PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu

Wielkość: px
Rozpocząć pokaz od strony:

Download "PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu"

Transkrypt

1 PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 364 Polityka rodzinna w Polsce z perspektywy wybranych aspektów polityki społecznej i ekonomii Doświadczenia innych państw europejskich Redaktorzy naukowi Adam Kubów Joanna Szczepaniak-Sienniak Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu Wrocław 04

2 Redaktor Wydawnictwa: Teresa Zielińska Redaktor techniczny: Barbara Łopusiewicz Korektor: Dorota Pitulec Łamanie: Beata Mazur Projekt okładki: Beata Dębska Publikacja jest dostępna w Internecie na stronach: w Dolnośląskiej Bibliotece Cyfrowej The Central and Eastern European Online Library a także w adnotowanej bibliografii zagadnień ekonomicznych BazEkon Informacje o naborze artykułów i zasadach recenzowania znajdują się na stronie internetowej Wydawnictwa Kopiowanie i powielanie w jakiejkolwiek formie wymaga pisemnej zgody Wydawcy Copyright by Uniwersytet Ekonomiczny we Wrocławiu Wrocław 04 ISSN ISBN Wersja pierwotna: publikacja drukowana Druk i oprawa: EXPOL, P. Rybiński, J. Dąbek, sp.j. ul. Brzeska 4, Włocławek

3 Spis treści Wstęp... 7 Część. Uwarunkowania polityki rodzinnej w Polsce wybrane konteksty polityki społecznej i ekonomii Ewa Cichowicz: Uwarunkowania przeobrażeń polityki rodzinnej wybrane przykłady oraz propozycje kierunków zmian w zakresie wsparcia rodzin. Adam Kubów: Znaczenie świadczeń rodzinnych w kształtowaniu poziomu życia rodziny... 6 Ilona Błaszczak-Przybycińska: Wartość pracy domowej wycena empiryczna na podstawie ogólnopolskiego badania budżetu czasu ludności Marta Marszałek: Rola kobiet i mężczyzn w tworzeniu nierynkowej produkcji gospodarstw domowych rekomendacje dla polityki rodzinnej Arkadiusz Durasiewicz: Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce Małgorzata Wróbel: Modele dzietności względem zmien nych rynku pracy w miastach 00-tysięcznych i większych w pierwszej dekadzie XXI wieku. 96 Izabela Buchowicz: Wspólny cel polityki edukacyjnej i polityki rodzinnej w Polsce... 3 Anna Zachorowska-Mazurkiewicz: Teoria ekonomii i polityka ekonomiczna a opieka wzajemne relacje i implikacje dla polityki rodzinnej... 7 Część. Z doświadczeń innych krajów europejskich wnioski dla polityki rodzinnej w Polsce Anna Ciepielewska-Kowalik: Współczesne przemiany europejskich modeli opieki nad dziećmi a model polski (na przykładzie zmian w latach ) Paweł Łuczak: Związki polityki makroekonomicznej i polityki społecznej w zakresie opieki długoterminowej w Republice Czeskiej Wojciech Nowiak: Współczesne wyzwania demograficzne a norweska polityka wobec osób starszych wnioski w kontekście polskiej polityki rodzinnej... 76

4 6 Spis treści Summaries Part. Determinants of family policy in Poland chosen contexts of social policy and economics Ewa Cichowicz: Determinants of transformation of family policy some examples and suggestions for the direction of changes in the public support for families... 5 Adam Kubów: The importance of family benefits in shaping the level of family life Ilona Błaszczak-Przybycińska: Monetary value of housework empirical estimation based on time use survey in Poland Marta Marszałek: The role of women and men in the creation of non-market production of households recommendations for family policy... 7 Arkadiusz Durasiewicz: Econometric analysis of selected parameters of family policy in Poland Małgorzata Wróbel: Fertility models in relation to variables of the labour market in Polish cities of 00 thousand and more inhabitants in the first decade of the st century... Izabela Buchowicz: Common task of educational policy and family policy in Poland... 6 Anna Zachorowska-Mazurkiewicz: Economic theory and economic policy vs. care mutual relationships and implications for family policy... 4 Part. From the experience of other European countries proposals for family policy in Poland Anna Ciepielewska-Kowalik: Current transformations of European childcare models vs. Polish model (on the example of changes in the years 007-0) Paweł Łuczak: Relations between macroeconomic policy and social policy as regards long-term care in the Czech Republic Wojciech Nowiak: Current demographic challenges vs. Norwegian policy towards elderly people conclusions in the context of Polish family policy. 96

5 PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS nr Polityka rodzinna w Polsce z perspektywy wybranych aspektów polityki społecznej i ekonomii. Doświadczenia innych państw europejskich ISSN Arkadiusz Durasiewicz Wyższa Szkoła Pedagogiczna im. Janusza Korczaka w Warszawie ANALIZA EKONOMETRYCZNA WYBRANYCH PARAMETRÓW POLITYKI RODZINNEJ W POLSCE Streszczenie: Celem artykułu jest przedstawienie analizy ekonometrycznej za pomocą podjętej próby budowy odpowiedniego liniowego modelu ekonometrycznego regresji wielorakiej i poprawności jego wykorzystania w odniesieniu do określenia skuteczności ekonomicznych instrumentów polityki rodzinnej. Elementem analizy ekonometrycznej było zastosowanie liniowych modeli ekonometrycznych regresji wielorakiej badających zmienne objaśniane (urodzenia, współczynnik dzietności, przyrost naturalny, liczba zawieranych małżeństw) w przyjętym szeregu czasowym, mających na celu określenie efektywności ekonomicznej państwowych nakładów budżetowych na politykę rodzinną i jej wpływ na skuteczność procesów demograficznych. Analiza została przeprowadzona na podstawie szeregów czasowych w latach Słowa kluczowe: analiza ekonometryczna, model ekonometryczny, instrumenty polityki rodzinnej. DOI: 0.56/pn Wstęp Chcąc zmierzyć efektywność poszczególnych ekonomicznych instrumentów polityki rodzinnej, należy sobie zdawać sprawę z ograniczoności zastosowań powszechnie używanych miar skuteczności. Choć istnieją badania wskazujące na wymierne rezultaty poszczególnych instrumentów polityki w sferze oddziaływania na np. skłonność do zawarcia związku małżeńskiego, wskazują one na dość umiarkowany stopień oddziaływania. Ze względu na brak racjonalnych miar efektywności i skuteczności polityki rodzinnej w niniejszym artykule została wykorzystana analiza ekonometryczna w celu podjęcia próby oceny efektywności wybranych ekonomicznych instrumentów polityki rodzinnej państwa polskiego. A. Durasiewicz, Efektywność polskiej polityki rodzinnej na tle wybranych krajów UE, Wydawnictwo Politechniki Radomskiej, Radom 0, s. 5.

6 74 Arkadiusz Durasiewicz Elementem analizy ekonometrycznej było zastosowanie liniowych modeli ekonometrycznych regresji wielorakiej 3 badających zmienne objaśniane (urodzenia, współczynnik dzietności, przyrost naturalny, liczba zawieranych małżeństw) w przyjętym szeregu czasowym, mających na celu określenie efektywności ekonomicznej państwowych nakładów budżetowych na politykę rodzinną i jej wpływ na skuteczność procesów demograficznych 4. Celem artykułu jest przedstawienie analizy ekonometrycznej za pomocą podjętej próby budowy odpowiedniego liniowego modelu ekonometrycznego regresji wielorakiej i poprawności jego wykorzystania w odniesieniu do określenia skuteczności ekonomicznych instrumentów polityki rodzinnej. Przedstawione analizy empiryczne w postaci jednorównaniowych modeli ekonometrycznych regresji wielorakiej opierają się na danych statystycznych dotyczących poszczególnych narzędzi polityki rodzinnej. Modele te polegają na opisie stochastycznej zależności wyróżnionej wielkości, zjawiska lub przebiegu procesu ekonomicznego (zjawisk, procesów) od czynników, które je kształtują, wyrażonej w formie pojedynczego równania bądź układu równań 5. Strukturę każdego równania określają: zmienna objaśniana, zmienne objaśniające mające ustaloną treść ekonomiczną, parametry strukturalne o nieznanej treści oraz typ związku funkcyjnego między zmienną objaśnianą a zmiennymi objaśniającymi. Analizę ekonometryczną przeprowadzono na podstawie szeregu czasowego lata Osiągnięcie określonych celów badawczych wymagało stworzenia narzędzia pomiaru, jakim są niniejsze modele ekonometryczne. Do zmierzenia efektywności czynników polityki rodzinnej wybrane zostały instrumenty ekonomiczne w postaci: wydatków na zasiłki rodzinne, wydatków na zasiłki wychowawcze, wydatków na zasiłki opiekuńcze, wydatków na zasiłki macierzyńskie, przeciętnych miesięcznych kosztów utrzymania mieszkania, liczby mieszkań oddanych do użytku i stosunku ulgi podatkowej do najniższego miesięcznego wynagrodzenia oraz liczby kobiet aktywnych zawodowo w wieku rozrodczym. Wyżej wymienione instrumenty wykorzystano do oceny skuteczności procesów demograficznych, do których wybrane zostały cztery główne zmienne objaśniane: współczynnik dzietności (określający średnią liczbę dzieci rodzonych przez jedną kobietę), liczba urodzeń, liczba zawieranych małżeństw i przyrost naturalny. Do konstrukcji pierwszego modelu została wybrana zmienna objaśniana urodzenia, a do jej pomiaru cztery zmienne objaśniające 6 : J. Apanowicz, Metodologiczne uwarunkowania pracy naukowej, Difin, Warszawa 005, s J. Dziechciarz, Ekonometria. Metody, przykłady, zadania, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław G. Becker, A Treatise on the Family, enlarged edition, Harvard University Press, Cambridge, Massachusetts, London, England 993, s K. Kuciński (red.), Doktoranci o metodologii nauk ekonomicznych, SGH, Warszawa 007, s Ze względu na krótki szereg czasowy przyjęto nie więcej niż cztery zmienne objaśniające dla danego modelu.

7 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 75 wydatki na zasiłki rodzinne, wydatki na zasiłki wychowawcze, wydatki na zasiłki opiekuńcze, wydatki na zasiłki macierzyńskie. Do konstrukcji drugiego modelu została wybrana zmienna objaśniana współczynnik dzietności, a do jej pomiaru cztery zmienne objaśniające: wydatki na zasiłki rodzinne, wydatki na zasiłki wychowawcze, wydatki na zasiłki opiekuńcze, wydatki na zasiłki macierzyńskie. Do konstrukcji trzeciego modelu wybrana została zmienna objaśniana liczba zawieranych małżeństw, a do jej pomiaru trzy zmienne objaśniające: wydatki na zasiłek wychowawczy, przeciętne miesięczne koszty utrzymania mieszkania, liczba mieszkań oddanych do użytku. Do konstrukcji czwartego modelu wybrana została zmienna objaśniana przyrost naturalny, a do jej pomiaru cztery zmienne objaśniające: wydatki na zasiłki rodzinne, wydatki na zasiłki wychowawcze, stosunek ulgi podatkowej do najniższego miesięcznego wynagrodzenia, liczba kobiet aktywnych zawodowo w wieku rozrodczym. W celu określenia jak najlepszej skuteczności zmiennych przeprowadzono wielokrotną analizę metodą krokową. W każdej z tabel odrzucany był parametr modelu (zmienna objaśniająca), którego poziom istotności p przekraczał 0,05. W ten sposób powstawał model posiadający statystycznie istotne wszystkie zmienne. Zastosowana analiza regresji polega na estymacji parametrów równania teoretycznego, które to równanie w sposób jak najbardziej dokładny odwzorowuje zależność wartości rzeczywistych i teoretycznych zmiennej objaśnianej. Zastosowane modele regresji zakładają występowanie zależności liniowych istniejących pomiędzy zmienną objaśnianą a zmiennymi ją objaśniającymi 7. Na podstawie powyższych zastosowań przedstawione zostały cztery modele ekonometryczne z opracowanym wzorem obliczania modeli. Całkowite i szczegółowe rozpisanie wyliczenia zostało przedstawione na przykładzie modelu. Pozostałe modele były wyliczane w sposób analogiczny do modelu pierwszego.. Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a liczba urodzeń Do zbadania wpływu ekonomicznych instrumentów polityki rodzinnej na liczbę urodzeń został skonstruowany model ekonometryczny (model ) ze zmienną objaśnianą i czterema zmiennymi objaśniającymi mającymi na celu zmierzenie wpływu ich skuteczności na urodzenia (tab. ). 7 J. Dziechciarz, wyd. cyt., s. 38.

8 76 Arkadiusz Durasiewicz Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y liczba urodzeń; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek rodzinny; Z wydatki państwa na zasiłek wychowawczy; Z 3 wydatki państwa na zasiłek opiekuńczy; Z 4 wydatki państwa na zasiłek macierzyński. Tabela. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu lata Lata Zmienna objaśniana urodzenia (w tys.) Jednostka wydatki na zasiłek rodzinny (w mln zł) Zmienne objaśniające wydatki na zasiłek wychowawczy (w mln zł) wydatki na zasiłek opiekuńczy (w mln zł) wydatki na zasiłek macierzyński (w mln zł) Y Z 0 Z Z Z 3 Z ,7 487,4 07,0 555, ,3 5, 49,8 633, ,7 536,7 8,6 690, ,3 69, 96,5 899,3 00 y= Z= 357,77 644, 8, 39, ,80 684, 56,9 98, ,9 740, , ,66 74,8 64,3 95, ,5 677,5 94,5 004, ,66 64,5 6,6 097, ,6 589, 78, 40, ,6 573, 399, 08, ,3 56, 464,9 406, ,09 57, 489, 938, ,9 456,6 543,0 309,0 Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej W postaci macierzowej zamieszczone dane przedstawiają się następująco: Jeśli A = a0 a a a3 a 4 wektor oszacowań parametrów strukturalnych modelu uzyskany metodą najmniejszych kwadratów (MNK)

9 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 77 Spełnia on układ równań: ZTZA = ZTy, gdzie: Y wektor wartości zmiennej objaśnianej; Z macierz wartości zmiennych objaśniających modelu Y = Z = Z0 Z Z Z3 Z4 333,7 487,4 07,0 555,0 94,3 5, 49,8 633,7 33,7 536,7 8,6 690,6 358,3 69, 96,5 899,3 357,77 644, 8, 39,9 35,80 684, 56,9 98,6 33,9 740,8 6,0 987,3 508,66 74,8 64,3 95,4 85,5 677,5 94,5 004,5 80,66 64,5 6,6 097,6 3,6 589, 78, 40,4 74,6 573, 399, 08,6 55,3 56, 464,9 406,6 309,09 57, 489, 938,9 84,9 456,6 543,0 309,0 Oceny parametrów strukturalnych zostały uzyskane metodą najmniejszych kwadratów, zapewniając takie wartości oszacowania tych parametrów, że suma kwadratów różnic wartości empirycznych zmiennej objaśnianej i ich wartości teoretycznych (czyli wyznaczonych na podstawie oszacowanego równania modelu) jest minimalna. Jednym z warunków stosowalności MNK jest nieosobliwość macierzy ZTZ 8. Stąd: A= ( ZTZ ) ZTy Wyznaczone zostały więc kolejno: 333,7 94,3 33,7 358,3 357,77 35,8 33,9 508,66 85,5 80,66 3,6 74,6 55,3 309,09 84,9 ZT = 487,4 5, 536,7 69, 644, 684, 740,8 74,8 677,5 64,5 589, 573, 56, 57, 456, ,8 8,6 96,5 8, 56,9 6 64,3 94,5 6,6 78, 399, 464,9 489, 543, ,7 690,6 899,3 39,9 98,6 987,3 95,4 004,5 097,6 40,4 08,6 406,6 938,9 309,0 8 J. Gajda, Ekonometria praktyczna, Przedsiębiorstwo Specjalistyczne ABSOLWENT Sp. z o.o., Łódź 999, s. 67.

10 78 Arkadiusz Durasiewicz 5 485,5 8955,3 44,7 96, , , , , , ZTZ = 8 955, , , , ,88 ZTy = , , , , , , , , , , , , , , , , , , , , (ZTZ) - = -0, , , , , Stąd: -0, , , , , czyli uzyskano równanie: 0, , , , , A = ( ZTZ ) 4373,6-6,7067 ZTy = -90,439 78,999-8,349 y = 4373,6 6,7z 90,44z + 79z 8,35z * t t t t3 t4 urodzenia = 4373, 6 6, 7 (wydatki na zasiłek rodzinny) 90,44 (wydatki na zasiłek wychowawczy) + 79 (wydatki na zasiłek opiekuńczy) 8, 35 (wydatki na zasiłek macierzyński). Podstawowym założeniem w MNK jest założenie o normalnym rozkładzie szeregu reszt. Reszta jest to różnica między rzeczywistą wartością zmiennej objaśnianej a jej wartością teoretyczną, obliczoną na podstawie oszacowanego modelu. Reszta jest więc realizacją nieobserwowalnego składnika losowego. W niniejszym modelu oznaczono przez u t resztę wyznaczoną dla okresu t i wówczas: gdzie: u = y y, * t t t * y t wartość teoretyczna zmiennej objaśniającej. * Jeśli przez u oraz y został oznaczony odpowiednio wektor reszt oraz wektor wartości teoretycznych, wówczas: * u = y y wektor reszt, y * = Z A wektor wartości teoretycznych.

11 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 79 Stąd dla modelu uzyskano wektor wartości teoretycznych i wektor reszt. * Wektor wartości teoretycznych y podaje, jakie musiałyby być wartości liczby urodzeń, gdyby dane zjawisko (urodzenia) rozwijało się dokładnie z zaprezentowanym modelem , , , , , , ,3676 y*= , , , , , , , ,69 Poszczególne składowe wektora reszt u podają różnice między wartościami zmiennej objaśnianej a wartościami obliczonymi na podstawie modelu. 6 57, ,5 405, ,04-347, -6 88,37 u= -55, , ,88 733, ,05 70, 0 35,93-87,3 Bardzo ważną częścią analizy regresji, po oszacowaniu ocen numerycznych parametrów modelu, jest ocena zmienności zmiennej objaśnianej Y spowodowanej zmiennością zmiennych objaśniających modelu. Do oceny takiej służą syntetyczne miary dopasowania: wariancja resztowa, współczynnik zmienności losowej, nieskorygowany i skorygowany współczynnik determinacji, współczynnik zbieżności i współczynnik korelacji wielorakiej.

12 80 Arkadiusz Durasiewicz S Wariancja resztowa została obliczona według wzoru: = + oszacowanie wariancji składnika losowego modelu k ζ ut n t= ( k ) S ζ = Nie ma bezpośredniej interpretacji, dlatego też obliczony został średni błąd resztowy (odchylenie standardowe składnika resztowego): S ζ błąd standardowy Informuje on, o ile jednostek, średnio, rzeczywiste (empiryczne) wartości zmiennej objaśnianej y t różnią się od jej wartości oszacowanych (teoretycznych) S ζ = 5776,98 Wariancja resztowa wykorzystywana jest do obliczania średnich błędów szacunku parametrów strukturalnych. Obliczane są one jako pierwiastki kwadratowe elementów znajdujących się na głównej przekątnej macierzy wariancji-kowariancji parametrów strukturalnych. W obliczanym modelu macierz wariancji ma następującą postać: δ ( A) S ( ZTZ ) ζ ( i) i, i macierz wariancji-kowariancji zmiennych modelu S a = d + + błędy szacunków parametrów strukturalnych modelu Błędy szacunku S( a 0 ) = ,48 S( a ) = 86,079 S( a ) = 98,5307 S( a 3 ) = 54,7053 S( a 4 ) = 9,8033 Otrzymane błędy szacunku informują o dokładności ocen parametrów strukturalnych modelu. Na ich podstawie można w szczególności dokonać estymacji przedziałowej parametrów oraz zbudować statystyczną istotność zmiennych modelu, które zostały przedstawione w dalszej części wyliczenia modelu. Współczynnik zbieżności (nieokreśloności) określa, jaka część rzeczywistej zmienności zmiennej objaśnianej nie jest wyjaśniona przez oszacowany model. Został on obliczony zgodnie ze wzorem:

13 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 8 gdzie p = pt t t y = ,78 p = y y Stąd wektor p ma postać: 988,47 755,47-968, ,53-500,5-98,5-356,5 p = -7463,5-95,5-93, ,467 95,47 34,47 795, ,467 t= ϕ u u * ( yt yt ) = = t= ( y y) t y = yt t= utu ptp wektor odchyleń wartości zmiennej objaśnianej od jej wartości średniej, ptp = utu = suma kwadratów odchyleń suma kwadratów reszt ϕ = 0,7793 Nieskorygowany współczynnik determinacji (określoności, wyjaśnienia) określa, jaka część rzeczywistej zmienności zmiennej objaśnianej jest wyjaśniona przez oszacowany model r = ϕ r n = n + r = 0, r = 0, ( ) ( r ) k dop r = 0, dop = 0, ( )

14 8 Arkadiusz Durasiewicz Do badania statystycznej istotności modelu wykorzystana została statystyka t w postaci: ai ti = S α Jeśli ti t α, gdzie t α jest wartością krytyczną odczytaną z tablic wartości krytycznych rozkładu t-studenta przy przyjętym poziomie istotności a oraz liczbie stopni swobody równej n ( k + ), to w tym przypadku wartość statystyki t i dla poszczególnych zmiennych modelu wynosi: ( ) i t ti Poziom α Istotność t0 5,47 α0 istotne przy poziomie α = 0, t -0,9 α istotne przy poziomie α = 0, t -0,9 α istotne przy poziomie α = 0, t3,6 α3 istotne przy poziomie α = 0,80636 t4-0,93 α4 istotne przy poziomie α = 0,38404 Korzystając z wartości krytycznych tablic t-studenta przy sześciu stopniach swobody, można stwierdzić, że kolejne zmienne objaśniające tego modelu są statystycznie istotne przy poziomie istotności α i. Ponieważ jako maksymalny poziom istotności przyjęto arbitralnie α = 0, 05, można stwierdzić, że dany model jest modelem statystycznie nieistotnym (gdyż zmienne Z, Z 3 i Z 4 są statystycznie nieistotne). Aby uzyskać model statystycznie istotny, w każdym kolejnym etapie była eliminowana zmienna najgorsza (tzn. o najwyższym poziomie istotności α ). W badanym przypadku jest to zmienna Z 4. Procedura była kontynuowana aż do uzyskania modelu, w którym przy poziomie istotności α 0, 05 były statystycznie istotne wszystkie zmienne objaśniające. Wyniki podane są w podsumowaniach poszczególnych modeli. Model R R kwadrat Podsumowanie modelu Dostosowane R kwadrat Błąd standardowy estymacji 0,850 0,7 0, ,976 0,849 0,7 0,67 638, ,847 0,76 0,68 606,97 4 0,84 0,705 0, ,838

15 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 83 Współczynniki Model Zmienne objaśniające Niestandaryzowane współczynniki B Błąd standardowy t Istotność (stała) , , , , Wydatki na zasiłek rodzinny 3, , , , Wydatki na zasiłek wychowawczy -87, , , , Wydatki na zasiłek opiekuńczy 6, , , , Wydatki na zasiłek macierzyński -4,00000, , , (stała) , , , , Wydatki na zasiłek rodzinny 4, , , , Wydatki na zasiłek wychowawczy -99, , , , Wydatki na zasiłek opiekuńczy 45, , , , (stała) , , , , Wydatki na zasiłek rodzinny 3, , , , Wydatki na zasiłek wychowawczy -, , , , (stała) , , , , Wydatki na zasiłek wychowawczy -00, , , , Zmienna zależna: urodzenia Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy, wydatki na zasiłek macierzyński Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy 3 Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy 4 Predyktory (constant): wydatki na zasiłek wychowawczy Postać wyjściowa modelu ze wszystkimi badanymi zmiennymi objaśniającymi: Y = α Z + α Z + α Z + α Z + α Z + ξ Y = ,70 + 3,73z 87,0z + 6,z 4,0z t t t3 t4 ( 460,537) ( 4,973) ( 50,73) ( 94,09783) (,0386) liczba urodzeń = , , 73 (wydatki na zasiłek rodzinny) 87,0 (wydat- ki na zasiłek wychowawczy) + 6, (wydatki na zasiłek opiekuńczy) 4, 0 (wydatki na zasiłek macierzyński). Postać modelu ze zmiennymi objaśniającymi statystycznie istotnymi: Y = 48393,85 00,96 z t ( 408,8) (,465)

16 84 Arkadiusz Durasiewicz liczba urodzeń 48393,85 00, 96 (wydatki na zasiłek wychowawczy) gdzie: Y urodzenia; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek wychowawczy. Model pozwala wyjaśnić prawie 90% zmienności wartości zmiennej objaśnianej, jaką są urodzenia. Pozostałe 0% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Skorygowany współczynnik determinacji (dostosowane r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 8,%. Do równania regresji ostatecznie weszły wydatki na zasiłek wychowawczy. Jako nieistotne odrzucone zostały w czasie konstruowania modelu wydatki na zasiłek rodzinny, wydatki na zasiłek opiekuńczy i wydatki na zasiłek macierzyński. Z powyższego modelu (model ) wynika, że wydatki na zasiłek wychowawczy nie wpływają na liczbę urodzeń. Ujemne wartości B wskazują, że wydatki na zasiłek wychowawczy nie stanowią narzędzia mającego wpływ na urodzenia. Niskim poziomem statystycznym istotności wykazały się wydatki państwowe na zasiłki macierzyńskie (dlatego jako pierwsza zmienna objaśniająca zostały usunięte z równania regresji), co oznacza ich statystyczną nieistotność. Kwota zasiłku macierzyńskiego przysługującego rodzinie może stanowić istotne narzędzie wpływające na decyzje prokreacyjne małżeństwa, jednakże wydatki na zasiłki macierzyńskie charakteryzują się niską wartością współczynnika standaryzowanego B, stąd też z badanej zależności wynika, że wydatki te nie mają wpływu na urodzenia. Bardzo niskie współczynniki standaryzowane B odnośnie do badanych wydatków na zasiłki rodzinne, wychowawcze, opiekuńcze i macierzyńskie wskazują, że zmienne objaśniające nie mają wpływu na liczbę urodzeń. Jeżeli chodzi o wydatki państwa na zasiłki wychowawcze wpływ tej zmiennej wydaje się mocniejszy w porównaniu do pozostałych zmiennych objaśniających ze względu na najmocniejszą statystyczną istotność zmiennej, mieszczącą się w przedziale α 0, Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a współczynnik dzietności Do zbadania wpływu ekonomicznych instrumentów polityki rodzinnej na współczynnik dzietności został skonstruowany model ekonometryczny (model ) ze zmienną objaśnianą (współczynnik dzietności) i czterema zmiennymi objaśniającymi w modelu mającymi na celu zmierzenie ich efektywności na współczynnik dzietności. Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y współczynnik dzietności; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek rodzinny; Z wydatki państwa na zasiłek wychowawczy; Z 3 wydatki państwa na zasiłek opiekuńczy; Z 4 wydatki państwa na zasiłek macierzyński.

17 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 85 Tabela. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu lata Lata Zmienna objaśniana współczynnik dzietności Jednostka wydatki na zasiłek rodzinny (w mln zł) Zmienne objaśniające wydatki na zasiłek wychowawczy (w mln zł) wydatki na zasiłek opiekuńczy (w mln zł) wydatki na zasiłek macierzyński (w mln zł) Y Z 0 Z Z Z 3 Z 4 997,5 333,7 487, ,44 94,3 5, 49,8 633,7 999,37 33,7 536,7 8,6 690,6 000,35 358,3 69, 96,5 899,3 00 y=,3 Z= 357,77 644, 8, 39,9 00,5 35,8 684, 56,9 98,6 003, 33,9 740, ,3 004,3 508,66 74,8 64,3 95,4 005,4 85,5 677,5 94,5 004,5 006,7 80,66 64,5 6,6 097,6 007,3 3,6 589, 78, 40,4 008,39 74,6 573, 399, 08,6 009,39 55,3 56, 464,9 406,6 00,37 309,09 57, 489, 938,9 0,9 84,9 456,6 543,0 309,0 Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej Postać wyjściowa modelu ze wszystkimi badanymi zmiennymi objaśniającymi: Y = α Z + α Z + α Z + α Z + α Z + ξ Y =, ,0000z 0,005z 0,00057z 0,00008z t t t3 t4 ( 0,65) ( 0,0000) ( 0,0009) ( 0,00036) ( 0,000038) współczynnik dzietności =, ,0000 (wydatki na zasiłek rodzinny) 0,005 (wydatki na zasiłek wychowawczy) 0,00057 (wydatki na zasiłek opiekuńczy) 0, (wydatki na zasiłek macierzyński). Postać modelu ze zmiennymi objaśniającymi statystycznie istotnymi: Y =,785 0,00z 0,00084z t t3 ( 0,440) ( 0,0004) ( 0,0003)

18 86 Arkadiusz Durasiewicz współczynnik dzietności =,979 0,00 (wydatki na zasiłek wychowawczy) 0, (wydatki na zasiłek opiekuńczy), gdzie: Y współczynnik dzietności; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy; Z 3 wydatki na zasiłek opiekuńczy Podsumowanie modelu Dostosowane Model R R kwadrat R kwadrat Błąd standardowy estymacji 0,8336 0,6949 0,6864 0,060 0,83 0,6906 0,6456 0, ,833 0, , ,05880 Model Zmienne objaśniające Współczynniki Niestandaryzowane współczynniki Błąd B standardowy t Istotność (stała), ,656500, , Wydatki za zasiłek rodzinny 0, , , ,60555 Wydatki na zasiłek wychowawczy -0, , , , Wydatki na zasiłek opiekuńczy -0, , , , Wydatki na zasiłek macierzyński -0, , , , (stała), , , , Wydatki na zasiłek rodzinny 0, , , , Wydatki na zasiłek wychowawczy -0, , , , Wydatki na zasiłek opiekuńczy -0, , ,3500 0, (stała), , , , Wydatki na zasiłek wychowawczy -0, , , , Wydatki na zasiłek opiekuńczy -0, , , , Zmienna zależna: współczynnik dzietności Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy, wydatki na zasiłek macierzyński Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy 3 Predyktory (constant): wydatki na zasiłek wychowawczy, wydatki na zasiłek opiekuńczy Model pozwala wyjaśnić prawie 93% zmienności wartości zmiennej objaśnianej (współczynnik dzietności). Pozostałe 7% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Standardowy błąd estymacji wynosi ok. 0,06, czyli podczas prognozowania wartości zmiennej na podstawie naszego modelu mylilibyśmy się średnio o 6,0%.

19 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 87 Skorygowany współczynnik determinacji (skorygowany r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 9,9%. Do równania regresji ostatecznie weszły następujące zmienne: wydatki na zasiłek wychowawczy i wydatki na zasiłek opiekuńczy. Jako nieistotne odrzucone zostały w czasie konstruowania modelu wydatki na zasiłek rodzinny i wydatki na zasiłek macierzyński. W związku z powyższym wydatki na zasiłek wychowawczy i wydatki na zasiłek opiekuńczy jako zmienne objaśniające, które miały poziom istotności zbliżony do ( α 0,05 ), nie mają wpływu na współczynnik dzietności, a co za tym idzie, nie podniosą go na wyższy poziom (osiągają ujemne współczynniki standaryzowane B). 4. Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a liczba zawieranych małżeństw Do zbadania wpływu ekonomicznych instrumentów polityki rodzinnej na liczbę zawieranych małżeństw został skonstruowany model ekonometryczny (model 3) ze zmienną objaśnianą (liczba zawieranych małżeństw) i trzema zmiennymi objaśniającymi mającymi na celu zmierzenie ich efektywności na liczbę zawieranych małżeństw. Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y małżeństwa na 000 osób; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy; Z przeciętne miesięczne koszty utrzymania mieszkania; Z 3 mieszkania oddane do użytku. Tabela 3. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu 3 lata Lata Zmienna objaśniana małżeństwa na 000 osób Jednostka wydatki na zasiłek wychowawczy (w mln zł) Zmienne objaśniające przeciętne miesięczne koszty utrzymania mieszkania użytkowanie mieszkania i nośniki energii (w zł) mieszkania oddane do użytku (w tys.) Y Z 0 Z Z Z ,30 487,4 88,65 73, ,4 5, 96,34 80, ,68 536,7 00, ,49 69, 07, 87,8 00 y= 5,0 Z= 644, 4, ,0 684, 4,47 97,6

20 88 Arkadiusz Durasiewicz Tabela 3, cd , 740,8 4,4 6, ,0 74,8 40,78 08, 005 5,4 677,5 35,64 4, 006 5,93 64,5 46,94 5, ,5 589, 49, ,76 573, 70,80 65, 009 6,57 56, 88, ,93 57, 99,88 35,8 0 5,36 456,6 0,34 30,9 Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej Postać wyjściowa modelu 3 ze wszystkimi badanymi zmiennymi objaśniającymi: Y = α Z + α Z + α Z + α Z + ξ Y = 6, ,006z + 0, ,007z t t t3 ( 0,509) ( 0,0078) ( 0,00559) ( 0,004769) liczba zawartych małżeństw na 000 osób = 6, , 006 (wydatki na zasiłek wychowawczy) + 0, (przeciętne miesięczne koszty utrzymania mieszkania) 0, 007 (liczba mieszkań oddanych do użytku). Postać modelu 3 ze zmiennymi objaśniającymi statystycznie istotnymi: Y = 6, ,006z + 0,094z t t t t 0, , ,00398 liczba zawartych małżeństw na 000 osób = 6, , 006 (wydatki na zasiłek wychowawczy) + 0, 094 (przeciętne miesięczne koszty utrzymania mieszkania), gdzie: Y małżeństwa na 000 osób; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy; Z przeciętne miesięczne koszty utrzymania mieszkania Podsumowanie modelu 3 Model R R kwadrat Dostosowane R Błąd standardowy kwadrat estymacji 0,850 0,7 0,653 0,07 0,83 0,690 0,65 0,06

21 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 89 Współczynniki Niestandaryzowane współczynniki Model Zmienne objaśniające t Istotność Błąd B standardowy (stała) 6, ,5093, Wydatki na zasiłek wychowawczy -0,006 0,0078-4,9943 0,0035 Przeciętne miesięczne koszty utrzymania mieszkania 0, , ,3558 0,00375 Mieszkania oddane do użytku -0,007 0, ,34 0,77305 (stała) 6, , , Wydatki na zasiłek wychowawczy -0,006 0, ,837 0,00085 Przeciętne miesięczne koszty utrzymania mieszkania 0,094 0, , ,00038 Zmienna zależna: małżeństwa na 000 osób Predyktory (constant): wydatki na zasiłek wychowawczy, przeciętne miesięczne koszty utrzymania mieszkania, mieszkania oddane do użytku Predyktory (constant): wydatki na zasiłek wychowawczy, przeciętne miesięczne koszty utrzymania mieszkania Model pozwala wyjaśnić prawie 84% zmienności zawieranych małżeństw na 000 osób. Pozostałe 6% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Standardowy błąd estymacji wynosi ok. 0,036, czyli podczas prognozowania wartości zmiennej na podstawie naszego modelu mylilibyśmy się średnio o,036%. Skorygowany współczynnik determinacji (dostosowane r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 3,9%. Do równania regresji ostatecznie weszły następujące zmienne: wydatki na zasiłek wychowawczy i przeciętne miesięczne koszty utrzymania mieszkania. Jako nieistotne odrzucone zostały w czasie konstruowania modelu mieszkania oddane do użytkowania. Porównanie standaryzowanych wartości B pokazuje, że wpływ uwzględnionych w modelu zmiennych jest rozbieżny: wydatki na zasiłki wychowawcze i przeciętne miesięczne koszty utrzymania mieszkania oddziałują z inną siłą. Uwzględniając kierunek oddziaływania, można powiedzieć, że liczba zawieranych małżeństw jest tym większa, im niższe są przeciętne miesięczne koszty utrzymania mieszkania ze względu na statystyczną istotność zmiennej (istotność = 0,004, a więc mieści się w maksymalnym przyjętym arbitralnie poziomie istotności α = 0,05 ). Jednakże bardzo niskie współczynniki standaryzowane (0,094 B i 0,00398 błąd standardowy) odnośnie do przeciętnych miesięcznych kosztów utrzymania mieszkania wskazują, że ta zmienna objaśniająca ma niewielki wpływ na liczbę zawieranych małżeństw. Jeżeli chodzi o wydatki państwa na zasiłki wy-

22 90 Arkadiusz Durasiewicz chowawcze, to wpływ tej zmiennej wydaje się słaby (ujemny niestandaryzowany współczynnik B) w porównaniu do zmiennej objaśniającej, jaką są przeciętne miesięczne koszty utrzymania mieszkania. Zaistniałe relacje pokazują, że przeciętne miesięczne koszty utrzymania mieszkania mają niewielki wpływ na liczbę zawieranych małżeństw, jednak wysoki wskaźnik statystycznej istotności zmiennej oznacza, że przyszli małżonkowie zwracają bezpośrednio uwagę na status socjoekonomiczny swojego bytu, co przy niskim koszcie utrzymania mieszkania stanowi czynnik zachęcający do zawarcia małżeństwa. 5. Ekonomiczne instrumenty polityki rodzinnej państwa polskiego a przyrost naturalny Czwarty model ekonometryczny został utworzony w celu sprawdzenia wpływu ekonomicznych instrumentów polityki rodzinnej na przyrost naturalny. Model składa się ze zmiennej objaśnianej (przyrost naturalny) i czterech zmiennych objaśniających (wydatki na zasiłki rodzinne, wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia i aktywność zawodowa kobiet w wieku rozrodczym). Ogólna postać liniowego modelu regresji wielorakiej: Y = α Z + α Z + α Z + α Z + α Z + ξ, gdzie: Y przyrost naturalny; Z 0 = zmienna stała równa ; Z wydatki państwa na zasiłek rodzinny; Z wydatki państwa na zasiłek wychowawczy; Z 3 stosunek ulgi podatkowej do minimalnego wynagrodzenia; Z 4 liczba kobiet aktywnych zawodowo w wieku rozrodczym. Tabela 4. Zmienna objaśniana i zmienne objaśniające wykorzystane do modelu 4 lata Lata Zmienna objaśniana przyrost naturalny Jednostka wydatki na zasiłek rodzinny (w mln zł) wydatki na zasiłek wychowawczy (w mln zł) Zmienne objaśniające stosunek ulgi podatkowej do minimalnego wynagrodzenia liczba kobiet aktywnych zawodowo w wieku rozrodczym (w tys.) Y Z 0 Z Z Z 3 Z ,09 333,7 487,4 0, ,05 94,3 5, 0, ,7 536,7 0, ,03 358,3 69, 0, ,0 357,77 644, 0, ,0 35,8 684, 0, y= -0,04 Z= 33,9 740,8 0,4 693

23 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce ,0 508,66 74,8 0, ,0 85,5 677,5 0, ,0 80,66 64,5 0, ,03 3,6 589, 0, ,9 74,6 573, 0, ,8 55,3 56, 0, ,9 309,09 57, 0, ,3 84,9 456,6 0, Źródło: opracowanie własne na podstawie danych statystycznych Rocznika Statystycznego Ubezpieczeń Społecznych oraz Roczników Statystycznych Rzeczypospolitej Polskiej Postać wyjściowa modelu 4 ze wszystkimi badanymi zmiennymi objaśniającymi: Y = Z 4 α Z + α Z + α Z + α Z + α + ξ Y = 0, ,0000z 0,00038z + 0,9900z 0,00004z t t t3 t4 ( 0,5988) ( 0,0000) ( 0,00009) ( 0,7369) ( 0,00004) przyrost naturalny = 0, , 0000 (wydatki na zasiłek rodzinny) 0, (wydatki na zasiłek wychowawczy) + 0, 9900 (stosunek ulgi podatkowej do minimalnego wynagrodzenia) 0, 0004 (liczba kobiet aktywnych zawodowo w wieku rozrodczym). Postać modelu 4 ze zmiennymi objaśniającymi statystycznie istotnymi: y = 0,579 0,00034z t t ( 0,0476) ( 0,00007 ) przyrost naturalny = 0,579 0,00034 (wydatki na zasiłek wychowawczy), gdzie: y przyrost naturalny; Z 0 = zmienna stała równa ; Z wydatki na zasiłek wychowawczy Model R R kwadrat Dostosowane R kwadrat 0,909 0,86 0,783 0,896 0,80 0, ,900 0,80 0, ,878 0,77 0,749

24 9 Arkadiusz Durasiewicz Model Zmienne objaśniające Współczynniki Niestandaryzowane współczynniki B Błąd standardowy t Istotność (stała) 0, ,5988,4085 0,734 Wydatki na zasiłek rodzinny 0,0000 0,0000 0, ,35730 Wydatki na zasiłek wychowawczy -0, , ,305 0,0037 Stosunek ulgi podatkowej do minimalnego wynagrodzenia 0,9900 0,7369,9986 0,099 Liczba kobiet aktywnych zawodowo w wieku rozrodczym -0, , ,9845 0,3433 (stała) 0,653 0,4650,05 0,3063 Wydatki na zasiłek wychowawczy -0, , , ,008 Stosunek ulgi podatkowej do minimalnego wynagrodzenia,045 0,70633, ,4887 Liczba kobiet aktywnych zawodowo w wieku rozrodczym -0, , ,7587 0,487 3 (stała) 0, ,08 0,8369 0,39577 Wydatki na zasiłek wychowawczy -0,0003 0, ,6955 0,0005 Stosunek ulgi podatkowej do minimalnego wynagrodzenia, ,6765,4674 0, (stała) 0,579 0,0476 5,3666 0,00038 Wydatki na zasiłek wychowawczy -0, , ,9039 0,00057 Zmienna zależna: przyrost naturalny Predyktory (constant): wydatki na zasiłek rodzinny, wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia, liczba kobiet aktywnych zawodowo w wieku rozrodczym Predyktory (constant): wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia, liczba kobiet aktywnych zawodowo w wieku rozrodczym 3 Predyktory (constant): wydatki na zasiłek wychowawczy, stosunek ulgi podatkowej do minimalnego wynagrodzenia 4 Predyktory (constant): wydatki na zasiłek wychowawczy Model pozwala wyjaśnić prawie 75% zmienności przyrostu naturalnego. Tak więc pozostałe 5% może zostać wyjaśnione przez inne, nieuwzględnione w modelu czynniki. Standardowy błąd estymacji wynosi ok. 0,949397, czyli prognozując wartość zmiennej zależnej na podstawie szacowanego modelu, mamy średni błąd szacunkowy pomyłki wynoszący,94%. Skorygowany współczynnik determinacji (skorygowany r ) przeliczony na procenty informuje, iż wariancja zmiennej zależnej niewyjaśniona wpływem zmiennych niezależnych wynosi 7,8%. Do równania regresji

25 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 93 ostatecznie weszły wydatki na zasiłek wychowawczy. Jako nieistotne odrzucone zostały w czasie konstruowania modelu wydatki na zasiłek rodzinny, stosunek ulgi podatkowej do minimalnego wynagrodzenia i aktywność zawodowa kobiet w wieku rozrodczym. Z powyższego modelu (model 4) wynika, że wydatki na zasiłek wychowawczy, które jako jedyne pozostały w równaniu regresji, nie wpływają na przyrost naturalny. Wysokość zasiłku wychowawczego jest tak niska, że zmienna ta nie wpływa na decyzje o narodzinach dziecka. Dużym poziomem statystycznym istotności wykazały się także wydatki państwowe na zasiłki rodzinne. Kwota zasiłku rodzinnego przysługującego rodzinie może stanowić istotny czynnik wpływający na decyzje prokreacyjne małżeństwa, jednakże wydatki na zasiłki rodzinne charakteryzują się niską wartością współczynnika standaryzowanego B i dlatego z badanej zależności wynika, że wydatki na zasiłki rodzinne nie mają wpływu na przyrost naturalny. 6. Podsumowanie W czterech zastosowanych jednorównaniowych modelach regresji wielorakiej zmienne objaśniające odznaczają się następującymi właściwościami: są silnie skorelowane ze zmienną objaśnianą, są słabo skorelowane między sobą, wykazują odpowiednio dużą zmienność. Analiza przeprowadzona za pomocą odpowiednich liniowych modeli ekonometrycznych regresji wielorakiej nie wykazała zależności między ekonomicznymi instrumentami polityki rodzinnej a sytuacją demograficzną w postaci liczby urodzeń, współczynnika dzietności i przyrostu naturalnego. Jedynie przeciętne miesięczne koszty utrzymania mieszkania oraz liczba mieszkań oddanych do użytku mogą stanowić dla młodych osób narzędzie ułatwiające podjęcie decyzji o małżeństwie. Z przeprowadzonej analizy ekonometrycznej na podstawie czterech modeli ekonometrycznych regresji wielorakiej wynika, że rodziny, decydując się na dziecko, nie biorą pod uwagę instrumentów ekonomicznych oferowanych przez państwo. Zbudowany model ekonometryczny, zgodnie z celem artykułu, może zostać wykorzystany do badania zależności i korelowania zmiennych objaśnianych z objaśniającymi w celu określenia ich skuteczności, ale może też być modyfikowany w zależności od potrzeb niezbędnych do przeprowadzania przyjętych analiz w danym czasokresie badawczym. W odniesieniu do narzędzi bezpośrednich (czyli pieniężnego wsparcia na rzecz rodzin) należy stwierdzić, że narzędzia te znacznie odbiegają od standardów obowiązujących w zintegrowanej Europie. Państwo, chcąc zagwarantować zaspokojenie co najmniej podstawowych potrzeb rodzin z dziećmi, powinno zadbać o wyższe

26 94 Arkadiusz Durasiewicz kwoty finansowego wsparcia w postaci zasiłków (rodzinnego, macierzyńskiego, wychowawczego, opiekuńczego) dla korzystających z nich osób, a w dalszej przyszłości zadbać o możliwość przyznawania zasiłku rodzinnego wszystkim rodzicom, bez selektywnego charakteru tego rodzaju wsparcia (takie rozwiązania istnieją już w wielu państwach UE, jak np. Niemcy, Wielka Brytania, Francja). Ze względu na selektywny charakter przysługujących świadczeń istnieje ograniczona liczba odbiorców (i w tym przypadku ogólna równość nie jest zachowana wobec wszystkich rodzin). Selektywność świadczeń społecznych ze względu na wprowadzone kryterium dochodowe powoduje niską efektywność prowadzonej polityki rodzinnej w niektórych obszarach ekonomicznego i społecznego wsparcia. W celu wzmocnienia znaczenia bezpośredniej pomocy finansowej rodzinom ponoszącym koszty utrzymania i wychowania młodzieży potrzebne jest podniesienie dochodowego znaczenia świadczeń rodzinnych. Największa miesięczna kwota zasiłku rodzinnego w krajach UE występuje w Niemczech. Obecnie wysokość zasiłków rodzinnych w Polsce należy do jednej z najniższych w krajach UE. Przejście z obecnego selektywnego systemu świadczeń rodzinnych do systemu uniwersalnego (funkcjonującego nie tylko w Niemczech, ale w większości krajów UE) byłoby wyrazem wspierania wszystkich rodzin posiadających dzieci. Ograniczałoby przypadki, gdy obawa przed utratą świadczeń rodzinnych (po przekroczeniu progu dochodu stanowiącego kryterium uprawniające) działa hamująco na aktywność w pozyskiwaniu dodatkowych dochodów lub przenosi część osób do szarej strefy zatrudnienia. Warto rozważyć uwzględnienie w wysokości zasiłku możliwości pokrycia szacowanych wydatków związanych z zaspokojeniem potrzeb rozwojowych dzieci (edukacyjnych, kulturalnych, rekreacyjnych itp.). Literatura Apanowicz J., Metodologiczne uwarunkowania pracy naukowej, Difin, Warszawa 005. Becker G., A Treatise on the Family, enlarged edition, Harvard University Press, Cambridge, Massachusetts, London, England 993. Durasiewicz A., Efektywność polskiej polityki rodzinnej na tle wybranych krajów UE, Wydawnictwo Politechniki Radomskiej, Radom 0. Dziechciarz J., Ekonometria. Metody, przykłady, zadania, Wydawnictwo Akademii Ekonomicznej we Wrocławiu, Wrocław 00. Gajda J., Ekonometria praktyczna, Przedsiębiorstwo Specjalistyczne ABSOLWENT Sp. z o.o., Łódź 999. Kuciński K. (red.), Doktoranci o metodologii nauk ekonomicznych, SGH, Warszawa 007.

27 Analiza ekonometryczna wybranych parametrów polityki rodzinnej w Polsce 95 ECONOMETRIC ANALYSIS OF SELECTED PARAMETERS OF FAMILY POLICY IN POLAND Summary: This article presents an econometric analysis undertaken by attempts to build an appropriate linear econometric model of multiple regression and the correctness of its use in relation to economic instruments of family policy. The element of econometric analysis was the use of linear econometric models of multiple regression examining variables (birth, fertility rate, birth rate, the number of marriages) explained in the adopted time series, to determine the economic efficiency of state budget expenditures on family policy and its impact on the effectiveness of demographic processes. Econometric analysis was carried out on the basis of the time series between 997 and 0. The achievement of specific research objectives required the creation of measurement tools, which are econometric models. Keywords: econometric analysis, econometric model, family policy instruments.

Metody Ilościowe w Socjologii

Metody Ilościowe w Socjologii Metody Ilościowe w Socjologii wykład 2 i 3 EKONOMETRIA dr inż. Maciej Wolny AGENDA I. Ekonometria podstawowe definicje II. Etapy budowy modelu ekonometrycznego III. Wybrane metody doboru zmiennych do modelu

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

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

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

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

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

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007 Modele regresji wielorakiej - dobór zmiennych, szacowanie Paweł Cibis pawel@cibis.pl 1 kwietnia 2007 1 Współczynnik zmienności Współczynnik zmienności wzory Współczynnik zmienności funkcje 2 Korelacja

Bardziej szczegółowo

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

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

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO

ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO ANALIZA DYNAMIKI DOCHODU KRAJOWEGO BRUTTO Wprowadzenie Zmienność koniunktury gospodarczej jest kształtowana przez wiele różnych czynników ekonomicznych i pozaekonomicznych. Znajomość zmienności poszczególnych

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

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

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +

Bardziej szczegółowo

Rozdział 8. Regresja. Definiowanie modelu

Rozdział 8. Regresja. Definiowanie modelu Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność

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

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

Bardziej szczegółowo

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu

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

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji Statystyka i opracowanie danych Ćwiczenia 5 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ MODEL REGRESJI LINIOWEJ Analiza regresji

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

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y). Statystyka i opracowanie danych Ćwiczenia 12 Izabela Olejarczyk - Wożeńska AGH, WIMiIP, KISIM REGRESJA WIELORAKA Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych

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

ANALIZA REGRESJI SPSS

ANALIZA REGRESJI SPSS NLIZ REGRESJI SPSS Metody badań geografii społeczno-ekonomicznej KORELCJ REGRESJ O ile celem korelacji jest zmierzenie siły związku liniowego między (najczęściej dwoma) zmiennymi, o tyle w regresji związek

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34 Statystyka Wykład 9 Magdalena Alama-Bućko 24 kwietnia 2017 Magdalena Alama-Bućko Statystyka 24 kwietnia 2017 1 / 34 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

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

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

Etapy modelowania ekonometrycznego

Etapy modelowania ekonometrycznego Etapy modelowania ekonometrycznego jest podstawowym narzędziem badawczym, jakim posługuje się ekonometria. Stanowi on matematyczno-statystyczną formę zapisu prawidłowości statystycznej w zakresie rozkładu,

Bardziej szczegółowo

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE 1 W trakcie badania obliczono wartości średniej (15,4), mediany (13,6) oraz dominanty (10,0). Określ typ asymetrii rozkładu. 2 Wymień 3 cechy rozkładu Gauss

Bardziej szczegółowo

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31 Statystyka Wykład 8 Magdalena Alama-Bućko 10 kwietnia 2017 Magdalena Alama-Bućko Statystyka 10 kwietnia 2017 1 / 31 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

t y x y'y x'x y'x x-x śr (x-x śr)^2

t y x y'y x'x y'x x-x śr (x-x śr)^2 Na podstawie:w.samuelson, S.Marks Ekonomia menedżerska Zadanie 1 W przedsiębiorstwie toczy się dyskusja na temat wpływu reklamy na wielkość. Dział marketingu uważa, że reklama daje wysoce pozytywne efekty,

Bardziej szczegółowo

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć) 1. Populacja generalna a losowa próba, parametr rozkładu cechy a jego ocena z losowej próby, miary opisu statystycznego

Bardziej szczegółowo

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku. Zajęcia 4. Estymacja i weryfikacja modelu model potęgowy Wersja rozszerzona W pliku Funkcja produkcji.xls zostały przygotowane przykładowe dane o produkcji, kapitale i zatrudnieniu dla 27 przedsiębiorstw

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

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

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki Spis treści I. Wzory ogólne... 2 1. Średnia arytmetyczna:... 2 2. Rozstęp:... 2 3. Kwantyle:... 2 4. Wariancja:... 2 5. Odchylenie standardowe:...

Bardziej szczegółowo

Ekonometria. Zajęcia

Ekonometria. 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 szczegółowo

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY Będziemy zapisywać wektory w postaci (,, ) albo traktując go jak macierz jednokolumnową (dzięki temu nie będzie kontrowersji przy transponowaniu wektora ) Model

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

Wstęp... 9. Część 1. Sytuacja rodzin i wyzwania wobec polityki rodzinnej a sytuacja na rynku pracy wybrane aspekty

Wstęp... 9. Część 1. Sytuacja rodzin i wyzwania wobec polityki rodzinnej a sytuacja na rynku pracy wybrane aspekty Spis treści Wstęp... 9 Część 1. Sytuacja rodzin i wyzwania wobec polityki rodzinnej a sytuacja na rynku pracy wybrane aspekty Adam Kubów: Bariery aktywności zawodowej rodziców wychowujących dzieci... 13

Bardziej szczegółowo

Zmienne zależne i niezależne

Zmienne zależne i niezależne Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Stanisław 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 szczegółowo

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Wprowadzenie do teorii ekonometrii Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe Zajęcia Wykład Laboratorium komputerowe 2 Zaliczenie EGZAMIN (50%) Na egzaminie obowiązują wszystkie informacje

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

Niestacjonarne zmienne czasowe własności i testowanie

Niestacjonarne 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 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

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

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Model ekonometryczny Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między poziomem wykształcenia a wysokością zarobków Wykształcenie a zarobki Hipoteza badawcza: Istnieje zależność między

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

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

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y

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

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna Badanie współzależności zmiennych Uwzględniając ilość zmiennych otrzymamy 4 odmiany zależności: Zmienna zależna jednowymiarowa oraz jedna

Bardziej szczegółowo

Metoda Johansena objaśnienia i przykłady

Metoda 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 szczegółowo

5. Model sezonowości i autoregresji zmiennej prognozowanej

5. Model sezonowości i autoregresji zmiennej prognozowanej 5. Model sezonowości i autoregresji zmiennej prognozowanej 1. Model Sezonowości kwartalnej i autoregresji zmiennej prognozowanej (rząd istotnej autokorelacji K = 1) Szacowana postać: y = c Q + ρ y, t =

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

Zadania ze statystyki, cz.6

Zadania ze statystyki, cz.6 Zadania ze statystyki, cz.6 Zad.1 Proszę wskazać, jaką część pola pod krzywą normalną wyznaczają wartości Z rozkładu dystrybuanty rozkładu normalnego: - Z > 1,25 - Z > 2,23 - Z < -1,23 - Z > -1,16 - Z

Bardziej szczegółowo

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7 Analiza korelacji - współczynnik korelacji Pearsona Cel: ocena współzależności między dwiema zmiennymi ilościowymi Ocenia jedynie zależność liniową. r = cov(x,y

Bardziej szczegółowo

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) 6 2 4 5,5 6,6 Zad. 1. Zbadano wydajność odmiany pomidorów na 100 poletkach doświadczalnych. W wyniku przeliczeń otrzymano przeciętną wydajność na w tonach na hektar x=30 i s 2 x =7. Przyjmując, że rozkład plonów pomidora

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 11-12

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 11-12 Stanisław Cichocki Natalia Nehrebecka Zajęcia 11-12 1. Zmienne pominięte 2. Zmienne nieistotne 3. Obserwacje nietypowe i błędne 4. Współliniowość - Mamy 2 modele: y X u 1 1 (1) y X X 1 1 2 2 (2) - Potencjalnie

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

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

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna Korelacja brak korelacji korelacja krzywoliniowa korelacja dodatnia korelacja ujemna Szereg korelacyjny numer

Bardziej szczegółowo

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Współczynnik korelacji Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ Własności współczynnika korelacji 1. Współczynnik korelacji jest liczbą niemianowaną 2. ϱ 1,

Bardziej szczegółowo

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie Szkolenie dla pracowników Urzędu Statystycznego nt. Wybrane metody statystyczne w analizach makroekonomicznych dr

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4 Stanisław Cichocki Natalia Nehrebecka Wykład 4 1 1. Własności hiperpłaszczyzny regresji 2. Dobroć dopasowania równania regresji. Współczynnik determinacji R 2 Dekompozycja wariancji zmiennej zależnej Współczynnik

Bardziej szczegółowo

Szacowanie wartości hodowlanej. Zarządzanie populacjami

Szacowanie wartości hodowlanej. Zarządzanie populacjami Szacowanie wartości hodowlanej Zarządzanie populacjami wartość hodowlana = wartość cechy? Tak! Przy h 2 =1 ? wybitny ojciec = wybitne dzieci Tak, gdy cecha wysokoodziedziczalna. Wartość hodowlana genetycznie

Bardziej szczegółowo

Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH

Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego. Łukasz Kończyk WMS AGH Zastosowanie modelu regresji logistycznej w ocenie ryzyka ubezpieczeniowego Łukasz Kończyk WMS AGH Plan prezentacji Model regresji liniowej Uogólniony model liniowy (GLM) Ryzyko ubezpieczeniowe Przykład

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

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

1.1 Klasyczny Model Regresji Liniowej

1.1 Klasyczny Model Regresji Liniowej 1.1 Klasyczny Model Regresji Liniowej Klasyczny model Regresji Liniowej jest bardzo użytecznym narzędziem służącym do analizy danych empirycznych. Analiza regresji zajmuje się opisem zależności między

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

PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu

PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu PRACE NAUKOWE Uniwersytetu Ekonomicznego we Wrocławiu RESEARCH PAPERS of Wrocław University of Economics Nr 364 Polityka rodzinna w Polsce z perspektywy wybranych aspektów polityki społecznej i ekonomii

Bardziej szczegółowo

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; LABORATORIUM 4 Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona; dwie zmienne zależne mierzalne małe próby duże próby rozkład normalny

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji.

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. Ćwiczenie: Wybrane zagadnienia z korelacji i regresji. W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Guillforda Przedział Zależność Współczynnik [0,00±0,20)

Bardziej szczegółowo

Statystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40

Statystyka. Wykład 9. Magdalena Alama-Bućko. 7 maja Magdalena Alama-Bućko Statystyka 7 maja / 40 Statystyka Wykład 9 Magdalena Alama-Bućko 7 maja 2018 Magdalena Alama-Bućko Statystyka 7 maja 2018 1 / 40 Tematyka zajęć: Wprowadzenie do statystyki. Analiza struktury zbiorowości miary położenia miary

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

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej:

1. Eliminuje się ze zbioru potencjalnych zmiennych te zmienne dla których korelacja ze zmienną objaśnianą jest mniejsza od krytycznej: Metoda analizy macierzy współczynników korelacji Idea metody sprowadza się do wyboru takich zmiennych objaśniających, które są silnie skorelowane ze zmienną objaśnianą i równocześnie słabo skorelowane

Bardziej szczegółowo

8.1. Syndrom wypalenia zawodowego a dopasowanie do środowiska pracy - analiza korelacji. Rozdział 8. Dane uzyskane w badaniach

8.1. Syndrom wypalenia zawodowego a dopasowanie do środowiska pracy - analiza korelacji. Rozdział 8. Dane uzyskane w badaniach W tej części pracy przedstawione zostały dane zebrane w badaniach wraz z ich statystycznym opracowaąiem mającym na celu zbadanie, czy zachodzą zależności pomiędzy dopasowaniem do środowiska pracy a wypaleniem

Bardziej szczegółowo

Uczelnia Łazarskiego. Sylabus. 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu

Uczelnia Łazarskiego. Sylabus. 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu Uczelnia Łazarskiego Sylabus 1. Nazwa przedmiotu EKONOMETRIA 2. Kod przedmiotu 3. Język wykładowy Język polski 4. Status przedmiotu podstawowy do wyboru Języki X kierunkowy specjalistyczny Inne 5. Cel

Bardziej szczegółowo

WOJCIECH WYRZYKOWSKI PODATKOWE UWARUNKOWANIA ROZWOJU PRZEDSIĘBIORCZOŚCI W POLSCE

WOJCIECH WYRZYKOWSKI PODATKOWE UWARUNKOWANIA ROZWOJU PRZEDSIĘBIORCZOŚCI W POLSCE WOJCIECH WYRZYKOWSKI PODATKOWE UWARUNKOWANIA ROZWOJU PRZEDSIĘBIORCZOŚCI W POLSCE GDAŃSK 2013 PRZEWODNICZĄCY KOMITETU REDAKCYJNEGO WYDAWNICTWA POLITECHNIKI GDAŃSKIEJ Janusz T. Cieśliński REDAKTOR PUBLIKACJI

Bardziej szczegółowo

Analiza regresji - weryfikacja założeń

Analiza regresji - weryfikacja założeń Medycyna Praktyczna - portal dla lekarzy Analiza regresji - weryfikacja założeń mgr Andrzej Stanisz z Zakładu Biostatystyki i Informatyki Medycznej Collegium Medicum UJ w Krakowie (Kierownik Zakładu: prof.

Bardziej szczegółowo

Analiza zależności cech ilościowych regresja liniowa (Wykład 13)

Analiza zależności cech ilościowych regresja liniowa (Wykład 13) Analiza zależności cech ilościowych regresja liniowa (Wykład 13) dr Mariusz Grządziel semestr letni 2012 Przykład wprowadzajacy W zbiorze danych homedata (z pakietu R-owskiego UsingR) można znaleźć ceny

Bardziej szczegółowo

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH

RÓWNOWAŻNOŚĆ METOD BADAWCZYCH RÓWNOWAŻNOŚĆ METOD BADAWCZYCH Piotr Konieczka Katedra Chemii Analitycznej Wydział Chemiczny Politechnika Gdańska Równoważność metod??? 2 Zgodność wyników analitycznych otrzymanych z wykorzystaniem porównywanych

Bardziej szczegółowo

Analiza zdarzeń Event studies

Analiza zdarzeń Event studies Analiza zdarzeń Event studies Dobromił Serwa akson.sgh.waw.pl/~dserwa/ef.htm Leratura Campbell J., Lo A., MacKinlay A.C.(997) he Econometrics of Financial Markets. Princeton Universy Press, Rozdział 4.

Bardziej szczegółowo

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów

Bardziej szczegółowo

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji

Ćwiczenie: Wybrane zagadnienia z korelacji i regresji Ćwiczenie: Wybrane zagadnienia z korelacji i regresji W statystyce stopień zależności między cechami można wyrazić wg następującej skali: Skala Stanisza r xy = 0 zmienne nie są skorelowane 0 < r xy 0,1

Bardziej szczegółowo

Estymacja punktowa i przedziałowa

Estymacja punktowa i przedziałowa Temat: Estymacja punktowa i przedziałowa Kody znaków: żółte wyróżnienie nowe pojęcie czerwony uwaga kursywa komentarz 1 Zagadnienia 1. Statystyczny opis próby. Idea estymacji punktowej pojęcie estymatora

Bardziej szczegółowo

Luka płacowa, czyli co zrobić żeby kobiety nie zarabiały mniej?

Luka płacowa, czyli co zrobić żeby kobiety nie zarabiały mniej? Luka płacowa, czyli co zrobić żeby kobiety nie zarabiały mniej? Jak mierzyć lukę płacową? Warszawa, 26 marca 2014 r. Obowiązujące prawo - Konstytucja Artykuł 33 Konstytucji Rzeczypospolitej Polskiej gwarantuje

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. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 STATYSTYKA Rafał Kucharski Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2 Zależność przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna), funkcyjna stochastyczna

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA

STATYSTYKA MATEMATYCZNA STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych

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

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

Ekonometria egzamin 06/03/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria 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 szczegółowo

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1.

Zadania ze statystyki cz. 8 I rok socjologii. Zadanie 1. Zadania ze statystyki cz. 8 I rok socjologii Zadanie 1. W potocznej opinii pokutuje przekonanie, że lepsi z matematyki są chłopcy niż dziewczęta. Chcąc zweryfikować tę opinię, przeprowadzono badanie w

Bardziej szczegółowo

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak

Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Recenzenci: prof. dr hab. Henryk Domański dr hab. Jarosław Górniak Redakcja i korekta Bogdan Baran Projekt graficzny okładki Katarzyna Juras Copyright by Wydawnictwo Naukowe Scholar, Warszawa 2011 ISBN

Bardziej szczegółowo

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie: ma postać y = ax + b Równanie regresji liniowej By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : xy b = a = b lub x Gdzie: xy = też a = x = ( b ) i to dane empiryczne, a ilość

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

Stosowana Analiza Regresji

Stosowana Analiza Regresji prostej Stosowana Wykład I 5 Października 2011 1 / 29 prostej Przykład Dane trees - wyniki pomiarów objętości (Volume), średnicy (Girth) i wysokości (Height) pni drzew. Interesuje nas zależność (o ile

Bardziej szczegółowo