Magdalena Gańko Rafał Janaczek. Model ekonometryczny. Zastosowanie mechanizmu korekty błędem w modelowaniu kursu walutowego
|
|
- Dominika Justyna Kozak
- 8 lat temu
- Przeglądów:
Transkrypt
1 Magdalena Gańko Rafał Janaczek Model ekonometryczny Zastosowanie mechanizmu korekty błędem w modelowaniu kursu walutowego Warszawa 2006
2 Spis treści Wstęp...3 Rozdział I Podstawowe informacje teoretyczne Kurs walutowy Parytet siły nabywczej Mechanizm korekty błędem...7 Rozdział II Model ekonometryczny Baza danych Postać modelu...9 Rozdział III Interpretacja wyników estymacji Interpretacja wektora koinegrującego Interpretacja pozostałych parametrów modelu Opis i interpretacja oszacowania poszczególnych współczynników w mechanizmie korekty błędem Ocena stopnia wyjaśnienia zróżnicowania cechy zależnej zróżnicowaniem zmienności cech niezależnych Testowanie istotności parametrów strukturalnych weryfikacja hipotez Łączna hipoteza istotności Testowanie poprawności formy funkcyjnej...28 Podsumowanie...29 Bibliografia
3 Wstęp W badaniach tendencji rozwoju gospodarki każdego kraju nie można pominąć wpływu zagranicy na jego sytuację ekonomiczną. W dobie postępującej globalizacji coraz większego znaczenia nabierają rosnące przepływy kapitałów, dóbr i usług. Wzrost tych powiązań sprawia, że bardzo ważnym zagadnieniem staje się umiejętność określania przyszłego poziomu kursu walutowego. Z tego powodu analiza zmienności kursu walutowego oraz wskazanie czynników makroekonomicznych wpływających na jego poziom są tematem wielu badań ekonomicznych. Lata 90-te stanowiły okres rozwoju modeli tzw. długookresowego kursu równowagi. Jest on definiowany jako kurs, przy którym gospodarka znajduje się w równowadze wewnętrznej (wytwarzany produkt krańcowy jest równy produktowi potencjalnemu) oraz zewnętrznej (saldo rachunku obrotów bieżących bilansu płatniczego jest równe, co do wartości długookresowemu poziomowi salda rachunku kapitałowego). Najczęściej stosuje się następujące modele: Fundamental Equilibrium Exchange Rate (Williamson, 1985), Behavioral Equilibrium Exchange Rate (MacDonald, 1997), Permanent Equilibrium Exchange Rate (Clark i MacDonald, 2000) czy Natural Real Exchange Rate (Stein, 1994). W pracy naszej prezentujemy model kursu walutowego Francji oparty na teorii parytetu siły nabywczej. Ponieważ szeregi kursów walutowych zazwyczaj są niestacjonarne, wiele badań z zakresu analizy zmienności kursu walutowego wykorzystuje modele kointegracji (Johansen, 1991). W niniejszym opracowaniu przedstawione wyniki uzyskane zostały przy użyciu Mechanizmu Korekty Błędem. Pracę podzielono następująco: w rozdziałach pierwszym przedstawiono podstawowe informacje teoretyczne, dotyczące zagadnień, teorii i modelu zastosowanego w badaniu. W drugim przedstawiono model ekonometryczny. W rozdziale trzecim dokonano interpretacji wyników otrzymanych w rozdziale drugim i porównania modelu kursu walutowego Francji z innymi wybranymi wynikami badania kursu walutowego za pomocą parytetu siły nabywczej. Końcową część pracy stanowi podsumowanie uzyskanych wyników. 3
4 Rozdział I Podstawowe informacje teoretyczne 1. Kurs walutowy Kurs walutowy stanowi cenę jednej waluty wyrażoną w innej walucie. Odgrywa on istotną rolę w wymianie międzynarodowej, ponieważ pozwala na porównywanie cen towarów i usług wytwarzanych w różnych krajach. Wahania i poziom kursu walutowego kształtuje wiele czynników, przy czym za najważniejsze uchodzą: zmiany poziomu dochodu narodowego, zmiany poziomu cen (w tym nominalnych stóp procentowych), charakter cen (elastyczne, okresowo sztywne), poziom realnych stóp procentowych, zmiany w majątku (przez rachunek bieżący bilans płatniczego), preferencje walutowe w akumulacji majątku, ryzyko finansowe, ryzyko polityczne, psychologia uczestników rynku walutowego, instytucjonalna struktura rynków walutowych. 1 Należy podkreślić, że wraz z ewolucją gospodarek i postępem w integracji rynków międzynarodowych następowały zmiany w ocenie wagi poszczególnych czynników i ich wpływu na kształtowanie się kursów walutowych. Istnienie wielu kryteriów, które mogą stanowić podstawę klasyfikacji teorii kursu walutowego, sprawia, że trudno jest stworzyć ich jasny podział. W zasadzie teoria kursu walutowego dotyczy tylko kursów zmiennych, ponieważ przy stałych kursach walutowych przedmiotem zainteresowania nie jest sam kurs, ale zmiany zachodzące w bilansie płatniczym. Jednak wiele teorii gospodarki międzynarodowej łączy w dużych modelach zarówno efekty zmian kursów walutowych, jak i zmiany zachodzące w bilansie płatniczym, czy nawet w całej gospodarce, uwzględniając wielotorowość oddziaływań między różnymi kategoriami ekonomicznymi. Większość teorii zmierza w kierunku zdefiniowania warunków pozwalających na utrzymanie równowagi wewnętrznej i zewnętrznej (stability condition). 1 Chrabonszczewska E., Kalicki K., Teoria i polityka kursu walutowego, s. 12 4
5 Jedynie nieliczne podejmują problem kursu walutowego tylko z punktu widzenia równowagi cząstkowej (partial equilibrium). Teorie kursu walutowego można podzielić stosując kryterium czasu na teorie: wyjaśniające zmiany w długim okresie (np. parytetu siły nabywczej), odnoszące się do okresu średniego (np. strefy celów), zajmujące się kursem z punktu widzenia zmian krótkookresowych (np. teoria nadwrażliwości Exchange rate overshooting (Dornbusch 1976), teoria bąbli spekulacyjnych). 2 Jednak należy podkreślić, że teorie długookresowe stanowią punkt odniesienia do wyjaśnienia bieżących odchyleń kursów, stąd są silnie powiązane z teoriami krótkookresowymi. 2. Parytet siły nabywczej Uzależnienie kursu walutowego od poziomów cen w różnych krajach ma na celu wyjaśnienie, dlaczego kursy mogą podlegać znacznym fluktuacjom w horyzoncie kilku lat.. Analizę tą można przeprowadzić na podstawie fundamentalnej, niezasobowej teorii kursu walutowego, jaką jest teoria parytetu siły nabywczej (Purchasing Power Parity PPP). Aby zrozumieć działania rynku, które mogłyby spowodować rezultaty przewidywane przez teorię parytetu siły nabywczej, najpierw należy przedstawić, tzw. prawo jednej ceny. Głosi ono, że identyczne produkty na rynkach konkurencyjnych, po odliczeniu kosztów wynikających z transportu i oficjalnych barier handlowych, będą sprzedawane w różnych krajach po takich samych cenach, jeśli ceny te wyrazimy w przeliczeniu na te samą walutę. 3 Prawo jednej ceny jest odtworzeniem, w odniesieniu do walut, zasady mającej istotne znaczenie w rozważaniach dotyczących teorii wymiany. W warunkach wolnej wymiany, po odliczeniu kosztów z nią związanych, identyczne produkty są wymieniane według tych samych relacji cen, niezależnie od tego, gdzie są sprzedawane. Zasada ta wiąże krajowe ceny i z kursem walutowym. Prawo jednej ceny można sformułować następująco: niech - stanowi dolarową cenę produktu sprzedawanego w Stanach Zjednoczonych, a - cenę produktu we frankach francuskich. Wówczas prawo jednej ceny implikuje, że dolarowa cena produktu i jest taka sama, gdziekolwiek byłby on sprzedawany: P = E * P i USA S / FR i F i P FR P USA 2 Chrabonszczewska E., Kalicki K., Teoria i polityka kursu walutowego, s Krugman P., Obstfeld M., International Economics. Theory and Policy, s
6 Odchylenie od tej zasady oznaczałoby możliwość arbitrażu cenowego. Gdyby ceny produktów krajowych wyrażone w walucie krajowej były niższe niż ceny identycznych produktów zagranicznych, wówczas opłacałoby się kupować towary krajowe i sprzedawać je na rynku zagranicznym. To oczywiście spowodowałoby automatyczny powrót do równowagi przez odpowiednie dostosowania cenowe. Równoważnie, kurs wymienny dolar/frank francuski jest stosunkiem cen pieniężnych produktu i w Stanach Zjednoczonych oraz we Francji: E = S / FR P i USA P i FR Prawo jednej ceny stanowi podstawę teorii parytetu siły nabywczej. Różnica polega na tym, że prawo jednej ceny ma zastosowanie do indywidualnego towaru (towaru i), zaś PPP ma zastosowanie do ogólnego poziomu cen, stanowiącego kompozycję cen wszystkich towarów wchodzących do typowego koszyka konsumpcyjnego. Teoria parytetu siły nabywczej (Purchasing Power Party PPP) głosi, że kurs wymienny między walutami dwu krajów równa się stosunkowi siły nabywczej obu walut, zaś siła nabywcza waluty danego kraju znajduje swe odbicie w pieniężnej cenie typowego koszyka produktów konsumpcyjnych. Waluta kraju o wysokim poziomie cen ma niską siłę nabywczą, ponieważ koszt utrzymania, mierzony w walucie krajowej, jest wysoki. Teoria PPP, przewiduje, że spadek siły nabywczej waluty krajowej spowoduje proporcjonalną deprecjację waluty na rynku dewizowym. Symetrycznie, PPP przewiduje, że wzrost siły nabywczej waluty krajowej spowoduje proporcjonalną aprecjację waluty. Początków podstawowej koncepcji parytetu siły nabywczej pieniądza, wyjaśniającej poziom kursu walutowego relacjami cen, można szukać w XIX wieku, w pracach J. Wheatleya (1803) oraz D. Ricardo (1811). Jednak ideę tę spopularyzował Cassel w 1918 r. Uważał on, że poziom kursu zależy od poziomów cen w krajach zaangażowanych w handel międzynarodowy, czyli od parytetu siły nabywczej. Jednak kwestię sporną stanowił wybór cen towarów do pomiaru siły nabywczej. Jedni opowiadali się za uwzględnianiem tylko cen towarów eksportowanych (G. Cassel, 1918, 1930, A.C. Pigou, 1920, P.A. Samuelson, 1964), inni za możliwie najszerszym indeksem cen. W szczególności za tym ostatnim podejściem opowiadają się zwolennicy teorii równowagi ogólnej wskazujący, że kurs walutowy musi dopasowywać się do ogólnego, wypadkowego poziomu cen (w tym również cen wszystkich składników majątku). 4 4 Chrabonszczewska E., Kalicki K., Teoria i polityka kursu walutowego, s. 17 6
7 Pomimo wielu kontrowersji na temat PPP i jego użyteczności, teoria ta ukazuje istotne czynniki, które stanowią podstawę zmian kursu walutowego w okresie długim. Absolutna wersja parytetu siły nabywczej ma następującą postać: p * E = p gdzie: p* poziom cen za granicą p poziom cen w kraju E kurs walutowy 3. Mechanizm korekty błędem Model ECM należy do klasy modeli dynamicznych. Opisuje sposób, w jaki dokonują się dostosowania zmiennej objaśnianej do relacji długookresowej. Możemy go stosować, jeżeli dwa szeregi czasowe x t i y t są niestacjonarne i skointegrowane. Pojęcie kointegracji można powiązać z pojęciem równowagi długookresowej za pomocą twierdzenia Grangera. Twierdzenie Grangera brzmi następująco: jeśli (y t, x t ) są skointegrowane, oraz y t i x t są I(1), to y t można przedstawić w postaci Mechanizmu Korekty Błędem (ECM - Error Correction Mechanizm) (1) y t k 1 k 1 xt β ) + θ i yt i + xt iγi + 1 t 4 ε i = 1 i = 0 ECM = α ( yt Mechanizm korekty błędem ma ciekawą z punktu widzenia ekonomii interpretację. Wyrażenie y t * = x t * β interpretujemy jako równowagę długookresową, a y t-1 x t-1 β jako odchylenie od tej równowagi. Współczynnik α związany jest z szybkością dostosowania y t do poziomu równowagi. Współczynniki θ i i γ i związane z dynamiką krótkookresową. W przypadku tego typu analizy musimy rozwiązać dwa współzależne problemy. Po pierwsze, stwierdzić, czy istnieje kointegracja między zmiennymi. Po drugie, jeśli proces jest skointegrowany, to należy oszacować parametry wyżej przedstawionego równania. W praktyce najczęściej stosowaną metoda postępowania jest dwustopniowa procedura zaproponowana przez Engla-Grengera. W pierwszym kroku szacowane jest równanie y t = x t β + ε t (gdzie zmienne x i y musza być zmiennymi I(1)) za pomocą MNK i testowana jest 7
8 MNK. 5 Rozumując intuicyjnie, model ECM możemy stosować do modelowania zjawisk, hipotezę o stacjonarności reszt. Jeśli są stacjonarne, to szacujemy równanie (1) zastępując β otrzymanym w pierwszym kroku estymatorem. W ten sposób uzyskujemy równanie, w którym wszystkie zmienne są stacjonarne i możemy je estymować za pomocą standardowej które reagują na swoje determinanty z pewnym opóźnieniem. W związku z tym, w dalszej części naszej pracy, uzasadnione jest użycie Mechanizmu Korekty Błędem do modelowania kursu walutowego Francji. 5 Charemza W., Deadman D. F., Nowa ekonometria, s
9 Rozdział II Model ekonometryczny 1. Baza danych Nasze dane zostały zaczerpnięte z bazy World Development Indicators Banku Światowego, opublikowanej w 2005 roku. Są to dane miesięczne, obejmujące okres od kwietnia 1965 r. do sierpnia 2005 r. Wszystkie dane wyrażone są w formie indeksów, dla których rok 2000=100. Z powodu braku w bazie danych informacji o wielkości inflacji, do naszego modelu wykorzystaliśmy indeksy cen konsumpcyjnych (CPI). Znalezienie zmiennych skointegrowanych związane było z przetestowaniem kointegracji zmiennych dla danych z kilku krajów, takich jak: Szwajcaria, Japonia, USA, Wielka Brytania i Francja. Jedynymi danymi, spełniającymi kryterium kointegracji były dane dla Francji i USA. Bezwzględna wersja parytetu siły nabywczej zakłada, iż kurs walutowy równy jest stosunkowi cen krajowych do zagranicznych (E=P/P*). Ponieważ dane dostępne są w formie indeksów, nie można zastosować bezwzględnej wersji PPP. Zatem logarytmując obie strony otrzymaliśmy log(e) = log(p/p*) log(e) = log(p) log(p*). Taka forma pozwala na uniezależnienie się od problemu bezwzględnych poziomów cen, zatem wyrażenie cen w postaci indeksów w bazie WDI nie stanowi przeszkody w dalszej pracy. Co więcej, dokonaliśmy dodatkowej standaryzacji zmiennej objaśnianej. Otóż chcąc uczynić rok 2000 rokiem bazowym (w którym występuje równowaga) od zmiennej log(e) odjęliśmy stałą = log(100). W ten sposób otrzymaliśmy relację log(e) log(100) = log(p) log(p*). Zatem naszą zmienną objaśnianą, zwaną dalej lkursfr, będzie zmienna definiowana jako log(e) log(100). Natomiast zmienną objaśniającą, zwaną dalej jako roznusafr, będzie zmienna definiowana jako log(p) log(p*). 2. Postać modelu W naszym badaniu przyjmujemy następującą postać modelu kursu walutowego Francji: lkursfr = α ( lkursfr t roznusafr k 1 k 1 t β ) θ 1 t i t iγi ε t ECM i= 1 lkursfr + i= 0 roznusafr + 9
10 gdzie: lkursfr - kurs walutowy Francji (cena dolara wyrażona w walucie francuskiej za pomocą indeksu) α - współczynnik obrazujący szybkość dostosowań do równowagi roznusafr różnica między logarytmem CPI w USA a logarytmem CPI we Francji βˆ - współczynnik w wektorze kointegrującym, obrazujący długookresową relację między zmiennymi ECM odchylenie od równowagi długookresowej (błąd) Wykres 1. Przebieg zmiennych lkursfr i roznusafr w czasie lkursfr/roznusafr m1 1970m1 1975m1 1980m1 1985m1 1990m1 1995m1 2000m1 2005m1 t lkursfr roznusafr Źródło: Opracowanie własne Szacowanie modelu zaczynamy od sprawdzenia kointegracji. Powyżej przedstawiamy wykres zmiennej zależnej i niezależnej, z którego nie wynika jasno, że zmienne są bądź nie są skointegrowane. W celu sprawdzenia kointegracji stosujemy dwustopniową metodę Engla Grangera. Pierwszym krokiem jest sprawdzenie stopnia integracji zmiennej zależnej i zmiennych niezależnych. 10
11 Chcąc zbadać stopień zintegrowania zmiennej zależnej, przeprowadzamy regresję pierwszych różnic zmiennej lkursfr na opóźnionej zmiennej lkursfr i stałej, aby otrzymać statystykę testową potrzebną do zastosowania testu DF (Dickey-Fullera). Source SS df MS Number of obs = F( 1, 482) = 2.96 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = D.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] lkursfr L _cons Po przeprowadzeniu regresji musimy jeszcze przetestować hipotezę o braku autokorelacji. Użyjemy do tego celu testu Breuscha-Godfreya. Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Otrzymujemy statystykę, która przy 5% poziomie istotności implikuje odrzucenie hipotezy zerowej o braku autokorelacji ( z p-value = < 0.05). W modelu występuje więc autokorelacja. Aby ją wyeliminować dodajemy opóźnione wartości pierwszych różnic zmiennej lkursfr. Source SS df MS Number of obs = F( 2, 480) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = D.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] lkursfr L LD _cons
12 Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Już po dodaniu pierwszego opóźnienia okazuje się ze na podstawie testu Breuscha-Godfreya na poziomie istotności 5% nie mamy podstaw by odrzucić hipotezę zerową o braku autokorelacji w modelu, ponieważ p-value = > W związku z tym możemy przeprowadzić badanie stacjonarności zmiennej lkursfr za pomocą testu ADF. Augmented Dickey-Fuller test for unit root Number of obs = Interpolated Dickey-Fuller Test 1% Critical 5% Critical 10% Critical Statistic Value Value Value Z(t) * MacKinnon approximate p-value for Z(t) = Wartość statystyki testowej ( 2.004) jest większa od 5% wartości krytycznej ( 2.871), a więc nie mamy podstaw do odrzucenia hipotezy zerowej o niestacjonarności zmiennej lkursfr. Należy teraz sprawdzić czy za pomocą pierwszych różnic można sprowadzić zmienną lkursfr do zmiennej stacjonarnej, czyli sprawdzamy czy zmienna kurs jest zintegrowana w stopniu pierwszym (czy jest I(1)). W tym celu przeprowadzamy przedstawioną poniżej regresję. Source SS df MS Number of obs = F( 1, 481) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = D2.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] lkursfr LD _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation 12
13 Na podstawie przeprowadzonego testu Breuscha-Godfreya na poziomie istotności 5% nie mamy podstaw do odrzucenia hipotezy zerowej o braku autokorelacji, bowiem p-value = > Zatem możemy przetestować na podstawie tej regresji stacjonarność pierwszych różnic zmiennej lkursfr za pomocą testu DF. Dickey-Fuller test for unit root Number of obs = Interpolated Dickey-Fuller Test 1% Critical 5% Critical 10% Critical Statistic Value Value Value Z(t) * MacKinnon approximate p-value for Z(t) = Statystyka testowa < 2.871, a więc na poziomie istotności 5% odrzucamy hipotezę zerową o niestacjonarności pierwszych różnic zmiennej lkursfr. Zatem po zastosowaniu pierwszych różnic, zmienna lkursfr staje się stacjonarna, a z tego wynika, że zmienna lkurs jest I(1). Należy teraz sprawdzić stopień zintegrowania zmiennej roznusafr. W tym celu przeprowadzamy poniższą regresję. Source SS df MS Number of obs = F( 1, 482) = 7.01 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.0032 D.roznUSAFR Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr L _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Okazuje się, że na podstawie przeprowadzonego testu Breuscha-Godfreya na poziomie istotności 5% odrzucamy hipotezę o braku autokorelacji składnika losowego gdyż p-value = < Nie można więc przeprowadzić testu Dickey Fullera.W związku z tym należy do modelu dodać tyle opóźnień zmiennej zależnej, aby autokorelację z modelu usunąć. 13
14 Source SS df MS Number of obs = F( 2, 480) = Model Prob > F = Residual e-06 R-squared = Adj R-squared = Total Root MSE = D.roznUSAFR Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr L LD _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Po dodaniu pierwszego opóźnienia zmiennej zależnej, na podstawie przeprowadzonego testu Breuscha-Godfreya, na poziomie istotności 5% odrzucamy hipotezę zerową o braku autokorelacji, gdyż p-value = < Zatem okazuje się, że dodanie pierwszego opóźnienia nie powoduje usunięcia z modelu autokorelacji składnika losowego. W związku z tym należy dodać do modelu kolejne opóźnienie zmiennej zależnej. Source SS df MS Number of obs = F( 3, 478) = Model Prob > F = Residual e-06 R-squared = Adj R-squared = Total Root MSE = D.roznUSAFR Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr L LD L2D _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation 14
15 Po dodaniu kolejnego opóźnienia zmiennej zależnej, na podstawie testu Breuscha-Godfreya na poziomie istotności 5% nie mamy podstaw do odrzucenia hipotezy zerowej o braku autokorelacji, gdyż p-value = > Biorąc to pod uwagę, możemy przetestować stacjonarność zmiennej roznusafr za pomocą testu ADF. Augmented Dickey-Fuller test for unit root Number of obs = Interpolated Dickey-Fuller Test 1% Critical 5% Critical 10% Critical Statistic Value Value Value Z(t) * MacKinnon approximate p-value for Z(t) = Statystyka testowa > 2.871, a więc na poziomie istotności 5% nie mamy podstaw do odrzucenia hipotezy zerowej o niestacjonarności zmiennej roznusafr. Pozostaje nam teraz sprawdzić czy zmienna roznusafr jest zintegrowana w stopniu pierwszym I(1), a wiec czy pierwsze różnice tej zmiennej są stacjonarne. Source SS df MS Number of obs = F( 1, 481) = Model Prob > F = Residual e-06 R-squared = Adj R-squared = Total Root MSE = D2.roznUSAFR Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr LD _cons e-06 Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi W tak oszacowanej regresji pomocniczej występuje autokorelacja, gdyż na poziomie istotności 5% odrzucamy hipotezę zerową testu Breusch-Godfreya o braku autokorelacji (p-value = < 0.05). Dodajemy więc opóźnioną zmienną zależną. 15
16 Source SS df MS Number of obs = F( 2, 479) = Model Prob > F = Residual e-06 R-squared = Adj R-squared = Total Root MSE = D2.roznUSAFR Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr LD LD _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Przy tej regresji na podstawie testu Breusch-Godfreya nie mamy podstaw do odrzucenia hipotezy zerowej o braku autokorelacji (p-value = > 0.05). Zatem na tej podstawie możemy sprawdzić stacjonarność pierwszych różnic zmiennej roznusafr za pomocą testu ADF. Augmented Dickey-Fuller test for unit root Number of obs = Interpolated Dickey-Fuller Test 1% Critical 5% Critical 10% Critical Statistic Value Value Value Z(t) * MacKinnon approximate p-value for Z(t) = D2.roznUSAFR Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr LD LD _cons Statystyka testowa < 2.871, a więc odrzucamy hipotezę zerową o niestacjonarności zmiennej i przyjmujemy hipotezę o tym, że pierwsze różnice zmiennej roznusafr są stacjonarne, a więc zmienna roznusafr jest zintegrowana w stopniu pierwszym (zmienna jest I(1)). Po sprawdzeniu stopnia integracji obu zmiennych lkursfr i roznusafr i stwierdzeniu, że obie są zintegrowane w stopniu pierwszym, możemy przejść do kolejnego etapu badania kointegracji miedzy tymi zmiennymi. Będą one skointegrowane wtedy, gdy reszty z regresji 16
17 jednej zmiennej na drugiej będą stacjonarne. W tym celu przeprowadzamy regresję lkursfr na roznusafr. Source SS df MS Number of obs = F( 1, 483) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.0495 lkursfr Coef. Std. Err. t P> t [95% Conf. Interval] roznusafr _cons W ten sposób otrzymujemy parametry wektora kointegrującego, którego interpretację przedstawimy w dalszej części pracy. Sprawdzimy teraz, czy parametr przy zmiennej roznusafr istotnie różni się od 1, w ten sposób przetestujemy, czy zachowana jest najczystsza wersja zasady parytetu siły nabywczej. test roznusafr=1 ( 1) roznusafr = 1 F( 1, 483) = Prob > F = Okazuje się, że na poziomie istotności 5% odrzucamy hipotezę zerową (Prob > F = < 0.05) o tym, że parametr przy zmiennej roznusafr jest równy 1 i przyjmujemy hipotezę alternatywną, mówiącą o tym, iż ten parametr istotnie się od 1 różni. Interpretację tego faktu przedstawimy w dalszej części pracy. Poniżej natomiast przedstawiamy regresję potrzebną do przetestowania stacjonarności reszt z regresji lkursfr na roznusafr. Source SS df MS Number of obs = F( 1, 483) = 5.34 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = D.u_koint Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L
18 Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Na podstawie przeprowadzonego testu Breuscha-Godfreya, w którym p-value = < 0.05, odrzucamy hipotezę zerową o braku autokorelacji składnika losowego. Zatem nie możemy do testowania stacjonarności reszt użyć testu Dickey Fullera. Aby usunąć autokorelację należy dodać opóźnioną zmienną zależną. Source SS df MS Number of obs = F( 2, 481) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = D.u_koint Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L LD Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation P-value w teście Breuscha-Godfreya wynosi i jest mniejsze niż 0.05, a więc na poziomie istotności 5% nie ma podstaw do odrzucenia hipotezy o braku autokorelacji składnika losowego. Możemy użyć testu ADF do przetestowania stacjonarności reszt. Augmented Dickey-Fuller test for unit root Number of obs = Interpolated Dickey-Fuller Test 1% Critical 5% Critical 10% Critical Statistic Value Value Value Z(t) D.u_koint Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L LD
19 Do przetestowania stacjonarności reszt nie możemy jednak użyć generowanych przez program Stata standardowych wartości krytycznych. Odpowiednie wartości krytyczne dla testu ADF dostępne są w książce 6 Charemza, Deadman Nowa ekonometria. Wartość krytyczna dla testu ADF bez wyrazu wolnego na poziomie istotności 5% to: górna = 2.64, dolna = 2.87, a więc statystka testowa jest mniejsza od obu wartości krytycznych, zatem odrzucamy hipotezę zerową o niestacjonarności reszt na korzyść hipotezy alternatywnej, że reszty są stacjonarne. W związku z powyższym, zmienne zależna i niezależna są skointegrowane i możemy oszacować model zawierający mechanizm korekty błędem. reg d.lkursfr l.u_koint Source SS df MS Number of obs = F( 1, 482) = 3.62 Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = D.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation W takiej regresji (możliwie najprostszej) zawierającej mechanizm korekty błędem pojawia się autokorelacja reszt. Na poziomie istotności 5% odrzucamy hipotezę zerową o braku autokorelacji rezultat testu Breuscha-Godfreya (p-value = < 0.05). Zatem w celu usunięcia z modelu autokorelacji należy dodać opóźnione zmienne. 6 Charemza W., Deadman D. F., Nowa ekonometria, s
20 reg d.lkursfr l.u_koint ld.lkursfr Source SS df MS Number of obs = F( 2, 480) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.0097 D.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L lkursfr LD _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation Na poziomie istotności 5% nie mamy podstaw do odrzucenia hipotezy zerowej o braku autokorelacji reszt przy pomocy testu Breuscha-Godfreya (p-value = > 0.05). Możemy spróbować dodać do modelu dodatkowo opóźnioną zmienną d.roznusafr w celu uzyskania lepszego modelu (kierujemy się skorygowanym R 2 ). Source SS df MS Number of obs = F( 3, 479) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.0097 D.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L lkursfr LD roznusafr LD _cons Breusch-Godfrey LM test for autocorrelation lags(p) chi2 df Prob > chi H0: no serial correlation 20
21 W tym przypadku również nie ma podstaw do odrzucenia hipotezy o braku autokorelacji (test Breuscha-Godfreya, p-value = > 0.05), natomiast obniża się wartość skorygowanego R 2, więc pozostaniemy przy modelu z dodaną tylko opóźnioną zmienną D.lkursFR. reg d.lkursfr l.u_koint ld.lkursfr Source SS df MS Number of obs = F( 2, 480) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.0097 D.lkursFR Coef. Std. Err. t P> t [95% Conf. Interval] u_koint L lkursfr LD _cons Testując prawidłowość formy funkcyjnej testem RESET otrzymujemy: Ramsey RESET test using powers of the fitted values of D.lkursFR Ho: model has no omitted variables F(3, 477) = 1.44 Prob > F = A więc na 5% poziomie istotności nie mamy podstaw do odrzucenia hipotezy zerowej o tym, że forma funkcyjna jest prawidłowa (w teście RESET p-value = > 0.05). Możemy jeszcze przetestować prawidłowość formy funkcyjnej ogólniejszą forma testu RESET (gdzie używa się kwadratów i iloczynów zmiennych niezależnych). Program Stata nie jest w stanie przeprowadzić tego testu automatycznie w przypadku, gdy regresja zawiera zmienne zróżnicowane czy tez opóźnione. W związku z tym musimy zdefiniować nowe zmienne, które nie będą przez program Stata rozpoznawane jako zmienne opóźnione, zróżnicowane. Definiujemy zmienne: - y jako d.lkursfr -x1 jako l.u_koint -x2jako ld.lkursfr Przeprowadzamy regresje y na x 1 i x 2 (otrzymujemy oczywiście te same oszacowania parametrów, co przy zmiennych zdefiniowanych standardowo). Przeprowadzamy teraz ogólniejszą formę testu RESET: 21
22 Ramsey RESET test using powers of the independent variables Ho: model has no omitted variables F(6, 474) = 1.55 Prob > F = Na 5% poziomie istotności nie mamy podstaw do odrzucenia hipotezy zerowej o tym, że forma funkcyjna jest prawidłowa (w teście RESET p-value = > 0.05). 22
23 Rozdział III Interpretacja wyników estymacji 1. Interpretacja wektora koinegrującego Po przeprowadzeniu regresji lkursfr na roznusafr otrzymaliśmy następujący model: lkursfr = * roznusafr. Bardzo interesującym wynikiem jest wartość parametru przy zmiennej roznusafr. Test hipotezy o tym, że jego wartość równa się jeden, wskazuje na konieczność odrzucenia takiej hipotezy. Dochodzimy zatem do wniosku, że parytet siły nabywczej nie jest spełniony w swojej absolutnej wersji. Wynik ten nie jest odosobniony w kontekście innych badań nad parytetem siły nabywczej. Chrabonszczewska w swojej pracy 7 zauważa, że takie wyniki są spowodowane tym, że przy wyprowadzeniu zasady parytetu siły nabywczej czyni się kilka założeń teoretycznych, które raczej nie mogą być spełnione. Zakłada się, że rynek światowy jest doskonały, a więc istnieje pełny związek cen produktów krajowych i zagranicznych (prawo jednej ceny, homogeniczność towarów). Przyjmuje się również, że realne stopy procentowe wyrównują się w poszczególnych krajach. Zakłada się dalej, że nie występują koszty transportu, cła, podatki, koszty poszukiwania i gromadzenia informacji, monopolizacja rynków czy ograniczenia pozataryfowe. W przeciwieństwie do tych założeń w rzeczywistości występują koszty transportu i restrykcje handlowe. Owe bariery mogą uniemożliwić wymianę niektórych produktów i usług pomiędzy krajami. Przemieszczanie produktów miedzy rynkami zlokalizowanymi w różnych krajach jest kosztowne, i przez to osłabia mechanizm działania prawa jednej ceny, leżący u podstaw PPP. Im większe koszty transportu, tym większe widełki, w jakich kurs walutowy może się poruszać przy danych cenach dóbr w różnych krajach. Oficjalne restrykcje handlowe, jak cło, wywierają skutek podobny, ponieważ wpływają na zyski importerów w ten sam sposób jak odpowiednie koszty przesyłki. Każdy rodzaj przeszkody w wymianie osłabia podstawy PPP, prowadząc do większego zróżnicowania krajowych poziomów cen 7 Chrabonszczewska E., Kalicki K., Teoria i polityka kursu walutowego, s
24 (wyrażonych we wspólnej walucie). 8 W podobny sposób, odchylenie od zasady PPP tłumaczy Kenneth Rogoff z Princeton University w artykule The Purchaising Power Parity Puzzle. Jako przykład homogenicznego produktu, dla którego prawo jednej ceny nie jest spełnione, podaje cenę kanapki Bic Mac w wybranych krajach. Różnicę w poziomie ceny pokazuje poniższa tabela. Tabela 1. Relatywna cena kanapki Big Mac w wybranych krajach Źródło: K. Rogoff, The Purchaising Power Parity Puzzle, str.649 McKinnon (1970), Asea, Patrick, Mendoza (1983), Rogoff (1996), Sarno (2000) tłumaczą systematyczne odchylenie od PPP występowaniem tzw. efektu Balassy-Samuelsona. Efekt ten został sformułowany ponad 30 lat temu przez Balassę (1964) i Samuelsona (1964). W gospodarce mamy dwa sektory: sektor dóbr handlowych i niehandlowych. Przyjmuje się, że ceny dóbr handlowych podlegają prawu jednej ceny, jednak nie muszą jemu podlegać ceny dóbr niehandlowych. Teorię o wyższych cenach usług w krajach wyżej rozwiniętych potwierdzają badania empiryczne wyżej wymienionych autorów. Rosnąca produktywność w sektorze dóbr handlowych powoduje wzrost płac w tym sektorze. Przy założeniu, że praca jest mobilna, powoduje to wzrost płac w całej gospodarce, także w sektorze dóbr niehandlowych, nawet wtedy, gdy produktywność w tym sektorze nie rośnie. Producenci w sektorze dóbr niehandlowych będą w stanie płacić wyższe płace tylko wówczas, gdy relatywna cena dóbr niehandlowych wzrośnie, co z kolei prowadzi do wzrostu ogólnego poziomu cen w gospodarce 9. W kierunku osłabienia powiązań pomiędzy cenami podobnych produktów sprzedawanych na różnych rynkach, z kosztami transportu i innymi barierami handlowymi mogą współdziałać również bariery monopolistyczne lub oligopolistyczne na rynkach 8 Krugman P., Obstfeld M., International Economics. Theory and Policy, s Wincenciak L., Prezentacja na zebranie KMiTHZ,
25 podobnych produktów, czyli zjawisko niedoskonałej konkurencji. Kombinacja zróżnicowania produktów i segmentacji rynków powoduje odchodzenie od prawa jednej ceny i parytetu absolutnej siły nabywczej. Zmiany w czasie, w strukturze rynku i popytu, mogą także unieważnić teorię parytetu relatywnej siły nabywczej. Uważamy, że w przypadku badania kursu walutowego Francji najważniejszymi czynnikami tłumaczącymi odchylenie od PPP jest efekt Balassy-Samuelsona w połączeniu z różnicą w poziomie konkurencyjności rynków: francuskiego i amerykańskiego. Hipotezę naszą potwierdza średni roczny wzrost produktywności we Francji, który wynosi 1,59%, zaś w USA 1,35% 10. Fakt, że Francja charakteryzuje się szybszym wzrostem produktywności niż USA, można zauważyć na poniższym wykresie: Wykres 2. Produktywność we Francji i w USA w latach Źródło: Opracowanie własne na podstawie bazy danych Max data OECD Statistical Compendium 2005 France United States Połączenie faktów większej konkurencyjności rynku amerykańskiego i szybszego wzrostu produktywności we Francji daje systematycznie wyższe ceny dóbr niehandlowych we Francji. Powoduje to, że będziemy obserwowali przeciętnie wyższą inflację we Francji i realną aprecjację waluty francuskiej do dolara. Zatem, jeżeli: lkursfr = roznusafr, to po wstawieniu tego do równania na kurs realny dostaniemy: q = lkursfr - roznusafr = *roznusafr. 10 Średni przyrost produktywności policzono na podstawie danych dostępnych w Max data OECD Statistical Compendium
26 W badanym okresie doszło więc do realnej aprecjacji waluty francuskiej wynikającej z cech gospodarki francuskiej (np. szybszego wzrostu produktywności zgodnie z teorią Balassy- Samuelsona). 2. Interpretacja pozostałych parametrów modelu Oszacowany przez nas model ma następującą postać: lkursfr = ( lkursfrt roznusafr 1 ) t + lkursfrt Opis i interpretacja oszacowania poszczególnych współczynników w mechanizmie korekty błędem 1. Parametr α został oszacowany na poziomie z błędem standardowym ± Jest to parametr determinujący szybkość dostosowań zmiennych do równowagi długookresowej. Ujemny znak tego parametru oznacza, że odchylenia od opisanego wcześniej trendu aprecjacyjnego były korygowane, zatem trend ten można uznać za trwały i wynikający z fundamentalnych cech gospodarki. Wielkość tę interpretujemy następująco: 2,5% odchylenia jest korygowane po upływie jednego okresu (miesiąca), co daje około 27% 11 korekty rocznie. Jest to poziom niższy niż otrzymany w badaniu kursu walutowego marki niemieckiej w stosunku do dolara amerykańskiego(45%) i niższy niż w relacji jena japońskiego do dolara amerykańskiego(34%) 12. ECM 2. Parametr θ został oszacowany na poziomie ze średnim błędem ± Parametr ten jest związany z krótkookresową dynamiką zmiennej zależnej i z reguły nie interpretujemy go bardziej szczegółowo. 3. Stała została oszacowana na poziomie ze średnim błędem ± Stała w tej regresji nie ma, w kontekście naszego badania, konkretnej interpretacji, co więcej jest bardzo bliska % rocznie zostało wyliczone z relacji:(1-korekta miesięczna) 12 =(1-korekta roczna) 12 Rogoff K., The Purchasing Power Parity Puzzle, s
27 2.2. Ocena stopnia wyjaśnienia zróżnicowania cechy zależnej zróżnicowaniem zmienności cech niezależnych Wartość współczynnika determinacji liniowej wyniosła: R 2 = = 10.1% Model wyjaśnia 10.1 % zmienności zmiennej zależnej. Skorygowany współczynnik determinacji liniowej: R 2* = = 9.72 % Wartości R 2 i R 2* oscylują wokół podobnych wartości, co świadczy o uniknięciu efektu pozornego wyjaśnienia Testowanie istotności parametrów strukturalnych weryfikacja hipotez Aby ustalić, które ze zmiennych objaśniających mają statystycznie istotny wpływ na zmienną objaśnianą przeprowadzimy analizę istotności parametrów zmiennych objaśniających. Przyjmujemy poziom istotności α = 0.05 oznaczający 5% ryzyko popełnienia błędu I rodzaju, polegającego na odrzuceniu hipotezy zerowej, która jest prawdziwa. a) Badanie istotności parametru α: H 0 : α = 0, H 1 : α 0. P > t = => (P > t ) < 0.05 W związku z tym odrzucamy hipotezę zerową na korzyść hipotezy alternatywnej, czyli wartość parametru α jest statystycznie istotna. b) Badanie istotności parametru θ dla zmiennej lkursfr t-1 : H 0 : θ = 0, H 1 : θ 0. P > t = => (P > t ) < 0.05 W związku z tym odrzucamy hipotezę zerową na korzyść hipotezy alternatywnej, czyli wartość parametru θ dla zmiennej lkursfr t-1 jest statystycznie istotna. 27
28 c) Badanie istotności stałej: H 0 : cons = 0, H 1 : cons 0. P > t = => (P > t ) > 0.05 W związku z tym nie ma podstaw do odrzucenia hipotezy zerowej na korzyść hipotezy alternatywnej, czyli wartość stałej nie jest statystycznie istotna Łączna hipoteza istotności Hipotezy testu mają postać: H 0 : łączny wpływ zmiennych objaśniających nie jest statystycznie istotny H 1 : przynajmniej jedna ze zmiennych objaśniających jest statystycznie istotna Statystyką pozwalającą testować łączny wpływ zmiennych objaśniających na zmienną objaśnianą (kurs walutowy Francji) jest statystyka F (o rozkładzie Fishera Snedecora). W badanym przez nas przypadku regresja jest istotna statystycznie, co wynika z faktu, że F[26.96, p-value: < 0.05], czyli odrzucamy H 0 na rzecz H Testowanie poprawności formy funkcyjnej Za pomocą testu RESET chcemy sprawdzić czy zastosowana forma funkcyjna jest poprawna. H 0 : specyfikacja modelu jest właściwa H 1 : specyfikacja modelu nie jest właściwa Można zauważyć, że niezależnie od rodzaju przeprowadzonego testu wyniki są zbliżone. Test pierwszy - F[1.44, p-value: ], zaś drugi F[1.55, p-value: ]. W obu przypadkach wartość statystyki F jest niska, zaś duża wartość prawdopodobieństwa wskazuje, że przy poziomie istotności α = 0.05 brak jest podstaw do odrzucenia hipotezy zerowej o poprawności funkcyjnej modelu. 28
29 Podsumowanie Teoria parytetu siły nabywczej sięga swoją historią 13 aż do XVI wieku, do Salamanca School w Hiszpanii i do pism Gerarda de Malynesa (1601, Anglia). W 2 poł. XVII i na początku XIX wieku pojawiły się wśród szwedzkich, francuskich oraz angielskich bulionistów kolejne stwierdzenia będące podłożem pod właściwą teorię PPP. W ciągu XIX wieku ekonomiści tacy, jak Ricardo, Mill, Goschen czy Marshall potwierdzali i rozwijali mniej lub bardziej szczegółowe spojrzenia na PPP. Przegląd tych teorii zawarty jest w pracach Vinnera (1937), Shumpetera (1954) czy Holmesa (1967). Największy wpływ na rozwój i rozpowszechnienie teorii PPP miał szwedzki ekonomista Gustav Cassel, nazwany później ojcem chrzestnym 14 teorii parytetu siły nabywczej. To on nadał nazwę tej teorii i sformułował podstawowe założenia. Pierwsze wyniki jego pracy zostały opublikowane w 1916 roku w Economic Journal. Przedstawił wówczas podstawy PPP na przykładzie USA i Szwecji. Przez kolejne 15 lat przeprowadzał kolejne badania mające na celu potwierdzenie teorii PPP. Nowa fala zainteresowania PPP pojawiła się po II Wojnie Światowej (Metzler, 1947; Yeager, 1958). W licznych badaniach pokazywali oni praktyczną użyteczność teorii PPP. W kolejnych latach pojawiały się nowe kierunki w rozwoju tej teorii (Fleming 1962, Mundell 1968) 15. Jej dość bujny rozwój trwał aż do lat 90. Obecnie obserwujemy raczej wykorzystywanie istniejących już aspektów PPP niż szukanie nowych dróg jej rozwoju. W tabeli 2. zostały przedstawione wyniki ważniejszych badań nad PPP przeprowadzonych w ostatnim dwudziestoleciu. Tabela 2. Główne empiryczne badania nad hipotezą PPP Frankel (1986) Edison (1987) Autor Próba Metoda Wnioski USA, dane roczne, Estymacja OLS 1984 (dolar- funt AR(1) szterling) Abauf i Jorion (1990) Kim (1990) USA, dane roczne, (dolar- funt szterling) 10 rozwiniętych krajów, dane miesięczne, ( ) oraz dane roczne ( ) 10 rozwiniętych krajów, CPI i WPI, dane roczne Metoda kointegracji (ECM) Estymacja SUR AR(1) i test DF Testy PP, Perron (1988), kointegracji Spełnione PPP, współczynnik autoregresyjny: 0.86 Spełnione PPP Spełnione PPP, marginesowe odrzucenie łącznej niestacjonarności Spełnione PPP (ogólnie dla obu CPI i WPI) 13 Sarno L., Purchaising Power Parity, s Rogoff K., The Purchasing Power Parity Puzzle, s Sarno L., Purchaising Power Parity, s. 6 29
30 Lothian i Taylor (1996) Papell (1997) Michael, Nobay i Peel (1997) Délano (1998) Hegwood i Papell (1998) Céspedes i De Gregorio (1999) Culver i Papell (1999) Valdés i Délano (1999) Cuddington i Liang (2000) Ng i Perron (2001) Taylor, Peel i Sarno (2001) Taylor (2002) ( ) (Johansen, 1992) i ECM 3 rozwinięte kraje, WPI, Testy DF i PP, dane roczne ( ) estymacja AR(1) 20 rozwiniętych krajów, CPI, dane miesięczne i Testy ADF i panel kwartalne, dolar i marka unit root niemiecka, ( ) 5 rozwiniętych krajów, WPI, dane miesięczne Model ESTAR ( ) i roczne ( ) Chile, CPI, dane roczne ( ) 5 rozwiniętych krajów, 2 okresy, dane roczne ( i ) Chile, efektywna i bilateralna RER, dane kwartalne ( ) 21 rozwiniętych krajów, dane kwartalne ( ) Chile, CPI, dane kwartalne ( ), panelowe dla 92 krajów ( ) USA, dane roczne ( , dolar-szterling, frank-szterling) 18 rozwiniętych krajów, dane kwartalne ( ) USA, CPI, dane miesięczne ( , dolar-szterling, marka, frank, jen) 20 rozwiniętych i rozwijających się krajów (łącznie Morale Argentyną, Brazylią, Meksykiem, Morale wyjątkiem Chile), dane roczne ( ) Spełnione PPP Spełnione PPP, lepsze wnioski, gdy większy panel, z marką niż z dolarem, z miesięcznymi a nie kwartalnymi danymi Odrzucona liniowość na korzyść dla procesu EAR Test ADF RER~I(0)dla całej próby, I(1) dla Testy ADF i Bai- Perron for struktura breaks Test ADF i kointegracja Testy ADF, KPSS I Shin (1994), testy kointegracji (Engle- Granger, Shin-KPSS) Testy ADF i kointegracji, estymacja danych panelowych Testy ADG i PP, metoda od ogólnego do szczegółowego Testy ADF i PP ESTAR i Logistic ESTAR Metoda kointegracji i testy ADF-GFS Spełnione quasi PPP, RER~I(0) ale z okresowo zmieniającą się średnią RER~I(1), dowody na kointegrację między RER, produktywności, aktywami zagranicznymi netto, rządowymi wydatkami i wolnym handlu Spełnione PPP, RER~I(0) I kointegracja między RER, krajowymi i zagranicznymi cenami RER~I(1), dowody na kointegrację między RER, handlową i niehandlową produktywnością, aktywami zagranicznymi netto. W przypadku wydatków rządowych i wolnego handlu niespełnione PPP dolar-szterling jest trendostacjonarny albo niestacjonarny z błędem MA(5), ale frankszterling~i(0) RER~I(1), z wyjątkiem Kanady Dowody na nieliniową zmienną średnią Spełnione PPP w długim okresie Spełnione relatywne PPP. Kursy wymiany 7 rozwiniętych krajów, Morales i Bai i Perron (1998) przystosowują się we wszystkich sektorach. niezagregowane indeksy Peruga structural-break Dowód na niestabilność jest większy dla cen, dane miesięczne (2002) model i ECM współczynników kointegracji niż dla ( ) współczynników uregulowanych Źródło: Opracowanie własne na podstawie artykułu Purchasing Power Parity in an Emerging Market Economy: A Long-Span Study for Chile ( César Calderón, Roberto Duncan, 2003) 30
Przyczynowość Kointegracja. Kointegracja. Kointegracja
korelacja a związek o charakterze przyczynowo-skutkowym korelacja a związek o charakterze przyczynowo-skutkowym Przyczynowość w sensie Grangera Zmienna x jest przyczyną w sensie Grangera zmiennej y jeżeli
Bardziej szczegółowoDiagnostyka w Pakiecie Stata
Karol Kuhl Zgodnie z twierdzeniem Gaussa-Markowa, estymator MNK w KMRL jest liniowym estymatorem efektywnym i nieobciążonym, co po angielsku opisuje się za pomocą wyrażenia BLUE Best Linear Unbiased Estimator.
Bardziej szczegółowoEkonometria Ćwiczenia 19/01/05
Oszacowano regresję stopy bezrobocia (unemp) na wzroście realnego PKB (pkb) i stopie inflacji (cpi) oraz na zmiennych zero-jedynkowych związanymi z kwartałami (season). Regresję przeprowadzono na danych
Bardziej szczegółowoTesty własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu
Część 2 Test Durbina-Watsona Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε t, ε t 1 ) 0 Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 9
Stanisław Cichocki Natalia Nehrebecka Wykład 9 1 1. Dodatkowe założenie KMRL 2. Testowanie hipotez prostych Rozkład estymatora b Testowanie hipotez prostych przy użyciu statystyki t 3. Przedziały ufności
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 12
Stanisław Cichocki Natalia Nehrebecka Wykład 12 1 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne 2. Autokorelacja o Testowanie autokorelacji 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne
Bardziej szczegółowoAnaliza Szeregów Czasowych. Egzamin
Analiza Szeregów Czasowych Egzamin 12-06-2018 Zadanie 1: Zadanie 2: Zadanie 3: Zadanie 4: / 12 pkt. / 12 pkt. / 12 pkt. / 14 pkt. Projekt zaliczeniowy: Razem: / 100 pkt. / 50 pkt. Regulamin egzaminu 1.
Bardziej szczegółowo1 Modele ADL - interpretacja współczynników
1 Modele ADL - interpretacja współczynników ZADANIE 1.1 Dany jest proces DL następującej postaci: y t = µ + β 0 x t + β 1 x t 1 + ε t. 1. Wyjaśnić, jaka jest intepretacja współczynników β 0 i β 1. 2. Pokazać
Bardziej szczegółowoWprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.
opisują kształtowanie się zjawiska w czasie opisują kształtowanie się zjawiska w czasie Najważniejszymi zastosowaniami modeli dynamicznych są opisują kształtowanie się zjawiska w czasie Najważniejszymi
Bardziej szczegółowoEgzamin z ekonometrii wersja IiE, MSEMAT
Pytania teoretyczne Egzamin z ekonometrii wersja IiE, MSEMAT 08-02-2017 1. W jaki sposób przeprowadzamy test Chowa? 2. Pokazać, że jest nieobciążonym estymatorem. 3. Udowodnić, że w modelu ze stałą TSSESS+RSS.
Bardziej szczegółowoAnaliza szeregów czasowych bezrobocia i inflacji w Danii
Uniwersytet Warszawski Wydział Nauk Ekonomicznych Mateusz Błażej Nr albumu: 308521 Analiza szeregów czasowych bezrobocia i inflacji w Danii Projekt zaliczeniowy z przedmiotu: Analiza Szeregów Czasowych
Bardziej szczegółowoEgzamin z ekonometrii - wersja ogólna
Egzamin z ekonometrii - wersja ogólna 06-02-2019 Regulamin egzaminu 1. Egzamin trwa 90 min. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 10
Stanisław Cichocki Natalia Nehrebecka Wykład 10 1 1. Testy diagnostyczne Testowanie prawidłowości formy funkcyjnej: test RESET Testowanie normalności składników losowych: test Jarque-Berra Testowanie stabilności
Bardziej szczegółowoEkonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 0/0/0. Egzamin trwa 90 minut.. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu. Złamanie
Bardziej szczegółowoCzasowy wymiar danych
Problem autokorelacji Model regresji dla szeregów czasowych Model regresji dla szeregów czasowych y t = X t β + ε t Zasadnicze różnice 1 Budowa prognoz 2 Problem stabilności parametrów 3 Problem autokorelacji
Bardziej szczegółowoEKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE
EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK,
Bardziej szczegółowoEgzamin z Ekonometrii
Pytania teoretyczne Egzamin z Ekonometrii 18.06.2015 1. Opisać procedurę od ogólnego do szczegółowego na przykładzie doboru liczby opóźnień w modelu. 2. Na czym polega najważniejsza różnica między testowaniem
Bardziej szczegółowoEgzamin z ekonometrii wersja IiE, MSEMAT
Egzamin z ekonometrii wersja IiE, MSEMAT 04-02-2016 Pytania teoretyczne 1. Za pomocą jakiego testu weryfikowana jest normalność składnika losowego? Jakiemu założeniu KMRL odpowiada w tym teście? Jakie
Bardziej szczegółowoDiagnostyka w Pakiecie Stata
Karol Kuhl Zgodnie z twierdzeniem Gaussa-Markowa, estymator MNK w KMRL jest liniowym estymatorem efektywnym i nieobciążonym, co po angielsku opisuje się za pomocą wyrażenia BLUE Best Linear Unbiased Estimator.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 12
Stanisław Cichocki Natalia Nehrebecka Wykład 1 1 1. Testy diagnostyczne Testowanie stabilności parametrów modelu: test Chowa. Heteroskedastyczność Konsekwencje Testowanie heteroskedastyczności 1. Testy
Bardziej szczegółowoEkonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 02/02/2011 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoPodczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.
Trochę teorii W celu przeprowadzenia rygorystycznej ekonometrycznej analizy szeregu finansowego będziemy traktowali obserwowany ciąg danych (x 1, x 2,..., x T ) jako realizację pewnego procesu stochastycznego.
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natalia Nehrebecka Stanisław Cichocki Wykład 10 1 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16
Stanisław Cichocki Natalia Nehrebecka Zajęcia 15-16 1 1. Sezonowość 2. Zmienne stacjonarne 3. Zmienne zintegrowane 4. Test Dickey-Fullera 5. Rozszerzony test Dickey-Fullera 6. Test KPSS 7. Regresja pozorna
Bardziej szczegółowoO sezonowości mówimy wtedy, gdy zmienna zmienia się w pewnym cyklu zwykle zwiazanym z cyklem rocznym
Sezonowość O sezonowości mówimy wtedy, gdy zmienna zmienia się w pewnym cyklu zwykle zwiazanym z cyklem rocznym Na przykład zmienne kwartalne charakteryzuja się zwykle sezonowościa kwartalna a zmienne
Bardziej szczegółowoModele warunkowej heteroscedastyczności
Teoria Przykład - zwroty z WIG Niskie koszty transakcyjne Teoria Przykład - zwroty z WIG Niskie koszty transakcyjne Racjonalne oczekiwania inwestorów P t = E(P t+1 I t ) 1 + R (1) Teoria Przykład - zwroty
Bardziej szczegółowoBudowa modelu i testowanie hipotez
Problemy metodologiczne Gdzie jest problem? Obciążenie Lovella Dysponujemy oszacowaniami parametrów następującego modelu y t = β 0 + β 1 x 1 +... + β k x k + ε t Gdzie jest problem? Obciążenie Lovella
Bardziej szczegółowoEgzamin z ekonometrii wersja ogólna Pytania teoretyczne
Egzamin z ekonometrii wersja ogólna 08-02-2017 Pytania teoretyczne 1. Za pomocą którego testu testujemy stabilność parametrów? Jakiemu założeniu KMRL odpowiada H0 w tym teście? Jaka jest hipoteza alternatywna
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Materiał dla studentów Niestacjonarne zmienne czasowe własności i testowanie (studium przypadku) Część 3: Przykłady testowania niestacjonarności Nazwa przedmiotu: ekonometria finansowa I (22204), analiza
Bardziej szczegółowoStanisław Cichocki. Natalia Neherbecka. Zajęcia 13
Stanisław Cichocki Natalia Neherbecka Zajęcia 13 1 1. Kryteria informacyjne 2. Testowanie autokorelacji 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych
Bardziej szczegółowoWykład 16: Determinanty kursu walutowego w krótkim i długim okresie. Gabriela Grotkowska
Międzynarodowe Stosunki konomiczne Makroekonomia gospodarki otwartej i finanse miedzynarodowe Wykład 16: Determinanty kursu walutowego w krótkim i długim okresie Gabriela Grotkowska Plan wykładu 16 Kurs
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 13
Stanisław Cichocki Natalia Nehrebecka Wykład 13 1 1. Autokorelacja Konsekwencje Testowanie autokorelacji 2. Metody radzenia sobie z heteroskedastycznością i autokorelacją Uogólniona Metoda Najmniejszych
Bardziej szczegółowoParytet siły nabywczej prosta analiza empiryczna (materiał pomocniczy dla studentów CE UW do przygotowaniu eseju o wybranej gospodarce)
Parytet siły nabywczej prosta analiza empiryczna (materiał pomocniczy dla studentów CE UW do przygotowaniu eseju o wybranej gospodarce) 1. Wprowadzenie Teoria parytetu siły nabywczej (purchaising power
Bardziej szczegółowoEgzamin z ekonometrii wersja IiE, MSEMAT
Egzamin z ekonometrii wersja IiE, MSEMAT 02022015 Pytania teoretyczne 1. Podać treść twierdzenia GaussaMarkowa i wyjaśnić jego znaczenie. 2. Za pomocą jakich testów testuje się autokorelację? Jakiemu założeniu
Bardziej szczegółowoEfektywność rynku w przypadku FOREX Weryfikacja hipotezy o efektywności dla FOREX FOREX. Jerzy Mycielski. 4 grudnia 2018
4 grudnia 2018 Zabezpieczony parytet stóp procentowych (CIP - Covered Interest Parity) Warunek braku arbitrażu: inwestycja w złotówkach powinna dać tę samą stopę zwrotu co całkowicie zabezpieczona inwestycja
Bardziej szczegółowoJednowskaźnikowy model Sharpe`a
Uniwersytet Warszawski Wydział Nauk Ekonomicznych Milena Jamroziak i Paweł Androszczuk Model ekonometryczny Jednowskaźnikowy model Sharpe`a dla akcji Amici Praca zaliczeniowa napisana pod kierunkiem mgr
Bardziej szczegółowoEgzamin z ekonometrii wersja ogolna
Egzamin z ekonometrii wersja ogolna 04-02-2016 Pytania teoretyczne 1. Wymienić założenia Klasycznego Modelu Regresji Liniowej (KMRL). 2. Wyprowadzić estymator MNK dla modelu z wieloma zmiennymi objaśniającymi.
Bardziej szczegółowoStanisław Cihcocki. Natalia Nehrebecka
Stanisław Cihcocki Natalia Nehrebecka 1 1. Kryteria informacyjne 2. Testowanie autokorelacji w modelu 3. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach
Bardziej szczegółowoWykład 18: Efekt przestrzelenia. Efekt Balassy-Samuelsona. Gabriela Grotkowska
Międzynarodowe Stosunki Ekonomiczne Makroekonomia gospodarki otwartej i finanse międzynarodowe Wykład 18: Efekt przestrzelenia. Efekt Balassy-Samuelsona Gabriela Grotkowska Plan wykładu Kurs walutowy miedzy
Bardziej szczegółowoStacjonarność Integracja. Integracja. Integracja
Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli: Biały szum AR(1) Słaba stacjonarność Szereg czasowy nazywamy słabo (wariancyjnie) stacjonarnym jeżeli:
Bardziej szczegółowo1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.
Zadanie 1 Niech y t ma rozkład logarytmiczno normalny o funkcji gęstości postaci [ ] 1 f (y t ) = y exp (ln y t β ln x t ) 2 t 2πσ 2 2σ 2 Zakładamy, że x t jest nielosowe a y t są nieskorelowane w czasie.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 10
Stanisław Cichoci Natalia Nehrebeca Wyład 10 1 1. Testowanie hipotez prostych Rozład estymatora b Testowanie hipotez prostych przy użyciu statystyi t Przedziały ufności Badamy czy hipotezy teoretyczne
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW arytet siły nabywczej () arytet siły nabywczej jest wyprowadzany w oparciu o prawo jednej ceny. rawo jednej ceny zakładając,
Bardziej szczegółowoEkonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18
Ekonometria Metodologia budowy modelu Jerzy Mycielski WNE, UW Luty, 2011 Jerzy Mycielski (WNE, UW) Ekonometria Luty, 2011 1 / 18 Sprawy organizacyjne Dyżur: środa godz. 14-15 w sali 302. Strona internetowa
Bardziej szczegółowoEgzamin z ekonometrii wersja IiE, MSEMat Pytania teoretyczne
Egzamin z ekonometrii wersja IiE, MSEMat 31-01-2014 Pytania teoretyczne 1. Podać postać przekształcenia Boxa-Coxa i wyjaśnić, do czego jest stosowane w ekonometrii. 2. Wyjaśnić, jakie korzyści i niebezpieczeństwa
Bardziej szczegółowoHeteroskedastyczość w szeregach czasowyh
Heteroskedastyczość w szeregach czasowyh Czesto zakłada się, że szeregi czasowe wykazuja autokorelację ae sa homoskedastyczne W rzeczywistości jednak często wariancja zmienia się w czasie Dobrym przykładem
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników
Bardziej szczegółowoEkonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 01/02/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 14
Stanisław Cichocki Natalia Nehrebecka Wykład 14 1 1.Problemy z danymi Współliniowość 2. Heteroskedastyczność i autokorelacja Konsekwencje heteroskedastyczności i autokorelacji Metody radzenia sobie z heteroskedastycznością
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.
Bardziej szczegółowo1 Metoda Najmniejszych Kwadratów (MNK) 2 Interpretacja parametrów modelu. 3 Klasyczny Model Regresji Liniowej (KMRL)
1 Metoda Najmniejszych Kwadratów (MNK) 1. Co to jest zmienna endogeniczna, a co to zmienne egzogeniczna? 2. Podaj postać macierzy obserwacji dla modelu y t = a + bt + ε t 3. Co to jest wartość dopasowana,
Bardziej szczegółowoPYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe
PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe 1. Cele i przydatność ujęcia modelowego w ekonomii 2.
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 14
Stanisław Cichocki Natalia Nehrebecka Wykład 14 1 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne Obserwacje nietypowe i błędne Współliniowość - Mamy 2 modele: y X u 1 1 (1) y X X 1 1 2 2 (2)
Bardziej szczegółowoZadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.
tel. 44 683 1 55 tel. kom. 64 566 811 e-mail: biuro@wszechwiedza.pl Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: gdzie: y t X t y t = 1 X 1
Bardziej szczegółowoAutoregresyjne modele o rozłożonych opóźnieniach - Autoregressive Distributed Lags models
Autoregresyjne modele o rozłożonych opóźnieniach - Autoregressive Distributed Lags models ADL ADL Ogólna postać modelu ADL o p-opóźnieniach zmiennej zależnej i r-opóźnieniach zmiennej/zmiennych objaśniających
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka
Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników
Bardziej szczegółowoWykład 6 Kurs walutowy Parytet siły nabywczej Model monetarystyczny Efekt Balassy-Samuelsona
Wykład 6 Kurs walutowy Parytet siły nabywczej Model monetarystyczny Efekt Balassy-Samuelsona dr Leszek Wincenciak WNEUW 2/32 Plan wykładu: Parytet siły nabywczej Parytet siły nabywczej w wersji absolutnej
Bardziej szczegółowoMetoda Johansena objaśnienia i przykłady
Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian
Bardziej szczegółowoEkonometria. Zajęcia
Ekonometria Zajęcia 16.05.2018 Wstęp hipoteza itp. Model gęstości zaludnienia ( model gradientu gęstości ) zakłada, że gęstość zaludnienia zależy od odległości od okręgu centralnego: y t = Ae βx t (1)
Bardziej szczegółowoProces modelowania zjawiska handlu zagranicznego towarami
Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie
Bardziej szczegółowoEkonometria egzamin 07/03/2018
imię, nazwisko, nr indeksu: Ekonometria egzamin 07/03/2018 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoEquilibrium Exchange Rates: Theoretical Concepts and Empirical Estimations. An Application to Transition Economies in Central and Eastern Europe
Equilibrium Exchange Rates: Theoretical Concepts and Empirical Estimations. An Application to Transition Economies in Central and Eastern Europe Łukasz Rawdanowicz Autoreferat pracy doktorskiej Warszawa,
Bardziej szczegółowoTestowanie hipotez statystycznych
Część 2 Hipoteza złożona Testowanie hipotez łącznych Zapis matematyczny Rozkład statystyki testowej Hipoteza łączna H 0 : Rβ = q Hipoteza złożona Testowanie hipotez łącznych Zapis matematyczny Rozkład
Bardziej szczegółowoTEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.
TEST STATYSTYCZNY Testem statystycznym nazywamy regułę postępowania rozstrzygająca, przy jakich wynikach z próby hipotezę sprawdzaną H 0 należy odrzucić, a przy jakich nie ma podstaw do jej odrzucenia.
Bardziej szczegółowoMakroekonomia gospodarki otwartej. Temat 5: Determinanty kursu walutowego w krótkim i długim okresie. Gabriela Grotkowska
Makroekonomia gospodarki otwartej Temat 5: Determinanty kursu walutowego w krótkim i długim okresie Gabriela Grotkowska Plan zajęć Kurs walutowy w krótkim okresie - parytet stóp procentowych Dochodowość
Bardziej szczegółowo, a reszta dla pominiętej obserwacji wynosi 0, RSS jest stałe, T SS rośnie, więc zarówno R 2 jak i R2 rosną. R 2 = 1 n 1 n. rosnie. n 2 (1 R2 ) = 1 59
Zadanie 1. Ekonometryk szacując funkcję konsumpcji przeprowadził estymację osobno dla tzw. Polski A oraz Polski B. Dla Polski A posiadał n 1 = 40 obserwacji i uzyskał współczynnik dopasowania RA 2 = 0.4,
Bardziej szczegółowoEkonometria dla IiE i MSEMat Z12
Ekonometria dla IiE i MSEMat Z12 Rafał Woźniak Faculty of Economic Sciences, University of Warsaw Warszawa, 09-01-2017 Test RESET Ramsey a W pierwszym etapie estymujemy współczynniki regresji w modelu:
Bardziej szczegółowoPlan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera.
1 Plan wykładu: 1) Pojęcie stacjonarności i niestacjonarności zmiennych 2) Testowanie integracji 3) Pojęcie kointegracji metoda Engle a-grangera. Pojęcie stacjonarności i niestacjonarności zmiennych Szereg
Bardziej szczegółowoDr Łukasz Goczek. Uniwersytet Warszawski
Dr Łukasz Goczek Uniwersytet Warszawski 10000 2000 4000 6000 8000 M3 use C:\Users\as\Desktop\Money.dta, clear format t %tm (oznaczamy tsset t tsline M3 0 1960m1 1970m1 1980m1 1990m1 2000m1 2010m1 t tsline
Bardziej szczegółowoModele wielorównaniowe (forma strukturalna)
Modele wielorównaniowe (forma strukturalna) Formę strukturalna modelu o G równaniach AY t = BX t + u t, gdzie Y t = [y 1t,..., y Gt ] X t = [x 1t,..., x Kt ] u t = [u 1t,..., u Gt ] E (u t ) = 0 Var (u
Bardziej szczegółowoStanisław Cichocki. Natalia Nehrebecka. Wykład 13
Stanisław Cichocki Natalia Nehrebecka Wykład 13 1 1. Testowanie autokorelacji 2. Heteroskedastyczność i autokorelacja Konsekwencje heteroskedastyczności i autokorelacji 3.Problemy z danymi Zmienne pominięte
Bardziej szczegółowoDeterminanty kursu walutowego w krótkim i długim okresie
Determinanty kursu walutowego w krótkim i długim okresie Wykład 10 z Międzynarodowych Stosunków Gospodarczych, C UW Copyright 2006 Pearson Addison-Wesley & Gabriela Grotkowska 2 Wykład 10 Kurs walutowy
Bardziej szczegółowoModel 1: Estymacja KMNK z wykorzystaniem 32 obserwacji 1964-1995 Zmienna zależna: st_g
Zadanie 1 Dla modelu DL dla zależności stopy wzrostu konsumpcji benzyny od stopy wzrostu dochodu oraz od stopy wzrostu cen benzyny w latach 1960 i 1995 otrzymaliśmy następujące oszacowanie parametrów.
Bardziej szczegółowo1.8 Diagnostyka modelu
1.8 Diagnostyka modelu Dotychczas zajmowaliśmy się własnościami estymatorów przy spełnionych założeniach KMRL. W praktyce nie zawsze spełnione są wszystkie założenia modelu. Jeżeli któreś z nich nie jest
Bardziej szczegółowoEgzamin z ekonometrii wersja ogólna Pytania teoretyczne
Egzamin z ekonometrii wersja ogólna 31-01-2014 Pytania teoretyczne 1. Podać postać przekształcenia Boxa-Coxa i wyjaśnić, do czego jest stosowane w ekonometrii. 2. Porównaj zastosowania znanych ci kontrastów
Bardziej szczegółowoEkonometria egzamin wersja ogólna 17/06/08
imię, nazwisko, nr indeksu: Ekonometria egzamin wersja ogólna 17/06/08 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca
Bardziej szczegółowoEkonometria egzamin 06/03/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 06/03/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoparametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,
诲 瞴瞶 瞶 ƭ0 ƭ 瞰 parametrów strukturalnych modelu Y zmienna objaśniana, = + + + + + X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających, α 0, α 1, α 2,,α k parametry strukturalne modelu, k+1 parametrów
Bardziej szczegółowoProblem równoczesności w MNK
Problem równoczesności w MNK O problemie równoczesności mówimy, gdy występuje korelacja między wartościa oczekiwana ε i i równoczesnym x i Model liniowy y = Xβ + ε, E (u) = 0 Powiedzmy, że występuje w
Bardziej szczegółowoDr Łukasz Goczek. Uniwersytet Warszawski
Dr Łukasz Goczek Uniwersytet Warszawski Wykłady do końca: Niezależność polityki pieniężnej w długim okresie 2 wykłady Wzrost długookresowy w gospodarce otwartej 2 wykłady Egzamin 12.06.2013, godz. 17 sala
Bardziej szczegółowoStanisław Cichocki Natalia Neherbecka
Stanisław Cichocki Natalia Neherbecka 13 marca 2010 1 1. Kryteria informacyjne 2. Modele dynamiczne: modele o rozłożonych opóźnieniach (DL) modele autoregresyjne o rozłożonych opóźnieniach (ADL) 3. Analiza
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoEkonometria. Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja. Jakub Mućk
Ekonometria Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 5 & 6 Szaeregi czasowe 1
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 6
Natalia Nehrebecka Stanisław Cichocki Wykład 6 1 1. Zmienne dyskretne Zmienne zero-jedynkowe 2. Modele z interakcjami 2 Zmienne dyskretne Zmienne nominalne Zmienne uporządkowane 3 4 1 podstawowe i 0 podstawowe
Bardziej szczegółowoMetoda najmniejszych kwadratów
Własności algebraiczne Model liniowy Zapis modelu zarobki = β 0 + β 1 plec + β 2 wiek + ε Oszacowania wartości współczynników zarobki = b 0 + b 1 plec + b 2 wiek + e Model liniowy Tabela: Oszacowania współczynników
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Katedra Makroekonomii i eorii Handlu Zagranicznego Wydział auk konomicznych UW odstawowe założenia modelu Dwa sektory gospodarki - (handlowy oraz (niehandlowy sektorze dóbr handlowych Doskonała konkurencja
Bardziej szczegółowo1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.
1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4. Prognozowanie stóp zwrotu na podstawie modeli ARMA 5. Relacje kointegrujące
Bardziej szczegółowoDeterminanty kursu walutowego w ujęciu modelowym
Determinanty kursu walutowego w ujęciu modelowym Model Dornbuscha dr Dagmara Mycielska c by Dagmara Mycielska Względna sztywność cen i model Dornbuscha. [C] roz. 7 Spadek podaży pieniądza w modelu Dornbuscha
Bardziej szczegółowoEKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH
Monografie i Opracowania 547 Ewa Marta Syczewska EKONOMETRYCZNE MODELE KURSÓW WALUTOWYCH Warszawa 2007 Szkoła Główna Handlowa w Warszawie Wprowadzenie 15 Przegląd funkcjonowania kursów walutowych... 15
Bardziej szczegółowoPrzykład 2. Stopa bezrobocia
Przykład 2 Stopa bezrobocia Stopa bezrobocia. Komentarz: model ekonometryczny stopy bezrobocia w Polsce jest modelem nieliniowym autoregresyjnym. Podobnie jak model podaŝy pieniądza zbudowany został w
Bardziej szczegółowoEkonometria egzamin 31/01/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.
imię, nazwisko, nr indeksu: Ekonometria egzamin 31/01/2018 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.
Bardziej szczegółowoANALIZA ZALEŻNOŚCI MIĘDZY INDEKSAMI RYNKÓW AKCJI NA GIEŁDZIE POLSKIEJ I AMERYKAŃSKIEJ. Indeksy giełdowe
B A D A N I A O P E R A C Y J N E I D E C Y Z J E Nr 3 4 2007 Grzegorz PRZEKOTA* ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSAMI RYNKÓW AKCJI NA GIEŁDZIE POLSKIEJ I AMERYKAŃSKIEJ W artykule skonstruowano dwa modele
Bardziej szczegółowoEkonometria egzamin wersja Informatyka i Ekonometria 26/06/08
imię, nazwisko, nr indeksu: Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz
Bardziej szczegółowo3. Modele tendencji czasowej w prognozowaniu
II Modele tendencji czasowej w prognozowaniu 1 Składniki szeregu czasowego W teorii szeregów czasowych wyróżnia się zwykle następujące składowe szeregu czasowego: a) składowa systematyczna; b) składowa
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Zajęcia 8
Stanisław Cichocki Natalia Nehrebecka Zajęcia 8 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów
Bardziej szczegółowoNatalia Nehrebecka Stanisław Cichocki. Wykład 10
Natalia Nehrebecka Stanisław Cichocki Wykład 10 1 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów
Bardziej szczegółowoWprowadzenie Testy własności składnika losowego. Diagnostyka modelu. Część 1. Diagnostyka modelu
Część 1 Testy i ich rodzaje Statystyka NR 2 Cel testowania Testy i ich rodzaje Statystyka NR 2 Cel testowania Testy małej próby Testy i ich rodzaje Statystyka NR 2 Cel testowania Testy małej próby Testy
Bardziej szczegółowoEkonometria egzamin semestr drugi 14/06/09
imię, nazwisko, nr indeksu: Ekonometria egzamin semestr drugi 14/06/09 1. Przed przystąpieniem do pisania egzaminu należy podpisać wszystkie kartki arkusza egzaminacyjnego (na dole w przewidzianym miejscu).
Bardziej szczegółowoMiędzynarodowe stosunki gospodarcze. I.Teoria handlu międzynarodowego
Adam Budnikowski Międzynarodowe stosunki gospodarcze 1 1. Wprowadzenie 1.1. Powstanie i rozwój gospodarki światowej 1.2. Pojęcie i zakres msg. I I.Teoria handlu międzynarodowego 2. Klasyczne teorie handlu
Bardziej szczegółowoMakroekonomia Gospodarki Otwartej Wykład 5 Równowaga długookresowa parytet siły nabywczej
Makroekonomia Gospodarki Otwartej Wykład 5 Równowaga długookresowa parytet siły nabywczej Leszek Wincenciak Wydział Nauk Ekonomicznych UW 2/31 Plan wykładu: Parytet siły nabywczej Parytet siły nabywczej
Bardziej szczegółowo