Mikroekonometria 1. Mikołaj Czajkowski Wiktor Budziński

Transkrypt

1 Mikroekonometria 1 Mikołaj Czajkowski Wiktor Budziński

2 Materiały i informacje (hasło do materiałów '')

3 Mikroekonomia Zajęcia: piątek 11:30-13:05 grupa 109, sala 202 piątek 13:15-14:50 grupa 108, sala 202 Dyżur, problemy, pytania: Wiktor Budziński Dyżur po uzgodnieniu przez Kontakt Mikołaj Czajkowski Dyżur po uzgodnieniu przez Kontakt

4 Plan kursu Posługiwanie się programem NLOGIT Modele Modele dla zmiennych ciągłych MNK, regresja kwantylowa, uogólnione modele liniowe Modele binarne logit, probit i inne Wielomianowe modele logitowe Modele wyboru uporządkowanego Modele liczności zdarzeń regresja Poissona, model ujemny dwumianowy Estymacja i interpretacja Estymacja metodą największej wiarygodności, cechy estymatorów, optymalizacja Miary 'dopasowania' modelu Testowanie hipotez Identyfikacja Efekty krańcowe w modelach nieliniowych Metody numeryczne i symulacje Rozszerzenia modeli Dane przekrojowe vs. dane panelowe model efektów losowych, model efektów stałych Heteroskedastyczność w modelach liniowych oraz nieliniowych Heterogeniczność parametrów (preferencji) model parametrów losowych, model klas ukrytych Wybrane aplikacje Model użyteczności losowej a modele funkcji wskaźnikowej (zmiennej ukrytej) Przegląd zastosowań metody wyceny nierynkowej, modelowanie preferencji, estymacja gotowości do zapłaty Nadwyżka konsumenta w metodzie kosztu podróży Przegląd innych zagadnień mikroekonometrii

5 Organizacja zajęć Zajęcia przy komputerach Teoria + praktyka + prace domowe NLOGIT Warunki licencji Literatura Biblioteka materiały pomocnicze

6 Podręczniki podstawowe: Greene, W. H., Econometric Analysis. 7 Ed., Prentice Hall. Cameron, A. C., and Trivedi, P. K., Microeconometrics: Methods and Applications. Cambridge University Press. Wooldridge, J. M., Introductory Econometrics: A Modern Approach. 5 Ed., Cengage Learning. manuale: Greene, W. H., LIMDEP 10 Reference Guide. Econometric Software, Plainview, NY. Greene, W. H., LIMDEP 10 Econometric Modeling Guide. Econometric Software, Plainview, NY. Greene, W. H., NLOGIT 5 Reference Guide. Econometric Software, Plainview, NY. Cameron, A. C., and Trivedi, P. K., Microeconometrics Using Stata. 2 Ed., Stata Press. tematy szczegółowe: inne: Train, K. E., Discrete Choice Methods with Simulation. 2 Ed., Cambridge University Press, New York. Hensher, D. A., Rose, J. M., and Greene, W. H., Applied Choice Analysis: A Primer. Cambridge University Press, Cambridge. Greene, W. H., and Hensher, D. A., Modeling Ordered Choices: A Primer. Cambridge University Press. Wooldridge, J. M., Econometric Analysis of Cross Section and Panel Data. 2 Ed., The MIT Press. Gujarati, D., and Porter, D., Basic Econometrics. 5 Ed., McGraw-Hill/Irwin. Gujarati, D., Econometrics by Example. Palgrave Macmillan. Durlauf, S. N., and Blume, L. E., Microeconometrics. Palgrave Macmillan.

7 Zasady zaliczenia Pisemny egzamin końcowy (70%) + punkty za prace domowe (30%) Egzamin Część teoretyczna (test jednokrotnego wyboru, 25%) Część praktyczna (modele do przygotowania na komputerach, open book, 75%) Prace domowe Zadania do przygotowania samodzielnie lub w grupach (zależnie od polecenia) Sprawdzane tylko gdy oddane w terminie i w odpowiedniej formie Odpowiedzi są sprawdzane, typowe błędy omawiane na zajęciach Obecności nie są warunkiem zaliczenia Wspólny termin egzaminu i egzaminu poprawkowego. Brak innych terminów egzaminów i innych sposobów zaliczenia. Nieobecność na egzaminie w dowolnym terminie oznacza jego niezaliczenie (NK). Obowiązuje zasada '0 tolerancji dla ściągania', dotycząca zarówno egzaminu jak i prac domowych.

8 Zasady zaliczenia Ocena końcowa wyznaczana na podstawie następującego algorytmu: 0,25 procentowy wynik z egzaminu teoretycznego + wynik = 0,7 + 0,75 procentowy wynik z egzaminu praktycznego 0,3 procentowy wynik z prac domowych Skala ocen: ( ) Punkty (%) Ocena <50-60) 3 <60-70) 3,5 <70-80) 4 <80-90) 4,5 <90-100) !

9 Zasady zaliczenia Istnieje możliwość zdobycia punktów 'bonusowych', które dodają się do punktów uzyskanych z egzaminu: Punkty bonusowe przyznawane są za zgłoszenia błędów w aktualnych materiałach do Mikroekonometrii dostępnych na stronie ; Liczą się tylko zgłoszenia em i tylko pierwsze zgłoszenie danego błędu; Zgłoszenia przyjmowane są do momentu rozpoczęcia pierwszego terminu egzaminu; Za 'błąd' uznawane są tylko 'rozsądne' zgłoszenia; Punkty bonusowe przyznaje się w liczbie nie większej niż zapewniającej 100% wyniku z egzaminu.

10 NLOGIT podstawy 1. Uruchom NLOGIT 2. Okna Projekt (.lpj) Plik poleceń (.lim) Output (.sav) 3. Komendy RESET $ SAMPLE; $ CREATE; X = rnn(0,1) $ CREATE; Y = X + rnn(0,1) $ REGRESS ; lhs = Y ; rhs = one,x $ $ kończy każde polecenie ; rozdziela elementy składni (kolejność nie ma znaczenia) RESET usuwa wszystkie dane projektu SAMPLE określa zakres danych CREATE tworzy nową zmienną rnn(m,s) losuje z rozkładu normalnego o średniej m i odchyleniu standardowym s REGRESS model regresji liniowej lhs zmienna objaśniana rhs zmienne objaśniające 'one' stała

11 NLOGIT podstawy 1. Zaznacz pożądane komendy i kliknij 'GO' (ctrl+r) 2. Sprawdź: Zmienne w projekcie ('Variables') Macierze ('Matrices') Skalary ('Scalars') NREG liczba obserwacji LOGL wartość funkcji największej wiarygodności 3. Komendy można łatwo zmodyfikować Uruchom model ponownie dodając komendy 'plot' i 'matrix' Co się zmieniło? PLOT rysuje wykres (specyficzny dla modelu, przyjmuje parametry) MATRIX zachowuje wyniki w postaci macierzy

12 NLOGIT podstawy 1. Składnia 2. Nazywanie zmiennych, macierzy, list, skalarów, procedur dla komend ważne tylko pierwsze 4 znaki case insensitive spacje, tabulacje, znaki nowej linii pomijane '?' i '/*' '*/' oznacza komentarz case insensitive nazwa musi zaczynać się od litery nazwa może zawierać do 8 znaków spośród 26 liter, 10 cyfr i '_' nazwy zastrzeżone: one (stała) b, varb, sigma (macierze specyficzne dla modelu) n (aktualna wielkość próby), pi ( ), s, sy, ybar, degfrdm, kreg, lmda, logl, nreg, rho, rsqrd, ssqrd, sumsqdev (skalary wykorzystywane przez niektóre modele) exitcode (zawiera informację o zakończeniu estymacji)

13 NLOGIT wczytywanie danych 1. Help i manuale 2. Zapisz plik poleceń (zapisuj regularnie!) 3. Zakończ NLOGIT 4. Zacznij nową sesję 5. Obejrzyj plik z danymi me.sleep.csv Czy istnieje trade-off między ilością snu, a czasem pracy? Biddle and Hamermesh (1990) me.sleep.csv - dane me.sleep.description.txt - opis

14 NLOGIT wczytywanie danych 1. Wczytywanie danych me.sleep.txt 34 zmienne 706 obserwacji me.sleep.description.txt - opis READ wczytuje dane z plików większości formatów FILE nazwa pliku (i ścieżka) NVAR liczba zmiennych NOBS liczba obserwacji NAMES nazwy zmiennych FORMAT typ pliku LABELS kolumna pliku zawierająca nazwy obserwacji BY VARIABLES dane transponowane READ ; FILE = "C:\...\filename.ext" ; NVAR =... ; NOBS =...$

15 NLOGIT wczytywanie danych Wygodnie mieć nazwy zmiennych w pliku me.sleep.csv Pliki ASCII (np..txt) Brak danych kodowany "-999", inaczej wczytywane jako "0" BLANKS Pliki.csv: Uwaga na "." vs "," i "," vs ";" Arkusze kalkulacyjne (np..xls,.xlsx) Może źle interpretować niektóre funkcje xls Pliki binarne, STATA (10 i 11), Excel (.xls) READ ; FILE = "C:\...\filename.ext" ; NVAR =... ; NOBS =... ; NAMES = 1$

16 NLOGIT wczytywanie danych IMPORT Działa dla większości plików ASCII i arkuszy Excela IMPORT ; FILE = "C:\...\filename.ext"$ APPEND dołącza obserwacje MERGE łączy dane z różnych źródeł (np. dla paneli) WRITE zapisuje dane do pliku EXPORT zapisuje dane do ASCII lub.csv Import menu Edytor danych Możliwości Domyślnie: komórek, 900 zmiennych Więcej (max ): Aktualny projekt: Project -> Settings Ogólnie: Tools -> Options -> Projects ROWS zdefiniuj liczbę obserwacji, liczba kolumn automatycznie się dostosuje

17 NLOGIT wczytywanie danych SAVE zapisuje projekt (dane) DATA rozpoczyna wprowadzanie opisu projektu (do 255 linii po 80 znaków) ENDATA kończy wprowadzanie opisu projektu LOAD wczytuje zapisany projekt 1. Wczytaj projekt me.sleep.lpj 2. Sprawdź czy istnieje tradeoff między ilością snu, a czasem pracy :40:14