계량경제 모형
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
계량경제 모형은 계량경제학에서 연구 대상 변수의 실제 결합 확률 분포가 속해야 하는 결합 확률 분포의 집합이다. 모형 선택, 추정 및 통계적 추론 방법을 연구하며, 구조적 모형은 인과 관계와 반사실 조건 정보를 전달하여 정책 평가에 활용된다. 일반적인 예시로는 선형 회귀, 일반화 선형 모형 등이 있으며, 거시경제 모형은 중앙은행과 정부의 경제 정책 평가에 사용된다.
더 읽어볼만한 페이지
2. 계량경제 모형의 정의
계량경제학에서 일반적으로 분석되는 양은 확률 변수로 취급된다. 따라서 계량경제 모형은 연구 대상 변수의 실제 결합 확률 분포가 속해야 하는 결합 확률 분포의 집합이다. 이 집합의 요소가 유한한 수의 실수 값 ''모수''로 색인될 수 있는 경우, 그 모형은 모수 모형이라고 불린다. 그렇지 않으면 비모수 또는 반모수 모형이다. 계량경제학의 상당 부분은 모형 선택, 모형 추정 및 모형에 대한 추론을 수행하는 방법을 연구하는 것이다.
2. 1. 형식적 정의
계량경제학에서, 일반적으로 통계학에서와 마찬가지로 분석되는 양은 확률 변수로 취급될 수 있다고 전제한다. 따라서 계량경제 모형은 연구 대상 변수의 실제 결합 확률 분포가 속해야 하는 결합 확률 분포의 집합이다. 이 집합의 요소가 유한한 수의 실수 값 ''모수''로 색인될 수 있는 경우, 그 모형은 모수 모형이라고 불린다. 그렇지 않으면 비모수 또는 반모수 모형이다. 계량경제학의 상당 부분은 모형 선택, 모형 추정 및 모형에 대한 추론을 수행하는 방법을 연구하는 것이다.가장 일반적인 계량경제 모형은 구조적이며, 인과 관계와 반사실 조건 정보를 전달하며,[2] 정책 평가에 사용된다. 예를 들어, 소득에 기초한 소비 지출을 모형화하는 방정식은, 그 중 단 하나(재정 정책의 선택에 따라)만 실제로 발생할 것이며, 다양한 가설적 소득 수준 중 어느 것에 따라 소비가 달라질지 보기 위해 사용될 수 있다.
2. 2. 구조 방정식 모형
계량경제학에서 일반적으로 분석되는 양은 확률 변수로 취급될 수 있다고 가정한다. 따라서 계량경제 모형은 연구 대상 변수의 실제 결합 확률 분포가 속해야 하는 결합 확률 분포의 집합이다. 이 집합의 요소가 유한한 수의 실수 값 ''모수''로 색인될 수 있는 경우, 그 모형은 모수 모형이라고 불린다. 그렇지 않으면 비모수 또는 반모수 모형이다. 계량경제학의 상당 부분은 모형 선택, 모형 추정 및 모형에 대한 추론을 수행하는 방법을 연구하는 것이다.가장 일반적인 계량경제 모형은 구조적이며, 인과 관계와 반사실 조건 정보를 전달하며,[2] 정책 평가에 사용된다. 예를 들어, 소득에 기초한 소비 지출을 모형화하는 방정식은, 그 중 단 하나(재정 정책의 선택에 따라)만 실제로 발생할 것이며, 다양한 가설적 소득 수준 중 어느 것에 따라 소비가 달라질지 보기 위해 사용될 수 있다.
3. 기본 모형
4. 정책 결정에서의 활용
거시경제학 관계에 대한 포괄적인 모형은 중앙은행과 정부가 경제 정책을 평가하고 안내하는 데 사용된다. 이러한 성격의 유명한 계량경제 모형 중 하나는 연방준비은행 계량경제 모형이다.[1]
참조
[1]
논문
Macroeconomics and Reality
[2]
서적
Causality: Models, Reasoning, and Inference
https://archive.org/[...]
Cambridge University Press
[3]
논문
Macroeconomics and Reality
https://archive.org/[...]
[4]
서적
Causality: Models, Reasoning, and Inference
https://archive.org/[...]
Cambridge University Press
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com