ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI
|
|
- Sylwester Jarosz
- 6 lat temu
- Przeglądów:
Transkrypt
1 Zasosowanie modeli ekonomerycznych do badania skłonności STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 39 MARIUSZ DOSZYŃ Uniwersye Szczeciński ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI Między zdarzeniami a liczbą możliwych zdarzeń zazwyczaj zachodzą relacje współisnienia. Można przyjąć, że siłami, kóre nadają sabilność ym relacjom, są skłonności. W związku z ym nasuwa się wniosek, że narzędziem umożliwiającym analizowanie skłonności ludzkich może być odpowiednio skonsruowany model ekonomeryczny 1. Według K. Poppera: Tendencja średnich saysycznych do sabilizowania się, przy założeniu, że sabilne pozosają warunki zachodzenia danego rodzaju zdarzenia, jes jedną z najbardziej zdumiewających własności naszego wszechświaa. Można (...) wyjaśnić ją wyłącznie za pomocą eorii skłonności, o znaczy za pomocą eorii, według kórej isnieją możliwości»obciążone«, kóre są czymś więcej niż zwykłe możliwości (kursywa K. Poppera M.D.), o znaczy są endencjami lub skłonnościami do wydarzania się czegoś. Są o endencje lub skłonności do wydarzania się, kóre są zaware we wszyskich możliwościach w różnym sopniu i kóre są czymś w rodzaju sił nadających sabilność średnim saysycznym (podkreślenie M.D.) 2. Jak widać, K. Popper uznaje skłonności za siły nadające sabilność średnim saysycznym 3. 1 W arykule jes mowa o modelach ekonomerycznych związków. Należy również zweryfikować hipoezę, że do badania skłonności mogą być wykorzysywane pozosałe rodzaje modeli ekonomerycznych (modele rozkładu, dynamiki i wahań). 2 Por. [12], s Ibidem.
2 40 Mariusz Doszyń Nawiązując do swierdzenia K. Poppera, można powiedzieć, że skłonności nadają sabilność również paramerom rozkładu zmiennych 4 i określonym relacjom współisnienia, a ym samym paramerom modeli związków. W związku z ym skłonności można wyznaczać za pomocą odpowiednio wyspecyfikowanych modeli ekonomerycznych. Zgodnie z penagonem źródeł sił sprawczych prof. J. Hozera, zdarzenia powsają na skuek oddziaływania czasu, miejsca, człowieka, innych zdarzeń i przyczyn losowych: empus locus homo casus e foruna regi facum 5. Wyznaczanie skłonności na podsawie modelu ekonomerycznego może pozwolić na usalenie, jak na skłonność wpływają pozosałe źródła sił sprawczych. Skłonność można zdefiniować jako nachylenie posawy kogoś lub czegoś w kierunku czegoś lub kogoś, zwiększające prawdopodobieńswo określonych zdarzeń 6. Skłonność można rakować jako właściwość osobowości, kóra deerminuje działania człowieka, przy czym sopień zdeerminowania zależy od siły skłonności. Skłonności można mierzyć meodami częsościową i rygonomeryczną 7. Zgodnie z meodą częsościową, skłonność można przedsawić nasępująco 8 : S Y = (1) X gdzie S analizowana skłonność w okresie, Y liczba zajść danego zdarzenia w okresie, X liczba wszyskich możliwych zdarzeń w okresie. Zależność (1) można przedsawić (po uwzględnieniu pozosałych źródeł sił sprawczych) w formie liniowego modelu ekonomerycznego: 4 Problemaykę ę przedsawiono w arykule [8]. 5 Por. np. [7]. 6 Auorem definicji jes prof. J. Hozer. Por. [5]; [6]; [7]. 7 W meodzie częsościowej skłonność wyznacza się jako częsość względną wysępowania zdarzeń. W meodzie rygonomerycznej skłonność jes rozumiana jako nachylenie. Szczegółowe omówienie ych meod zawierają prace [3]; [5]; [6]; [7]. 8 Jes o zapis dla danych czasowych. Analogicznie można zapisać zależność (1) dla danych przekrojowych i panelowych.
3 Zasosowanie modeli ekonomerycznych do badania skłonności 41 Y = β + β X + β + u (2) Jak widać, model uwzględnia wpływ czasu (zmienna czasowa ), człowieka (wyraz wolny i krańcowa skłonność β 1 ), zdarzeń (zmienna X ) i przypadku (składnik losowy u ) 9. Zgodnie z wierdzeniem Frischa-Waugha-Sone a, innym sposobem na uwzględnianie wpływu czasu niż wprowadzanie do modelu zmiennej czasowej może być esymacja paramerów modelu (2) na podsawie odchyleń od rendów liniowych 10. W modelu (2) paramer β 1 pokazuje krańcowy wpływ zmiennej X na zmienną objaśnianą po wyeliminowaniu wpływu pozosałych źródeł sił sprawczych. Wyznaczając skłonność na podsawie modelu (2), należy odróżniać skłonność przecięną (S ) od skłonności krańcowej (β 1 ). Skłonność przecięna (S ) jes wyznaczana, po oszacowaniu modelu (2) jako iloraz warości eoreycznych i warości zmiennej objaśniającej: sˆ yˆ = (3) x Na podsawie modelu (2) można się zorienować, jaki wpływ na warość przecięnej skłonności ma ocena wyrazu wolnego, skłonność krańcowa, czas lub inne uwzględnione w modelu czynniki (zmienne). Wyznaczanie skłonności na podsawie modelu ekonomerycznego może zaem umożliwić ich dekompozycję. Skłonności, w ym skłonności krańcowe, mogą być analizowane zarówno za pomocą modeli liniowych, jak i modeli nieliniowych. Powierdzają o rozważania P.A. Samuelsona i W.D. Nordhausa. Auorzy ci, opisując sposób wyznaczania geomerycznej miary nachylenia funkcji, odwołują się do rójkąa przedsawionego na rysunku 1: Przez miarę nachylenia linii XY zawsze rozumiemy liczbowy sosunek długości odcinka ZY do odcinka XZ. Nachylenie jes więc sosunkiem «przyrosu w pionie do przesunięcia w poziomie». Jeżeli linia XY nie jes prosą, jak o się dzieje w przypadku wielu krzywych wysępujących w eorii ekonomii, nachylenie krzywej obliczamy jako nachylenie sycznej do krzywej w danym punkcie Wpływ miejsca można uwzględnić przez oszacowanie modelu (2) dla różnych jednosek eryorialnych. 10 Por. [9], s Por. [14], s. 208.
4 42 Mariusz Doszyń Y X Z Rys. 1. Geomeryczna miara nachylenia funkcji zaproponowana przez P.A. Samuelsona i W.D. Nordhausa Źródło: [14], s Geomeryczna miara nachylenia funkcji pozwala na wyznaczenie skłonności krańcowej (β 1 ) w modelu z jedną zmienną objaśniającą (X ). Można bowiem przyjąć, że: ZY β 1 = (4) XZ Wyznaczanie krańcowych skłonności za pomocą modelu ekonomerycznego z jedną zmienną objaśniającą sprowadza się zaem do wyznaczenia nachylenia funkcji, bądź obliczenia w modelach nieliniowych nachylenia sycznej do funkcji w danym punkcie. W związku z ym, że w modelu liniowym nie zmienia się Y γ Rys. 2. Krańcowa skłonność jako nachylenie funkcji liniowej ( β = γ) Źródło: opracowanie własne. 1 g X
5 Zasosowanie modeli ekonomerycznych do badania skłonności 43 nachylenie funkcji, krańcowa skłonność (β 1 ) jes sała dla każdej warości (X ) (por. rysunek 2). W akiej syuacji poziom zmiennej objaśniającej nie wpływa na analizowaną skłonność krańcową. Aby zidenyfikować nachylenie, w modelach nieliniowych, należy wyznaczyć syczną do funkcji w określonym punkcie (X 0, Y 0 ). Do wyznaczania sycznych sosuje się nasepującą zależność: ( )( ) Y Y = f ' X X X (5) Ponieważ zmienia się nachylenie sycznych do funkcji nieliniowych, więc krańcowe skłonności wyznaczone na podsawie modeli nieliniowych są zróżnicowane ze względu na warość zmiennej objaśniającej X. Y S γ Rys. 3. Krańcowa skłonność jako nachylenie sycznej do funkcji nieliniowej w punkcie S Źródło: opracowanie własne. X Uzupełnieniem geomerycznej miary nachylenia funkcji może być rygonomeryczna miara skłonności zaproponowana w pracy J. Hozera 12. Posawiono am ezę, że skłonności mogą być inerpreowane rygnomerycznie, jako nachylenie, kóre można mierzyć odpowiednim kąem między przeciwprosokąną a przyprosokąną (por. rysunek 4). Jedna przyprosokąna mierzy frakcję zdarzeń w próbie, gdzie wysępuje ineresujące nas zdarzenie (S ). Druga przypro- 12 Zob. [7].
6 44 Mariusz Doszyń sokąna mierzy frakcję zdarzeń w próbie, gdzie nie wysępuje ineresujące nas zdarzenie (1 S ). Miara a umożliwia wizualizację badanych skłonności. α Rys. 4. Trygonomeryczna inerpreacja skłonności (nachylenia) Źródło: opracowanie własne. S 1 S W meodzie ej miarą skłonności jes ką α, kórego angens wyznacza się nasepująco: 1 S gα = (5) S gdzie S frakcja zdarzeń (osób), wśród kórych wysępuje ineresujące nas zjawisko. Przykład empiryczny W przeprowadzonym badaniu wyznaczono skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych poszczególnych rodzajów gospodarsw domowych w Polsce w laach na podsawie modeli liniowych o posaci (2). Wyniki obliczeń zosały przedsawiono w abeli Wykorzysane do obliczeń dane znajdują się w Roczniku Saysycznym GUS za odpowiednie laa. Analizowane zmienne wyrażono w cenach z 2003 r. Do urealnienia dochodów rozporządzalnych oraz wydaków na napoje alkoholowe i wyroby yoniowe wykorzysano wskaźnik cen owarów i usług konsumpcyjnych publikowany przez GUS.
7 Zasosowanie modeli ekonomerycznych do badania skłonności 45 Tabela 1 Wyniki esymacji modelu (2) dla poszczególnych rodzajów gospodarsw domowych w Polsce w laach Gospodarswa domowe 0 ˆβ 1 ˆβ 2 ˆ β ( βˆ 0 ) ˆβ 1 ( ) ( ˆβ 2 ) S 2 e R DW Pracowników 7,568 0,040 3,002 10,931 1,041 0,894 1,501 Pracowników na sanowiskach roboniczych Pracowników na sanowiskach nieroboniczych Pracowników użykujących gospodarswo rolne 9,005 0,046 0,284 3,582 11,343 4,444 1,008 0,901 1,403 7,921 0,036 0,289 2,610 9,169 3,240 1,178 0,867 2,228 5,890 0,035 0,177-3,637 15,468 3,111 0,776 0,954 1,817 Rolników 0,148 0,030 0,114 13,642 1,081 0,930 2,106 Pracujących na własny rachunek Emeryów i rencisów 19,486 0,049 3,030 6,340 1,084 0,822 1,662 6,867 0,036 1,601 5,577 1,178 0,770 1,235 Kreska oznacza, że warości nie wysępują w danym modelu. Źródło: opracowanie własne. Dla gospodarsw domowych pracujących na własny rachunek oraz emeryów i rensisów, modele oszacowano meodą Cochrane a-orcua ze względu na auokorelację resz. Pozosałe modele wyznaczono klasyczną meodą najmniejszych kwadraów. Przy poziomie isoności równym 0,05 prawie we wszyskich przypadkach należało odrzucić hipoezę o nieisoności ocen paramerów (por. abelę 1). Nieisone okazały się jedynie oceny wyrazów wolnych w modelach opisujących wydaki konsumpcyjne gospodarsw domowych rolników oraz emeryów i rencisów.
8 46 Mariusz Doszyń Większość modeli charakeryzowało się bardzo dobrym dopasowaniem do warości empirycznych, o czym świadczą wysokie warości skorygowanego 2 współczynnika deerminacji ( R ). Na podsawie warości saysyki Durbina- -Wasona (DW) można swierdzić, że w niemal we wszyskich modelach nie było podsaw do odrzucenia hipoezy o braku auokorelacji resz pierwszego rzędu (poziom isoności α = 0,05) 14. W obszarze braku konkluzywności znalazły się saysyki Durbina-Wasona wyznaczone na podsawie resz uzyskanych z modeli oszacowanych dla gospodarsw domowych pracowników na sanowiskach roboniczych oraz emeryów i rencisów. Prawie we wszyskich modelach oceny wyrazu wolnego były ujemne, co może świadczyć z zby wysokiej krańcowej skłonności do konsumpcji produków danego ypu. Największą krańcową skłonnością do konsumpcji napojów alkoholowych i wyrobów yoniowych cechowały się gospodarswa domowe pracowników na sanowiskach roboniczych oraz pracujących na własny rachunek, a najmniejszą krańcową skłonność wykazywały gospodarswa domowe rolników oraz pracowników użykujących gospodarswo rolne. Waro zwrócić uwagę, że w rzech oszacowanych modelach isony okazał się wpływ zmiennej czasowej. W gospodarswach domowych pracowników na sanowiskach roboniczych oraz pracowników użykujących gospodarswo rolne widoczna była rosnąca endencja zmiennej objaśnianej, a więc można się spodziewać uaj wzrosu skłonności do konsumpcji analizowanej grupy owarów. Odmiennie kszałowała się syuacja w gospodarswach domowych pracowników na sanowiskach nieroboniczych. Ujemna ocena parameru przy zmiennej czasowej świadczyła o malejącej skłonności do konsumpcji. Na podsawie zależności (3) oszacowano przecięną skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych w Polsce w laach jako udział wydaków eoreycznych w dochodach do dyspozycji (por. rysunki 5 7). Na podsawie rysunków można swierdzić, że skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych, mierzoną jako udział wydaków eoreycznych w dochodach do dyspozycji, na ogół wykazywała niewielką en- 14 Warości kryyczne esu Durbina-Wasona przy liczebności n = 15 dla modelu z dwoma paramerami są równe odpowiednio 1,08 i 1,36, a dla modelu z rzema paramerami: 0,95 i 1,54 (poziom isoności 0,05).
9 Zasosowanie modeli ekonomerycznych do badania skłonności 47 0,040 0,038 0,036 0,034 skłonność 0,032 0,030 0,028 0,026 0,024 0,022 0, laa pracowników na sanowiskach roboniczych na sanowiskach nieroboniczych Rys. 5. Przecięna skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych gospodarsw domowych pracowników, pracowników na sanowiskach roboniczych i pracowników na sanowiskach nieroboniczych w Polsce w laach Źródło: opracowanie własne. 0,030 0,029 0,028 skłonność 0,027 0,026 0,025 0,024 0,023 0, laa pracowników użykujących gospodarswo rolne emeryów i rencisów pracujących na własny rachunek Rys. 6. Przecięna skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych gospodarsw domowych pracowników użykujących gospodarswo rolne, pracujących na własny rachunek oraz emeryów i rencisów w Polsce w laach Źródło:opracowanie własne.
10 48 Mariusz Doszyń 0,0307 0,0306 0,0306 skłonność 0,0305 0,0305 0,0304 0,0304 0, laa Rys. 7. Przecięna skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych gospodarsw domowych rolników w Polsce w laach Źródło: opracowanie własne. dencję wzrosową. Spadek skłonności w analizowanym okresie doyczył ylko gospodarsw domowych pracowników na sanowiskach nieroboniczych, dla kórych ocena parameru przy zmiennej czasowej była ujemna (por. rysunek 5). Największą skłonnością do konsumpcji charakeryzowały się gospodarswa domowe pracowników na sanowiskach roboniczych i rolników, a najmniejszą gospodarswa domowe pracowników na sanowiskach nieroboniczych i gospodarsw domowych osób pracujących na własny rachunek. Podsumowanie W arykule zweryfikowano hipoezę, że skłonności nadają sabilność określonym relacjom współisnienia w czasie i (lub) przesrzeni. W związku z ym przyjęo, że do badania skłonności mogą być użyeczne odpowiednio skonsruowane modele ekonomeryczne. Ich zasosowanie umożliwia usalenie jaki wpływ na określone zdarzenia mają poszczególne źródła sił sprawczych. Zaproponowane podejście pozwala na pomiar skłonności na podsawie modeli liniowych i modeli nieliniowych. Wyróżniono również skłonności przecięne i krańcowe.
11 Zasosowanie modeli ekonomerycznych do badania skłonności 49 W przedsawionym badaniu modele liniowe zasosowano do wyznaczenia skłonności do konsumpcji napojów alkoholowych i wyrobów yoniowych poszczególnych rodzajów gospodarsw domowych w Polsce w laach Ze względu na isoną auokorelację resz pierwszego rzędu część modeli oszacowano za pomocą meody Cochrene a-orcua. Największą skłonność do konsumpcji napojów alkoholowych i wyrobów yoniowych wykazywały gospodarswa domowe pracowników na sanowiskach roboniczych i rolników, a najmniejszą gospodarswa domowe pracowników na sanowiskach nieroboniczych i osób pracujących na własny rachunek. Lieraura 1. Doszyń M.: Analiza skłonności do konsumpcji dla poszczególnych rodzajów gospodarsw domowych w Polsce w laach Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 394. Szczecin Doszyń M.: Skłonności a enropia. Przegląd Saysyczny 2002, nr Doszyń M.: Saysyczna analiza skłonności ludzkich w procesach gospodarowania. Praca dokorska. Szczecin Ekonomeria. Red. J. Hozer. Szczecin Hozer J.: Ekonomeryczna inerpreacja skłonności w ekonomii. Przegląd Saysyczny 2002, nr Hozer J.: Skłonności w ekonomii i ich mierzenie. Zeszyy Naukowe Uniwersyeu Szczecińskiego nr 365. Szczecin Hozer J., Doszyń M.: Ekonomeria skłonności. PWE, Warszawa Hozer J., Doszyń M.: Skłonności a całościowo-srukuralne badanie zjawisk. Przegląd Saysyczny 2004, nr Hozer J., Zawadzki J.: Zmienna czasowa i jej rola w badaniach ekonomerycznych. PWN, Warszawa Janaszak T.: O zasadzie wiązek sycznych. Przegląd Syysyczny 2005, nr Kufel T.: Ekonomeria. Rozwiązywanie problemów z wykorzysaniem programu Grel. PWN, Warszawa Popper K.: Świa skłonności. Znak, Kraków Theil H.: Zasady ekonomerii. PWN, Warszawa Samuelson P.A., Nordhaus W.: Ekonomia. PWN, Warszawa 1999.
12 50 Mariusz Doszyń IMPLEMENTATION OF ECONOMETRIC MODELS IN ANALYZING PROPENSITIES Summary In he aricle hypohesis ha propensiies makes coexisence ime (or spaial) relaion sable was verified. I was suggesed ha in his conex economeric models could be useful in researches involving propensiies. Definiion, concepions and mehods of measuring propensiies were discussed. Differeniaion on average and marginal propensiies was also proposed. In empirical example, propensiy o consumpion of alcoholic beverages and obacco of respecive kinds of households in Poland in years were analyzed. Average propensiy o consumpion of alcoholic beverages and obacco was highes in households of farmers and employees in manual labour posiions and lowes in households of self employed and employees in non manual labour posiions. Translaed by Mariusz Doszyń
TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
licencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 15 2004 JÓZEF HOZER Uniwersye Szczeci ski ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA 1. PYTANIE PROFESORA RAUTSKAUKASA
Wykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Wykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie
BAYESOWSKA ANALIZA KRAŃCOWEJ SKŁONNOŚCI DO KONSUMPCJI
Bayesowska analiza krańcowej skłonności do konsumpcji STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 9 MARIUSZ DOSZYŃ Uniwersytet Szczeciński BAYESOWSKA ANALIZA KRAŃCOWEJ SKŁONNOŚCI DO KONSUMPCJI
Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego
Zajęcia. Esmacja i werfikacja modelu ekonomercznego Celem zadania jes oszacowanie liniowego modelu opisującego wpłw z urski zagranicznej w danm kraju w zależności od wdaków na urskę zagraniczną i liczb
KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Klasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA
Uniwersye Szczecińsi TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA Zagadnienia, óre zosaną uaj poruszone, przedsawiono m.in. w pracach [], [2], [3], [4], [5], [6]. Konferencje i seminaria nauowe
EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Analiza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA
1 PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: mgr inż. ŻANETA PRUSKA DODATEK SOLVER 2 Sprawdzić czy w zakładce Dane znajduję się Solver 1. Kliknij przycisk Microsof Office, a nasępnie kliknij przycisk Opcje
specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
WNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Ocena płynności wybranymi metodami szacowania osadu 1
Bogdan Ludwiczak Wprowadzenie Ocena płynności wybranymi meodami szacowania osadu W ubiegłym roku zaszły znaczące zmiany doyczące pomiaru i zarządzania ryzykiem bankowym. Są one konsekwencją nowowprowadzonych
Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Strukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK
1 PROGNOZOWANIE I SYMULACJE 2 hp://www.oucome-seo.pl/excel2.xls DODATEK SOLVER WERSJE EXCELA 5.0, 95, 97, 2000, 2002/XP i 2003. 3 Dodaek Solver jes dosępny w menu Narzędzia. Jeżeli Solver nie jes dosępny
Stanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje
Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Alicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Natalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Niestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-86 Nr 89 06 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii pawel.prenzena@edu.ueka.pl
PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Macierz X ma wymiary: 27 wierszy (liczba obserwacji) x 6 kolumn (kolumna jednostkowa i 5 kolumn ze zmiennymi objaśniającymi) X
ROZWIĄZANIA ZADAO Zadanie EKONOMETRIA_dw_.xls Na podsawie danych zamieszczonych w arkuszu Zadanie. Podad posad analiyczną modelu ekonomerycznego wielkości produkcji w przemyśle od PO - liczby pracujących
Stanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Prognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata
Projek Kapiał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Prognoza scenariuszowa poziomu oraz srukury
Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Elżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?
Meody prognozowania: Szeregi czasowe Dr inż. Sebasian Skoczypiec ver. 11.20.2009 Co o jes szereg czasowy? Szereg czasowy: uporządkowany zbiór warości badanej cechy lub warości określonego zjawiska, zaobserwowanych
Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )
Zadanie. Zmienna losowa: X = Y +... + Y N ma złożony rozkład Poissona. W abeli poniżej podano rozkład prawdopodobieńswa składnika sumy Y. W ejże abeli podano akże obliczone dla k = 0... 4 prawdopodobieńswa
1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Copyright by Politechnika Białostocka, Białystok 2017
Recenzenci: dr hab. Sanisław Łobejko, prof. SGH prof. dr hab. Doroa Wikowska Redakor naukowy: Joanicjusz Nazarko Auorzy: Ewa Chodakowska Kaarzyna Halicka Arkadiusz Jurczuk Joanicjusz Nazarko Redakor wydawnicwa:
Stanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Dr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne
Dr hab. Jerzy Czesław Ossowski Wybrane elemeny ekonomerii sosowanej cz. II Isoność zmiennych modelu, auokorelacja i modele muliplikaywne Ekonomeria-ćw.cz-SSW dr hab. Jerzy Czesław Ossowski Kaedra Nauk
Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych
Poliechnika Częsochowska Wydział Inżynierii Mechanicznej i Informayki Sprawozdanie #2 z przedmiou: Prognozowanie w sysemach mulimedialnych Andrzej Siwczyński Andrzej Rezler Informayka Rok V, Grupa IO II
Zastosowanie sztucznych sieci neuronowych do prognozowania szeregów czasowych
dr Joanna Perzyńska adiunk w Kaedrze Zasosowań Maemayki w Ekonomii Wydział Ekonomiczny Zachodniopomorski Uniwersye Technologiczny w Szczecinie Zasosowanie szucznych sieci neuronowych do prognozowania szeregów
Rzetelność komunikowania wyników egzaminów zewnętrznych w oparciu o metodę tendencji rozwojowej próba oceny
dr Maria Sasin Poliechnika Koszalińska Teraźniejszość i przyszłość oceniania szkolnego Rzeelność komunikowania wyników egzaminów zewnęrznych w oparciu o meodę endencji rozwojowej próba oceny Wprowadzenie
Wygładzanie metodą średnich ruchomych w procesach stałych
Wgładzanie meodą średnich ruchomch w procesach sałch Cel ćwiczenia. Przgoowanie procedur Średniej Ruchomej (dla ruchomego okna danch); 2. apisanie procedur do obliczenia sandardowego błędu esmacji;. Wizualizacja
Analiza szeregów czasowych w Gretlu (zajęcia 8)
Analiza szeregów czasowych w Grelu (zajęcia 8) Grel jes dość dobrym narzędziem do analizy szeregów czasowych. Już w samej podsawie Grela znajdziemy sporo zaimplemenowanych echnik służących do obróbki danych
Jerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Poliechnika Gdańska Dynamika wzrosu
Prognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
METODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU
GraŜyna Trzpio, Dominik KręŜołek Kaedra Saysyki Akademii Ekonomicznej w Kaowicach e-mail rzpio@sulu.ae.kaowice.pl, dominik_arkano@wp.pl STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU
Konspekty wykładów z ekonometrii
Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na
Ocena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Metody analizy i prognozowania szeregów czasowych
Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów
SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2 2006 Bogusław GUZIK* SZACOWANIE MODELU RNKOWEGO CKLU ŻCIA PRODUKTU Przedsawiono zasadnicze podejścia do saysycznego szacowania modelu rynkowego cyklu
Pobieranie próby. Rozkład χ 2
Graficzne przedsawianie próby Hisogram Esymaory przykład Próby z rozkładów cząskowych Próby ze skończonej populacji Próby z rozkładu normalnego Rozkład χ Pobieranie próby. Rozkład χ Posać i własności Znaczenie
WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Kobiety w przedsiębiorstwach usługowych prognozy nieliniowe
Pior Srożek * Kobiey w przedsiębiorswach usługowych prognozy nieliniowe Wsęp W dzisiejszym świecie procesy społeczno-gospodarcze zachodzą bardzo dynamicznie. W związku z ym bardzo zmienił się sereoypowy
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
RÓWNANIA RÓŻNICZKOWE WYKŁAD 13
RÓWNANIA RÓŻNICZKOWE WYKŁAD 13 Geomeria różniczkowa Geomeria różniczkowa o dział maemayki, w kórym do badania obieków geomerycznych wykorzysuje się meody opare na rachunku różniczkowym. Obieky geomeryczne
Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
ĆWICZENIE NR 43 U R I (1)
ĆWCZENE N 43 POMY OPO METODĄ TECHNCZNĄ Cel ćwiczenia: wyznaczenie warości oporu oporników poprzez pomiary naężania prądu płynącego przez opornik oraz napięcia na oporniku Wsęp W celu wyznaczenia warości
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Kaarzyna Kuziak Akademia Ekonomiczna
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO
KIERZKOWSKI Arur 1 Transpor loniczy, szeregi czasowe, eksploaacja, modelowanie MODEL CZASU OBSŁUGI NAZIEMNEJ STATKU POWIETRZNEGO W referacie przedsawiono probabilisyczny model czasu obsługi naziemnej saku
WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK
Przemysław Jeziorski Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Zakład Demografii i Saysyki Ekonomicznej przemyslaw.jeziorski@ue.kaowice.pl WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA
( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: =
ROZŁADOWANIE KONDENSATORA I. el ćwiczenia: wyznaczenie zależności napięcia (i/lub prądu I ) rozładowania kondensaora w funkcji czasu : = (), wyznaczanie sałej czasowej τ =. II. Przyrządy: III. Lieraura:
Wpływ przestępczości na wzrost gospodarczy
Magdalena Paszkiewicz Uniwersye Łódzki magpasz@wp.pl Wpływ przesępczości na wzros gospodarczy Myśl o dobrobycie jes bliska każdemu z nas. Chcielibyśmy być obywaelami bogaego, praworządnego pańswa, w kórego
PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM
PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM prof. dr hab. Paweł Dimann 1 Znaczenie prognoz w zarządzaniu firmą Zarządzanie firmą jes nieusannym procesem podejmowania decyzji, kóry może być zdefiniowany
Dendrochronologia Tworzenie chronologii
Dendrochronologia Dendrochronologia jes nauką wykorzysującą słoje przyrosu rocznego drzew do określania wieku (daowania) obieków drewnianych (budynki, przedmioy). Analizy różnych paramerów słojów przyrosu
Wskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania
CEPOWSKI omasz 1 Wskazówki projekowe do obliczania nośności i maksymalnego zanurzenia saku rybackiego na wsępnym eapie projekowania WSĘP Celem podjęych badań było opracowanie wskazówek projekowych do wyznaczania
DYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 2014, 313(76)3, 137 146 Maria Szmuksa-Zawadzka, Jan Zawadzki MODELE WYRÓWNYWANIA WYKŁADNICZEGO W PROGNOZOWANIU
Integracja zmiennych Zmienna y
Inegracja zmiennych Zmienna y jes zinegrowana rzędu d jeśli jej różnice rzędu d są sacjonarne. Zapisujemy o y ~ I ( d ). Przyjmuje się również, że zmienna sacjonarna y (jako że nie rzeba jej różnicować,
Struktura sektorowa finansowania wydatków na B+R w krajach strefy euro
Rozdział i. Srukura sekorowa finansowania wydaków na B+R w krajach srefy euro Rober W. Włodarczyk 1 Sreszczenie W arykule podjęo próbę oceny srukury sekorowej (sekor przedsiębiorsw, sekor rządowy, sekor
ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
Eksploracja danych. KLASYFIKACJA I REGRESJA cz. 1. Wojciech Waloszek. Teresa Zawadzka.
Eksploracja danych KLASYFIKACJA I REGRESJA cz. 1 Wojciech Waloszek wowal@ei.pg.gda.pl Teresa Zawadzka egra@ei.pg.gda.pl Kaedra Inżyrii Oprogramowania Wydział Elekroniki, Telekomunikacji i Informayki Poliechnika
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
4.2. Obliczanie przewodów grzejnych metodą dopuszczalnego obciążenia powierzchniowego
4.. Obliczanie przewodów grzejnych meodą dopuszczalnego obciążenia powierzchniowego Meodą częściej sosowaną w prakyce projekowej niż poprzednia, jes meoda dopuszczalnego obciążenia powierzchniowego. W
Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)
Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis
PROGNOZOWANIE BRAKUJĄCYCH DANYCH DLA SZEREGÓW O WYSOKIEJ CZĘSTOTLIWOŚCI OCZYSZCZONYCH Z SEZONOWOŚCI
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-8611 Nr 289 2016 Maria Szmuksa-Zawadzka Zachodniopomorski Uniwersye Technologiczny w Szczecinie Sudium Maemayki Jan Zawadzki
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009
A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XXXIX NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZYT 389 TORUŃ 2009 Uniwersye Mikołaja Kopernika w Toruniu Kaedra Ekonomerii i Saysyki Jarosław
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin., Oeconomica 2015, 323(81)4,
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Sein., Oeconomica 205, 323(8)4, 25 32 Joanna PERZYŃSKA WYBRANE MIERNIKI TRAFNOŚCI PROGNOZ EX POST W WYZNACZANIU PROGNOZ
Matematyka ubezpieczeń majątkowych 9.10.2006 r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n
Maemayka ubezpieczeń mająkowych 9.0.006 r. Zadaie. Rozważamy proces adwyżki ubezpieczyciela z czasem dyskreym posaci: U = u + c S = 0... S = W + W +... + W W W W gdzie zmiee... są iezależe i mają e sam
ANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/1, 2012, sr. 224 233 ANALIZA SZEREGU CZASOWEGO CEN ŻYWCA BROJLERÓW W LATACH 1991-2011 Kaarzyna Unik-Banaś Kaedra Zarządzania i Markeingu w Agrobiznesie
PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
Metody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
MODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY
Sysemy Logisyczne Wojsk nr 44/06 MODELOWANIE I PROGNOZOWANIE EKONOMETRYCZNE W LOGISTYCE PRZEDSIĘBIORSTWA MODELING AND ECONOMETRIC PREDICTION IN LOGISTICS COMPANY Agnieszka DUDA a.duda@aon.edu.pl Akademia