ⅲχ*Bの度数分布が、ブートストラップによるアの近似分布である。

8:3 理論

次に、ブートストラップのやや抽象的な一般論について述べる。
{Xl,.."χπ}を分布Fからの無作為標本とし、兄=t(Xl…
"X″)を既知の統
計量、つまり、Xl…
"Xπ
の既知の関数とするの。Cの分布は、サンプルサイ
ズ%と未知の分

1:44 午前  
Blogger yoji said...



本章で紹介するブートストラツプ(bootstrap)は、漸近理論と並ぶもうひと
つの統計量の分布の近似方法である。ブートストラップでは、コンピュータを
用いたシミュレーションにより、有限標本の統計量の分布を求める6具体的な
方法については次節以降で述べるが、ブートストラップの利点は大きく2点あ
る。ひとつは、漸近的なリファインメント(reinement)と呼ばれる性質であ
る。あるクラスの統計量について、ブートストラップによる近似のほうが、漸
近分布による近似よりも精度の高い近似を与える。先ほどの例で言えば、ブー
トストラップによって得られる近似分布のほうが、標準正規分布よりも′統計
量の厳密分布の良い近似になっている。もうひとつの利点は、ブートストラッ
プは分布を理論的に求めることを必要としないため、漸近分布を導出すること
が困難であったり、既知の漸近分布を持たない統計量についても、シミュレー
ションにより分布を求めることができる。

ブートストラップは、統計学者であるEfron(Efron 1979)によって提案さ
れた方法である。ブートストラップとは、ブーツのストラップ、つまり、ブー
ツのつまみの意味だが、この単語には「自力で成し遂げる」という意味もある
(pu1l oneself up by one's bootstrapというイデイオムがある)。これは、『ほら
ふき男爵の冒険』という物語において、湖に落ちそうになった主人公の男爵
が、自分のブーツのつまみを持って自分を引つ張りあげるという場面に由来す
るとされている1)。ブートストラップという名前は、与えられた標本をもと
に、自らの複製を作り出す様を表している。

8:1
経験分布関数
第8章 ブートストラップ


経験分布関数(empirical distribuuon funcuon)はブートストラップの理論に
おいて重要な役割を果たす。{え,.."χ″}を分布Fからの無作為標本とする。
{ん,.¨ ,X″}の経験分布関数は
L(″)=券自1{χ≦″}
によつて定義される。経験分布関数は、%個の値Xl… "χ″がそれぞれ1/%の
確率で出現するような分布(経験分布)の分布関数である。例えば、サイコロ
を100回投げて、1から6の目がそれぞれ、17回、10回、18回、24回、20回、
11回出たとすると、経験分布関数(の実現値)は
F″ (″)=
0 ″<1
0.17 1≦ ″<2
0.272≦ ″く3
0.45 3≦ ″<4
0.69 4≦ ″<5
0.89 5≦ ″<6
1 ″≧ 6
である。
Xl,.."χ″は五dなので、1{Xl≦ ″},.."1{χ″≦″}もi.i.d.である。よって、
2(″)はi.id確率変数の標本平均の形になっている。また、1{χ ≦″}はベル
メーイ確率変数なので


1)ほらふき男爵の話のオリジナルは、1780年代にベルリンで『Mhsの物語』として雑
誌に掲載されたが、著者は不明である。数年後、Rudolph Erich Raspeによつて英訳さ
れ、ロンドンで出版されると、ベストセラーになった。ブーッのつまみを引つ張りあげ
るくだりは、Raspeによる英語版に載っているとされているのだが(Efron and Tibshir
ani 1993)、どうやらそのような記述はないらしい。ほらふき男爵の話は、Raspe以降も
多くの作家によつて翻訳や改変が繰り返され、沼から髪の毛を引っ張って引き上げると
いう話が、どこかでブーツのつまみに変わったようである。ここでわざわざ書くことで
もないのだが…・。

1:47 午前  
Blogger yoji said...

計量経済学は、マクロの統計学が出自だが、ミクロに接近し今ではそこを根拠にしている。
行動経済学を同時にやるのが精神衛生上望ましい。


    計量経済学← 統計学 
   ↙︎           ↖︎
ミクロ             マクロ
   ↘︎           ↗︎
    ゲーム理論→行動経済学

9:35 午後  
Blogger yoji said...


計量経済学は、マクロの統計学が出自だが、ミクロに接近し今ではそこを根拠にしている。
行動経済学を同時にやるのが精神衛生上望ましい。


    計量経済学← 統計学 
   ↙︎           ↖︎
ミクロ             マクロ
   ↘︎           ↗︎
    ゲーム理論→行動経済学


微積        計量経済学← 統計学    
  ↘︎      ↙︎           ↖︎   
   数学→ミクロ→合理的期待形成→金融学→マクロ→財政学
  ↙︎      ↘︎           ↗︎   
離散        ゲーム理論→行動経済学     


Monetary Policy, Inflation, and the Business Cycle: Jordi Gali/Monetary Theory and Policy: Carl E. Walsh: 洋書
http://nam-students.blogspot.jp/2016/02/monetary-theory-and-policy-carl-e-walsh.html
ブートストラップ法(『計量経済学』末石直也)、経済数学
http://nam-students.blogspot.jp/2016/02/blog-post_70.html(本頁)
マクロ→統計学→計量経済学→ミクロ
   金融学←マクロ→財政学
ミクロ→ゲーム理論→行動経済学→マクロ

    計量経済学← 統計学      財政学
   ↙︎           ↖︎   ↗︎
ミクロ             マクロ
   ↘︎           ↗︎   ↘︎
    ゲーム理論→行動経済学     金融学

    計量経済学← 統計学      財政学
   ↙︎           ↖︎   ↗︎
ミクロ → 合理的期待形成 → マクロ
   ↘︎           ↗︎   ↘︎
    ゲーム理論→行動経済学     金融学


財政学     計量経済学← 統計学      財政学
   ↖︎   ↙︎           ↖︎   ↗︎
    ミクロ             マクロ
   ↙︎   ↘︎           ↗︎   ↘︎
金融学     ゲーム理論→行動経済学     金融学


    計量経済学← 統計学      財政学
   ↙︎           ↖︎   ↗︎
ミクロ             マクロ
   ↘︎           ↗︎   ↘︎
    ゲーム理論→行動経済学     金融学


        計量経済学← 統計学    
       ↙︎           ↖︎   
 数学←→ミクロ       金融学←マクロ→財政学
       ↘︎           ↗︎   
        ゲーム理論→行動経済学     
         ↘︎合理的期待形成↗︎

  金融学←マクロ→財政学
ミクロ←計量経済学←統計学←マクロ
ミクロ→ゲーム理論→行動経済学→マクロ

   ↙︎計量経済学← 統計学 ↖︎
ミクロ             マクロ
   ↘︎ゲーム理論→行動経済学↗︎


   ↙︎計量経済学←統計学 ↖︎
ミクロ        金融学←マクロ→財政学
   ↘︎ゲーム理論→行動経済学↗︎


    計量経済学← 統計学 
   ↙︎           ↖︎
ミクロ             マクロ
   ↘︎           ↗︎
    ゲーム理論→行動経済学

9:37 午後  
Blogger yoji said...

マクロ→統計学→計量経済学→ミクロ
   金融学←マクロ→財政学
ミクロ→ゲーム理論→行動経済学→マクロ
計量経済学は、マクロの統計学が出自だが、ミクロに接近し今ではそこを根拠にしている。

    計量経済学← 統計学      財政学
   ↙︎           ↖︎   ↗︎
ミクロ             マクロ
   ↘︎           ↗︎   ↘︎
    ゲーム理論→行動経済学     金融学

   ↙︎計量経済学←統計学 ↖︎
ミクロ        金融学←マクロ→財政学
   ↘︎ゲーム理論→行動経済学↗︎


    計量経済学← 統計学 
   ↙︎           ↖︎
ミクロ             マクロ
   ↘︎           ↗︎
    ゲーム理論→行動経済学

9:41 午後  
Blogger yoji said...


http://blog.n-insight.co.jp/2015/09/blog-post.html
平均から分位点へ:分位点回帰
過去のブログエントリにおいて、
「高学歴ほど収入の振れ幅が大きい」とのお話がありました。
以下の論文は、回帰分析でその問いに答える研究をしています。

Angrist,Chernozhukov, and Fernandez-Val (2006) “Quantile Regression Under Misspecification, with an Application to the U.S. Wage Structure”

ではこの論文ではどのように分析したのでしょうか。
今回は分位点回帰(Quantile Regression)のご紹介です。


振れ幅が大きくなる現象をどう捉えるか 

収入の振れ幅が大きいとは格差が大きいということなので、
データがより広く散らばっていることになります。
言い換えると、分散が大きくなっていることになります。

つまり学歴が高くなるにつれて、
分散が大きくなることを確認すればよいことになります。
単回帰分析であれば以下のように散布図を作成すれば、容易に確認できます。



しかし、現実ではそうは簡単にいきません。
例えば重回帰分析の場合、散布図では確認することはできません。
では、どのようにすれば分析できるでしょうか。


分位点で回帰する分位点回帰(Quantile Regression) 

上の散布図において、
x(横軸)ごとのy(縦軸)の最小値付近を対象にすると、傾きはゼロになります。
対してxごとのyの最大値付近をみると、恐らく傾きは1程度になるでしょう。

例えば、yの分布の両端を対象にそれぞれ回帰直線を引くと、
以下のような 線になります。



つまり格差が拡大するケースでは、
分位点が最大値に近づくにつれて、傾きが大きくなるはずです。
このように平均ではなく、分位点を用いた回帰分析を、
分位点回帰(Quantile Regression)といいます。

種明かしをしますと、上の図における直線は
90%と10%のそれぞれの分位点で
分位点回帰を実行した回帰直線です。

この2つの回帰直線の傾きの差が大きいほど、
格差が拡大していくということになります。

ちなみに通常の回帰直線はこんな感じです。
違いがお分かり頂けたでしょうか。




ここまでのまとめ 

・ 分位点回帰は平均以外の分布の切り口を使って回帰分析ができる

・ 説明変数(横軸の変数)の値によって被説明変数(縦軸の変数)の格差が拡大
 することを見たい場合:
       ↓
 分布の両端(例えば10%と90%の分位点)で分位点回帰を行い、傾きの差を見る。


話を戻すと… 

2:37 午前  
Blogger yoji said...

最小二乗法 - Wikipedia

データセットを4次関数で最小二乗近似した例
https://ja.wikipedia.org/wiki/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%97%E6%B3%95
最小二乗法(さいしょうにじょうほう、さいしょうじじょうほう;最小自乗法とも書く、英: least squares method)は、測定で得られた数値の組を、適当なモデルから想定される1次関数、対数曲線など特定の関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、残差の二乗和を最小とするような係数を決定する方法、あるいはそのような方法によって近似を行うことである。

______



最小二乗法(直線)の簡単な説明 | 高校数学の美しい物語
http://mathtrain.jp/leastsquares

最小二乗法について

最小二乗法による直線フィッティングの基礎的な説明です。
最小二乗法はデータの組(xi,yi)
x
i
y
i

n 組与えられたときに,そのデータたちの関係を表すもっともらしい直線を求める方法です。

n
二つセットのデータの組(xi,yi) x i y i が n 個与えられた状況を考えています。そして

xi
x
i
と yi
y
i
に直線的な関係があると推察できるときに,ある意味で最も相応しい直線を引くのが最小二乗法です。




直線フィッティングの複雑な式を導出します。考え方は非常に単純です。



もっともらしい直線の式を y=Ax+B
y
A
x
B
とおくと,(xi,yi)
x
i
y
i
とその直線との y
y
方向の誤差(ズレ)は,|yi−Axi−B|
y
i
A
x
i
B
です。この誤差の二乗和が最小になるのが最もらしい直線であると考えるのが最小二乗法の流儀です。

つまり,∑(yi−Axi−B)2
y
i
A
x
i
B
2
を最小化するような A,B
A
B
を求める問題となりました。変数が A,B
A
B
でそれ以外は定数である(データによって与えられている)ことに注意して下さい。

これは,二変数の二次関数で紹介したいずれの手法で解くこともできます。数式がやや複雑ですが頑張って計算すると冒頭の直線フィッティングの式を得ます。

_____

3:11 午前  
Blogger yoji said...

UFA Münchhausen 1943 Full Version
https://youtu.be/ximQyzWH_H8

1:30 午後  
Blogger yoji said...

モフィット2018

ブートストラップ法は5つのステップから構成されているックな検定を適用し,検定統計量′を得
1データセットにパラメトリる3というかなり大きな数の「ブートストラップ標本Jを生成する このそれぞれは元の標本と同じサイズの標本である これらは元の標本から抽出されているが,それが復元抽出である点が重要である 各ブートストラップ標本に対して,検定統計景考,J=1,一,3を計算する検定統計量′),ブ=1,_,3の標準偏差s3を計算する新しい検定統計量zB=f/s3を得る「ブートストラップ法の下でのp値」を求めるために,23を標準正規分布と比較するMacKinllon(2002)によれば,ブートストラップ標本の数Bの値は,α(B+1)が整数となるように選ぶべきである ここで,αは選択された検定サイズである αは通常,O ol,005あるいは01oに設定されるので,上記の基準は本質的には,3が99,999,あるいは9999などとなるようにすべきだということを意味する この基準をここでも採用する以下のコマンドは,研究上の問い3(T3vs Tl)に対して,ブートストラップ法に基づく2標本t検定を適用するものである

11:40 午前  
Blogger yoji said...

モフィット74頁



73を標準正規

処理効果の検定
第3章
実験のデータに対して適用されている.
を試みる
彼らの結果を再現すること
以下では、
ブートストラップ法は5つのステップから構成されている.
1.データセットにパラメトリックな検定を適用し,
検定統計量tを得る
2. Bというかなり大きな数の「ブートストラップ標本」を生成する. こ
のそれぞれは元の標本と同じサイズの標本である. これらは元の標本か
ら抽出されているが,それが復元抽出である点が重要である. 各ブート
ストラップ標本に対して·検定統計量tj.js1 Bを計算する
3.検定統計量t; . j = 1 Bの標準偏差s13を計算する
4.新しい検定統計量&B=t/813を得る
5.「ブートストラップ法の下でのp値」を求めるために,zBを標準正規
分布と比較する


MacKinnon (2002)によれば, ブートストラップ標本の数Bの値は0 (B+
1)が整数となるように選ぶべきである. ここで、Qは選択された検定サイズ
である· 0は通常, 0.01, 0.05あるいは0.10に設定されるので、上記の基準
は本質的には. Вが99, 999、あるいは9999などとなるようにすべきだとい
うことを意味する.この基準をここでも採用する
以下のコマンドは,研究上の問い3 (T3 vs T1)に対して、
プ法に基づく 2標本t検定を適用するものである
ブートストラッ
bootstrap t-r(t), rep (999) nodrop: ///
ttest offer if treatment! 2, by (treatment)
(running ttest on estimation sample)
Bootstrap replications (999)
2
4
5
50
100
150
200
250
300
350

11:47 午前  
Blogger yoji said...

116

従属性
116
回帰·
第4章
理論の検証,
係数の値は以前のものと同じであることに注意しよう.以前と変わったのは
標準誤差および標準誤差から計算されるさまざまな値)だけである. クラ
スター化に対処した結果として、N6の係数の標準誤差は0.189から0.734に
上昇した. これは,処理効果に対するt検定統計量が以前よりもずっと小さく
なることを意味し,残念なことに、処理効果はもはや有意ではなくなる (p=
0.172)
従属性を調整することによって,強く有意である処理効果が有意でない処理
効果に変わってしまったのである. この例は,処理効果の検定を実施する際に
従属性に対する調整が重要であることを示すために極めて役に立つものであ

4.4.5 従属性の考慮:ブロック·ブートストラップ法
第3章で説明したように,「ブートストラップ検定」は実験統計学において
非常にポピュラーなものである.それは通常は必要となる分布上の仮定に依
存することなく,標準的なパラメトリック検定(例えば, t検定) を実施する
手段を提供してくれるからである
観察値が独立のケースでは、ブートストラップ法は、

以下のステップから構成されることを思い出してほしい

1.データセットに選択したパラメトリック検定を適用し,
検定統計量tを得る.
2, Bというかなり大きな数の「ブートストラップ標本」を生成する.
これは元の標本数と同じサイズの標本である. これらは元の標本から抽出
されているが、それが復元抽出である点が重要である。各ブートストラ
ップ標本に対して,検定統計量tj..j = 1 Bを計算する
3·ブートストラップ検定統計量ǐj.j= 1.Bの標準偏差を計算する.これがブートストラップ標準誤差となる.

クラスター化をしている場合、 上記の手法は使うことができない, というの
は、データにある従属 性を再現できないためである. ブロック·ブートストラ
ップ法は、観測値そのものではなく、データのブロックを再抽出することによ
って従属性を再現することを試みる
STATAでブロック·ブートストラップ法を適用するには, vceオプション

11:50 午前  
Blogger yoji said...

ジジェク2021性と



「物質なき精神は存在しない」。身体を破壊すれば、精神は消えてしまう。しかしながら、精神の自己措定は、たんなるある種の「麻薬常用者の幻想」ではない。それはそれ固有のアクチュアリティをもち、アクチュアルな効果を発揮する。ニーチェは『善悪の彼岸』においてミュンヒハウゼンを次のように見下しているが、以上の理由から、それは二重に間違っていたことになる。

「自由意志」への欲望……自己の行為に対する全的な且つ究極の責任をみずからに負いたいという欲望は……おのが頭髪をつかんでわが身を虚無の沼地から(aus dem Sumpf des Nichts)救い上げようとするのと……同断である(4)。

6:58 午前  
Blogger yoji said...




luminous woman
⁦‪@_luminous_woman‬⁩


邦題バンデットQ
1981
テリー・ギリアム監督
amazon.co.jp/gp/video/detai…

2021/08/20 18:47


https://twitter.com/_luminous_woman/status/1428654944857456646?s=21

5:09 午前  

コメントを投稿

<< Home