原題:The Oxford Handbook of Bayesian Econometrics (2011)
編者:John F. Geweke シドニー工科大学教授
編者:Gary Koop ストラスクライド大学経済学教授
編者:Herman K. van Dijk(1946-) ティンバーゲン研究所所長
著者:Greg Allenby オハイオ州立大学フィッシャー経営大学院教授
著者:Siddhartha Chib ワシントン大学オーリン経営大学院教授
著者:Marco Del Negro ニューヨーク連邦準備銀行
著者:Paolo Giordani スウェーデン中央銀行アドバイザー
著者:Jim Griffin ケント大学統計学講師
著者:Eric Jacquier MITスローンスクール財政学准教授
著者:Robert Kohn ニューサウスウェールズ大学教授
著者:Mingliang Li ニューヨーク州立大学バッファロー校経済学部経済学准教授
著者:Michael Pitt ウォーリック大学経済学准教授
著者:Dale J.Poirier カリフォルニア大学アーバイン校経済学教授
著者:Nicholas Polson(1963-) シカゴ大学ブース経営大学院教授
著者:Fernando Andrés Quintana チリ・カトリカ大学統計学部教授
著者:Peter E. Rossi UCLAアンダーソン経営大学院教授
著者:Frank Schorfheide ペンシルベニア大学経済学教授
著者:Mark F. J.Steel ウォーリック大学統計学教授
著者:Justin Tobias パデュー大学経済学部教授
監訳:照井 伸彦[てるい・のぶひこ] (序章,第1章,第2章)東北大学大学院経済学研究科教授
訳者:佐藤 忠彦[さとう・ただひこ] (第3章)筑波大学ビジネスサイエンス系准教授
訳者:伴 正隆[ばん・まさたか] (第4章)日本大学経済学部准教授
訳者:石垣 司[いしがき・つかさ] (第5章)東北大学大学院経済学研究科准教授
訳者:中山 雄司[なかやま・ゆうじ] (第6章)大阪府立大学大学院経済学研究科教授
訳者:姚 峰[Feng Yao] (7.1~7.4節)香川大学経済学部教授
訳者:砂田 洋志[すなだ・ひろし] (第7章)山形大学人文学部 教授
訳者:Wirawan Dony Dahana[ウィラワン・ドニ・ダハナ] (第8章)大阪大学大学院経済学研究科講師
訳者:島田 淳二[しまだ・じゅんじ] (第9章) 青山学院大学経営学部教授
※著訳者の所属は出版時点の情報。
件名:計量経済学
NDLC:DA49
NDC:331.19 経済学.経済思想
いまやベイズ計量経済学は,計量経済理論だけでなく実証分析にまで広範に拡大しており,本書は教科書で身に付けた知識を研究領域に適用しようとするとき役立つよう企図されたもの。
【目次】
colophon [/]
監訳者序文(2013年8月 照井伸彦) [i]
日本語版序文(John Geweke) [iii]
翻訳者一覧 [v]
執筆者一覧 [vi-vii]
目次 [ix-xv]
0. 序章 001
0.1 はじめに 001
0.2 原理 003
0.3 方法 003
0.4 応用 005
0.5 おわりに 007
第I部 諸原理
1. 処置選択の個人推測の諸側面 011
1.1 はじめに 011
1.2 単純無作為割当 013
1.2.1 尤度関数
1.2.2 制限情報
1.2.3 事前分布
1.3 測定された属性を条件付とした無作為割当て 021
1.3.1 既知の傾向スコア
1.3.2 相関をもつランダム効果
1.3.3 未知の傾向スコア
1.4 観測不能変数の選択 030
1.5 文献の関連 036
文献 038
2. 交換可能性,表現定理,主観性 040
2.1 体内 040
2.2 交換可能性 042
2.3 ベルヌーイのケース 044
2.4 ノンパラメトリック表現定理 047
2.5 一般化 047
2.6 部分交換可能性 052
2.7 おわりに 053
文献 054
第II部 方法
3. 時系列状態空間モデルのためのベイズ推測 059
3.1 はじめに 059
3.2 一般状態空間モデルの枠組み 061
3.2.1 仮定
3.2.2 フィルタリング
3.2.3 尤度の計算
3.2.4 平滑化
3.2.5 欠損値
3.3 線形ガウス型状態空間モデル 066
3.3.1 フィルタリング
3.3.2 欠損値
3.3.3 尤度計算
3.3.4 平滑化
3.3.5 共変量の導入
3.3.6 状態ベクトルに関する初期条件
3.3.7 ベイズ推測
3.4 条件付ガウスモデル 074
3.4.1 離散混合線形ガウス型状態空間モデル
3.4.2 補助潜在変数モデル(auxiliary latent variable model)
3.5 多変量線形ガウス型状態空間モデルと条件付ガウス型状態空間モデル 082
3.5.1 多変量ローカルレベルモデルと多変量自己回帰 + ノイズモデル
3.5.2 時変係数VARモデル
3.5.3 レジームスイッチングと複数の変化点をもつVARモデル
3.5.4 動的因子モデル
3.6 一般状態空間モデルのMCMCによる推測 086
3.6.1 非効率性と収束性の問題
3.6.2 非効率性解析:パラメトリゼーション
3.6.3 非効率性解析:シングルムーブ型状態更新
3.6.4 ブロックとして状態をシミュレーションする
3.6.5 シミュレーションによる検証:SVモデルに関するシングルムーブとマルチムーブの比較
3.7 粒子フィルタ(パラメータが既知の場合) 096
3.7.1 サンプリング重点リサンプリング(SIR)
3.7.2 多項サンプリング
3.7.3 層別サンプリング
3.7.4 補助粒子フィルタ
3.7.5 一般補助粒子フィルタ
3.7.6 条件付ガウス型状態空間モデルのための粒子フィルタ
3.8 粒子フィルタ(パラメータが未知の場合) 111
3.8.1 オンラインパラメータ推定
3.8.2 粒子フィルタでのMCMC法
3.9 モデル選択,モデル平均化,モデル診断 117
3.9.1 モデル選択とモデル平均化
3.9.2 モデル診断
文献 119
4. 柔軟なモデリングとノンパラメトリックモデリング 124
4.1 はじめに 124
4.2 柔軟なパラメトリックモデリング 125
4.2.1 裾の厚さ
4.2.2 非対称性
4.2.3 混合分布
4.2.4 多変量モデリング
4.2.5 応用
4.3 ノンパラメトリックモデリング 144
4.3.1 準備:ディリクレ過程と関連するモデル
4.3.2 セミパラメトリック混合モデリング
4.3.3 計算上の諸側面
4.3.4 分析例
4.4 柔軟な平均回帰モデリング 156
4.4.1 基底関数法
4.4.2 ガウス過程と平滑化事前分布
4.5 完全にノンパラメトリックな回帰モデルとセミパラメトリックな回帰モデル 168
4.5.1 応用
4.6 おわりに 175
4.6.1 まとめ
4.6.2 利用可能なソフトウェア
文献 177
5. シミュレーションとMCMC法入門 185
5.1 はじめに 185
5.1.1 本章の構成
5.2 2種類の古典的サンプリング法 188
5.2.1 採択-棄却法
5.2.2 重点サンプリング
5.3 メトロポリス-ヘイスティングスアルゴリズム 191
5.3.1 M-Hアルゴリズムの導出
5.3.2 M-H連鎖の遷移密度
5.3.3 収束の性質
5.3.4 数値的標準誤差と非効率性因子
5.3.5 提案密度の選び方
5.3.6 多重ブロックサンプリング
5.4 特別な話題 201
5.4.1 潜在変数を伴うMCMCサンプリング
5.5 密度関数の最高値の推定 202
5.6 サンプラーの性能と診断 203
5.7 周辺尤度の計算 203
5.8 応用例 206
5.8.1 ジャンプ-拡散モデル
5.8.2 DSGEモデル
5.9 おわりに 214
文献 214
第III部 応用
6. ミクロ計量経済学におけるベイズ法
6.1 はじめに 221
6.2 線形モデル 222
6.2.1 線形回帰モデルのベイズ分析
6.2.2 線形モデルにおける分散不均一性
6.2.3 構造変化を伴う線形モデル
6.2.4 階層線形モデル
6.2.5 線形モデルにおける内生性
6.3 非線形階層モデル 256
6.3.1 二値選択モデル
6.3.2 トービットモデル
6.3.3 順序選択モデル
6.4 多変量潜在変数モデル 269
6.4.1 ハードル/サンプルセレクションモデル
6.4.2 非線形モデルにおける内生性
6.4.3 処置効果モデル
6.4.4 多項プロビットモデル
6.4.5 多変量プロビットモデル
6.5 継続期間モデル
6.5.1 離散時間アプローチ
6.5.2 その他の一般化
6.5.3 高校在学期間の分析例
6.6 おわりに 291
文献 291
7. ベイズ統計によるマクロ計量経済分析 298
7.1 はじめに 298
7.1.1 推測と意思決定における難題
7.1.2 ベイズ統計学による分析はどう役立つのか
7.1.3 本章の概要
7.2 ベクトル自己回帰モデル 303
7.2.1 誘導形VARモデル
7.2.2 ダミーの観測値とミネソタ事前分布
7.2.3 第2の誘導形VARモデル
7.2.4 構造VARモデル
7.2.5 VARモデルに関するさらなるトピック
7.3 階数減少制約付VARモデル 324
7.3.1 共和分制約
7.3.2 βの事前分布として正規分布を用いた場合のベイズ推定
7.3.3 ベイズ統計学を用いた共和分モデルに関するさらなる研究
7.4 動的確率一般均衡モデル 332
7.4.1 プロトタイプのDSGEモデル
7.4.2 モデルの解と状態空間形
7.4.3 ベイズ推定
7.4.4 拡張I:不確定性
7.4.5 拡張II:確率的ボラティリティ
7.4.6 拡張III:一般化非線形DSGEモデル
7.4.7 DSGEモデルの評価
7.4.8 応用研究におけるDSGEモデル
7.5 時変パラメータモデル 353
7.5.1 パラメータが自己回帰過程に従うモデル
7.5.2 パラメータがマルコフスイッチングに従うモデル
7.5.3 ベイジアンTVPモデルの応用
7.6 データが大量に得られる環境下のモデル 364
7.6.1 制約付の高次元VARモデル
7.6.2 動的因子モデル
7.7 モデルの不確実性 378
7.7.1 事後モデル確率とモデル選択
7.7.2 多様なモデルを用いた意思決定と推測
7.7.3 多様なモデルを用いた意思決定の難しさ
文献 389
8. ベイズ手法のマーケティングへの応用 398
8.1 はじめに 398
8.2 需要モデル 401
8.2.1 線形効用関数
8.2.2 多項データのための非相似拡大的効用
8.2.3 複数の離散性,飽和と多様性への需要
8.2.4 集計シェアに関するモデル
8.2.5 MCMC法の提案
8.3 離散データのための統計モデル 416
8.3.1 多項プロビットモデル
8.3.2 多変量プロビットモデル
8.3.3 カウント回帰モデル
8.4 階層モデル 423
8.4.1 一般的な階層アプローチ
8.4.2 MCMCの仕組み
8.4.3 固定効果と変量効果
8.4.4 第1段階の事前分布
8.4.5 分析例
8.5 非変量マーケティングミックス変数 438
8.5.1 ベイズ操作変数
8.5.2 階層構造における戦略的に決定された X の値
8.6 おわりに 444
文献 445
9. ベイズ統計のファイナンスへの応用 448
9.1 はじめに 448
9.2 最適ポートフォリオの構築 452
9.2.1 パラメータ不確実性の下での基本的な最適ポートフォリオの設定
9.2.2 ポートフォリオ選択問題に対する縮約法と経験ベイズ法
9.2.3 パラメータ不確実性と長期の資産配分
9.2.4 経済的な動機付けによる事前分布
9.2.5 パラメータとモデル不確実性のその他の側面
9.3 収益率の予測可能性 468
9.3.1 予測可能性の統計的分析
9.3.2 予測可能性の経済的妥当性
9.4 資産価格決定 477
9.4.1 資産価格検定とポートフォリオ効率性検定
9.4.2 APTとファクターモデルに対するベイズ検定
9.4.3 パフォーマンス評価
9.5 ボラティリティ,共分散,ベータ 482
9.5.1 ベイジアンGARCHモデリング
9.5.2 MCMCによる確率的ボラティリティ
9.5.3 連続時間モデルの推定
9.5.4 ジャンプ
9.5.5 共分散行列とベータの推定
9.6 オプション価格決定におけるベイズ推定 508
9.6.1 原資産収益率のみに基づく尤度
9.6.2 リスク中立予測オプション価格決定
9.6.3 価格決定の誤差に基づく尤度
9.7 パラメータ学習をもつ粒子フィルタ 517
9.7.1 方法論
9.7.2 実現ボラティリティのSVモデルへの統合
文献 523
索引 [529-540]
英和対照索引 [541-546]