BAYESIÁNSKÁ ANALÝZA - ORGANIZACE PŘEDMĚTU
PODZIM 2010
Tento dokument obsahuje základní informace týkající se náplne a organizace předmětu Bayesiánská analýza pro podzimní semestr 2010. Doplnkem je i krátký text na téma zpracování empirického projektu a hledání dat.
Organizace předmětu
Základní literatura a uCební materiály
Studijní materiály jsou dostupné prostřrednictvím Informacřního systémy. Podkladový materiál Bayesiánská ekonometrie vychází svou strukturou i obsahem zcela z ucebnice Garyho Koopa Bayesian econometrics. Jedná se tak o neoficiální ceský predklad této skvelé ucebnice (není ješte kompletní a prázdná místa, zejména príklady, tak budou v prubehu semestru dopWována). Jako studijní literaturu lze využít každopádne i další publikace venované bayesiánské analýze (stací navštívit naši bohatou knihovnu).
Prednášky
Struktura prednášek je uvedena níže. Nicméne podle casových možností muže být v konecřné fázi upravena. Zejména se uvažuje o rozšířrení tématu veřnovaného cřasovým radám (na úkor zbylých témat).
1. Principy a pojmy bayesiánské ekonometrie.
2. NLRM s přrírozeneř konjugovanou apriorní hustotou.
3. NLRM s jinou apriorní hustotou.
4. Nelineární regresní model.
5. LRM s obecnou kovarianční maticí.
6. LRM s panelovými daty.
7. Úvod do casových rad.
8. Modely kvalitativních a omezených promenných.
9. Flexibilní modely.
10. Další nástroje a techniky bayesiánské ekonometrie.
Dle možností budou prezentace vystaveny ve studijních materiálech obvykle nejpozdeji den přred prřednáškou.
1
Organizace cvičení
Účast na cvičení je povinná, je povolena jedna neomluvené absence, při překročení muže být zadán dodatečný úkol k dopracování. Cvičení probíhají v počítačových učebnách. Používaným ekonometrickým softwarem je Matlab. Dotace cvičení je jedno cvičení týdne, tudíž o to více mužete trávit čas hrátkami s Maltabem v klidu domova.
Ukončení predmetu
Podmínkou úspešného ukončení predmetu je odpovídající aktivní účast na cvičeních a zejména pak dosažení potřebného počtu bodu. Body lze získat zpracováním záevreč-ného semestrálního projektu, který bude mít podobu veřdeckého cřlánku, a jeho obhájení. Celkové hodnocení predmetu odpovídá následující tabulce.
Tabulka 1: Záverečné hodnoceni
Hodnocení	Počet bodu
A	91-100
B	81-90
C	71-80
D	61-70
E	51-60
F	0-50
Semestrální projekt a jeho obhajoba
Podstatou semestrálního projektu je prokázat praktické zvládnutí technik bayesovské ekonometrické analýzy. Náplní projektu je empirické řešení problému dle svého zájmu s využitím ekonometrických nástroju. Problém muže pokrývat napr. téma rešené v zamýšlené diplomové práci. Na tomto základeř je potřreba obstarat si odpovídající empirická data (z verejných zdroju nebo treba i z vlastních pruzkumu apod.). Výsledkem pak bude záveřrecřná empirická zpráva, pojednávající o řrešené problematice, použitých ekonometrických metodách a získaných výsledcích, která bude splnřovat veškeré akademické standardy kladené na vedecký článek. Clánek by nemel presáhnout deset stran (včetne grafu, tabulek, seznamu literatury), v oduvodnených prípadech však muže být tento rozsah prekročen. Clánek spolu s příslušnými soubory vzniklými v souvislosti s počítačovým zpracováním dat by mely být odevzdány (prostrednictvím ISu - Ode-vzdávárna nebo mailem) nejméne den pred zvoleným termínem zkoušky. Je zvažována forma jediného termínu s hromadnou obhajobou. Záverečný projekt muže být zpracován samostatne nebo ve skupine až trí spoluautoru.
Bodove tedy požadavky na projekt shrnout následovne:
• Rámcová struktura a úprava projektu:
2
- Projekt by měl mít podobu článek do časopisu1 To znamená, že jeho součástí by mel být i krátký abstrakt a nemel by postrádat čitače a seznam použité literatury.
- Úvod - obsahuje popis rešeného problému, konkretizači prípadnýčh hypotézy či otázek, na které se snaží nalézt odpoved'. Podle povahy problému je žádoučí uvést, jak se k danému problému staví jiní autoři a z čeho vyčhází autoři projektu a je-li tam nejaký vlastní originální přístup či pohled na več.
- Nemel by být opomenut zdroj dat pro empiričkou analýzu, popis modelu, případne modelu pro porovnání, je-li nutné nebo žádoučí.
- Rovnež je treba nezapomenout uvést odkazy na prípadné použité toolboxy, pokud nejsou součástí vlastníčh skriptu, součástí odevzdání projektu je i funkční programový kód se všemi podpurnými funkčemi (nejsou-li součástí nejakého dostupného toolboxu).
- Záver - obsahuje souhrn dosaženýčh poznatku a analýz, čeho tedy bylo dosaženo a v čřem je hlavní přrínos.
• Model - lineární nebo nelineární regresní model (stačí jednorovničový), možnost i jinýčh typu modelu - state spače modely (modely časovýčh rad), modely pro panelová data apod. (invenči se meze nekladou, lze se inspirovat puvodními čřlánky a závisí na povaze řrešeného problému).
• Použité tečhniky:
- MCMC algoritmy - Gibbsův vzorkovač, Metropolis-Hastings, importanče sampling nebo obdobné tečhniky (možná inspirače puvodními články nebo samostatné studium).
- Bayesovská analýza - odhad, predikče, porovnání modelů (testování hypotéz) - dle rřešeného problému, opeřt možná inspirače neřjakým tím čřlánkem, empiričké ilustrače z Koopa.
- V případe nouze (platí pro skupinu o maximálne jedné osoby) je možno použít i model (a problém) rřešený v učřebničíčh čři čřlánčíčh tečhnikami kla-sičké ekonometrie, tzn. „vyřešit bayesovsky" a porovnat v čem je tento přrístup lepší čři čo přrináší nového.
• Tabulky, grafy - dle potreby a účelnosti (vykreslení marginálníčh hustot, tabulka posteriorníčh čharakteristik, diagnostiky).
Hodnotí se originálnost projektu a jeho estetičké zpračování, použitá vlastní in-venče a samozrejme i splnení výše vypsanýčh požadavku. V případe problému neváhejte se včřasnými konzultačemi. Neřkteré projekty minulýčh let budou pro ukázku vystaveny. Pro inspirači, jak psát vedečký článek, mohou sloužit tipy, které sepsal John
1 Nejlepší práče budou publikovány v již víče než rok se utváTejíčíčh renomovanýčh časopisu Journal of Bayesian Econometrics a Journal of Applied Macroeconomics. Práče projdou standardním anonymním rečenzním řízením (minimálne dva posuzovatelé). Autori úspešnýčh příspevku budou náležite očeneni. Príspevky budou akčeptovány i v českém jazyče.
3
H. Cochrane. Pokud chcete, aby váš projekt vypadal vizuálně dobře, doporučuji opustit Word a venovat hodinku času studiu práce v typografickém systému MTEXQedná se o jednorázovou investici s velkými výnosy v budoucnu). Dobrou distribucí tohoto nástroje MikTEX. Pekných výsledku miižete dosáhout i s nástrojem Lyx, který využívá výhod ETteXu a ovládání je podobné jako ve Wordu. Vše potrebné (manuály, priivodce, apod.) lze snadno nalézt pomocí Googlu.
Jak zpracovat empirický projekt?
V této cřásti se zameřrříme na užitecřné poznatky týkající se práce na projektu, který vychází z vlastního empirického výzkumu cři analýzy. Poznatky v této přríloze jsou uplatnitelné nejen pro semestrální projekty ve škole, ale urcřiteř jsou využitelné i pro práci na vetších projektech ci výzkumných úkolech, jejichž výsledkem muže být clánek ci série cřlánku v renomovaných odborných cřasopisech nebo neřjaký druh záveřrecřné zprávy pro potrřeby manažerského rozhodování v rámci neřjakého projektu na podnikové úrovni. Budeme-li tedy hovořit o odborné práci, mťjže tím být myšlen clánek, working paper, výzkumnou zprávu nebo jakýkoli další dokument typu odborné studie, pojednávající o výsledcích (a postupu) neřjaké veřdecké práce s empirickým obsahem o neřjž se chceme podeřlit.
Predchozí kapitoly se zabývaly (mimo jiné) problematikou formulace ekonomet-rického modelu, jeho odhadem adekvátními technikami, interpretací výsledku, testováním ekonomických hypotéz a dalšími aspekty, které jsou s tím vším spojeny. Specifikace modelu, výber odhadové metody a získání vhodných dat je soucástí jakéhokoliv ekonometrického výzkumného projektu. Zameříme se tedy na problematiku výberu vhodného tématu výzkumného projektu, na základní soucřástí výzkumné zprávy a v príloze pak nakousneme téma zdroju ekonomických dat.
Ekonomický výzkum írmže být velkým dobrodružstvím. Nikdy dopredu nevíme, jaké výsledky nám prřinese ekonometrická analýza dat. Výsledky nám mohou potvrdit naše ocekávání, stejne tak nám mohou ale přinést prekvapivé výsledky, které standardní teorie nepředpokládá a muže se nám tak naskytnout jedinecná příležitost pokusit se vy-sveřtlit analyzovaný problém zcela noveř a neotrřele. Ekonomický výzkum je tak rovneřž zdrojem zábavy, nebot' koho by nepotešilo, objevit vlastními silami neco nového a zajímavého.
Výkumný projekt znamená příležitost prozkoumat nejaké duležité ttéma ci problém, který nás zajímá. Přred tím, než se však cřloveřk pustí to vlastního výzkumu a psaní přríslušné zprávy cři cřlánku, není od veřci veřnovat trochu cřasu dobrému promyšlení výbeřru samotného tématu a problému. Pokud nás tedy neřjaká myšlenka napadne, je dobré napsat si abstrakt projektu, ve kterém si obvykle clovek utřídí poznatky o tom, co o problematice ví a v co doufá, že mu daný projekt prřinese.
Výber tématu
Výbeřr dobrého tématu je zásadní pro úspeřšné zvládnutí projektu. V úvodu je třreba položit si otázku: „Co me zajímá?". Zájem o konkrétní téma, které hodláme rešit, je
4
hodné důležitý, protože dělat něco, co nás nebaví nebo nezajímá, určitě k dobré výkonnosti nepřispívá. Začneme-li tedy pracovat na nejaké zajímavé otázce či problému, obvykle se postupne začnou vynorovat další otázky a problémy, které s ní souvisí. Tyto mohou prinést jiný pohled na puvodní téma, nebo pro nás mohou znamenat nové smery, které se mužeme vydat prozkoumávat, a které se nám mohou ukázat jako ješte zajímaveřjší.
Již v rámci nekolika semestru studia človek obvykle získá nejakou predstavu o tom, jaké oblasti ekonomie jej zajímají více a jaké méne. Pro každého z nás mají specializované oblasti ekonomie ruznou pritažlovost, at' již jde o oblasti monetární ekonomie, ekonomického rustu, marketingu, verejných financí, finančních trhu, ekonomie práce, enviromentální ekonomie, mezinárodního obchodu apod. Pokud nás neřkterá z takových oblastí zajímá, ovšem nemáme specifickou představu o tom, kde začít při výberu konkrétního tématu, není od veřcí probrat to s osobou, která se v dané oblasti výzkumu pohybuje. On či ona budou určite schopni poskytnout nejakou inspiraci, které nás posune dále a určite doporučí vhodnou literaturu (monografie, články, working papers), kterou nebude od veci si pročíst. Mohou nám stejne tak doporučit vhodné odborné cřasopisy, který publikuje cřlánky aplikovaného výzkumu v dané oblasti. Pokud máme vybránu oblast problému, které nás zajímají, mužeme si prostrednictvím nekteré z databází ekonomické literatury (např. EBSCOhost, EconLit, ProQuest, JSTOR) projít seznam článku k danému tématu. Každý článek bývá doprovázen tzv. JEL klasifikací (podle Journal od Economic Literatuře), což je klasifikační schéma, podle nehož jsou vcelku prehledným zpusobem od sebe „oddeleny" články ruzných oblastí ekonomie.
Jakmile máme alesponř rámcoveř nalezený problém, na kterém chceme pracovat, je trřeba vyrřešit otázku dat. Přri zpracování semestrálního projektu (v rámci jednosemestrálního kurzu) asi ne každý má dostatek času pro sber vlastních dat, které by v projektu využil. V takovémto prípade je potreba hledat vhodná a dostupná data vztahující se k řešenému problému. I v tomto prípade je možné využít rady a pomoci zkušenej-ších matadoru z rad akademických pracovníku. V praxi je obvyklé, že pri zpracování problémových otázek získáváme data prostřednictvím vlastních pruzkumu, což muže zabrat velkou cřást cřasu vymezeného (byt' rámcoveř) na jeho zpracování.
Tímto jsme tedy popsali dva aspekty kvalitního námetu výzkumu: problém by mel být pro nás zajímavý a relevantní data by meřla být dobrře dostupná. Třretí aspekt dobrého projektu je opet pragmatického rázu: meli bychom být schopni úkol dokončit ve vymezeném cřase, což v prřípadeř semestrálního projektu odpovídá zbytku semestru. Tento cřasový aspekt je úzce svázán nejen s dostupností dat. Vyžaduje totiž, abychom byli dostatecřneř obeznámeni s vhodnými ekonometrickými postupy pro analýzu dat a abychom je byli schopni výpočetne implementovat s využitím vhodného software, přrípadneř abychom si byli schopni v rozumném cřasovém horizontu osvojit nutné dovednosti jeho využití. Tato pragmatická pravidla platí analogicky i pro další typy výzkumných úkolu, liší se jen s ohledem na dostupný čas, případne s ohledem na další nároky pro jejich zpracování. Nekteré úkoly s sebou přinášejí nutnost naučit se využívat specifické softwarové nástroje, vyvinuté pro řešení práve typu úkolu, který nás zajímá. Vetšinou se vyplatí venovat svuj čas jejich studiu (obvykle bývají uživatelsky přríveřtivé a doprovázené kvalitní dokumentací), nebot' přríprava vlastních technických nástroju nemusí být v našich silách.
5
Abstrakt
Pokud tedy máme zvolenou problematiku, kterou chceme řešit, je dobrým nápadem vytvoření si stručného abstraktu. To nám pomuže uspořádat si myšlenky a zameřit se tak na to skutečne podstatné, co chceme delat, prípadne můžeme naše nápady konzultovat s vyucujícími (v prípade semestrálního projektu) nebo s jinými odborne zdatnými osobami v prípade jiného typu projektů a úkolů. Abstrakt by mel být krátký a nemel by presáhnout 500 slov. Mel by zahrnovat následující body:
1. strucné popsání problému;
2. komentár k dostupným informacím (dosavadním přístupům) doprovázený jednou nebo dveřma klícřovými odkazy na literaturu;
3. popis metodiky výzkumu, která zahrnuje
(a) ekonomický model,
(b) metody ekonometrického odhadu a analýzy,
(c) zdroje dat,
(d) techniky odhadu, testování hypotéz, přrípadneř predikce;
4. potenciální prínos výzkumu.
Je však treba třeba zdůraznit, že abstrakt jako takový se rozsahem může lišit napr. v prípade odborného clánku. Zde by nemel přesáhnout 100 slov (což se liší dle požadavků vydavatele casopisu) a zameruje se na zdůraznení toho, co v našem príspevku rešíme, v cem jsou náš prístup a výsledky zajímavé, přínosné, a proc vůbec tedy stojí za to si náš cřlánek přrecříst.
Struktura odborné studie
Odborné zprávy ci studie v oblasti ekonomie mají svůj standardní formát, v rámci kterého je diskutován prubeh zpracování projektu a interpretovány jeho výsledky. Samotná struktura hodneř závisí na úcřelu, k jakému je daná zpráva cři studie zpracovávána (seminární práce na vysoké škole, cřlánek do odborného cřasopisu, podkladová zpráva pro rozhodování vedoucích pracovníků ve státní správe nebo centrálních bankách, analytická zpráva profesionálních ekonomů v soukromém sektoru bank, průmyslu.). Je tak samozrejme logické, že ne všechny níže uvádené komponenty musí obsahovat-např. školní semestrální projekt. Kolik prostoru budeme venovat tomu ci onomu bodu závisí jen a jen na nás. Sami musíme rozhodnout, co v našem projektu pokládáme za zásadní a nejzajímaveřjší a cřemu tedy budeme veřnovat nejveřtší prostor. Jednotlivé cřásti jsou tedy následující:
1. Úvodní představení problému: Vetšina zpráv a příspevků zacíná strucným predstavením toho, jaké otázky jsou řrešeny, co nás k jejich řrešení vedlo a shrnuje dosažená empirická zjištení. Úvod by mel být vetšinou psán jednoduchým, „netechnickým"' jazykem s minimem odborných ekonomickcýh a statistických výrazů. I laický ctenář by tak mel obecne pochopit problém a získané závery, které
6
jsou v projektu či příspěvku řešeny. Pokud se jedná např. o odborný článek, tak právě zde je nejlepší příležitost k tomu, vyzdvihnout originalitu a přínos našeho článku, tedy čím je zajímavý a proč má čenu ho vubeč číst. Není od veči přehledne představit i obsah jednotlivýčh částí zprávy.
2. Přehled literatury: Tato část představuje stručné a výstižné zhrnutí relevantní literatury v oblasti výzkumu, kterou jsme si zvolili. Součástí je popis toho, čo bylo v dané oblasti již vyzkoumánoi a vysvetlení toho, jak naše práče přispívá k dosavadnímu stavu poznání. Velmi žádoučí je zde čitovat práče jinýčh, které byly motivačí pro náš výzkum. To vše opet ve stručné podobe. Není však třeba prředstavovat přrehled veškeré literatury, která se k danému tématu vztahuje.
3. Ekonomický model: Pokud se jedná o akademičký příspevek s nejakým formálním toeretičkým modelem, pak je jeho popis obsažen v této čřásti. Pro zprávy typu "poličy reports" je v této části spíše prostor pro detailnejší popsání ekono-mičkýčh a institučionálníčh otázek řrešenýčh v této práči. Tato čřást je obvykle tečhničřteřji založená a využívá se zde víče jazyk ekonomie a matematiky. V této části seje možné zameřit na poslučhače, kteří jsou experty v daném oboru. V této části zprávy je venován prostor spečifikači používaného ekonomičkého modelu a definování ekonomičkýčh promennýčh. Na tomto míste je třeba deklarovat předpoklady modelu a identifikovat hypotézy, které čhčeme testovat. Ekonomičký model muže být mnohdy rozsáhlý a komplikovaný. Našim úkolem je vysvet-lit model zčela jasne, a to čo nejstručnejším a nejjednodušším zpusobem. Není třeba používat ryze tečhničkého žargonu. Kde je to možné, snažme se používat jednodučhýčh a výstižnýčh pojmu a obratu namísto zbytečne komplikovanýčh výrazu. Našim čílem je ukázat kvalitu našičh myšlenek, nikoli šíři a rozsah naši slovní zásoby.
4. Data: Nesmíme zapomínat na popis dat, které budeme využívat, odkud je čerpáme (tedy jejičh zdroj) a případná omezení pokud jde o jejičh dostupnost. Data by mela být pokud možno bez vetšíčh problému volne dostupná, aby kdokoliv meřl možnost replikovat v přrípadeř zájmu naše výsledky a postupy.
5. Ekonometrický model: Tato část by se mela venovat diskuzi nad tím, jak čhčeme využít data k analýze ekonomičkého problému popisovaného v trřetí čřásti. Tato čřást se bude lišit v závislosti na rřešeném tématu a v závislosti na tom, komu je váš přríspeřvek určřen. Napřríklad zde bude nutné argumentovat, že nás v rámči studie zajímá určřitá regrese a že konkrétní promeřnná bude vysveřtlovaná pro-meřnná a další promeřnné budou vysveřtlujíčí. Podobneř, pokud se budete zajímat o analýzu makroekonomičkýčh čřasovýčh řrad, meřli byčhom zde prředstavit im-plikače ekonomičké teorie, že určřité promeřnné jsou kointegrovány a že z tohoto duvodu je třeba provést test kointegrače. Stručne řečeno, v této části je třeba popsat a zejména obhájit využívané postupy a tečhniky a zduvodnit jejičh volbu. Nemeřli byčhom opomenout vysveřtlit postupy testování hypotéz a jejičh prak-tičké použití. Kromeř diskuze nad zahrnutím teřčh čři oneřčh promeřnnýčh je dobré zduvodnit rovnež funkční podobu modelu, předpoklady pokud jde o náhodnou složku a další přepdoklady, které uvažujeme. Značení by melo být čo možná
7
nejjednodušší a není dobré zaneřádit stránky naší studie sáhodlouhými důkazy a definicemi (samozrejme za předpokladu, že tyto důkazy netvoří jádro naší práce a nejsou našim hlavním přínosem). Důkazy a definice je dobré dát do technických příloh na záver dokumentu. Vždy je ale treba zvážit jejich relevantnost.
6. Empirické výsledky a príslušné závery: Jádrem zprávy ci projektu je práve tato cást. Na tomto míste je žádoucí popsat dosažená empirická zjištení a vysvet-lit jejich vztah k otázce ci otázkám, které rešíte. Mela by zde být obsažena jak ekonomická, tak i statistická interpretace výsledku. Ekonomickou interpretací jsou zde myšleny napr. odhady parametru nebo závery o kointegraci pramenných, a jaký vztah mají tato zjištení k ekonomické teorii. Statistická intepretace zahrnuje výsledky testování hypotéz, které ukazují statistickou významnost parametru nebo potvrzení zvolené délky zpoždení, vysvetlení pro odstranení nekteré z vysveřtlujících promeřnných, diskuze nad kvalitou shody modelu s daty atd. Vetšina techto informací je prezentována v podobe tabulek a grafu. Není neobvyklé, když clánky zacínají jednoduchými grafy (napr. vykreslení casových rad dat) a za nimi následuje tabulka prříslušných popisných statistik (střrední hodnota, smerodatná odchylka, maximální a minimální hodnota, korelační matice). Další tabulky pak mohou obsahovat výsledky více formálneřjší analýzy, jako napřr. odhad parametru modelu, apriorní hustoty, výsledky testu konvergence, intervaly nejvyšší posteriorní hustoty apod. Krome představení našich vlastních odhadu parametru (jejich interpretace a príslušných testu) je žádoucí komentovat vztah našich výsledku k výsledkum (odhadum) jiných autoru ci odhadum našich pred-chozích studií, pokud možno s prříslušnými ekonomickými implikacemi.
7. Možná rozšírenia omezení studie a záver: Výzkum s sebou obvykle prináší radu otázek spojených s ekonomickým modelem, daty a odhadovými technikami. Není od veřci zamyslet nad dalším výzkumem s ohledem na dosažené výsledky a jak se s ním vypořrádat. V záveřru by meřly být strucřneř shrnuty problémy, kterými se náš přríspeřvek zabýval a urcřiteř by zde nemeřla chybeřt hlavní empirická zjišteřní.
8. Poděkování: Velmi vhodné je v samostatné sekci uvést jména tech osob (vedecké kolegy, spolupracovníky, prátele apod.), které významne prispeli k našemu výzkumu svými radami cři komentářri.
9. Reference: Pred prípadnými prílohami se nesmí zapomenout na seznam literatury, kterou ve své studii citujeme, a odkaz na datové zdroje, které využíváme.
Je dobré zduraznit ješte nekolik vecí. První z nich je ta, že nejsou „dobré" a „špatné" empirické výsledky. Empirické výsledky jsou takové jaké jsou a clovek by tak nemeřl být zklamaný, pokud neukazují to, v co doufal, že by ukazovat meřly. V ideálním sveřteř prřichází výzkumník s novou teorií a provede empirickou práci, která podpořrí tuto novou teorii statisticky významným zpusobem. Reálný svet je ale ponekud jiný. V reálném sveřteř jsou mnohdy ty promeřnné, kde bychom ocřekávali jejich statistickou významnost, statisticky nevýznamné. Promeřnné, které by podle nás meřly být kointe-grovány, cřasto kointegrovány nejsou. Koeicienty, které by meřly být kladné, mohou být nekdy záporné. Takové výsledky jsou dosahovány i v rámci velmi sofistikovaných studií. Je trřeba mít na pameřti, že zjišteřní, že neřjaká teorie nepopisuje dobřre realitu, má
8
stejnou váhu jako zjišteřní, že teorie tuto realitu popisuje velmi dobrře. Proto není třreba zoufat, pokud neřjaké takové zdánliveř špatné výsledky dostaneme. Vždy si ale zkontrolujme (a to i v případe výsledku potvrzujících nejakou teorii), jestli jsme správným zpusobem použili adekvátní metody. Rozhodne není dobrý přístup, nejakým způsobem „šolichat" s daty či metodami, aby to „takříkajíc vyšlo" (a takovéto pochybné postupy neřjak zatajovat a tvárřit se, že jsme postupovali korektneř).
Empirické výsledky mohou být mnohdy nejasné a matoucí. Jeden statistický test muže indikovat jednu vec, druhý naopak vec zcela opačnou. Vysvetlující promenná v jedné regresi významná, muže být ve druhé nevýznamná. V takovém případe toho opet mnoho nenadeřláme, kromeř toho, že tyto výsledky ve vší pocřestnosti zveřřrejníme (tedy nevybereme si jen jeden, který se nám hodí) a pokusíme se v rámci možností porozumet tomu, proč takovýto konflikt či nejasnost vzniká a jaké může být jeho logické vysvetlení. Jen ve výjimečných případech dochází k úplnému falšování výsledků. Velmi časté je však pokušení používat nečestných postupu, aby človek mohl ukázat výsledky, které lze ekonomicky rozumneř ocřekávat. O tom již byla řrecř výše. Je samozřrejmeř obvyklé, že výzkumník provede velký počet regresí s ruznými vysvetlujícícmi promennými. To je vcelku rozumné, protože človek tak detailneji analyzuje data z více úhlů pohledu. Ovšem, pokud je pak prezentován výsledek, který podporuje požadovanou teorii a naopak jsou zamlcřeny výsledky, které hovorří proti ní, jedná se o úmyslné matení cřtenářre. Tohoto pokušení je trřeba se vždy vyvarovat. Obecneř je tak dobré prezentovat spíše výsledky více regresí než vybrat jen jeden model a prezentovat pouze tyto jeho výsledky.
Pokud jde o samotnou prezentaci výsledku, duležitou roli hraje jasnost a stručnost. Nikdo nemá zájem cříst dlouhé, špatneř strukturované a rozvlácřné zprávy. Dokázat rozhodnout, co je potreba prezentovat (napr. které testové statistiky z ruzných regresí, které jsme provedli) a co naopak ne, je hodneř významná dovednost. Do zprávy vyberme ty nejdůležitejší informace a prezentujme dosažené výsledky čestne a otevrene. Není od veřci zkontrolovat si i gramatickou a stylistickou stránku naší zprávy, protože tento druh chyb může zbytečne srážet kvalitu našeho príspevku. Pravdou je, že človek, který na neřjakém úkolu dlouho pracuje, je do neřj pohroužen natolik, že mu tento druh chyb přri procřítání uniká. Ale od toho tu máme rřadu ochotných prřátel, kteřrí si naši práci rádi přrecřtou a upozorní na chyby a přreklepy, které nám unikly, prřípadneř dodají nejednu moudrou radu a komentářr, díky cřemuž se jejich jména nepochybneř objeví na cřestném místeř sekce „Podeřkování".
Zdroje dat
K empirické analýze samozřejme potrebujeme adekvátní data. Otázkou tedy je, kde je získat? Mnohá užitečná data, jsou obsahem příloh či doprovodných webových stránek ekonometrických učebnis. Díky nim si človek muže sám provést príslušnou ekonome-trickou analýzu problému, porovnat ji s řrešením, které nabízí dané ucřebnice a osvojit si tak potrřebné používání ekonometrických technik. Veřtšina teřchto dat je přrístupná skrze webové stránky dopovázející tyto ucřebnice. Možností je využití datové báze přrí-kladových dat v gretlu, což je volneř dostupný nástroj pro klasickou ekonometrickou analýzu, případne je snadno doinstalovatelná pomoc souborů dostupných z prísušných stránek gretlu. Gretl nabízí snadné stažení i dalších datových zdrojů z centrálních bank
9
a jiných ekonomickcýh institucí, at' už jde o data vybraných evropských zemí cři Spojených států. Tato data jsou aktuální s vetším ci menším zpoždením (v rádu mesíců ci let) a snadno se můžeme podívat, co všechno nabízejí. Výhodou je zde to, že si hledanou řadu ci řady můžeme rovnou stáhnout a okamžite s ní v programu pracovat.
Ekonomická data jsou dostupná z různých zdrojů, a asi je težké nabídnout nejaký obecný komentářr k jejich získávání. Opomeneme-li tvorbu vlastních dat ve smyslu vlastních meřřrení cři dotazníkových šetřrení, je nejlepším zdrojem dat internet, který nabízí řadu relevantních webových stránek, ze kterých je možno potrebná data získat. Protože je webová sít' oblastí velmi dynamickou, mohou být dále uvádené informace již zastralé, tudíž je musíme brát zejména z pohledu námetů toho, co a kde hledat.
Řada dat je dostupná volne, mnohá data jsou však zpoplatnena. Samotné univerzity ci univerzitní knihovny obvykle poskytují svým studentům a zamestnancům volným přrístup k široké paleteř placených databází.
Jako první zdroj dat bych uvedl stránky statistických úřadů jednotlivých zemí. V našem prípade to je samozřejme Ceský statistický úrad. Ten nabízí odkazy i na další mezinárodní zdroje dat, kterými může být Eurostat, a v rámci nichž se bezpochyby snadno proklikáme k hledaným údajům. Jako príklad zahranicního statistického úradu uved'me Tatauranga Aotearoa, což je maorské oznacení statistického úradu Nového Zélandu popřípade statistiky Spojených národů. Odkazy na volne dostupné oficiální statistiky nabízí napríklad stránka knihovny University of Auckland.
Bohaté zdroje ciste ekonomických dat můžeme najít na stránkách národních centrálních bank a dalcích mezinárodních institucí. Příkladem může být Ceská národní banka, Evropská centrální banka, americký FED a novozélandská ŘBNZ. Bohaté, ale ne zcela volne dostupné, jsou databáze OECD popř. Svetové banky. Zajímavá data nabízí i Statistická divize Spojených národů.
Samostatnou kapitolu tvorí různorodé rozcestníky k datům. Užitecná je tak americká stránka Resources for Economists on the Internet, která nabízí ohromné množství materiálů k celé rade ekonomických témat a poskytuje i odkazy k užitecným datovým zdrojům. Na této stránce můžete nalézt i odkaz na datový archiv nekterých casopisů. Řada casopisů totiž požaduje od autorů, aby svá data v rámci možností dávala verejnosti k dispozici, tím pádem se nabízí skveřlá možnost získat potřrebná data k zajímavým clánkům a zkoušet si replikovat výsledky. Skvelým příkladem je Journal of Applied Econometrics Data Archive. Přríslušné podkladové cřlánky snadno získáme skrze JSTOŘ cři EBSCOhost (pokud k nim má univerzita samozrřejmeř přredplacen přrístup).
Odkazy na volneř dostupná ekonomická data se hemží stránka Economics Network. Vybraná historická data je možno získat přres stránky Portálu historické statistiky. Odkazy na spoustu casových rad nabízí Řob Hyndman.
Další stránkou s užitecřnými odkazy je National Bureau of Economic Řesearch. Skrze tyto stránky se můžeme dostat na tzv. Penn World Table (opet jsou dostupné i skrze gretl), které nabízejí makroekonomická data více než stovky zemí v průbehu neřkolika desetiletí. Řovneřž tak hodneř jednotlivých zemí má své stránky s velkým množstvím panelových dat, kdy probíhá každým rokem průzkum mezi respondenty. Ve Spojených státech je to Panel Study of Income Dynamics, pro Spojené království je srovnatelnou datovou bází British Household Panel Survey. Pro cřeskou republiku je bohužel získání přístupu k tomuto typu dat (které pravidelne provádí Ceský statistický úrad) z nepochopitelných důvodů velmi obtížné a fakticky nemožné.
10
Pokud jde o „čistě" finanční data, je situace složitější. Existují vynikající databáze cen akcií a informací o účetnictví firem pro velkou řadu společnsotí za řadu let, nicméně tyto databáze jsou dosti nákladné a ne každá univerzita ci fakulta k nim má předplacen přístup. Pro Českou republiku přichází v úvahu např. server Patria plus. Financní data nabízí i americký FED. Financial Data Finder je vyhledávac dat poskytovaný Fisher Čollege of Business (Ohio State University). Řada akademiku poskytuje svá využívaná data verejnosti na svých webových stránkách. Príkladem muže být Robert Shiller z Yale Univerzity, který na své webové stránce poskytuje odkazy k riizným zajímavým financním datovým zdrojům. Obecne však mužeme říct, že venovat nejaký cas prohledáváním webové síte muže být velmí užitecné.
11