前期 水曜日 ２講時. 単位数/Credit(s): 2. 対象学科・専攻/Departments: 人間社会情報科学専攻. 学期/Term: 前期. 履修年度: 2024. 使用言語: 講義資料は英語で作成する。講義は英語および日本語で行う。 Lecture notes are in English. Lectures are given in English and Japanese..
2024
計量システム分析/Econometric System Analysis
経済における諸現象に関する仮説は、実データから検証される必要がある。計量経済学は、この目的に対して有用な手法を提供する。この科目では、計量経済学の基礎、および空間計量経済モデルの推定および検定のための基本的な手法について講義する。具体的には、線形回帰モデルの基礎と仮説検定、操作変数法、空間重み行列、空間的自己相関と種々の空間計量経済モデル、等のテーマが含まれる。なお、授業中に計算機による実装について紹介するため、ノート PC あるいはタブレット PC を持参することが望ましい。
Various hypotheses regarding economic systems must be tested against the data observed in the real world. Econometrics provides powerful tools for that purpose. This course focuses on econometrics and spatial econometric models, and discusses the basic techniques and problems associated with the estimation and statistical testing. Specifically, basics of the linear regression models and hypothesis testing, the method of instrumental variables, spatial weight matrices, spatial autocorrelations, and various spatial econometric models are included in the lecture. Installation and implementation will be demonstrated in the lecture, and bringing either laptop PC or tablet PC to the lecture helps the understanding.
計量経済学を復習し、空間計量経済学の基礎を取得する。また、空間計量経済の手法の計算機による実装を行い実データの分析に適用できるようにする。
Review econometrics and learn basics of spatial econometrics. Furthermore, implement spatial econometric models applicable to analysis of real data.
(1) 序説：計量経済学とは
(2) 古典的線形回帰モデルと数学的基礎(1)：基本概念と最小二乗法
(3) 古典的線形回帰モデルと数学的基礎(2)：最小二乗法とガウス＝マルコフの定理
(4) 古典的線形回帰モデルと数学的基礎(3)：仮説検定
(5) 古典的線形回帰モデルと数学的基礎(4): モデル選択とバイアス
(6) 古典的線形回帰モデルと数学的基礎(5)：内生性と操作変数法
(7) 空間的自己相関と空間重み行列(1)
(8) 地理情報システム (GIS)
(9) 空間的自己相関とMoran's I
(10) 空間的線形回帰モデル
(11) SARAR(1,1)モデルと空間パネルデータ
(12) 空間的自己相関の検定
(13) ベイズ統計と空間計量経済学(1)
(14) ベイズ統計と空間計量経済学(2)
(15) まとめと試験
授業にはGoogleClassroom（クラスコード sbouri5）を利用して実施する。
授業は原則的に対面で実施するが、一部の会でオンデマンド配信を利用することがある。
初回は対面で実施する。
(1) Introduction: What is econometrics?
(2) Classical linear regression models and mathematical concepts (1): Basic concepts and least squares
(3) Classical linear regression models and mathematical concepts (2): Least squares and Gauss-Markov theorem
(4) Classical linear regression models and mathematical concepts (3): Hypothesis testing
(5) Classical linear regression models and mathematical concepts (4): Model selection and biases
(6) Classical linear regression models and mathematical concepts (5): Endogeneity and the method of instrumental variables
(7) Spatial autocorrelations and spatial weight matrix
(8) Geographical Information Systems (GIS)
(9) Spatial autocorrelation and Moran's I
(10) Spatial linear regression models
(11) SARAR(1,1) model and spatial panel data
(12) Testing spatial autocorrelation
(13) Bayesian statistics and spatial econometrics (1)
(14) Bayesian statistics and spatial econometrics (2)
(15) Review session and exam
The lecture is provided with Google Classroom (Class Code sbouri5).
The lecture is in principle given face-to-face, but some classes may given by on-demand video.
The first class is given face-to-face.
期末レポート、出席点、および授業において出される課題の成績によって評価する。
Term-end report, class attendance, and homeworks in classes.
適切な教科書の該当箇所を読むこと。
Read the relevant sections of the textbook.
水曜日 14:00-15:00 とし、メールによる予約も受け付ける。
2pm-3pm on every Wednesday or by appointment.
〇