Docstoc

Review of Probability and Statistics

Document Sample
Review of Probability and Statistics Powered By Docstoc
					            ES5611
 Introduction to Econometrics
Introductory remarks
What is Econometrics?
What is this course like?


Slides by Ken Clark, adapted from P. Anderson, 2004.
                                                       1
Introductory Remarks
   Lecturer: Ken Clark, N.5.6, Dover Street 
   email: ken.clark@man.ac.uk
   http://www.ses.man.ac.uk/clark/es561/
   Office Hours: Wednesday 10-12




                                               2
What is Econometrics?
   Some definitions
   Why study econometrics?
   The Econometric Process
   Example: wages and productivity
   Types of data
   Causality
   Examples
                                     3
Definition (outputs)
   Wooldridge: “statistical methods for 
  estimating economic relationships, testing 
  economic theories, and evaluating and 
  implementing government and business 
  policy” (p.1).
  Ramanathan: “(1) estimating economic 
  relationships, (2) confronting economic 
  theory with facts and testing hypotheses 
  involving economic behaviour, and (3) 
  forecasting the behaviour of economic 
  variables”                                    4
Definition (outputs)
w   Estimation/Measurement  
w   Inference/Hypothesis testing
w   Forecasting/Prediction
w   Evaluation




                                   5
Definition (inputs)
   Ingredients of an econometric exercise:
      Economic Theory
      Mathematics
      Statistical Theory
      Data
      Computing Power
      Interpretation/Economic   
      Knowledge/Common Sense.

                                             6
Why study Econometrics?
   It is rare in economics to have experimental 
  data
   Econometrics uses nonexperimental, or 
  observational, data to draw conclusions 
  about the real world
  This enables us to apply economic theory to 
  real world data

                                              7
Why study Econometrics?
   Econometrics can test and refine economic 
  theory
   Theory may be ambiguous about impact of 
  a policy change – econometrics can evaluate 
  the policy program
   Econometric analysis is useful to decision 
  makers.


                                           8
Econometrics as a process




                            9
Example: wages and productivity
   wage=f(educ, exper, training)
  n   deterministic economic model
    wage=β0+ β1educ + β2 exper + 
     β3training + u
  n   econometric (statistical model)
  n   u – random error term
  n   β’s parameters.

                                        10
Example
  use computer to estimate the parameters
          what is the ceteris paribus effect of educ on 
        the wage? what are the returns to education
  and to test hypotheses (inference)
         is β3=0? (a more subtle question than it 
       seems)
  could also forecast wages for workers with given 
  characteristics (e.g. to predict how much an 
  accident victim would have earned in future).
                                                     11
Types of Data – Cross Sectional
   Cross-sectional data are usually a random sample 
  from some population

   Each observation is a new individual, firm, 
  household, etc. with information at a point in time

   If the data are not a random sample, we have a 
  sample-selection problem

                                                     12
Types of Data – Time Series
   Time series data has a separate observation 
  for each time period – e.g. stock prices

   Since not a random sample, different 
  problems to consider

   Trends and seasonality will be important

                                              13
Types of Data – Panel
    Can follow the same random individual 
  observations over time – known as panel 
  data or longitudinal data

   ES5622 covers this.




                                             14
The Question of Causality
   Simply establishing a relationship between 
  variables is rarely sufficient in economics
   Want to the effect to be considered causal
   If we’ve truly controlled for enough other 
  variables, then the estimated ceteris paribus 
  effect can often be considered to be causal
   Can be difficult to establish causality: 
  problem of endogeneity
                                              15
Example 1: Returns to Education
   A model of human capital investment implies 
  getting more education should lead to higher 
  earnings
   A simple econometric model:



  Is β1 truly the returns to education?
  Does more education cause higher earnings?

                                                  16
Example 1: (continued)
   Problem: Suppose more ‘able’ people have (a) 
  higher earnings and (b) more education.

  Observed relationship between education and 
  earnings could actually reflect impact of ability – 
  model gives the wrong answer

  Technically E(u|educ) ¹ E(u).  Education and error 
  are correlated.  Endogeneity. 

                                                    17
Example 1: (continued)
   Two situations where we’re OK:
   n No relationship between education and ability

   n We observe ability and include it in the model 
     (control for ability):


     Frequently one or both does not hold.



                                                  18
Example 2: Policing and Crime
   Do more police reduce crime?
   


   Does β1 reflect causal influence of police 
  on crime?
   But cities with high crime rates may 
  employ more police

                                                 19
Causality: Roundup
   “The key question… is: Have enough other 
  factors been held fixed to make a case for 
  causality?”

   “When carefully applied, econometric methods 
  can simulate a ceteris paribus experiment”

   (Wooldridge, p. 14).

                                                   20
What is this course like?
  10 two hour lectures (Mondays 2-4pm) 
  9/10 Examples Classes (START 11/10/04)
        allocation and details to follow
        exercise sheets to follow
        students should attempt exercises 
      prior to examples class
 Assessment: Two hour examination in 
 January 2005. 
  Note: course changed substantially in
 03/04.                                    21
What is this course like?
 Computing: we will use Stata and 
 Microfit.
    Microfit available from all networked 
  PCs
    Stata available in O.G.10, Dover St. and 
  Williamson 3.59.
    Find under: Programs/Faculty/FSSL/
   Stata is called Intercooled Stata8
   Microfit is called Microfit 4 on the Econometric
   Software sub menu                                  22
What is this course like?
  Stata Tutorial: There will be a one hour 
 Introduction to Stata tutorial in Room 
 O.G.10 THIS WEEK (w/b 27/09/04).
  You should sign up for this tutorial on the 
 sheets on the wall outside Room N.5.3, 
 Dover St.)  Sign up for one only and note
 there is a maximum of 20 places in each
 session.


                                                 23
What is this course like?
  Reading: All students should purchase 

 Wooldridge, Jeff,  Introductory
 Econometrics: A Modern Approach, Second 
 Edition, South-Western Thomson, 2003.

  Available in Blackwells, Precinct Centre.

                                              24
Course Objectives
  An introductory econometrics course 
  Assumes no previous knowledge of 
 econometrics.  
  On completion of the course students 
 should be able to understand the results of 
 econometric procedures which they read 
 about in applied economics research and to 
 use basic econometric techniques in their 
 own work.
                                            25
Course Objectives
  Students who have studied introductory 
 econometrics before will benefit from 
 taking either ES5521 Time Series
 Econometrics or ES5501 Advanced
 Econometric Theory rather than ES5611.  
 Students should consult the lecturers of 
 these courses or their course director if 
 unsure which to choose.

                                              26
Student Background
  Assume some familiarity with: random 
 variables, population vs. sample, 
 expectation, correlation, independence, 
 variance, sampling, estimation, hypothesis 
 testing.
  Important material from pre-session maths 
 course: linear functions, differential 
 calculus, 

                                           27
Warning
  There will be some revision of key 
 concepts next week but it is YOUR 
 responsibility to ensure your background is 
 sufficient.
  Sample supplementary reference on 
 introductory statistics:
     Wonnacott and Wonnacott, Introductory 
    Statistics for Business and Economics, 4th 
    ed., 1990, Wiley.
                                             28
Advice
  Econometrics is a mixture of many 
 ingredients: maths, stats, economics, 
 computing.
  Break the problem down.
  Keep your eye on the…




                                          29
30
Topics
  See course outline
     based around estimation and testing of 
   multiple regression model
     follows Wooldridge closely.
  Next week: review of key concepts
     Reading: Wooldridge, Appendices A, B, 
   C1, C2, C5, C6.

                                          31

				
DOCUMENT INFO
Shared By:
Categories:
Tags:
Stats:
views:0
posted:7/26/2013
language:English
pages:31