De acuerdo a Wikipedia, la Econometría es la aplicación de las matemáticas, métodos estadísticos, y las ciencias de la computación de los datos económicos y se describe como la rama de la economía que se pretende dar contenido empírico a las relaciones económicas. Se tamiza a través de montañas de datos para extraer las relaciones simples. Generalmente para las posiciones como Consultor de Analítica de Datos, Científico, Estadístico, Analista Cuantitativo, de fondo, en matemáticas, estadísticas o la econometría es necesario. Lo que separa a econometricians en términos de lo que aprenden en la escuela y cómo se aplican los conocimientos adquiridos en el trabajo? O hacer estos campos se superponen tanto que no hay mucho para distinguir?
Respuestas
¿Demasiados anuncios?
Una interesante pregunta que nos conduce a un debate entre econometricians. Algunos consideran que
La econometría es sólo estadística aplicada a los problemas económicos
La econometría es sólo estadística aplicada a los problemas económicos-nada más y nada menos. Probablemente deberíamos llamarlo "estadística la economía," pero supongo que la gente sienta que el término "econometría" tiene un mejor anillo para ella. El único coste de uso del término "econometría" es que a veces se nos engañe pensando que trabajamos en una clara la disciplina, aparte de las estadísticas. Esto no es cierto.
De Juan Stachurski a ANU (ver sus notas p.108 en Econométricos Teoría libremente descargable)
Otros consideran que
Eonometrics no es el mismo como estadísticas económicas
Esta cita es de Ragnar Frisch (uno de los fundadores de la Econométrico de la Sociedad) y su Nota del Editor sobre por qué la Sociedad ha decidido crear su propio diario, Econometrica.
La idea clave es que la teoría económica es crucial para entender la medición. Ni la teoría ni la medición en sí misma es suficiente para avanzar en nuestra comprensión de los fenómenos económicos. Necesitamos tanto y medición sin teoría es poco probable que proporcionar una explicación satisfactoria de la forma en que las fuerzas económicas de interactuar el uno con el otro.
Otra diferencia es, como economistas, estamos sesgados hacia el establecimiento de relaciones causales. Así que, esto explica nuestro enfoque en los problemas de endogeneidad y de las estrategias de identificación.
saint_groceon
Puntos
2696
La siguiente cita también puede ser útil. El siguiente es citado en su Mayoría Inofensivas Econometría, por Angrist y Pischke
Dos cosas que distinguen a la disciplina de la Econometría de nuestros mayores la hermana campo de la Estadística. Uno es la falta de timidez acerca de la causalidad. La inferencia Causal ha sido siempre el nombre del juego en aplicar la econometría. Estadístico Paul Holland (1986) advierte de que no puede ser no de la relación de causalidad, sin manipulación, una máxima que parece descartar inferencias causales a partir de datos no experimentales. Menos reflexivo los observadores volver a caer en el tópico de que correlación no es causalidad. Como la mayoría de las personas que trabajan con datos de la vida, creemos que correlación a veces pueden proporcionar muy buena evidencia de una causal relación, incluso cuando la variable de interés no ha sido manipulado por un investigador o investigador.
La segunda cosa que nos distingue de la mayoría de los estadísticos y de hecho, la mayoría de los científicos sociales es un arsenal de estadística herramientas que surgieron a partir de principios de econométricos de investigación sobre el problema de la cómo estimar los parámetros en un sistema lineal simultáneo las ecuaciones. El arma más poderosa en este arsenal es el método de Variables instrumentales (IV), el objeto de este capítulo. Como resulta fuera, IV hace más que nos permiten estimar consistentemente la los parámetros de un sistema de ecuaciones simultáneas, a pesar de que nos permite para hacerlo así.
Sin embargo, esto no quiere decir que la inferencia causal pertenece sólo a la econometría. Wasserman, en Todas las Estadísticas, comentarios en cómo desarrollos paralelos fueron realizadas dentro de la estadística y la econometría,
El uso de los resultados potenciales para aclarar la relación de causalidad es debido principalmente a Jerzy Neyman y No Rubin. La evolución posterior se deben a Jamie Robins, Pablo Rosenbaum y otros. Un desarrollo paralelo tuvo lugar en econometría por varias personas, incluyendo a Jim Heckman y Charles Manski.
