Introducción a la econometría bayesiana

Opiniones de los lectores

El libro ha recibido críticas dispares: algunos lo elogian como una introducción útil a la econometría bayesiana y apropiado para estudiantes e investigadores, mientras que otros lo critican por su mala organización, la dependencia de referencias obsoletas y los problemas con las soluciones de codificación del autor.

⬤ Buena introducción a las técnicas bayesianas
⬤ explicaciones claras y aplicaciones de datos reales
⬤ capítulos breves y centrados
⬤ ejercicios valiosos
⬤ adecuado para quienes tengan cierta experiencia en programación y estadística
⬤ se considera una buena relación calidad-precio.

⬤ Se critica la redacción y la organización del autor
⬤ gran dependencia de referencias obsoletas
⬤ se supone que los lectores tienen conocimientos previos de las obras de referencia
⬤ las soluciones de codificación son desordenadas y confusas
⬤ algunos consideran que le falta profundidad en comparación con otros textos bayesianos.

(basado en 9 opiniones de lectores)

Título original:

Introduction to Bayesian Econometrics

Contenido del libro:

Este libro de texto, ahora en su segunda edición, es una introducción a la econometría desde el punto de vista bayesiano. Comienza con una explicación de las ideas básicas de la probabilidad subjetiva y muestra cómo las probabilidades subjetivas deben obedecer las reglas habituales de la probabilidad para garantizar la coherencia.

A continuación, aborda las definiciones de función de verosimilitud, distribuciones a priori y distribuciones a posteriori. Explica cómo las distribuciones posteriores son la base de la inferencia y explora sus propiedades básicas. Se utiliza la distribución Bernoulli como ejemplo sencillo.

Se consideran varios métodos para especificar distribuciones a priori, haciendo especial hincapié en las consideraciones temáticas y la capacidad de intercambio. Se examina el modelo de regresión para mostrar cómo los métodos analíticos pueden fallar en la derivación de distribuciones posteriores marginales, lo que conduce a una explicación de los métodos de simulación clásicos y de Markov chain Monte Carlo (MCMC).

Esto último va precedido de una breve introducción a las cadenas de Markov. El resto del libro se ocupa de las aplicaciones de la teoría a modelos importantes que se utilizan en economía, ciencias políticas, bioestadística y otros campos aplicados.

La segunda edición incluye un capítulo sobre regresión semiparamétrica y nuevas secciones sobre los modelos probit ordinal, de respuesta a ítems, de análisis factorial, ARCH-GARCH y de volatilidad estocástica. La nueva edición también hace hincapié en el lenguaje de programación R, que se ha convertido en el entorno más utilizado para la estadística bayesiana.