Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 1

Wielkość: px
Rozpocząć pokaz od strony:

Download "Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 1"

Transkrypt

1 Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 1 Zadanie 2 Wykorzystuj c zbiór danych crime.dta z ksi»ki Principles of Econometrics, R. Carter Hill, William E. Griths, Guay C. Lim, Wydanie 3, Wiley, 2007 wyestymowano model panelowy postaci: lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 4 lavgsen i,t + β 5 lpolpc i,t + β 6 ldensity i,t + β 7 ltaxpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t, (1) a zmienne s opisane w zadaniu 3 w te±cie do zaj 7. Przeprowad¹ procedur doboru zmiennych w modelu od ogóªu do szczegóªu za pomoc testu LR. Krok 1 Oszacowania modelu ogólnego: R-sq: within = Obs per group: min = 7 between = avg = 7.0 overall = max = 7 F(9,531) = corr(u_i, Xb) = Prob > F = lprbarr lprbconv lprbpris lavgsen lpolpc ldensity ltaxpc lwcon lwfir _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(89, 531) = Prob > F = Chcieliby±my usun zmienn ldensity. eby to zrobi Szacujemy model z ograniczeniem H 0 : β ldensity = 0.

2 Zbiór pyta«z zaawansowanej ekonometrii. c Rafaª Wo¹niak 2 Krok 2 Szacujemy model bez zmiennej ldensity lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 4 lavgsen i,t + β 5 lpolpc i,t + β 7 ltaxpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t (2) R-sq: within = Obs per group: min = 7 between = avg = 7.0 overall = max = 7 F(8,532) = corr(u_i, Xb) = Prob > F = lprbarr lprbconv lprbpris lavgsen lpolpc ltaxpc lwcon lwfir _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(89, 532) = Prob > F = lrtest model_1 model_2 Likelihood-ratio test LR chi2(1) = 0.03 (Assumption: model_2 nested in model_1) Prob > chi2 = Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia H 0 : β ldensity = 0. Z modelu (1) mo»emy usun zmienn ldensity. Dalej chcieliby±my sprawdzi czy nie nale»y usun zmiennej ltaxpc. eby to zrobi szacujemy model z ograniczeniem H 0 : β ldensity = β ltaxpc = 0.

3 Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 3 Krok 3 Szacujemy model bez zmiennej ldensity i ltaxpc lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 4 lavgsen i,t + β 5 lpolpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t (3) R-sq: within = Obs per group: min = 7 between = avg = 7.0 overall = max = 7 F(7,533) = corr(u_i, Xb) = Prob > F = lprbarr lprbconv lprbpris lavgsen lpolpc lwcon lwfir _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(89, 533) = Prob > F = lrtest model_1 model_3 Likelihood-ratio test LR chi2(2) = 0.61 (Assumption: model_3 nested in model_1) Prob > chi2 = Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia H 0 : β ldensity = β ltaxpc = 0. Z modelu (2) mo»emy usun zmienn ltaxpc. Dalej chcieliby±my sprawdzi czy nie nale»y usun zmiennej lavgsen. eby to zrobi Szacujemy model z ograniczeniem H 0 : β ldensity = β ltaxpc = β lavgsen = 0.

4 Zbiór pyta«z zaawansowanej ekonometrii. c Rafaª Wo¹niak 4 Krok 4 Szacujemy model bez zmiennej ldensity, ltaxpc, lavgsen lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 5 lpolpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t (4) R-sq: within = Obs per group: min = 7 between = avg = 7.0 overall = max = 7 F(6,534) = corr(u_i, Xb) = Prob > F = lprbarr lprbconv lprbpris lpolpc lwcon lwfir _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(89, 534) = Prob > F = lrtest model_1 model_4 Likelihood-ratio test LR chi2(3) = 2.65 (Assumption: model_4 nested in model_1) Prob > chi2 = Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia H 0 : β ldensity = β ltaxpc = β lavgsen = 0. Z modelu (3) mo»emy usun zmienn ldensity. Dalej chcieliby±my sprawdzi czy nie nale»y usun zmiennej lwr. eby to zrobi Szacujemy model z ograniczeniem H 0 : β ldensity = β ltaxpc = β lavgsen = β lwfir = 0.

5 Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 5 Krok 5 Szacujemy model bez zmiennej ldensity, ltaxpc, lavgsen, lwr lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 5 lpolpc i,t + β 8 lwcon i,t + u i + ɛ i,t (5) R-sq: within = Obs per group: min = 7 between = avg = 7.0 overall = max = 7 F(5,535) = corr(u_i, Xb) = Prob > F = lprbarr lprbconv lprbpris lpolpc lwcon _cons sigma_u sigma_e rho (fraction of variance due to u_i) F test that all u_i=0: F(89, 535) = Prob > F = lrtest model_1 model_5 Likelihood-ratio test LR chi2(4) = 5.31 (Assumption: model_5 nested in model_1) Prob > chi2 = Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia. Z modelu (4) mo»emy usun zmienn ldensity. W tym modelu (5) nie ma ju» zmiennych nieistotnych statystycznie na poziomie istotno±ci 5%. Koniec procedury od ogóªu do szczegóªu.

6 Zbiór pyta«z zaawansowanej ekonometrii. c Rafaª Wo¹niak 6 Kod do estymacji // Krok 1 xtreg lcrmrte lprbarr lprbconv lprbpris lavgsen lpolpc ldensity /// ltaxpc lwcon lwfir, fe estimates store model_1 // Krok 2 xtreg lcrmrte lprbarr lprbconv lprbpris lavgsen lpolpc /// ltaxpc lwcon lwfir, fe estimates store model_2 lrtest model_1 model_2 // Krok 3 xtreg lcrmrte lprbarr lprbconv lprbpris lavgsen lpolpc /// lwcon lwfir, fe estimates store model_3 lrtest model_1 model_3 // Krok 4 xtreg lcrmrte lprbarr lprbconv lprbpris lpolpc /// lwcon lwfir, fe estimates store model_4 lrtest model_1 model_4 // Krok 5 xtreg lcrmrte lprbarr lprbconv lprbpris lpolpc /// lwcon, fe estimates store model_5 lrtest model_1 model_5

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wprowadzenie do danych panelowych a) Charakterystyka danych panelowych b) Zalety i ograniczenia 2. Modele ekonometryczne danych panelowych a) Model efektów nieobserwowalnych

Bardziej szczegółowo

Egzamin z ekonometrii

Egzamin z ekonometrii Pytania teoretyczne Egzamin z ekonometrii 22.06.2012 1. Podaj ogólną postać modeli DL i ADL 2. Wyjaśnij jak należy rozumieć przyczynowość w sensie Grangera i jak jest testowana. 3. Jakie są wady liniowego

Bardziej szczegółowo

Egzamin z ekonometrii IiE

Egzamin z ekonometrii IiE Pytania teoretyczne Egzamin z ekonometrii IiE 22.06.2012 1. Kiedy selekcja próby jest problemem i jaki model można stosować w przypadku samoselekcji próby? 2. Jakie są konieczne założenia, by estymator

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 Diagnostyka a) Test RESET b) Test Jarque-Bera c) Testowanie heteroskedastyczności a) groupwise heteroscedasticity b) cross-sectional correlation d) Testowanie autokorelacji

Bardziej szczegółowo

Ekonometria egzamin semestr drugi 14/06/09

Ekonometria egzamin semestr drugi 14/06/09 imię, nazwisko, nr indeksu: Ekonometria egzamin semestr drugi 14/06/09 1. Przed przystąpieniem do pisania egzaminu należy podpisać wszystkie kartki arkusza egzaminacyjnego (na dole w przewidzianym miejscu).

Bardziej szczegółowo

Dr Łukasz Goczek. Uniwersytet Warszawski

Dr Łukasz Goczek. Uniwersytet Warszawski Dr Łukasz Goczek Uniwersytet Warszawski Penn World Table PWT 6.3 Alan Heston, Robert Summers and Bettina Aten, Penn World Table Version 6.3, Center for International Comparisons of Production, Income and

Bardziej szczegółowo

Wpływ wprowadzenia wspólnej waluty do obiegu gotówkowego na zmiany w poziomie cen krajów strefy euro

Wpływ wprowadzenia wspólnej waluty do obiegu gotówkowego na zmiany w poziomie cen krajów strefy euro Wpływ wprowadzenia wspólnej waluty do obiegu gotówkowego na zmiany w poziomie cen krajów strefy euro Karolina Konopczak NBP, Biuro ds. Integracji ze Strefą Euro Marek Rozkrut NBP, Biuro ds. Integracji

Bardziej szczegółowo

6 Modele wyborów dyskretnych dla danych panelowych

6 Modele wyborów dyskretnych dla danych panelowych 6 Modele wyborów dyskretnych dla danych panelowych Dane do notatek są danymi do podręcznika Cameron & Trivedi (2008), pochodzą z artykułu Deb i Triverdi (2002). Przedmiotem badania jest eksperyment związany

Bardziej szczegółowo

Analiza czynników wpływających na poziom stopy Ŝyciowej

Analiza czynników wpływających na poziom stopy Ŝyciowej Analiza czynników wpływających na poziom stopy Ŝyciowej Praca zaliczeniowa z ekonometrii Michał Galera Łukasz Siara gr 302 Warszawa 2007 Spis Treści I. Wstęp...2 II. Baza danych...4 III. Budowa modelu...5

Bardziej szczegółowo

Materiaªy do zaawans. ekon. Z10

Materiaªy do zaawans. ekon. Z10 Faculty of Economic Sciences, University of Warsaw Warsaw, 23-04-2012 Probit wiczenie 1. Moshe Ben-Akiva and Steven Lerman, Discrete Choice Analysis, Theory and Application to Travel Demand, MIT Press,

Bardziej szczegółowo

Ekonometria dla IiE i MSEMat Z12

Ekonometria dla IiE i MSEMat Z12 Ekonometria dla IiE i MSEMat Z12 Rafał Woźniak Faculty of Economic Sciences, University of Warsaw Warszawa, 09-01-2017 Test RESET Ramsey a W pierwszym etapie estymujemy współczynniki regresji w modelu:

Bardziej szczegółowo

Szacowanie modeli wielowartościowych w pakiecie STATA

Szacowanie modeli wielowartościowych w pakiecie STATA Szacowanie modeli wielowartościowych w pakiecie STATA Uniwersytet Warszawski Wydział Nauk Ekonomicznych 25 kwietnia 2007 W badaniach ekonomicznych i społecznych często odpowiedzi na pytania są kodowane

Bardziej szczegółowo

1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.

1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2. Zadanie 1 Niech y t ma rozkład logarytmiczno normalny o funkcji gęstości postaci [ ] 1 f (y t ) = y exp (ln y t β ln x t ) 2 t 2πσ 2 2σ 2 Zakładamy, że x t jest nielosowe a y t są nieskorelowane w czasie.

Bardziej szczegółowo

Modelowanie wielopoziomowe model z losowym nachyleniem

Modelowanie wielopoziomowe model z losowym nachyleniem Modelowanie wielopoziomowe model z losowym nachyleniem Maciej Jakubowski Artur Pokropek październik 2008 Plan dzisiejszych zajęć 1) modelowanie edukacyjnej wartości dodanej 2) model EWD z losową stałą

Bardziej szczegółowo

Analiza Szeregów Czasowych. Egzamin

Analiza Szeregów Czasowych. Egzamin Analiza Szeregów Czasowych Egzamin 12-06-2018 Zadanie 1: Zadanie 2: Zadanie 3: Zadanie 4: / 12 pkt. / 12 pkt. / 12 pkt. / 14 pkt. Projekt zaliczeniowy: Razem: / 100 pkt. / 50 pkt. Regulamin egzaminu 1.

Bardziej szczegółowo

Analiza czynników wpływających na poziom wykształcenia.

Analiza czynników wpływających na poziom wykształcenia. Analiza czynników wpływających na poziom wykształcenia. Celem tej pracy jest potwierdzenie lub odrzucenie opinii, którą większość społeczeństwa uznaje za oczywistą, o tym ė w Polsce lepiej wykształceni

Bardziej szczegółowo

Modele dla zmiennej binarnej w pakiecie STATA materiały na ćwiczenia z ekonometrii 18.03.2005 r. Piotr Wójcik, KTRG WNE UW

Modele dla zmiennej binarnej w pakiecie STATA materiały na ćwiczenia z ekonometrii 18.03.2005 r. Piotr Wójcik, KTRG WNE UW Modele dla zmiennej binarnej w pakiecie STATA materiały na ćwiczenia z ekonometrii 18.03.2005 r. Piotr Wójcik, KTRG WNE UW Dane Dane wykorzystane w przykładzie pochodzą z pracy McCall, B.P., 1995, The

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników

Bardziej szczegółowo

2.3 Modele nieliniowe

2.3 Modele nieliniowe 2.3 Modele nieliniowe Do tej pory zajmowaliśmy się modelami liniowymi lub o liniowej formie funkcyjnej i musieliśmy akceptować ich ograniczenia. Metoda Największej Wiarogodności pozwala również na efektywną

Bardziej szczegółowo

Heteroskedastyczość w szeregach czasowyh

Heteroskedastyczość w szeregach czasowyh Heteroskedastyczość w szeregach czasowyh Czesto zakłada się, że szeregi czasowe wykazuja autokorelację ae sa homoskedastyczne W rzeczywistości jednak często wariancja zmienia się w czasie Dobrym przykładem

Bardziej szczegółowo

Ekonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. imię, nazwisko, nr indeksu: Ekonometria egzamin 0/0/0. Egzamin trwa 90 minut.. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu. Złamanie

Bardziej szczegółowo

Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów Własności algebraiczne Model liniowy Zapis modelu zarobki = β 0 + β 1 plec + β 2 wiek + ε Oszacowania wartości współczynników zarobki = b 0 + b 1 plec + b 2 wiek + e Model liniowy Tabela: Oszacowania współczynników

Bardziej szczegółowo

Ekonometria - wykªad 8

Ekonometria - wykªad 8 Ekonometria - wykªad 8 3.1 Specykacja i werykacja modelu liniowego dobór zmiennych obja±niaj cych - cz ± 1 Barbara Jasiulis-Goªdyn 11.04.2014, 25.04.2014 2013/2014 Wprowadzenie Ideologia Y zmienna obja±niana

Bardziej szczegółowo

Analiza skutków handlowych przystąpienia Polski do Europejskiej Unii Monetarnej przy użyciu uogólnionego modelu grawitacyjnego

Analiza skutków handlowych przystąpienia Polski do Europejskiej Unii Monetarnej przy użyciu uogólnionego modelu grawitacyjnego Analiza skutków handlowych przystąpienia Polski do Europejskiej Unii Monetarnej przy użyciu uogólnionego modelu grawitacyjnego Prof. Andrzej Cieślik* Prof. Jan J. Michałek * Dr Jerzy Mycielski * * Wydział

Bardziej szczegółowo

Systemy podatkowe a atrakcyjność inwestycyjna krajów członkowskich UE

Systemy podatkowe a atrakcyjność inwestycyjna krajów członkowskich UE Systemy podatkowe a atrakcyjność inwestycyjna krajów członkowskich UE Seminarium naukowe Polskiego Stowarzyszenia Ekonomicznej Analizy Prawa dr Agata Kocia Wydział Nauk Ekonomicznych UW 11.01.2010 1 Cel

Bardziej szczegółowo

Problem równoczesności w MNK

Problem równoczesności w MNK Problem równoczesności w MNK O problemie równoczesności mówimy, gdy występuje korelacja między wartościa oczekiwana ε i i równoczesnym x i Model liniowy y = Xβ + ε, E (u) = 0 Powiedzmy, że występuje w

Bardziej szczegółowo

Autokorelacja i heteroskedastyczność

Autokorelacja i heteroskedastyczność Autokorelacja i heteroskedastyczność Założenie o braku autokorelacji Cov (ε i, ε j ) = E (ε i ε j ) = 0 dla i j Oczekiwana wielkość elementu losowego nie zależy od wielkości elementu losowego dla innych

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników

Bardziej szczegółowo

Testy własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu

Testy własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu Część 2 Test Durbina-Watsona Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε t, ε t 1 ) 0 Test Durbina-Watsona Weryfikowana hipoteza H 0 : cov(ε t, ε t 1 ) = 0 H 1 : cov(ε

Bardziej szczegółowo

Modele wielorównaniowe (forma strukturalna)

Modele wielorównaniowe (forma strukturalna) Modele wielorównaniowe (forma strukturalna) Formę strukturalna modelu o G równaniach AY t = BX t + u t, gdzie Y t = [y 1t,..., y Gt ] X t = [x 1t,..., x Kt ] u t = [u 1t,..., u Gt ] E (u t ) = 0 Var (u

Bardziej szczegółowo

Ekonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. imię, nazwisko, nr indeksu: Ekonometria egzamin 02/02/2011 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

1 Modele ADL - interpretacja współczynników

1 Modele ADL - interpretacja współczynników 1 Modele ADL - interpretacja współczynników ZADANIE 1.1 Dany jest proces DL następującej postaci: y t = µ + β 0 x t + β 1 x t 1 + ε t. 1. Wyjaśnić, jaka jest intepretacja współczynników β 0 i β 1. 2. Pokazać

Bardziej szczegółowo

Egzamin z ekonometrii wersja IiE, MSEMAT

Egzamin z ekonometrii wersja IiE, MSEMAT Pytania teoretyczne Egzamin z ekonometrii wersja IiE, MSEMAT 08-02-2017 1. W jaki sposób przeprowadzamy test Chowa? 2. Pokazać, że jest nieobciążonym estymatorem. 3. Udowodnić, że w modelu ze stałą TSSESS+RSS.

Bardziej szczegółowo

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

Ekonometria dla IiE i MSEMat Z7

Ekonometria dla IiE i MSEMat Z7 Ekonometria dla IiE i MSEMat Z7 Rafał Woźniak Faculty of Economic Sciences, University of Warsaw Warszawa, 21-11-2016 Na podstawie zbioru danych cps_small.dat z książki Principles of Econometrics oszacowany

Bardziej szczegółowo

Budowa modelu i testowanie hipotez

Budowa modelu i testowanie hipotez Problemy metodologiczne Gdzie jest problem? Obciążenie Lovella Dysponujemy oszacowaniami parametrów następującego modelu y t = β 0 + β 1 x 1 +... + β k x k + ε t Gdzie jest problem? Obciążenie Lovella

Bardziej szczegółowo

Wprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA

Wprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Ważną klasę modeli dynamicznych stanowią modele ARMA(p, q) Modele tej klasy są modelami ateoretycznymi Ważną klasę modeli dynamicznych stanowią

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników

Bardziej szczegółowo

Ekonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18

Ekonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18 Ekonometria Metodologia budowy modelu Jerzy Mycielski WNE, UW Luty, 2011 Jerzy Mycielski (WNE, UW) Ekonometria Luty, 2011 1 / 18 Sprawy organizacyjne Dyżur: środa godz. 14-15 w sali 302. Strona internetowa

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka 1 1. Wstęp a) Binarne zmienne zależne b) Interpretacja ekonomiczna c) Interpretacja współczynników 2. Liniowy model prawdopodobieństwa a) Interpretacja współczynników

Bardziej szczegółowo

Ekonometria ćwiczenia Kolokwium 2 semestr 22/05/05. / 4 pkt. / 4 pkt. / 3 pkt. / 4 pkt. /22 pkt. Regulamin i informacje dodatkowe

Ekonometria ćwiczenia Kolokwium 2 semestr 22/05/05. / 4 pkt. / 4 pkt. / 3 pkt. / 4 pkt. /22 pkt. Regulamin i informacje dodatkowe imię, nazwisko, nr indeksu: Ekonometria ćwiczenia Kolokwium 2 semestr 22/05/05 Zadanie 1 Zadanie 2 Zadanie 3 / 4 pkt / 4 pkt / 3 pkt Zadanie 4 / 7 pkt [1/1/1/2/2] Zadanie 5 Razem / 4 pkt /22 pkt Skala

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 7

Stanisław Cichocki Natalia Nehrebecka. Wykład 7 Stanisław Cichocki Natalia Nehrebecka Wykład 7 1 1. Metoda Największej Wiarygodności MNW 2. Założenia MNW 3. Własności estymatorów MNW 4. Testowanie hipotez w MNW 2 1. Metoda Największej Wiarygodności

Bardziej szczegółowo

Zmienne Binarne w Pakiecie Stata

Zmienne Binarne w Pakiecie Stata Karol Kuhl Zbiór (hipotetyczny) dummy.dta zawiera dane, na podstawie których prowadzono analizy opisane poniżej. Nazwy zmiennych oznaczają: doch dochód w jednostkach pieniężnych; plec płeć: kobieta (0),

Bardziej szczegółowo

Egzamin z ekonometrii - wersja ogólna

Egzamin z ekonometrii - wersja ogólna Egzamin z ekonometrii - wersja ogólna 06-02-2019 Regulamin egzaminu 1. Egzamin trwa 90 min. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 2 Werykacja modelu liniowego (2) Ekonometria 1 / 33 Plan wicze«1 Wprowadzenie 2 Ocena dopasowania R-kwadrat Skorygowany R-kwadrat i kryteria informacyjne 3 Ocena istotno±ci zmiennych

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

Estymacja modeli ARDL przy u»yciu Staty

Estymacja modeli ARDL przy u»yciu Staty Estymacja modeli ARDL przy u»yciu Staty Michaª Kurcewicz 21 lutego 2005 Celem zadania jest oszacowanie dªugookresowego modelu popytu na szeroki pieni dz w Niemczech. Zaª czony zbiór danych beyer.csv pochodzi

Bardziej szczegółowo

Dr Łukasz Goczek. Uniwersytet Warszawski

Dr Łukasz Goczek. Uniwersytet Warszawski Dr Łukasz Goczek Uniwersytet Warszawski 10000 2000 4000 6000 8000 M3 use C:\Users\as\Desktop\Money.dta, clear format t %tm (oznaczamy tsset t tsline M3 0 1960m1 1970m1 1980m1 1990m1 2000m1 2010m1 t tsline

Bardziej 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

Zamów książkę w księgarni internetowej

Zamów książkę w księgarni internetowej Zamów książkę w księgarni internetowej Wydawca Monika Pawłowska Redaktor prowadzący Janina Burek Opracowanie redakcyjne Bogumiła Ziembla Korekta i łamanie Wydawnictwo JAK Projekt graficzny okładki Barbara

Bardziej szczegółowo

Testowanie hipotez statystycznych

Testowanie hipotez statystycznych Testowanie hipotez statystycznych Wyk lad 9 Natalia Nehrebecka Stanis law Cichocki 28 listopada 2018 Plan zaj eć 1 Rozk lad estymatora b 2 3 dla parametrów 4 Hipotezy l aczne - test F 5 Dodatkowe za lożenie

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13 Stanisław Cichocki Natalia Nehrebecka Wykład 13 1 1. Autokorelacja Konsekwencje Testowanie autokorelacji 2. Metody radzenia sobie z heteroskedastycznością i autokorelacją Uogólniona Metoda Najmniejszych

Bardziej szczegółowo

Ekonometria Ćwiczenia 19/01/05

Ekonometria Ćwiczenia 19/01/05 Oszacowano regresję stopy bezrobocia (unemp) na wzroście realnego PKB (pkb) i stopie inflacji (cpi) oraz na zmiennych zero-jedynkowych związanymi z kwartałami (season). Regresję przeprowadzono na danych

Bardziej 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 07/03/2018

Ekonometria egzamin 07/03/2018 imię, nazwisko, nr indeksu: Ekonometria egzamin 07/03/2018 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

Metody ilościowe i jakościowe w naukach ekonomicznych

Metody ilościowe i jakościowe w naukach ekonomicznych Informator 2017/2018 Tytuł oferty Metody ilościowe i jakościowe w naukach ekonomicznych Sygnatura 223190-0854 7,50 pkt. ECTS Prowadzący dr Małgorzata Natalia Podogrodzka A. Cel przedmiotu Celem kursu jest

Bardziej szczegółowo

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. imię, nazwisko, nr indeksu: Ekonometria egzamin 01/02/2019 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu.

Bardziej szczegółowo

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów Rozdział : Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów W tym rozdziale omówione zostaną dwie najpopularniejsze metody estymacji parametrów w ekonometrycznych modelach nieliniowych,

Bardziej szczegółowo

Egzamin z ekonometrii wersja IiE, MSEMAT

Egzamin z ekonometrii wersja IiE, MSEMAT Egzamin z ekonometrii wersja IiE, MSEMAT 04-02-2016 Pytania teoretyczne 1. Za pomocą jakiego testu weryfikowana jest normalność składnika losowego? Jakiemu założeniu KMRL odpowiada w tym teście? Jakie

Bardziej szczegółowo

1 Metoda Najmniejszych Kwadratów (MNK) 2 Interpretacja parametrów modelu. 3 Klasyczny Model Regresji Liniowej (KMRL)

1 Metoda Najmniejszych Kwadratów (MNK) 2 Interpretacja parametrów modelu. 3 Klasyczny Model Regresji Liniowej (KMRL) 1 Metoda Najmniejszych Kwadratów (MNK) 1. Co to jest zmienna endogeniczna, a co to zmienne egzogeniczna? 2. Podaj postać macierzy obserwacji dla modelu y t = a + bt + ε t 3. Co to jest wartość dopasowana,

Bardziej szczegółowo

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne Egzamin z ekonometrii wersja ogólna 08-02-2017 Pytania teoretyczne 1. Za pomocą którego testu testujemy stabilność parametrów? Jakiemu założeniu KMRL odpowiada H0 w tym teście? Jaka jest hipoteza alternatywna

Bardziej szczegółowo

Ekonometria egzamin wersja Informatyka i Ekonometria 29/01/08

Ekonometria egzamin wersja Informatyka i Ekonometria 29/01/08 imię, nazwisko, nr indeksu: Ekonometria egzamin wersja Informatyka i Ekonometria 29/0/08. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz

Bardziej szczegółowo

Wprowadzenie Testy własności składnika losowego. Diagnostyka modelu. Część 1. Diagnostyka modelu

Wprowadzenie Testy własności składnika losowego. Diagnostyka modelu. Część 1. Diagnostyka modelu Część 1 Testy i ich rodzaje Statystyka NR 2 Cel testowania Testy i ich rodzaje Statystyka NR 2 Cel testowania Testy małej próby Testy i ich rodzaje Statystyka NR 2 Cel testowania Testy małej próby Testy

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12 Stanisław Cichocki Natalia Nehrebecka Wykład 12 1 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne 2. Autokorelacja o Testowanie autokorelacji 1.Problemy z danymi Zmienne pominięte Zmienne nieistotne

Bardziej szczegółowo

Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi)

Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi) Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi) Czy miejsce zamieszkania różnicuje uprawianie sportu? Mieszkańcy

Bardziej szczegółowo

1.7 Ograniczenia nakładane na równanie regresji

1.7 Ograniczenia nakładane na równanie regresji 1.7 Ograniczenia nakładane na równanie regresji Często teoria ekonomiczna wskazuje dobór zmiennych do modelu. Jednak nie w każdym przypadku oceny wartości parametrów są statystycznie istotne. Zastanowimy

Bardziej szczegółowo

Czasowy wymiar danych

Czasowy wymiar danych Problem autokorelacji Model regresji dla szeregów czasowych Model regresji dla szeregów czasowych y t = X t β + ε t Zasadnicze różnice 1 Budowa prognoz 2 Problem stabilności parametrów 3 Problem autokorelacji

Bardziej 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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10 Stanisław Cichocki Natalia Nehrebecka Wykład 10 1 1. Testy diagnostyczne Testowanie prawidłowości formy funkcyjnej: test RESET Testowanie normalności składników losowych: test Jarque-Berra Testowanie stabilności

Bardziej szczegółowo

, a reszta dla pominiętej obserwacji wynosi 0, RSS jest stałe, T SS rośnie, więc zarówno R 2 jak i R2 rosną. R 2 = 1 n 1 n. rosnie. n 2 (1 R2 ) = 1 59

, a reszta dla pominiętej obserwacji wynosi 0, RSS jest stałe, T SS rośnie, więc zarówno R 2 jak i R2 rosną. R 2 = 1 n 1 n. rosnie. n 2 (1 R2 ) = 1 59 Zadanie 1. Ekonometryk szacując funkcję konsumpcji przeprowadził estymację osobno dla tzw. Polski A oraz Polski B. Dla Polski A posiadał n 1 = 40 obserwacji i uzyskał współczynnik dopasowania RA 2 = 0.4,

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12 Stanisław Cichocki Natalia Nehrebecka Wykład 1 1 1. Testy diagnostyczne Testowanie stabilności parametrów modelu: test Chowa. Heteroskedastyczność Konsekwencje Testowanie heteroskedastyczności 1. Testy

Bardziej szczegółowo

1 Metoda Największej Wiarogodności

1 Metoda Największej Wiarogodności 1 Metoda Największej Wiarogodności 1.0.1 Wprowadzenie Dotychczas omawiane modele szacowane były za pomocą metody najmniejszych kwadratów. Jednak takie modele nie wyczerpują wszystkich możliwości. Istnieje

Bardziej szczegółowo

Binarne zmienne zależne

Binarne zmienne zależne Binarne zmienne zależne Zmienna zależna nie jest ciagła ale przyjmuje zero lub jeden Przykład: szukanie determinant bezrobocia (próba przekrojowa) zmienna objaśniana: zerojedynkowa (pracujacy, bezrobotny)

Bardziej szczegółowo

Wojciech Skwirz

Wojciech Skwirz 1 Regularyzacja jako metoda doboru zmiennych objaśniających do modelu statystycznego. 2 Plan prezentacji 1. Wstęp 2. Część teoretyczna - Algorytm podziału i ograniczeń - Regularyzacja 3. Opis wyników badania

Bardziej szczegółowo

Zastosowanie modeli hazardu do szacowania długości czasu pozostawania bez pracy w Niemczech i w Polsce. 2. Wybór i opis właściwej metody analizy

Zastosowanie modeli hazardu do szacowania długości czasu pozostawania bez pracy w Niemczech i w Polsce. 2. Wybór i opis właściwej metody analizy DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Katedra Ekonometrii i Statystyki, Uniwersytet Mikołaja Kopernika w Toruniu Szkoła Główna Gospodarstwa Wiejskiego

Bardziej szczegółowo

Analiza danych panelowych

Analiza danych panelowych Analiza danych panelowych Joanna Tyrowicz 18 kwietnia 2005r. Dotychczas analizowaliśmy dwa rodzaje danych. Pierwszym z nich było obserwowanie wielu obiektów w tym samym czasie (np. gospodarstwa domowe,

Bardziej szczegółowo

Próba weryfikacji hipotezy Easterlina*

Próba weryfikacji hipotezy Easterlina* Próba weryfikacji hipotezy Easterlina* Marta Szlaga, Piotr ukowski, studenci Wydzia³u Nauk Ekonomicznych UW Wstêp Celem niniejszej pracy jest bli sze przyjrzenie siê wspó³czesnym zastosowaniom hipotezy

Bardziej szczegółowo

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno WSTĘP DO REGRESJI LOGISTYCZNEJ Dr Wioleta Drobik-Czwarno REGRESJA LOGISTYCZNA Zmienna zależna jest zmienną dychotomiczną (dwustanową) przyjmuje dwie wartości, najczęściej 0 i 1 Zmienną zależną może być:

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 1

Natalia Nehrebecka. Wykład 1 Natalia Nehrebecka Wykład 1 1 1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy organizacyjne

Bardziej szczegółowo

Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08

Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08 imię, nazwisko, nr indeksu: Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08 1. Egzamin trwa 90 minut. 2. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz

Bardziej szczegółowo

Ekonometria Przestrzenna

Ekonometria Przestrzenna Ekonometria Przestrzenna Wykªad 6: Zªo»one modele regresji przestrzennej (6) Ekonometria Przestrzenna 1 / 21 Plan wykªadu 1 Modele zªo»one 2 Model SARAR 3 Model SDM (Durbina) 4 Model SDEM 5 Zadania (6)

Bardziej szczegółowo

Ekonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Ekonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej Ekonometria wiczenia 4 Prognozowanie (4) Ekonometria 1 / 18 Plan wicze«1 Prognoza punktowa i przedziaªowa 2 Ocena prognozy ex post 3 Stabilno± i sezonowo± Sezonowo± zadanie (4) Ekonometria 2 / 18 Plan

Bardziej szczegółowo

Własności statystyczne regresji liniowej. Wykład 4

Własności statystyczne regresji liniowej. Wykład 4 Własności statystyczne regresji liniowej Wykład 4 Plan Własności zmiennych losowych Normalna regresja liniowa Własności regresji liniowej Literatura B. Hansen (2017+) Econometrics, Rozdział 5 Własności

Bardziej szczegółowo

4 Logit wielomianowy, warunkowy i zagnieżdżony

4 Logit wielomianowy, warunkowy i zagnieżdżony 4 Logit wielomianowy, warunkowy i zagnieżdżony Celem tej części notetek jest pokazanie różnic miedzy wartościami parametrów modeli szacowanych przy utrzymanym założeniu o niezależności niezwiązanych alternatyw

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10 Natalia Nehrebecka Stanisław Cichocki Wykład 10 1 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów

Bardziej szczegółowo

Diagnostyka w Pakiecie Stata

Diagnostyka w Pakiecie Stata Karol Kuhl Zgodnie z twierdzeniem Gaussa-Markowa, estymator MNK w KMRL jest liniowym estymatorem efektywnym i nieobciążonym, co po angielsku opisuje się za pomocą wyrażenia BLUE Best Linear Unbiased Estimator.

Bardziej szczegółowo

KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona

KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi

Bardziej szczegółowo

Wprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.

Wprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne. opisują kształtowanie się zjawiska w czasie opisują kształtowanie się zjawiska w czasie Najważniejszymi zastosowaniami modeli dynamicznych są opisują kształtowanie się zjawiska w czasie Najważniejszymi

Bardziej szczegółowo

1.3 Własności statystyczne estymatorów MNK

1.3 Własności statystyczne estymatorów MNK 1.3 Własności statystyczne estymatorów MNK 1. Estymator nazywamy estymatorem nieobciążonym, jeżeli jego wartość oczekiwana jest równa wartości szacowanego parametru. Udowodnimy, że estymator MNK wektora

Bardziej szczegółowo

Egzamin z Ekonometrii

Egzamin z Ekonometrii Pytania teoretyczne Egzamin z Ekonometrii 18.06.2015 1. Opisać procedurę od ogólnego do szczegółowego na przykładzie doboru liczby opóźnień w modelu. 2. Na czym polega najważniejsza różnica między testowaniem

Bardziej szczegółowo

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Przyczynowość Kointegracja. Kointegracja. Kointegracja korelacja a związek o charakterze przyczynowo-skutkowym korelacja a związek o charakterze przyczynowo-skutkowym Przyczynowość w sensie Grangera Zmienna x jest przyczyną w sensie Grangera zmiennej y jeżeli

Bardziej szczegółowo

Jednowskaźnikowy model Sharpe`a

Jednowskaźnikowy model Sharpe`a Uniwersytet Warszawski Wydział Nauk Ekonomicznych Milena Jamroziak i Paweł Androszczuk Model ekonometryczny Jednowskaźnikowy model Sharpe`a dla akcji Amici Praca zaliczeniowa napisana pod kierunkiem mgr

Bardziej szczegółowo

1.9 Czasowy wymiar danych

1.9 Czasowy wymiar danych 1.9 Czasowy wymiar danych Do tej pory rozpatrywaliśmy jedynie modele tworzone na podstawie danych empirycznych pochodzących z prób przekrojowych. Teraz zajmiemy się zagadnieniem budowy modeli regresji,

Bardziej szczegółowo

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15 ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku

Bardziej szczegółowo

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10 Natalia Nehrebecka Stanisław Cichocki Wykład 10 1 1. Testy diagnostyczne 2. Testowanie prawidłowości formy funkcyjnej modelu 3. Testowanie normalności składników losowych 4. Testowanie stabilności parametrów

Bardziej szczegółowo

Statystyka Małych Obszarów w badaniach próbkowych

Statystyka Małych Obszarów w badaniach próbkowych Statystyka Małych Obszarów w badaniach próbkowych Łukasz Wawrowski l.wawrowski@stat.gov.pl Urząd Statystyczny w Poznaniu SKN Estymator, UEP 5.03.2012 1 Wprowadzenie Podstawowe pojęcia Badanie 2 Estymator

Bardziej szczegółowo

Modele ARIMA prognoza, specykacja

Modele ARIMA prognoza, specykacja Modele ARIMA prognoza, specykacja Wst p do ekonometrii szeregów czasowych wiczenia 3 5 marca 2010 Plan prezentacji 1 Specykacja modelu ARIMA 2 3 Plan prezentacji 1 Specykacja modelu ARIMA 2 3 Funkcja autokorelacji

Bardziej szczegółowo

Paweł Strawiński Ćwiczenia

Paweł Strawiński Ćwiczenia Zadanie 1 Na podstawie wników badań PGSS starano się zidentfikować zmienne, które wpłwają na poziom szczęścia. Na podstawie odpowiedzi stworzono zmienną hapunhap, która przjmuje wartość 1 dla osób, które

Bardziej szczegółowo

Mikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński Mikroekonometria 12 Mikołaj Czajkowski Wiktor Budziński Dane panelowe Co jeśli mamy do dyspozycji dane panelowe? Kilka obserwacji od tych samych respondentów, w różnych punktach czasu (np. ankieta realizowana

Bardziej szczegółowo