Econometric method of economic data with measurement error and its application
带有测量误差的经济数据的计量方法及其应用
基本信息
- 批准号:10630019
- 负责人:
- 金额:$ 1.86万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for Scientific Research (C)
- 财政年份:1998
- 资助国家:日本
- 起止时间:1998 至 1999
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
In this research, we considered the Bayesian estimation of some economic models with the measurement errors on both the left and the right hand side. It is noteworthy that in the Bayesian approach no additional data are required in contrast with the non-Bayesian approach. In particular, we estimate the HOGLEX demand system and the Engel curves specified as Working-Leser form. We also derived the Bayesian estimation procedure in both models with and without an instrumental variable. Using household expenditure unit records from Thailand, Philippines and United Kingdom, this research applied the developed Bayesian methods to estimate the models. From the results of this research, the Bayesian methods are very suitable to the estimation of models with measurement errors and are applied to complex models, which are not estimated easily by the non-Bayesian methods.
在本研究中,我们考虑了一些经济模型的贝叶斯估计,左侧和右侧都有测量误差。值得注意的是,与非贝叶斯方法相比,贝叶斯方法不需要额外的数据。特别是,我们估计了 HOGLEX 需求系统和指定为工作-Leser 形式的恩格尔曲线。我们还在有和没有工具变量的两个模型中推导了贝叶斯估计过程。本研究利用泰国、菲律宾和英国的家庭支出单位记录,应用发达的贝叶斯方法来估计模型。从本研究的结果来看,贝叶斯方法非常适合具有测量误差的模型的估计,并且适用于非贝叶斯方法不易估计的复杂模型。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
HASEGAWA Hikaru其他文献
HASEGAWA Hikaru的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('HASEGAWA Hikaru', 18)}}的其他基金
Bayesian Methods for Statistical Analysis on Stochastic Dominance and Its Applications
随机优势统计分析的贝叶斯方法及其应用
- 批准号:
22530203 - 财政年份:2010
- 资助金额:
$ 1.86万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
Bayesian Analysis on Dynamic Multivariate Discrete Choice Models and Its Applications
动态多元离散选择模型的贝叶斯分析及其应用
- 批准号:
19530177 - 财政年份:2007
- 资助金额:
$ 1.86万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
Bayesian methods for economic survey data and its applications
经济调查数据的贝叶斯方法及其应用
- 批准号:
13630024 - 财政年份:2001
- 资助金额:
$ 1.86万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
相似国自然基金
贝叶斯框架下基于采样算法的弹性介质全波形反演与不确定性分析
- 批准号:42374138
- 批准年份:2023
- 资助金额:51 万元
- 项目类别:面上项目
隐马尔可夫变系数回归模型的贝叶斯分析
- 批准号:12361061
- 批准年份:2023
- 资助金额:27 万元
- 项目类别:地区科学基金项目
基于贝叶斯推断的充气梁承载极限实时分析方法研究
- 批准号:
- 批准年份:2022
- 资助金额:55 万元
- 项目类别:面上项目
基于EMAP先验的动态借力贝叶斯模型在确证性平台试验中的适应性设计与分析方法研究
- 批准号:
- 批准年份:2022
- 资助金额:52 万元
- 项目类别:面上项目
贝叶斯独立成分分析模型及其在神经影像学中的应用
- 批准号:
- 批准年份:2022
- 资助金额:30 万元
- 项目类别:青年科学基金项目
相似海外基金
Scalable Bayesian regression: Analytical and numerical tools for efficient Bayesian analysis in the large data regime
可扩展贝叶斯回归:在大数据领域进行高效贝叶斯分析的分析和数值工具
- 批准号:
2311354 - 财政年份:2023
- 资助金额:
$ 1.86万 - 项目类别:
Standard Grant
Bayesian genetic association analysis of all rare diseases in the Kids First cohort
Kids First 队列中所有罕见疾病的贝叶斯遗传关联分析
- 批准号:
10643463 - 财政年份:2023
- 资助金额:
$ 1.86万 - 项目类别:
Examining patterns of opioid overdose hotspots and opioid treatment deserts in California
检查加利福尼亚州阿片类药物过量热点和阿片类药物治疗沙漠的模式
- 批准号:
10679608 - 财政年份:2023
- 资助金额:
$ 1.86万 - 项目类别:
Bayesian approaches to identify persons with osteoarthritis in electronic health records and administrative health data in the absence of a perfect reference standard
在缺乏完美参考标准的情况下,贝叶斯方法在电子健康记录和管理健康数据中识别骨关节炎患者
- 批准号:
10665905 - 财政年份:2023
- 资助金额:
$ 1.86万 - 项目类别:
Using Causal Machine Learning Methods to Inform Tobacco Regulatory Science
使用因果机器学习方法为烟草监管科学提供信息
- 批准号:
10662955 - 财政年份:2023
- 资助金额:
$ 1.86万 - 项目类别: