Существуют некоторые терминологические различия, когда одно и то же называется разными именами в разных дисциплинах:
- Продольные данные в биостатистике - это повторные наблюдения одних и тех же людей = панельные данные в эконометрике.
- 1/(1+exp[−x′β])x
- M
Существуют терминологические различия, когда один и тот же термин используется для обозначения разных вещей в разных дисциплинах:
- x′β
- Надежный вывод означает, что стандартные ошибки с поправкой на гетероскедастичность для экономистов (с расширениями на кластерные стандартные ошибки и / или стандартные ошибки с поправкой на автокорреляцию) и методы, устойчивые к значительным отклонениям для статистиков.
- Кажется, что экономисты имеют нелепую идею о том, что стратифицированные выборки - это те, в которых вероятности отбора варьируются между наблюдениями. Их следует называть выборками с неравной вероятностью. Стратифицированные выборки - это выборки, в которых популяция разбита на заранее определенные группы в соответствии с характеристиками, известными до проведения выборки.
- «Добыча данных» эконометриками (по крайней мере, в литературе 1980-х годов) означала множественное тестирование и связанные с ним подводные камни, которые были чудесно объяснены в книге Харрелла . Процедуры интеллектуального анализа данных ученых-компьютерщиков (и статистиков) представляют собой непараметрические методы поиска закономерностей в данных, также известные как статистическое обучение .
Я рассматриваю уникальный вклад эконометрики в
- Способы борьбы с эндогенностью и плохо определенными регрессионными моделями, признавая, как mpiktas объяснил в другом ответе , что (i) объясняющие переменные могут сами быть случайными (и, следовательно, коррелировать с ошибками регрессии, приводящими к смещению в оценках параметров), (ii) модели могут страдать от пропущенных переменных (которые затем становятся частью термина ошибки), (iii) может наблюдаться неоднородность того, как экономические агенты реагируют на стимулы, что усложняет стандартные регрессионные модели. Angrist & Pischke - это замечательный обзор этих проблем, и статистики узнают много нового о том, как сделать из этого регрессионный анализ. По крайней мере, статистики должны изучать и понимать регрессию инструментальных переменных.
- χ2s2(X′X)−1
- Во временной области было проделано много работы с равномерно распределенными процессами - вот как собираются макроэкономические данные. Уникальный вклад включает интегрированные и коинтегрированные процессы и методы авторегрессии с условной гетероскедастичностью ((G) ARCH). Будучи в целом микро-человеком, я менее знаком с этим.
β/σσ говорят, конечно, экономисты.) Конечно, линейная полезность полезности - это очень забавная вещь с точки зрения микроэкономики 101, хотя некоторые обобщения на полукогнутые функции, вероятно, сделаны в Mas-Collel.
Cp, DFBETA и т. Д.), Анализ пропущенных данных (частичная идентификация Мански, безусловно, причудливая, но основной анализ MCAR / MAR / NMAR и множественное вменение более полезны), а также статистика обследования. Многие другие вклады основных статистических данных были приняты эконометрикой и либо приняты в качестве стандартной методологии, либо приняты в качестве краткосрочного метода: модели ARMA 1960-х годов, вероятно, лучше известны в эконометрике, чем в статистике, поскольку некоторые программы для выпускников вузов в статистике может не предложить курс временных рядов в эти дни; оценки усадки / регрессия гребня 1970-х годов приходили и уходили; бутстрап 1980-х годов - реакция коленного толчка для любых сложных ситуаций, хотя экономисты должны быть лучше осведомлены об ограничениях бутстрапа; эмпирическая вероятность 1990-х годов была более развитой в методологии теоретических эконометристов, чем теоретиков-статистиков; вычислительные байесовские методы 2000-х годов используются в эконометрике, но мне кажется, что они слишком параметрические, слишком основанные на моделях, чтобы быть совместимыми с парадигмой надежности, о которой я упоминал ранее. Находят ли экономисты какое-либо использование статистического обучения / биоинформатики или пространственно-временных материалов, которые чрезвычайно популярны в современной статистике, остается открытым.