STATA로 배우는 경제경영통계학

01 서론
02 확률변수 및 확률분포
03 경제 분석에서 자주 나오는 분포
04 대수의 법칙과 중심극한정리
05 확률변수의 기대값
06 다변량(다변수) 분포
07 표본, 표본추출 및 표본분포
08 추정
09 구간추정과 가설검정
10 Stata에서 자료 관리
11 단순회귀분석
12 단순회귀분석에서의 추론
13 다중회귀분석
14 다중회귀모형의 응용
15 회귀분석에서 발생할 수 있는 여러 문제들
16 이분산과 계열상관
17 패널자료분석

이 책의 구성은 다음과 같으며, Stata를 사용하며 사용 방식을 설명한다. 제2장은 확률변수 와 확률분포이다. 이 장에서는 확률변수와 그 분포를 보다 실무적 관점에서 다룬다. 제3장은 실제 경제 문제 분석에서 자주 나오는 확률분포를 다룬다. 경제통계학과 계량경제 학을 공부하는데 필요한 확률분포가 여기서 다루어질 것이다. 제4장에서는 확률 ? 통계학의 어디서나 등장하는 대수의 법칙과 중심극한정리를 다룬다. 이를 수식이 아니라 실제 독자가 경험할 수 있도록 설명한다. 제5장은 확률변수의 기대치를 논의한다. 이 계산을 머리와 손으로 하는 것에만 익숙한데, 계산하기 어렵거나 복잡한 기대치는 난수 생성을 이용하여 수치적으로 할 수 있다. 제6장에서는 다변량 분포를 다룬다. 2개 변수 즉 이변량 분포를 중심으로 논의한다. 제7장은 표본, 표본 통계량 및 통계량의 표본분포에 관하여 설명한다. 통계적 추론을 위해 꼭 이해할 필요가 있는 내용이며, 이 역시 수식 보다는 그 핵심 내용이 눈에 보일 수 있도록 하였다. 제8장은 추정이고 제9장은 검정이다. 이 두 가지 추정과 검정은 통계적 추론의 모든 것이면서 서로 동전의 양면이기도 한다. 모집단에서 얻어진 표본에서 모집단을 대상으로 추정하고 검정하는 과정이다. 추정과 검정은 여기서 갑자기 나오는 게 아니라, 이미 제2장, 제4장, 제5장, 제7장에서도 등장한다. 추정과 검정을 제8장과 제9장에서 정리하면서 보다 정확히 공부한다. 후반부로 가자. 제10장은 Stata에서 자료의 관리(data management)에 관한 방법을설명한다. 우리가 현실에서 얻는 데이터는 정리되지 않은 매우 지저분한 형태이다. 이를 Stata에서 잘 정리하고 Stata에게 정리된 데이터를 잘 인식시켜야 이후 여러 가지 Stata에 의한 분석이 가능하다. 제11장과 제12장은 변수 Y와 변수 X 간 관계를 분석하는 여러 가지 방식 중 하나인 회귀분석을 공부한다. 설명변수로 변수 X만 있으므로 단순회귀분석이 다. 이를 단순선형회귀분석, 단순선형회귀모형 등으로도 부르는데, 이를 잘 알아야 이후 (다)중회귀분석을 포함한 다양한 통계적, 계량경제학적 분석을 잘 할 수 있다. Stata로 모형을 추정하고 그 결과에 대한 해석을 논의한다. 제13장은 다중회귀분석이다. 마찬가지로 이를 다중회귀모형, 다중선형회귀분석, 다중선형회귀모형 등으로도 부르는데, 통상적으로 는 중회귀분석 또는 중회귀모형 등으로 부르는 경우가 많다. 이는 종속변수 Y는 1개, 설명변수는 X1, X2, ..., Xk로 여러 개 있는 경우의 선형회귀모형이다. 제14장에서는 중회귀분 석의 틀 내에서 다소 특수한 형태를 갖는 설명변수를 다룬다. 설명변수가 0 또는 1의 이진 값을 갖는 더미 변수인 경우, 두 가지 설명변수가 곱해지는 상호작용항, 설명변수가 소위 범주형 자료인 경우, 보다 일반화된 검정 등을 다루며, 실험연구와 관측연구의 차이를 설명한다. 변수 간 인과관계를 잘 이해하기 위해서는 그 차이를 잘 이해하는 것은 매우 중요하게 논의한다. 아마 상관관계와 인과관계가 다르다는 얘기는 알고 있지만, 그래서 인과관계는 무엇인지 잘 모르는 경우가 많다. 제15장은 회귀분석을 하면 알고 있어야 할 제반의 문제들을 논의한다. 짧은 회귀(short regression)와 긴 회귀(long regression) 를 알아야 한다. 비선형 데이터와 비선형 회귀를 논의한다. 이 장에서는 인과관계 추론을 위한 도구변수 추정법도 중요하게 논의한다. 제16장은 이분산과 계열상관인데, 선형회귀모형에 대한 가장 간단한 표준적인 가정을 벗어날 때 우선적으로 등장하는 것이 이분산과 계열상관이다. 후자는 시계열 자료에서 특히 필요한 개념이다. 제17장은 이항 선택 모형이다. 흔히 로짓 모형으로 많이 알려져 있다. 하지만, 종속변수 Y가 0 또는 1의 이진 값을 갖더라도 우리가 잘 아는 선형회귀분석을 해도 된다. 이 때 필요한 개념이 선형확률모형이다. 제18장은 패널데이터 및 패널데이터모형을 다룬다. 패널데이터는 매우 많은 정보량을 가진 데이터이다. 그 기본적인 응용 방식이 선형모형에 대한 고정효과 추정과 임의효과 추정이다. 이 책의 모든 Stata는 18.0 버전을 기반으로 하지만 그 이전 버전을 갖고 해도 좋다. Stata가 결과로 내보내는 그림의 품질은 18.0 버전이 매우 좋다. 모쪼록 이 책을 잘 공부하여, 통계학, 경제통계학 및 계량경제학을 실용적 관점에서 이해하면서 이를 이용한 실증 분석을 잘 할 수 있기를 기대한다. 나아가, 데이터 사이언스까 지 공부하고자 하는 독자는 이 책이 중요한 기초가 될 것이다