Natalia Nehrebecka. Zajęcia 3

Save this PDF as:
 WORD  PNG  TXT  JPG

Wielkość: px
Rozpocząć pokaz od strony:

Download "Natalia Nehrebecka. Zajęcia 3"

Transkrypt

1 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3

2 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a zmenne dyskretne 3. Lnowość w modelu 4. Interpretacja parametrów przy zmennych objaśnających ją cągłych Interpretacja współczynnków regresj w modelu lnowym względem zmennych objaśnających ś j Elastyczność Semelastyczność

3

4 Dobroć dopasowana równana regresj (do danych emprycznych) wyrażona jest przez tak zwany współczynnk determnacj lnowej oznaczany przez R. Współczynnk ten określa jaka część zmennośc zmennej objaśnanej y jest wyjaśnona łączne przez zmenność wszystkch zmennych objaśnających, L K. Jedną z mar zmennośc zmennej jest WARIANCJA.

5 Warancje zmennej zależnej y można przedstawć jako dekompozycje (podzał) na część wyjaśnoną przez model na część newyjaśnoną przez model. TSS ESS RSS Dekompozycja warancj jest możlwa JEDYNIE dla modelu ze stałą

6 Całkowta suma kwadratów: Zmenność całkowtą zmennej objaśnanej y, oznaczaną w lteraturze angelskm skrótem TSS (Total Sum of Squares), merzymy za pomocą sumy kwadratów odchyleń obserwacj zmennej objaśnanej od średnej: n TSS = ( y y ) = 1

7 Wyjaśnona suma kwadratów: Jeśl model zawera stałą, to całkowtą sumę kwadratów możemy zdekomponować na dwa składnk, na wyjaśnoną (równanem regresj) sumę kwadratów, oznaczaną przez ESS (Explaned Sum of Squares) n ESS = ( y$ y ) = 1

8 Resztowa suma kwadratów: resztową (newyjaśnoną) sumę kwadratów, oznaczaną przez RSS (Resdual Sum of Squares). RSS n = = 1 e

9 R wyjasnona suma kwadratów ESS = = = calkowta suma kwadratów TSS = 1 n n y y ( $ ) ( y y) = 1 = 1 RSS TSS Dla modelu ze stałą 0 R 1

10 y y y TSS TSS TSS R =0 RSS R =0,50 ESS RSS R =0,90 ESS R S S Współczynnk determnacj jest jedną z podstawowych mar jakośc dopasowana modelu. Informuje o tym, jaka część zmennośc zmennej objaśnanej została wyjaśnona przez model. Współczynnk determnacj przyjmuje wartośc z przedzału [0;1] w modelu ze stałą. Jego wartośc najczęścej są wyrażane w procentach. Dopasowane modelu jest tym lepsze, m jego wartość jest blższa jednośc.

11 R przyjmuje wartośc z przedzału mędzy 0 1. Jeśl R =1, to model regresj w 100% wyjaśna zmenność y, a jeśl R = 0, to model regresj w ogóle ne wyjaśna zmennośc y. Jeśl na przykład wynos R = 0,7 to możemy powedzeć, że 70% zmennośc zmennej objaśnanej j y jest wyjaśnone przez łączną ą zmenność wszystkch zmennych objaśnających, a 30% zmennośc jest newyjaśnone (jest zmennoścą resztową).

12 R jest WYŁĄCZNIE statystyką opsową ne należy jej stosować do porównywana model. Przy szacowanu klku model dla danej zmennej zależnej z różną lczbą zmennych objaśnających na podstawe dentycznego zboru danych, korzystane ze współczynnka determnacj R dla wyboru modelu lepej dopasowanego do danych emprycznych staje sę problematyczne. Gdy bowem dodajemy do równana dalsze zmenne objaśnające to zawsze wzrasta R nezależne od prawdzwej ważnośc tych nowododanych zmennych. placa = β β wek ε R 5% 1 = placa = β R 1 β wek β3 plec ε = 7%

13 Z tego powodu za marę dobroc dopasowana zaproponowano ne R, a tak zwany skorygowany współczynnk determnacj. R

14 R R jest skorygowany ze względu na tak zwaną lczbę stopn swobody, to znaczy ze względu na różncę mędzy lczbą obserwacj N a lczbą zmennych objaśnających K. R = 1 N 1 N K (1 R )

15

16

17 Zmenne Zmenne cągłe Zmenne dyskretne

18 Zmenną cągłą nazywamy zmenną, która przyjmuje wartośc ze zboru lczb rzeczywstych. zmennym posadającym charakter loścowy Np. dochody, wydatk, cena neruchomośc td.

19 Zmenną dyskretną nazywamy zmenną, która przyjmuje wartośc ze skończonego podzboru lczb naturalnych. Zazwyczaj podzbór ten jest stosunkowo mało lczny obejmuje klka czy klkanaśce elementów. zmennym posadającym charakter jakoścowy np. płeć, wykształcene, mejsce zameszkana, stan cywlny td.

20

21 Lnowość w modelu względem: Po perwsze zmennych objaśnających K, które są w perwszej potędze, y = β 1 β... β ε 1 a po druge względem parametrów, które są równe w perwszej potędze. β k K 1 K y = β 1 β... β K K ε

22 Interpretacja współczynnków regresj w modelu lnowym względem zmennych objaśnających

23 Model regresj lnowej dla tej obserwacj: y = β β... β ε 1 Wartość oczekwana zmennej objaśnanej przy danych wartoścach zmennych objaśnających wynos: E( y ) = β β L β L β 1 Pochodną cząstkową warunkowej wartośc oczekwanej po E ( y ) k = k β k k K K K K x K β k merzy oczekwaną zmanę y jk jako efekt fktzmany K o jedną jd jednostkę, gdy wartośc nnych zmennych objaśnających modelu pozostają nezmenone (ceters parbus).

24 y = β β... β 1 K K ε ˆ b1 b y =... b K K β współczynnk INTERPRETACJA: jeżel wartość zmennej nezależnej wzrośne o jednostkę, to wartość zmennej zależnej y : - wzrośne (jeżel b >0) o b jednostek lub - spadne (jeżel b <0) o b jednostek ceters parbus. β 1 wyraz wolny Uwaga! Wyraz wolny ne nterpretujemy.

25 placa = β 1 β nauka β 3wek ε placa = 993,6 73,59 nauka 35, 09 wek Zmenna nauka lata nauk tej osoby Interpretacja: Mesęczne wynagrodzene wzrasta przecętne o 73,59 zł przy wzrośce lczby lat nauk o jeden rok, przy założenu pozostałych charakterystyk na ne zmenonym pozome.

26 Elastyczność

27 Elastycznośc mogą być wyznaczane z modelu LOGLINIOWYM, w którym zarówno zmenna objaśnana jak zmenne objaśnające są logarytmam zmennych perwotnych. ln y 1 β ln = β... β ln ε K K ln Ε ( y ) = β 1 β ln... βk ln K ln E ( ln y k ) = β k β k merzy o le procent zmen sę zmenna objaśnana, gdy zmenna objaśnająca zmen sę o jeden procent, gdy wartośc nnych zmennych objaśnających modelu pozostają nezmenone (ceters parbus).

28 ln y 1 β ln = β... β ln K K ε ˆ ln y = b1 b ln... b K ln K β współczynnk INTERPRETACJA: jeżel wartość zmennej nezależnej wzrośne o 1%, to wartość zmennej zależnej y : - wzrośne (jeżel b >0) o b % lub - spadne (jeżel b <0) o b %. ceters parbus. β 1 wyraz wolny Uwaga! Wyraz wolny ne nterpretujemy.

29 ln( wydatk ) = β 1 β ln( dochód ) ε ln( wydatk ) = 0,5 ln( dochód ) Interpretacja: Mesęczne wydatk wzrastają przecętne o 0,5% przy wzrośce mesęcznego ę wynagrodzena o 1%, przy założenu pozostałych charakterystyk na ne zmenonym pozome.

30 Semelastyczność

31 Semelastycznośc mogą być wyznaczane z modelu, w którym zmenna objaśnana jest zlogarytmowana a zmenne objaśnające ne są logarytmam zmennych perwotnych. ln y 1 β = β... β ε ln Ε ( y ) = β 1 β... βk ln E ( k y ) = β k K K K β k *100% merzy o le procent zmen sę zmenna objaśnana, gdy zmenna objaśnająca zmen sę o jedną jednostkę, gdy wartośc nnych zmennych objaśnających modelu pozostają nezmenone (ceters parbus).

32 ln y 1 β = β... β K K ε y ˆ =... ln b1 b b K K β współczynnk INTERPRETACJA: jeżel wartość zmennej nezależnej wzrośne o 1 jednostkę, to wartość zmennej zależnej y : - wzrośne (jeżel b >0) o b *100% lub - spadne (jeżel b <0) o b *100%. ceters parbus. β 1 wyraz wolny Uwaga! Wyraz wolny ne nterpretujemy.

33 ln( placa ) = β 1 β wek ε ln( placa ) =,34 0, 04 wek Interpretacja: Mesęczne wydatk wzrastają przecętne o 4% przy wzrośce weku o 1 rok, przy założenu pozostałych charakterystyk na ne zmenonym pozome.

34 ln( wydatk ) = 3,6 0,35 ln( dochód ) 0, 11 dzec Interpretacja: Elastyczność, wzrost dochodu o 1% powoduje wzrost wydatków o 0,35% przy założenu pozostałych charakterystyk na ne zmenonym pozome. Semelastyczność, wzrost lczby dzec o 1 powoduje wzrost wydatków o 11%=0,11*100% przy założenu pozostałych charakterystyk na ne zmenonym pozome.

35

36 1. Proszę opsać wzór dekompozycj zmennośc całkowtej zmennej objaśnanej y na zmenność wyjaśnoną newyjaśnoną. ą. Podać nterpretacje R. 3. Wyjaśnć, dlaczego R ne można używać do porównana model. 4. Jaką nterpretację mają współczynnk regresj przy zmennych objaśnających cągłych w modelu lnowym względem zmennych objaśnających? 5. Jk Jaką nterpretację t mają współczynnk regresj przy zmennych objaśnających cągłych w modelu loglnowym względem zmennych objaśnających?

37 Dzękuję za uwagę

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Dobór zmiennych objaśniających

Dobór zmiennych objaśniających Dobór zmennych objaśnających Metoda grafowa: Należy tak rozpąć graf na werzchołkach opsujących poszczególne zmenne, aby występowały w nm wyłączne łuk symbolzujące stotne korelacje pomędzy zmennym opsującym.

Bardziej szczegółowo

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00

Bardziej szczegółowo

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej Rachunek prawdopodobeństwa statstka W 11: Analz zależnoścpomędz zmennm losowm Model regresj welokrotnej Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.pl Model regresj lnowej Model regresj lnowej prostej

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

Regresja liniowa i nieliniowa

Regresja liniowa i nieliniowa Metody prognozowana: Regresja lnowa nelnowa Dr nż. Sebastan Skoczypec Zmenna losowa Zmenna losowa X zmenna, która w wynku pewnego dośwadczena przyjmuje z pewnym prawdopodobeństwem wartość z określonego

Bardziej szczegółowo

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010

Egzamin ze statystyki/ Studia Licencjackie Stacjonarne/ Termin I /czerwiec 2010 Egzamn ze statystyk/ Studa Lcencjacke Stacjonarne/ Termn /czerwec 2010 Uwaga: Przy rozwązywanu zadań, jeśl to koneczne, naleŝy przyjąć pozom stotnośc 0,01 współczynnk ufnośc 0,99 Zadane 1 PonŜsze zestawene

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Statystyka Inżynierska

Statystyka Inżynierska Statystyka Inżynerska dr hab. nż. Jacek Tarasuk AGH, WFIS 013 Wykład DYSKRETNE I CIĄGŁE ROZKŁADY JEDNOWYMIAROWE Zmenna losowa, Funkcja rozkładu, Funkcja gęstośc, Dystrybuanta, Charakterystyk zmennej, Funkcje

Bardziej szczegółowo

Parametry zmiennej losowej

Parametry zmiennej losowej Eonometra Ćwczena Powtórzene wadomośc ze statysty SS EK Defncja Zmenną losową X nazywamy funcję odwzorowującą przestrzeń zdarzeń elementarnych w zbór lczb rzeczywstych, taą że przecwobraz dowolnego zboru

Bardziej szczegółowo

Metody predykcji analiza regresji

Metody predykcji analiza regresji Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..

Bardziej szczegółowo

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnena dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl 1 Wpływ skalowana danych na MNK

Bardziej szczegółowo

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI dr Janusz Wątroba, StatSoft Polska Sp. z o.o. Prezentowany artykuł pośwęcony jest wybranym zagadnenom analzy korelacj regresj. Po przedstawenu najważnejszych

Bardziej szczegółowo

Ą ŚĆ Ś Ś Ę ć

Ą ŚĆ Ś Ś Ę ć Ą Ę Ą Ą ŚĆ Ś Ś Ę ć ć ć ć ź ć ć ć ć ć ć ć ć Ą ć ć ć Ą Ś ć Ś ć ć Ą ć Ś Ś Ą Ś Ą ć ć Ą ź ź ć ć Ą ć ź ć Ą ć Ą ć ć ć ć ć ć ć ć ć ć ć ć ć ź ć ć Ś ć ć ć Ę Ą ć Ą ć ć ć ć ć ć Ł ź ź ź Ł Ł ć Ą ć ć ć ć ć Ą ć Ą ć Ą

Bardziej szczegółowo

ź Ź Ź ć ć ć ź ć ć ć ć ć Ź

ź Ź Ź ć ć ć ź ć ć ć ć ć Ź ź Ź Ź ć ć ć ź ć ć ć ć ć Ź ć ć ć ć ć ć ć ć Ż ć ć ć ć ć ć ć ć ć ć ć Ż Ż ć ć ć ć ć ć ć ć Ż ć ć ć ź ć Ź ć ć ć ć ć ć ć ć ć ź ć ć ć ć ć ć ć ć ć ć ć ć ć ć Ż ć ć ć ć Ż ć ć ć ć ć ć ć ć Ż ć Ł Ś Ś ć Ą Ę ć Ę ć Ż ć

Bardziej szczegółowo

ś ść ść ś ść ść ś ś ś ś ść ś ś ś ść ść

ś ść ść ś ść ść ś ś ś ś ść ś ś ś ść ść Ą Ł Ł Ł Ę Ł ś ś ś ś ść ść ść ść Ś ść ŚĆ ś ŚĆ ś ś ść ść ś ść ść ś ś ś ś ść ś ś ś ść ść ś ś ś Ż ś Ś ś Ś ść ś ś ś ś ś ś ś ś Ś ś ś ś ś Ł Ś ś ś ś Ś ś ś ź Ś ŚĆ ś ś ś ś ś ś Ś ś Ś ś ś ś ś ś ś ś Ś Ś ść ś ś ś ś

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Ekonometria ćwiczenia Kolokwium 1 semestr 20/12/08. / 5 pkt. / 5 pkt. / 5 pkt. / 5 pkt. /20 pkt. Regulamin i informacje dodatkowe

Ekonometria ćwiczenia Kolokwium 1 semestr 20/12/08. / 5 pkt. / 5 pkt. / 5 pkt. / 5 pkt. /20 pkt. Regulamin i informacje dodatkowe Ekonometra IE Kolokwum 0/1/08 mę, nazwsko, nr ndeksu: Ekonometra ćwczena Kolokwum 1 semestr 0/1/08 Zadane 1 Zadane Zadane 3 Zadane 4 Razem / 5 pkt / 5 pkt / 5 pkt / 5 pkt /0 pkt Skala ocen: do 8,00 punktów

Bardziej szczegółowo

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4 Zad. 1. Dana jest unkcja prawdopodobeństwa zmennej losowej X -5-1 3 8 p 1 1 c 1 Wyznaczyć: a. stałą c b. wykres unkcj prawdopodobeństwa jej hstogram c. dystrybuantę jej wykres d. prawdopodobeństwa: P (

Bardziej szczegółowo

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym D. Cołek EKONOMETRIA wykład 5 EKONOMETRIA Wykład 5: Zmenne zerojedynkowe w modelowanu ekonometrycznym dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dorota-colek/ dorota.colek@ug.edu.pl

Bardziej szczegółowo

Analiza korelacji i regresji

Analiza korelacji i regresji Analza korelacj regresj Zad. Pewen zakład produkcyjny zatrudna pracownków fzycznych. Ich wydajność pracy (Y w szt./h) oraz mesęczne wynagrodzene (X w tys. zł) przedstawa ponższa tabela: Pracownk y x A

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Ś Ę Ą Ł Ś Ł Ł Ł Ł Ł Ś Ś Ł Ł Ł Ą Ł Ł Ł Ł Ł Ą Ą Ł

Ś Ę Ą Ł Ś Ł Ł Ł Ł Ł Ś Ś Ł Ł Ł Ą Ł Ł Ł Ł Ł Ą Ą Ł ę Ą Ł Ł Ś Ę Ą Ł Ś Ł Ł Ł Ł Ł Ś Ś Ł Ł Ł Ą Ł Ł Ł Ł Ł Ą Ą Ł Ł ś ś ś ś ę ś ę ę ś ść ść ść ę ę ę ść ę ś Ą Ą ś Ż ść Ź Ś Ą ę ść ść ść Ą ś Ż ę Ż Ń Ą Ł ś ę ś ę ś ś ę ś ś ść Ę Ś ś Ś ś Ś ś Ś ź ę ź ę ść ś ę Ę ś Ł ść

Bardziej szczegółowo

ć ć Ł ć Ź ć Ł ź ć Ś ć ć Ż Ł Ż ć ż ć

ć ć Ł ć Ź ć Ł ź ć Ś ć ć Ż Ł Ż ć ż ć Ł Ź Ł Ł ź ź Ż Ż ż Ż ć Ś ż ć ć Ę ć ć Ł ć Ź ć Ł ź ć Ś ć ć Ż Ł Ż ć ż ć Ł ć ć ć ć Ł Ż ć Ł ź ć Ś Ż Ż Ż ż Ż Ż ż Ż Ś Ż Ą Ł Ż ź Ż Ż Ż Ż Ż Ż Ś Ż Ż ż Ż Ż ż ż Ł Ż Ś Ż Ż Ż Ż Ż Ż Ś Ż Ę Ł Ź Ó ż Ę Ł ź Ł Ź Ż ż Ł Ż Ż ż

Bardziej szczegółowo

ć Ą Ą Ł Ą

ć Ą Ą Ł Ą ź ź ź ć ć Ą Ą Ł Ą ź ź Ę Ą ź Ą ć Ł Ł Ą Ś Ę ź ź Ą Ą ź ć ć Ł Ę ć ź ć ć Ą Ć ź ź ź ć ć ć ć ć ź ź ć ć ź ć Ś Ę ć ć ć ć Ł ź ź ź ź ć Ę Ż ć ć ć ć Ę Ę ć Ę Ę ć ć Ę ć ć Ł ć Ć ć Ł Ł Ę Ę ć Ę ć ź ć Ń Ł Ł Ł Ś ć ć ć Ę Ś

Bardziej szczegółowo

Ę Ż Ż Ż ś ż Ż

Ę Ż Ż Ż ś ż Ż Ż ż ż ś ś ż ż ż ś ż Ż Ź ś Ź Ź ś ś ż ż ś ś ś ś Ż ś Ż Ę Ż Ż Ż ś ż Ż ś ś ś Ż Ą ż ś ś ź Ż ż ż ś ś ż Ł Ż ź ż ż ś ś Ę ż ż ż ż Ę ś ż ć ś Ę ż ś ż ś Ż ż ś ż ś ść ść Ę ż ż ż ś ż Ą Ż Ś ś Ą Ż ż ż ś Ę ś Ż ś Ń ś ż Ą

Bardziej szczegółowo

ć

ć Ł Ę Ę Ą ć Ś ć ć ź ź ć ć ź ź ź ć ć ź Ś ć ć ć ć ć Ś ć Ż ć ŚĆ Ć Ż Ś Ż Ś Ż ć Ś Ś Ś Ś Ś Ś Ś Ś Ś Ś Ś ć Ć ć Ć ć Ć ć Ś Ś Ś ć Ć Ż Ć ć ć Ś Ż Ż Ś Ć Ż ć ć ć ć ć Ś Ś Ś ć Ż Ż ć ć Ś Ś ć Ś Ż ć Ś ć ć ć Ż Ć ć ć Ż Ś Ż Ć

Bardziej szczegółowo

ż ć

ż ć Ł Ł ż ć ć ż ć Ą Ł ó ó ć ż ć ć ż ć Ę ć Ę ć ć Ę ć ć ć Ę ż ć ć ć Ś ć Ę Ę ż ż ć ż Ę ć ć Ę ż ż Ę Ł ć ć Ą Ę Ł ć ć ć ż ć Ę Ł Ść Ą Ę Ł ć ć ć ć Ę Ł Ść Ą Ę Ł ć ć ć Ł ć Ę Ę ć ć ć ć Ł Ść ć ć Ę Ę Ł Ś Ą Ś Ś Ł Ą Ą ż

Bardziej szczegółowo

ć ż ż ć Ą ż ż Ł ć Ż ż Ż Ż Ż Ż

ć ż ż ć Ą ż ż Ł ć Ż ż Ż Ż Ż Ż Ł Ę Ł ż Ż ć ż ż ć ż ż ć Ą ż ż Ł ć Ż ż Ż Ż Ż Ż ż ż Ł ż Ż Ł Ż Ż Ż Ż ż ż Ż Ż Ż ć ć ż ć ż ż ŻĄ ć ć ż Ż Ż ż Ż Ż ć Ż ź ć ż Ę Ż Ę Ż ć Ż Ż ć Ż ć ż Ż Ż ż Ż Ą Ż ć ż ć Ś Ą ż Ż Ż Ż ż Ż Ż Ż Ż Ż Ż Ż Ż ż ż Ż ż ż Ż Ż

Bardziej szczegółowo

ż Ę Ł Ą ż ż ż ź Ł ć Ł ż ć ć Ść ć ź ż ż Ź ć ć ć ć ć ć ć ż ż Ś Ś ż Ś ć ż ć ć Ł Ść ż Ś ż Ś ż ć ż ć ć ć ż ć ż ć ż ż ż ż ć ż ż Ł ć ż ć Ł ż Ź Ę ż ż Ś ć ż ż ć Ź Ś ż Ą ż ć Ś ć ć ż ć ć Ś ż Ź Ł ć ć ć Ć ć ć Ś ć ż

Bardziej szczegółowo

ć Ś Ś Ść

ć Ś Ś Ść ć Ś Ś Ść Ś Ł Ź Ść ć ć ć Ść ć Ść Ś Ść ć ć Ś Ó Ś Ś ć ć Ś Ś Ó Ś Ś ć Ą ć Ś Ś Ł ć Ś Ś Ł ć Ą Ść ć Ś Ó Ź ć ć Ś Ś ć ć ć Ś Ść Ść Ś Ś Ś Ś Ś Ś Ś Ś Ś Ś ć Ą Ś Ą Ś Ś Ź Ź ć ć Ś Ę Ź Ł ź Ę Ę Ś Ś Ś Ę Ą Ź ć Ł Ś Ś Ś Ś ć Ś

Bardziej szczegółowo

Ć ć ć Ś ć

Ć ć ć Ś ć ź Ę Ę Ę ź ć ć ć Ć ć ć Ś ć ź ć ć ć Ć Ś ź Ś Ć ć Ż ź ć Ż Ś Ł ŚĆ ć ć ć Ć ć Ść ć Ż ć ć ć ć ć ć ć ć Ą ć ć Ś ć Ś ć Ż Ś ć Ó ć Ś ć Ś ć ć ć ć Ś ć ć Ś ć Ć Ż ć Ć ć ć ć ć Ę ć ź ć ć ć ć ć ź ć ć ć Ć ź ć Ż ć ć ć Ś ć Ć

Bardziej szczegółowo

Ekonometryczne modele nieliniowe

Ekonometryczne modele nieliniowe Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.

Bardziej szczegółowo

ć ć ż ć ź ż ż ź ź ŚĆ Ź ź ć Ź ź ź ź ź Ś Ą Ć Ć ć Ź ź

ć ć ż ć ź ż ż ź ź ŚĆ Ź ź ć Ź ź ź ź ź Ś Ą Ć Ć ć Ź ź Ł Ł ć ć Ś Ź Ć Ś ć ć ż ć ź ż ż ź ź ŚĆ Ź ź ć Ź ź ź ź ź Ś Ą Ć Ć ć Ź ź Ś Ć Ć Ś ź Ć ż ż ź ż Ć ć ż Ć Ć ż ż ź Ć Ś Ś ż ż ć ż ż Ć ż Ć Ś Ś Ź Ć Ę ż Ś Ć ć ć ź ź Ś Ć Ś Ć Ł Ś Ź Ś ć ż Ś Ć ć Ś ż ÓŹ Ś Ś Ź Ś Ś Ć ż ż Ś ż

Bardziej szczegółowo

C e l e m c z ę ś c i d y s k u s y j n e j j e s t u ś w i a d o m i e n i e s o b i e, w o p a r c i u o r o z w a ż a n i a P i s m a Ś w.

C e l e m c z ę ś c i d y s k u s y j n e j j e s t u ś w i a d o m i e n i e s o b i e, w o p a r c i u o r o z w a ż a n i a P i s m a Ś w. 1. C e l s p o t k a n i a. C e l e m c z ę ś c i d y s k u s y j n e j j e s t u ś w i a d o m i e n i e s o b i e, w o p a r c i u o r o z w a ż a n i a P i s m a Ś w., ż e : B y d z b a w i o n y m

Bardziej szczegółowo

ć ć Ą ć Ęć Ó Ą ź ć ć ć ć ź ź Ą ć Ę ć ź ć ć ć ź ć ź ć ć ć Ś Ź ź

ć ć Ą ć Ęć Ó Ą ź ć ć ć ć ź ź Ą ć Ę ć ź ć ć ć ź ć ź ć ć ć Ś Ź ź ź Ó ć Ę ć Ó ć ć ć ć Ź ć ź ć ć Ź ć ć ć Ą ć Ęć Ó Ą ź ć ć ć ć ź ź Ą ć Ę ć ź ć ć ć ź ć ź ć ć ć Ś Ź ź ć Ą ć Ą ć ź ć ź ć Ę ć ć Ź ź Ę ć ć ć ć Ę Ę ź ć Ó ć ć ć ć ć ć ć ć ć Ź Ź ć ć ć ź Ę ć ć ć ć Ę Ąć ź Ź ć Ą ć ć

Bardziej szczegółowo

D. Ciołek EKONOMETRIA wykład 0 EKONOMETRIA. Wykład 0: Informacje o przedmiocie. dr Dorota Ciołek. Katedra Ekonometrii Wydział Zarządzania UG

D. Ciołek EKONOMETRIA wykład 0 EKONOMETRIA. Wykład 0: Informacje o przedmiocie. dr Dorota Ciołek. Katedra Ekonometrii Wydział Zarządzania UG D. Cołek EKONOMETRIA wykład 0 EKONOMETRIA Wykład 0: Informacje o przedmoce dr Dorota Cołek Katedra Ekonometr Wydzał Zarządzana UG http://wzr.pl/dc dorota.colek@ug.edu.pl D. Cołek EKONOMETRIA wykład 0 Informacje

Bardziej szczegółowo

Ę Ę ć ć Ę Ą Ę Ą Ę Ę Ę Ę Ę Ę ź Ę Ż Ę Ę Ę Ę ć Ę Ę ć Ę ć

Ę Ę ć ć Ę Ą Ę Ą Ę Ę Ę Ę Ę Ę ź Ę Ż Ę Ę Ę Ę ć Ę Ę ć Ę ć Ł ź Ą Ł Ę Ż Ę Ą ź ź Ę Ę Ę Ę ć ć Ę Ą Ę Ą Ę Ę Ę Ę Ę Ę ź Ę Ż Ę Ę Ę Ę ć Ę Ę ć Ę ć ź Ę Ę Ę ź Ę ć ź Ę ć Ę ź ć Ę ć Ę Ł ź Ę Ę Ę Ę Ę Ę Ę Ę Ę Ę ź Ę ć ź Ę ć Ę Ę Ę Ę ź Ę Ę ź ź ź ź ź Ę ź ź ź Ę ć ć Ń ź ź ź ź ź Ą ć ź

Bardziej szczegółowo

Ą Ź ć ć Ó Ó Ć Ć Ś

Ą Ź ć ć Ó Ó Ć Ć Ś Ł Ł ź Ę Ą Ą Ź ć ć Ó Ó Ć Ć Ś Ł Ą Ą Ó ć ć ć Ś Ś Ó Ś Ó Ó Ó Ó Ó Ó Ó ć Ść Ó Ć ć Ź Ó ć Ó Ó Ó Ś Ź Ó ć ć ć Ł Ć Ź Ó Ó Ś ć Ź ć ć Ć ć ć ć Ź Ó ć Ó Ó Ś Ź Ó Ó Ś Ó ć ć ć Ś Ś Ó Ó Ó ć Ź Ł Ó ć Ś Ś Ó Ó ć Ź ć Ź Ł Ó Ó ć Ź

Bardziej szczegółowo

ć ć ź ć ć ć Ść ć ź ź ź ć ź Ą ź

ć ć ź ć ć ć Ść ć ź ź ź ć ź Ą ź ć ć ć ź ć ć ć ć ź ć Ż ź ź ć ć ź ć ć ć Ść ć ź ź ź ć ź Ą ź ć ć ć ć ć ć ź ź Ż ć ć ć ć ć Ś ć ć Ź ć Ś ź ć ź ć ź ć ź ć ź Ź ć ć Ś ź ć ć ź Ć ć ź Ó Ż ć ć ź Ś ź ź ć ć ć ź ć ć ć ć ć ć ć ź ź ć ć ć Ś Ć Ó ź ć ź ć ć

Bardziej szczegółowo

ż ń Ł ń ń ż ż ż ż ż

ż ń Ł ń ń ż ż ż ż ż Ą ń ż ż ż Ś ż ń Ł ń ń ż ż ż ż ż ż Ś ń Ł ń ż ć ż ż ż ż Ł Ł ż ż ć ż ń Ź ć ż Ę ż ń ć Ź ż Ł ż Ł ż ż ć Ś ż ć ż Ą ż ń ż Ź ż Ź Ą ż ń ż ż ń ć ż ć ć ż ż ż ż ć ż ć Ś ż ń ż ż Ź ż ć ż Ę ż ć ż Ę Ą ń ż Ę Ź ż ć ć ć ć

Bardziej szczegółowo

Ś Ż Ó Ś ż Ó ć ź ż ż Ą

Ś Ż Ó Ś ż Ó ć ź ż ż Ą Ś ż Ż Ż Ś Ż Ó ż ż ż Ą Ś Ż Ó Ś ż Ó ć ź ż ż Ą Ą Ó ż ż Ó Ś Ż Ó ż ż ż Ż Ź ź Ć Ó ż Ż ć Ż ż Ś ć Ś Ś Ż Ą Ż Ż Ó Ż Ż Ś Ż Ż Ź Ż Ż Ż Ę Ś Ż Ż Ś Ó Ż Ż ż Ą Ż Ą Ż Ś Ś ć Ź ć ć Ó ć Ś Ą Ó Ó ć Ż ż Ż Ó ż Ś Ś Ó Ś Ż Ż Ż Ż Ż

Bardziej szczegółowo

ń ń ń ń ń Ż ć Ż Ł Ż Ł Ś ć ń Ś Ę Ż ć ń Ż Ż Ż Ą Ż Ż Ł Ż Ś

ń ń ń ń ń Ż ć Ż Ł Ż Ł Ś ć ń Ś Ę Ż ć ń Ż Ż Ż Ą Ż Ż Ł Ż Ś ź Ł ń Ż Ż ń Ą ć ń ń ń Ż Ł ń ń ń ń ń ń ń Ż ć Ż Ł Ż Ł Ś ć ń Ś Ę Ż ć ń Ż Ż Ż Ą Ż Ż Ł Ż Ś ń Ę Ę ń ń ć Ż Ż Ą Ą Ż ć ć ń ć ć ń ć ń ń Ż Ż ń Ż Ż Ż ń Ź Ż Ż Ę ń Ł ń Ś Ł Ż ń ń Ś ń ć Ż Ż Ż Ę Ł Ż ń ń Ż ń Ą Ż ń Ż Ż ń

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ WERYFIKACJA HIPOTEZY O ISTOTNOŚCI OCEN PARAMETRÓW STRUKTURALNYCH MODELU Hpoezy o sonośc oszacowao paramerów zmennych objaśnających Tesowane sonośc paramerów zmennych objaśnających sprowadza sę do nasępującego

Bardziej szczegółowo

Ł Ś Ł Ś ć ć ć ź Ę ć ć ź ć ć ć ć ć Ę ć ć

Ł Ś Ł Ś ć ć ć ź Ę ć ć ź ć ć ć ć ć Ę ć ć Ś Ź Ś Ś Ś Ę Ł Ś Ł Ś ć ć ć ź Ę ć ć ź ć ć ć ć ć Ę ć ć ć ź ć Ę ć ć ź Ę Ę ć Ę ć ć Ć ć ć ć ć Ę ć Ć ź ć ź Ą Ą ź Ę Ę ć ć ć ć ć Ę Ó Ż Ę Ę Ó Ś Ó ć ć Ż ć Ś Ś ć ć Ś Ś Ś Ś Ś ć Ś ć ź Ę Ę Ę ź Ą Ś ć Ą Ę Ś ź ć Ó ć Ę

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE Janusz Wątroba, StatSoft Polska Sp. z o.o. W nemal wszystkch dzedznach badań emprycznych mamy do czynena ze złożonoścą zjawsk procesów.

Bardziej szczegółowo

Ś ć Ś Ę Ś Ś Ś Ś Ę Ę

Ś ć Ś Ę Ś Ś Ś Ś Ę Ę Ł Ś Ę ź Ż Ż ź ź Ż Ś Ż Ś Ł Ś ć Ś Ę Ś Ś Ś Ś Ę Ę Ś Ę Ń Ę ć ć Ę Ś Ę Ś Ę Ś Ś Ś ŚĘ ć Ś Ś Ś Ś ŚĘ Ł Ś Ł ź Ę ź ź ź ź Ń Ś Ś Ń ź ć ź ź ź ź ź ź Ś ź Ż ź Ń ź Ś ź ź ć Ę ź Ę Ę Ś Ę Ę Ł ź ź Ę ć Ś Ś Ł Ś Ę Ś Ł Ł Ś ć Ł ź Ł

Bardziej szczegółowo

ż

ż ż ż ż ń Ł Ń Ś Ę ż Ą ż ż ż Ż ż Ę ń ż ż ż Ą Ą ż Ą ń ż ń ć ż ć ć Ę Ą ż Ń Ę Ę Ę ż ź ż ż ć ż ż ć ć Ę Ą ż Ę ż ć ż ć ż Ę Ą ż Ę Ę Ę ż Ę ż ż ż Ż ż ć ż ń ć ń ż ż ż Ą Ę Ą ń ń ń ń ń ż Ą ć ż Ź ż ć Ą Ż ż Ś Ą ż Ą Ą ż

Bardziej szczegółowo

Ż Ź Ż ż Ś Ś Ź Ż Ż Ż Ż Ż ć ć Ż

Ż Ź Ż ż Ś Ś Ź Ż Ż Ż Ż Ż ć ć Ż ż Ż Ź Ż ż Ś Ś Ź Ż Ż Ż Ż Ż ć ć Ż ć Ż Ę ż Ż Ź Ź ż Ż Ż ć Ż ż ć ż ć Ż Ż Ż ż Ż Ń ż Ż Ż ż ż ż ć ć Ż ć Ź ż ż Ź ż ć ż ć Ę ć ż Ł Ż ż ż ć ć Ż Ż ż Ż ż Ż ć Ż Ż ć Ż ż Ż Ż ć ć ć ć Ę ż ż ż Ę ź ż Ź Ź ż Ż Ń ć Ż Ź Ż Ż

Bardziej szczegółowo