Etapy modelowania ekonometrycznego

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Etapy modelowania ekonometrycznego"

Transkrypt

1 Etapy modelowania ekonometrycznego

2 jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu, dynamiki i wahań oraz zależności w czasie i przestrzeni. Innymi słowy model ekonometryczny to równanie, bądź układ równań, przedstawiający stochastyczną zależność pomiędzy zasadniczymi zmiennymi charakteryzującymi badane zjawisko ekonomiczne. Strukturę każdego modelu ekonometrycznego określają następujące elementy: zmienne, typ związku funkcyjnego (postać analityczna) i parametry modelu oraz składnik losowy.

3 parametry modelu typ związku funkcyjnego postać analityczna modelu Y X X... X t n n zmienne składnik losowy

4 W modelu ekonometrycznym występują dwie podstawowe klasy zmiennych: endogeniczne i egzogeniczne. to zmienne, których kształtowanie objaśniane jest przez model ekonometryczny za pomocą funkcyjnego zapisu zależności. to zmienne, które pozwalają na objaśnienie modelu kształtowania się zmiennych endogenicznych, ale same nie są przedmiotem analizy modelu. W poszczególnych równaniach modelu podstawowy jest podział zmiennych na objaśniane i objaśniające. danego równania to zmienna zależna, której kształtowanie objaśniane jest w danym równaniu za pomocą zależności funkcyjnych. danego równania to zmienne niezależne służące do objaśnienia w danym równaniu kształtowania się wielkości zmiennej zależnej.

5 W modelach ekonometrycznych występuje również pewna szczególna zmienna należąca do klasy zmiennych losowych. Zmienną tą jest. Stochastyka modelu ekonometrycznego przejawia się właśnie występowaniem składnika losowego. W literaturze funkcjonują dwa podejścia wyjaśniające powody występowania składnika losowego w modelu ekonometrycznym: podejście deterministyczne i podejście indeterministyczne.

6 zakłada, że składnik losowy wyraża efekt oddziaływania na zmienną endogeniczną tych czynników, które nie zostały wyspecyfikowane w modelu (explicite w modelu uwzględnia się tylko zmienne objaśniające najistotniejsze) oraz błędów wynikających z przyjęcia niewłaściwej postaci analitycznej, a także błędów pomiaru wartości zmiennych występujących w modelu (dane statystyczne mogą być obarczone błędami pomiaru). W przyczyny występowania składnika losowego upatruje się w tym, że zjawiska losowe są z natury stochastyczne.

7 W zależności od charakteru badanego zjawiska ekonomicznego, model ekonometryczny może mieć różną postać. Modele ekonometryczne można zatem dzielić na różne rodzaje lub typy, z punktu widzenia różnych kryteriów klasyfikacyjnych. Najważniejsze z nich dzielą modele ekonometryczne ze względu na: 1. rodzaj prawidłowości statystycznych, - modele struktury (rozkładu), - modele dynamiki i wahań (tendencji rozwojowej), - modele związku w czasie, - modele związku w przestrzeni, 2. liczbę zmiennych w modelu, - modele z jedną zmienną objaśniającą, - modele z wieloma zmiennymi objaśniającymi,

8 3. postać analityczną związku funkcyjnego, - modele liniowe, - modele nieliniowe, 4. uwzględnienie czynnika czasu, - modele statyczne, - modele dynamiczne, 5. liczbę równań w modelu, - modele jednorównaniowe, - modele wielorównaniowe,

9 Schemat postępowania w trakcie badania ekonometrycznego Określenie celu badania Specyfikacja zmiennych modelu Konstrukcja modelu Estymacja parametrów Weryfikacja modelu Zastosowanie modelu: analizy, diagnozy, prognozy

10 Określenie celu badania Pierwszy etap badania ekonometrycznego stanowi swoiste zapotrzebowanie, wymagające wyjaśnienia kształtowania się pewnego zjawiska ekonomicznego, które podlega pewnej prawidłowości statystycznej. Badania ekonometryczne i badanie zjawisk ekonomicznych prowadzi się w celu: 1. opisu mechanizmu kształtowania się zjawisk ekonomicznych (cel poznawczy opisowy), 2. oceny zbadanego wcześniej mechanizmu kształtowania się zjawisk ekonomicznych (cel diagnostyczny), 3. przewidywania w sensie czasowym i przekrojowym przebiegu zjawisk ekonomicznych (cel predyktywny).

11 Specyfikacja zmiennych modelu Schemat postępowania w II etapie badań 1.Dobór zmiennych objaśniających 2.Zbieranie danych statystycznych 3. Wybór zmiennych objaśniających

12 1.Dobór zmiennych objaśniających Przez dobór zmiennych należy rozumieć merytoryczne propozycje zbioru zmiennych objaśniających, czyli listę kandydatek na zmienne objaśniające użyte explicite w modelu ekonometrycznym. Doboru zmiennych dokonujemy w kategoriach logicznych powiązań przyczynowych między zmiennymi. Przy doborze zmiennych do ekonometrycznego modelu związku należy kierować się następującymi względami:

13 1. Zbiór zmiennych objaśniających powinien spełniać przede wszystkim wymagania merytoryczne, które zależą od celu badania. Zmienne powinny być tak dobrane, aby uwzględniały cel badania: opisowy, diagnostyczny, czy prognostyczny, gdyż rzadko się zdarza aby ten sam model wykorzystywany był z uwzględnieniem wszystkich trzech rodzajów celów równocześnie. 2. Zmienne objaśniające powinny spełniać rolę przyczyn (co oczywiście nie oznacza, że zawsze powinny być przyczynami w pełnym tego słowa znaczeniu). 3. Zmienne objaśniające powinny reprezentować różne aspekty ze sfery przyczyn. 4. Zmienne objaśniające powinny być dobrane zarówno ze względu na istniejącą teorię ekonomii, jak i praktykę gospodarczą.

14 2.Zbieranie danych statystycznych Zbieranie danych statystycznych stanowi istotną część ekonometrii. Zbyt poważne niedokładności w mierzeniu poziomu zjawisk uniemożliwia przeprowadzenie badań ekonometrycznych tak samo jak ich brak. Rozróżniamy dane statystyczne w postaci: - szeregów czasowych (są to informacje o kształtowaniu się zmiennej w wybranym przedziale czasowym dane roczne, kwartalne, miesięczne, dzienne, itd.), - danych przekrojowych (są to informacje o kształtowaniu się zmiennej w wybranych obiektach w określonym momencie lub okresie czasu; obiektem może być np. przedsiębiorstwo, gospodarstwo domowe, - danych przekrojowo-czasowych (są to informacje będące połączeniem danych przekrojowych i danych w postaci szeregów czasowych).

15 3. Wybór zmiennych objaśniających Przez wybór zmiennych objaśniających do modelu ekonometrycznego rozumieć należy taką selekcję (redukcję) zbioru złożonego z kandydatek, aby zbiór zmiennych uwzględnionych w modelu spełniał wymóg przyjętego kryterium formalnego. Do modelu powinny zatem wejść takie zmienne, aby miał on sensowną interpretację merytoryczną i aby zapewniał opis zmiennej objaśnianej z założoną z góry dokładnością.

16 Do najważniejszych kryteriów formalnostatystycznych stosowanych w metodach wyboru zmiennych należą: 1. Zmienne występujące w modelu powinny charakteryzować się dużą zmiennością; 2. Należy zapewnić maksymalne skorelowanie zmiennej objaśnianej ze zmiennymi objaśniającymi; 3. Zmienne objaśniające nie powinny być istotnie skorelowane między sobą; 4. Należy dążyć do maksymalnego stopnia dopasowania modelu do rzeczywistych relacji gospodarczych, co wyraża się w maksymalizacji współczynnika determinacji R 2.

17 Przykłady metod wyboru zmiennych:

18 Konstrukcja modelu W tym etapie badania stajemy przed problemem podjęcia decyzji o postaci analitycznej funkcji f. Musimy zatem odpowiedzieć na pytanie według jakich formalnych związków zmienna Y zależy od zbioru zmiennych objaśniających? Na wstępie należy stwierdzić, że wybór postaci analitycznej modelu ekonometrycznego jest jednym z najtrudniejszych etapów badań. Jest on szczególnie uciążliwy, gdy rozpatrujemy modele z większą liczbą zmiennych objaśniających. Praktycznie istnieją trzy sposoby podejścia do tego zagadnienia: 1. Sposób poznawczy wykorzystujący teorię ekonomii. 2. Sposób wynikowy polega na statystycznej analizie posiadanego materiału empirycznego. 3. Sposób mieszany oparty na dwóch powyższych.

19 Estymacja parametrów Przechodząc do etapu estymacji modelu ekonometrycznego dysponujemy już pełną hipotezą modelową co do wszystkich zmiennych w modelu oraz co do postaci analitycznej. Zakładając zatem, że nasza hipoteza dotycząca funkcji opisującej zależność między zmienną objaśnianą a zbiorem zmiennych objaśniających jest słuszna, tzn. że model jest zgodny z rzeczywistym przebiegiem odpowiedniej prawidłowości, stajemy przed problemem określenia liczbowych wartości parametrów strukturalnych w odpowiedniej postaci analitycznej modelu. Ten etap badania sprowadza się zatem do wyboru metody szacunku parametrów modelu ekonometrycznego, a następnie do ich oszacowania.

20 Weryfikacja modelu Weryfikacja modeli ekonometrycznych, jest etapem decydującym o jakości modelu. W etapie tym można wyróżnić pięć następujących podetapów: 1. badanie dokładności szacunku modelu 2. badanie stopnia dopasowania modelu do danych empirycznych 3. badanie statystycznej istotności estymatorów parametrów występujących w modelu 4. weryfikacja hipotez dotyczących składnika losowego 5. badanie zasadności przyjętej postaci analitycznej modelu

21 Zastosowanie modelu: analizy, diagnozy, prognozy Etap ten bezpośrednio wiąże się z etapem pierwszym badania ekonometrycznego, w którym zostało zdefiniowane pewne zamówienie, wyrażone celem badania. Modele ekonometryczne buduje się najczęściej w celu: 1. opisu mechanizmu kształtowania się zjawisk ekonomicznych ( ), 2. oceny zbadanego wcześniej mechanizmu kształtowania się zjawisk ekonomicznych ( ), 3. przewidywania w sensie czasowym i przekrojowym przebiegu zjawisk ekonomicznych ( ).

22

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar. EKONOMETRIA Prof. dr hab. Eugeniusz Gatnar egatnar@mail.wz.uw.edu.pl Sprawy organizacyjne Wykłady - prezentacja zagadnień dotyczących: budowy i weryfikacji modelu ekonometrycznego, doboru zmiennych, estymacji

Bardziej szczegółowo

Wiadomości ogólne o ekonometrii

Wiadomości ogólne o ekonometrii Wiadomości ogólne o ekonometrii Materiały zostały przygotowane w oparciu o podręcznik Ekonometria Wybrane Zagadnienia, którego autorami są: Bolesław Borkowski, Hanna Dudek oraz Wiesław Szczęsny. Ekonometria

Bardziej szczegółowo

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych 3.1. Estymacja parametrów i ocena dopasowania modeli z jedną zmienną 23. Właściciel komisu w celu zbadania

Bardziej szczegółowo

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. 1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja. Zadanie 1. Celem zadania jest oszacowanie modelu opisującego

Bardziej szczegółowo

Statystyka matematyczna i ekonometria

Statystyka matematyczna i ekonometria Statystyka matematyczna i ekonometria Wykład 9 Anna Skowrońska-Szmer lato 2016/2017 Ekonometria (Gładysz B., Mercik J., Modelowanie ekonometryczne. Studium przypadku, Wydawnictwo PWr., Wrocław 2004.) 2

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy

Bardziej szczegółowo

Tomasz Stryjewski Uniwersytet Mikołaja Kopernika w Toruniu

Tomasz Stryjewski Uniwersytet Mikołaja Kopernika w Toruniu DYNAMICZNE MODELE EKONOMETYCZNE IX Ogólnopolskie Seminarium Naukowe 6 8 września 5 w Toruniu Katedra Ekonometrii i Statystyki Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika w Toruniu

Bardziej szczegółowo

3. Modele tendencji czasowej w prognozowaniu

3. 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 szczegółowo

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015 Tryb studiów Niestacjonarne Nazwa kierunku studiów Finanse i Rachunkowość Poziom studiów Stopień pierwszy Rok studiów/ semestr II/4 Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO

ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Wydział Nauk Ekonomicznych i Zarządzania Kierunek Analityka Gospodarcza Studia stacjonarne I stopnia ZAKRES TEMATYCZNY EGZAMINU LICENCJACKIEGO Zagadnienia ogólnoekonomiczne 1. Aktualna sytuacja na europejskim

Bardziej szczegółowo

Ćwiczenia IV

Ćwiczenia IV Ćwiczenia IV - 17.10.2007 1. Spośród podanych macierzy X wskaż te, których nie można wykorzystać do estymacji MNK parametrów modelu ekonometrycznego postaci y = β 0 + β 1 x 1 + β 2 x 2 + ε 2. Na podstawie

Bardziej szczegółowo

Wprowadzenie do analizy korelacji i regresji

Wprowadzenie 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 szczegółowo

STATYSTYKA EKONOMICZNA

STATYSTYKA EKONOMICZNA STATYSTYKA EKONOMICZNA Analiza statystyczna w ocenie działalności przedsiębiorstwa Opracowano na podstawie : E. Nowak, Metody statystyczne w analizie działalności przedsiębiorstwa, PWN, Warszawa 2001 Dr

Bardziej szczegółowo

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe) Proces badawczy schemat i zasady realizacji Agata Górny Demografia Wydział Nauk Ekonomicznych UW Warszawa, 4 listopada 2008 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Badania eksploracyjne

Bardziej szczegółowo

Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 1 Estymator 1 / 16 Agenda 1 Literatura Zaliczenie przedmiotu 2 Model

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Wydział Nauk Ekonomicznych UW Warszawa, 28 października 2014 Najważniejsze rodzaje badań Typy badań Podział wg celu badawczego Kryteria przyczynowości

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:

Bardziej szczegółowo

Prognozowanie na podstawie modelu ekonometrycznego

Prognozowanie na podstawie modelu ekonometrycznego Prognozowanie na podstawie modelu ekonometrycznego Przykład. Firma usługowa świadcząca usługi doradcze w ostatnich kwartałach (t) odnotowała wynik finansowy (yt - tys. zł), obsługując liczbę klientów (x1t)

Bardziej szczegółowo

Modelowanie glikemii w procesie insulinoterapii

Modelowanie glikemii w procesie insulinoterapii Dawid Kaliszewski Modelowanie glikemii w procesie insulinoterapii Promotor dr hab. inż. Zenon Gniazdowski Cel pracy Zbudowanie modelu predykcyjnego przyszłych wartości glikemii diabetyka leczonego za pomocą

Bardziej szczegółowo

Rozdział 1. Modelowanie ekonometryczne

Rozdział 1. Modelowanie ekonometryczne 1.1. Istota modelu ekonometrycznego i jego elementy składowe Istotą modelowania ekonometrycznego jest budowa modelu wyjaśniającego mechanizm zmian zachodzących w badanym wycinku rzeczywistości. Przedmiotem

Bardziej szczegółowo

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2010/2011 SYLLABUS na rok akademicki 00/0 Tryb studiów Stacjonarne Nazwa kierunku studiów EKONOMIA Poziom studiów Stopień pierwszy Rok studiów/ semestr III; semestr 5 Specjalność Bez specjalności Kod przedmiotu

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 14 grudnia 2014 Metodologia i metoda badawcza Metodologia Zadania metodologii Metodologia nauka

Bardziej szczegółowo

Statystyka i Analiza Danych

Statystyka i Analiza Danych Warsztaty Statystyka i Analiza Danych Gdańsk, 20-22 lutego 2014 Zastosowania wybranych technik regresyjnych do modelowania współzależności zjawisk Janusz Wątroba StatSoft Polska Centrum Zastosowań Matematyki

Bardziej szczegółowo

Proces badawczy schemat i zasady realizacji

Proces badawczy schemat i zasady realizacji Proces badawczy schemat i zasady realizacji Agata Górny Zaoczne Studia Doktoranckie z Ekonomii Warszawa, 23 października 2016 Metodologia i metoda naukowa 1 Metodologia Metodologia nauka o metodach nauki

Bardziej szczegółowo

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

parametrów 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 szczegółowo

Podstawowe pojęcia statystyczne

Podstawowe pojęcia statystyczne Podstawowe pojęcia statystyczne Istnieją trzy rodzaje kłamstwa: przepowiadanie pogody, statystyka i komunikat dyplomatyczny Jean Rigaux Co to jest statystyka? Nauka o metodach ilościowych badania zjawisk

Bardziej szczegółowo

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol)

KARTA PRZEDMIOTU. 12. PRZEDMIOTOWE EFEKTY KSZTAŁCENIA Odniesienie do kierunkowych efektów kształcenia (symbol) KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Ekonometria 2. KIERUNEK: MATEMATYKA 3. POZIOM STUDIÓW: I stopnia 4. ROK/ SEMESTR STUDIÓW: III/6 5. LICZBA PUNKTÓW ECTS: 5 6. LICZBA GODZIN: 30 / 30 7. TYP PRZEDMIOTU

Bardziej szczegółowo

Analiza współzależności zjawisk

Analiza współzależności zjawisk Analiza współzależności zjawisk Informacje ogólne Jednostki tworzące zbiorowość statystyczną charakteryzowane są zazwyczaj za pomocą wielu cech zmiennych, które nierzadko pozostają ze sobą w pewnym związku.

Bardziej szczegółowo

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski Książka jest nowoczesnym podręcznikiem przeznaczonym dla studentów uczelni i wydziałów ekonomicznych. Wykład podzielono na cztery części. W pierwszej

Bardziej szczegółowo

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp. Sprawdzian 2. Zadanie 1. Za pomocą KMNK oszacowano następującą funkcję produkcji: Gdzie: P wartość produkcji, w tys. jp (jednostek pieniężnych) K wartość kapitału zaangażowanego w proces produkcji, w tys.

Bardziej szczegółowo

Wady klasycznych modeli input - output

Wady klasycznych modeli input - output Wady klasycznych modeli input - output 1)modele statyczne: procesy gospodarcze mają najczęściej charakter dynamiczny, 2)modele deterministyczne: procesy gospodarcze mają najczęściej charakter stochastyczny,

Bardziej szczegółowo

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne

Bardziej szczegółowo

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 Zadanie 1 a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1 b) W naszym przypadku populacja są inżynierowie w Tajlandii. Czy można jednak przypuszczać, że na zarobki kobiet-inżynierów

Bardziej szczegółowo

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Podstawy ekonometrii Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF Cele przedmiotu: I. Ogólne informacje o przedmiocie. - Opanowanie podstaw teoretycznych, poznanie przykładów zastosowań metod modelowania

Bardziej szczegółowo

przedmiotu Nazwa Pierwsza studia drugiego stopnia

przedmiotu Nazwa Pierwsza studia drugiego stopnia Nazwa przedmiotu K A R T A P R Z E D M I O T U ( S Y L L A B U S ) O p i s p r z e d m i o t u Kod przedmiotu EKONOMETRIA UTH/I/O/MT/zmi/ /C 1/ST/2(m)/1Z/C1.1.5 Język wykładowy ECONOMETRICS JĘZYK POLSKI

Bardziej szczegółowo

Spis treści 3 SPIS TREŚCI

Spis treści 3 SPIS TREŚCI Spis treści 3 SPIS TREŚCI PRZEDMOWA... 1. WNIOSKOWANIE STATYSTYCZNE JAKO DYSCYPLINA MATEMATYCZNA... Metody statystyczne w analizie i prognozowaniu zjawisk ekonomicznych... Badania statystyczne podstawowe

Bardziej szczegółowo

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Wykład 4 Prognozowanie, stabilność 1 / 17 Agenda

Bardziej szczegółowo

METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych

METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych tematów zadanie: opracowanie własnego projektu badawczego przygotowanie konspektu pracy (max

Bardziej szczegółowo

Ekonometria. Mieczys aw Sobczyk

Ekonometria. Mieczys aw Sobczyk Ekonometria Mieczys aw Sobczyk Metody ilościowe M. Sobczyk Ekonometria Ekonometria Mieczysław Sobczyk wydanie 1 WYDAWNICTWO C.H. BECK WARSZAWA 2012 Wydawca: Dorota Ostrowska-Furmanek Redakcja merytoryczna:

Bardziej szczegółowo

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota Ekonometria ćwiczenia 3 Prowadzący: Sebastian Czarnota Strona - niezbędnik http://sebastianczarnota.com/sgh/ Normalność rozkładu składnika losowego Brak normalności rozkładu nie odbija się na jakości otrzymywanych

Bardziej szczegółowo

Proces modelowania zjawiska handlu zagranicznego towarami

Proces 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 szczegółowo

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna Regresja wieloraka Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna zmienna niezależna (można zobrazować

Bardziej szczegółowo

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory Dr Anna ADRIAN Paw B5, pok 407 adrian@tempus.metal.agh.edu.pl

Bardziej szczegółowo

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

TEST 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 szczegółowo

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji

Bardziej szczegółowo

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015 Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 201/2015 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:

Bardziej szczegółowo

Ekonometria i prognozowanie Econometrics and prediction

Ekonometria i prognozowanie Econometrics and prediction KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2013/2014 Ekonometria i prognozowanie Econometrics and prediction A. USYTUOWANIE

Bardziej szczegółowo

PYTANIA 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 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 szczegółowo

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej Ekonometria Modelowanie zmiennej jakościowej Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 8 Zmienna jakościowa 1 / 25 Zmienna jakościowa Zmienna ilościowa może zostać zmierzona

Bardziej szczegółowo

STATYSTYKA. dr Agnieszka Figaj

STATYSTYKA. dr Agnieszka Figaj STATYSTYKA OPISOWA dr Agnieszka Figaj Literatura B. Pułaska Turyna: Statystyka dla ekonomistów. Difin, Warszawa 2011 M. Sobczyk: Statystyka aspekty praktyczne i teoretyczne, Wyd. UMCS, Lublin 2006 J. Jóźwiak,

Bardziej szczegółowo

Liniowy model ekonometryczny Metoda najmniejszych kwadratów Laboratorium 1.

Liniowy model ekonometryczny Metoda najmniejszych kwadratów Laboratorium 1. Liniowy model ekonometryczny Metoda najmniejszych kwadratów Laboratorium 1. mgr mgr Krzysztof Czauderna Instytut Statystyki i Demografii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie

Bardziej szczegółowo

KARTA KURSU. Kod Punktacja ECTS* 1

KARTA KURSU. Kod Punktacja ECTS* 1 KARTA KURSU Nazwa Nazwa w j. ang. Wprowadzenie do statystyki Introduction to statistics Kod Punktacja ECTS* 1 Koordynator Prof. dr hab. Jerzy Wołek Zespół dydaktyczny Prof. dr hab. Jerzy Wołek doktoranci

Bardziej szczegółowo

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW

O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Rafał Czyżycki, Marcin Hundert, Rafał Klóska Wydział Zarządzania i Ekonomiki Usług Uniwersytet Szczeciński O LICZBIE ABONENTÓW TELEFONII KOMÓRKOWEJ W POLSCE ZDANIEM TRZECH STATYSTYKÓW Wprowadzenie Poruszana

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pawel@cibis.pl 9 marca 2007 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności Skorygowany R

Bardziej szczegółowo

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego Ze względu na jakość uzyskiwanych ocen parametrów strukturalnych modelu oraz weryfikację modelu, metoda najmniejszych

Bardziej szczegółowo

Metodologia badań psychologicznych

Metodologia badań psychologicznych Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania

Bardziej szczegółowo

Ekonometria - ćwiczenia 1

Ekonometria - ćwiczenia 1 Ekonometria - ćwiczenia 1 Mateusz Myśliwski Zakład Ekonometrii Stosowanej Instytut Ekonometrii Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa 5 października 2012 1 Sprawy organizacyjne 2 Czym jest

Bardziej szczegółowo

ZMIENNE LOSOWE CZY NIELOSOWE W EKONOMETRII

ZMIENNE LOSOWE CZY NIELOSOWE W EKONOMETRII STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Józef Hozer * Uniwersytet Szczeciński ZMIENNE LOSOWE CZY NIELOSOWE W EKONOMETRII STRESZCZENIE W literaturze ekonometryczno-statystycznej większość

Bardziej szczegółowo

OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO)

OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) Łódź, dn. 23.12.2013r. OGŁOSZENIE O ZAMÓWIENIU nr 1/2013 (POWYŻEJ 14 tys. EURO) 1. Zamawiający Firma i adres: PL Europa S.A. NIP: 725-195-02-28 Regon: 100381252 2. Tryb udzielenia zamówienia Zgodnie z

Bardziej szczegółowo

Co to jest analiza regresji?

Co to jest analiza regresji? Co to jest analiza regresji? Celem analizy regresji jest badanie związków pomiędzy wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą), która musi mieć charakter liczbowy. W

Bardziej szczegółowo

Rozdział 1. Modelowanie ekonometryczne

Rozdział 1. Modelowanie ekonometryczne Wprowadzenie Zajęcia z ekonometrii są w mniejszym lub większym zakresie realizowane we wszystkich uczelniach ekonomicznych. Przekazywane w ramach tego przedmiotu treści są dość zróżnicowane i uzależnione

Bardziej szczegółowo

Ekonometria_FIRJK Arkusz1

Ekonometria_FIRJK Arkusz1 Rok akademicki: Grupa przedmiotów Numer katalogowy: Nazwa przedmiotu 1) : łumaczenie nazwy na jęz. angielski 3) : Kierunek studiów 4) : Ekonometria Econometrics Ekonomia ECS 2) Koordynator przedmiotu 5)

Bardziej szczegółowo

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Stanisław 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 szczegółowo

METODY I TECHNIKI BADAŃ SPOŁECZNYCH

METODY I TECHNIKI BADAŃ SPOŁECZNYCH METODY I TECHNIKI BADAŃ SPOŁECZNYCH Schemat poznania naukowego TEORIE dedukcja PRZEWIDYWANIA Świat konstrukcji teoret Świat faktów empirycznych Budowanie teorii Sprawdzanie FAKTY FAKTY ETAPY PROCESU BADAWCZEGO

Bardziej szczegółowo

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS

FORECASTING THE DISTRIBUTION OF AMOUNT OF UNEMPLOYED BY THE REGIONS FOLIA UNIVERSITATIS AGRICULTURAE STETINENSIS Folia Univ. Agric. Stetin. 007, Oeconomica 54 (47), 73 80 Mateusz GOC PROGNOZOWANIE ROZKŁADÓW LICZBY BEZROBOTNYCH WEDŁUG MIAST I POWIATÓW FORECASTING THE DISTRIBUTION

Bardziej szczegółowo

JK-WZ-UW ANALIZA EKONOMICZNA

JK-WZ-UW ANALIZA EKONOMICZNA JK-WZ-UW ANALIZA EKONOMICZNA N. Grzenkowicz, J. Kowalczyk, A. Kusak, Z. Podgórski ANALIZA EKONOMICZNA PRZEDSIĘBIORSTWA JK-WZ-UW 3 PROGRAM 1. Rola analizy ekonomicznej w decyzjach menedżerskich 2. Metody

Bardziej szczegółowo

Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce

Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce Wielowymiarowa analiza regionalnego zróżnicowania rolnictwa w Polsce Mgr inż. Agata Binderman Dzienne Studia Doktoranckie przy Wydziale Ekonomiczno-Rolniczym Katedra Ekonometrii i Informatyki SGGW Opiekun

Bardziej szczegółowo

Ekonometryczna analiza popytu na wodę

Ekonometryczna analiza popytu na wodę Jacek Batóg Uniwersytet Szczeciński Ekonometryczna analiza popytu na wodę Jednym z czynników niezbędnych dla funkcjonowania gospodarstw domowych oraz realizacji wielu procesów technologicznych jest woda.

Bardziej szczegółowo

Imię, nazwisko i tytuł/stopień KOORDYNATORA (-ÓW) kursu/przedmiotu zatwierdzającego protokoły w systemie USOS Dr Roman Sosnowski

Imię, nazwisko i tytuł/stopień KOORDYNATORA (-ÓW) kursu/przedmiotu zatwierdzającego protokoły w systemie USOS Dr Roman Sosnowski SYLLABUS na rok akademicki 009/010 Tryb studiów Studia stacjonarne Kierunek studiów Ekonomia Poziom studiów Pierwszego stopnia Rok studiów/ semestr 3/5 Specjalność Bez specjalności Kod katedry/zakładu

Bardziej szczegółowo

Wykłady z Ekonometrii

Wykłady z Ekonometrii Dr Adam Kucharski Spis treści 1 Ekonometria pojęcia podstawowe 2 1.1 Idea modelu ekonometrycznego............................ 2 1.2 Równanie stochastyczne a deterministyczne..................... 2 1.3

Bardziej szczegółowo

Ekonometria_EkonJK Arkusz1

Ekonometria_EkonJK Arkusz1 Rok akademicki: Grupa przedmiotów Numer katalogowy: Nazwa przedmiotu 1) : łumaczenie nazwy na jęz. angielski 3) : Kierunek studiów 4) : Ekonometria Econometrics Ekonomia ECS 2) Koordynator przedmiotu 5)

Bardziej szczegółowo

Uchwała Nr 69 /2012. Senatu Uniwersytetu Jana Kochanowskiego w Kielcach. z dnia 31 maja 2012 roku

Uchwała Nr 69 /2012. Senatu Uniwersytetu Jana Kochanowskiego w Kielcach. z dnia 31 maja 2012 roku Uchwała Nr 69 /2012 Senatu Uniwersytetu Jana Kochanowskiego w Kielcach z dnia 31 maja 2012 roku w sprawie określenia efektów kształcenia dla kierunku zarządzanie na poziomie drugiego stopnia o profilu

Bardziej szczegółowo

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006 , transformacja liniowa i estymacja modelu KMNK Paweł Cibis pcibis@o2.pl 23 marca 2006 1 Miary dopasowania modelu do danych empirycznych Współczynnik determinacji Współczynnik zbieżności 2 3 Etapy transformacji

Bardziej szczegółowo

PYTANIA 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 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 szczegółowo

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA Powtórka Powtórki Kowiariancja cov xy lub c xy - kierunek zależności Współczynnik korelacji liniowej Pearsona r siła liniowej zależności Istotność

Bardziej szczegółowo

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 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 szczegółowo

Zagadnienia na egzamin dyplomowy Matematyka

Zagadnienia na egzamin dyplomowy Matematyka INSTYTUT MATEMATYKI UNIWERSYTET JANA KOCHANOWSKIEGO w Kielcach Zagadnienia na egzamin dyplomowy Matematyka Pytania kierunkowe Wstęp do matematyki 1. Relacja równoważności, przykłady relacji równoważności.

Bardziej szczegółowo

EKONOMETRIA WYKŁAD. Maciej Wolny

EKONOMETRIA WYKŁAD. Maciej Wolny EKONOMETRIA WYKŁAD Maciej Wolny mwolny@chorzow.wsb.pl http://dydaktyka.polsl.pl/roz6/mwolny/default.aspx AGENDA. Wprowadzenie (informacje organizacyjne, czym jest ekonometria, zakres wykładu).. Model ekonometryczny

Bardziej szczegółowo

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N =

HISTOGRAM. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH Liczba pomiarów - n. Liczba pomiarów - n k 0.5 N = N = HISTOGRAM W pewnych przypadkach interesuje nas nie tylko określenie prawdziwej wartości mierzonej wielkości, ale także zbadanie całego rozkład prawdopodobieństwa wyników pomiarów. W takim przypadku wyniki

Bardziej szczegółowo

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji Ekonometria Model nieliniowe i funkcja produkcji Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 1 / 19 Agenda Modele nieliniowe 1 Modele

Bardziej szczegółowo

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16 Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8 Regresja wielokrotna Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X 1, X 2, X 3,...) na zmienną zależną (Y).

Bardziej szczegółowo

MODELE LINIOWE. Dr Wioleta Drobik

MODELE LINIOWE. Dr Wioleta Drobik MODELE LINIOWE Dr Wioleta Drobik MODELE LINIOWE Jedna z najstarszych i najpopularniejszych metod modelowania Zależność między zbiorem zmiennych objaśniających, a zmienną ilościową nazywaną zmienną objaśnianą

Bardziej szczegółowo

Ekonometria - wykªad 1

Ekonometria - wykªad 1 Ekonometria - wykªad 1 0. Wprowadzenie Barbara Jasiulis-Goªdyn 28.02.2014 2013/2014 Ekonometria Literatura [1] B. Borkowski, H. Dudek, W. Szczesny, Ekonometria. Wybrane Zaganienia, PWN, Warszawa 2003.

Bardziej szczegółowo

Regresja i Korelacja

Regresja i Korelacja Regresja i Korelacja Regresja i Korelacja W przyrodzie często obserwujemy związek między kilkoma cechami, np.: drzewa grubsze są z reguły wyższe, drewno iglaste o węższych słojach ma większą gęstość, impregnowane

Bardziej szczegółowo

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

EKONOMETRIA 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 szczegółowo

Joanna Muszyńska, Ewa Zdunek Uniwersytet Mikołaja Kopernika w Toruniu. Ekonometryczna analiza upadłości przedsiębiorstw w Polsce w latach 1990-2005

Joanna Muszyńska, Ewa Zdunek Uniwersytet Mikołaja Kopernika w Toruniu. Ekonometryczna analiza upadłości przedsiębiorstw w Polsce w latach 1990-2005 DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Uniwersytet Mikołaja Kopernika

Bardziej szczegółowo

KORELACJE I REGRESJA LINIOWA

KORELACJE I REGRESJA LINIOWA KORELACJE I REGRESJA LINIOWA Korelacje i regresja liniowa Analiza korelacji: Badanie, czy pomiędzy dwoma zmiennymi istnieje zależność Obie analizy się wzajemnie przeplatają Analiza regresji: Opisanie modelem

Bardziej szczegółowo

Przykład 2. Stopa bezrobocia

Przykład 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 szczegółowo

Wprowadzenie do teorii prognozowania

Wprowadzenie do teorii prognozowania Wprowadzenie do teorii prognozowania I Pojęcia: 1. Prognoza i zmienna prognozowana (przedmiot prognozy). Prognoza punktowa i przedziałowa. 2. Okres prognozy i horyzont prognozy. Prognozy krótkoterminowe

Bardziej szczegółowo

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2015/2016 Krakowska Akademia im. Andrzeja Frycza Modrzewskiego Karta przedmiotu obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 015/016 WydziałZarządzania i Komunikacji Społecznej Kierunek studiów:

Bardziej szczegółowo

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce

Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce Rafał Klóska* Metody ilościowe w analizie struktury podmiotowej sektora usług w Polsce Wstęp Tematem rozważań wielu ekonomistów i polityków jest często rozwój przedsiębiorczości w Polsce a rosnące zainteresowanie

Bardziej szczegółowo

Statystyka w pracy badawczej nauczyciela

Statystyka w pracy badawczej nauczyciela Statystyka w pracy badawczej nauczyciela Wykład 1: Terminologia badań statystycznych dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyka (1) Statystyka to nauka zajmująca się zbieraniem, badaniem

Bardziej szczegółowo

METODY ILOŚCIOWE W ZARZĄDZANIU

METODY ILOŚCIOWE W ZARZĄDZANIU 1.1.1 Metody ilościowe w zarządzaniu I. OGÓLNE INFORMACJE PODSTAWOWE O PRZEDMIOCIE METODY ILOŚCIOWE W ZARZĄDZANIU Nazwa jednostki organizacyjnej prowadzącej kierunek: Kod przedmiotu: RiAF_PS5 Wydział Zamiejscowy

Bardziej szczegółowo

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu...

... prognozowanie nie jest celem samym w sobie a jedynie narzędziem do celu... 4 Prognozowanie historyczne Prognozowanie - przewidywanie przyszłych zdarzeń w oparciu dane - podstawowy element w podejmowaniu decyzji... prognozowanie nie jest celem samym w sobie a jedynie narzędziem

Bardziej szczegółowo

Analiza autokorelacji

Analiza autokorelacji Analiza autokorelacji Oblicza się wartości współczynników korelacji między y t oraz y t-i (dla i=1,2,...,k), czyli współczynniki autokorelacji różnych rzędów. Bada się statystyczną istotność tych współczynników.

Bardziej szczegółowo

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych Zad. 1 Średnia ocen z semestru letniego w populacji studentów socjologii w roku akademickim 2011/2012

Bardziej szczegółowo

Metody symulacji komputerowych Modelowanie systemów technicznych

Metody symulacji komputerowych Modelowanie systemów technicznych Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje

Bardziej szczegółowo