Natalia Nehrebecka. Wykład 1

Transkrypt

1 Natalia Nehrebecka Wykład 1 1

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

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

4 - adres mailowy: - strona internetowa: dyżur: uzgadniany indywidualnie

5 Egzamin pisemny Forma egzaminu: warunkiem dopuszczenia do egzaminu koocowego jest zaliczenie dwiczeo (zaliczenia kartkówek, case studies, modelu) egzamin trwa 90 min. i zawiera: 4 pytania teoretyczne spośród listy pytao ze skryptu 3 zadania Warunek zaliczenia egzaminu: zaliczenie części teoretycznej i zadaniowej Próg zaliczenia: 50 % punktów z części zadaniowej, 50% punktów z części teoretycznej Ocena koocowa: średnia ważona (2/3 ocena z egzaminu +1/3 ocena z dwiczeo)

6 Osobny egzamin dla kierunku IiE i MSEMat: o o różniący się zakresem materiału taka sama forma i warunki zaliczenia jak dla kierunku ogólnego

7 Prowadzone według tego samego programu dla grup ogólnych Oddzielny program dla kierunku Informatyka i Ekonometria oraz MSEMat Osoby, które będą miały więcej niż trzy nieobecności uzyskają ocenę NK. Dalszą procedurę (usprawiedliwienia, podania, prośby etc.) określa Regulamin Studiów na Uniwersytecie Warszawskim oraz Uchwała Rady Wydziału Nauk Ekonomicznych Uniwersytetu Warszawskiego numer 6/2010 z dnia 16 czerwca 2010 r. w sprawie szczegółowych zasad studiowania na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego.

8 Ocena z dwiczeo: 40 % kartkówki, 30 % model, 30% case studies 1. kartkówki - minimum 7 kartkówek (2 kartkówki mogą byd niezaliczone) 2. Case studies

9 3. najważniejszym elementem dwiczeo jest samodzielne opracowanie własnego badania ekonometrycznego modelu. modele opracowywane w grupach co najwyżej 2 osobowych na kierunku ogólnym. Na IiE i MSEMat tylko jednoosobowo. przynajmniej 2 artykuły w języku angielskim oprogramowanie: akceptowane będą jedynie modele oszacowane w Stata. Konkurs modeli: Dwiczeniowcy przesyłają wykładowcom średnio po jednym modelu z danej grupy Osoby, których modele wygrają w konkursie są zwolnione z egzaminu z oceną bdb pod warunkiem posiadania średniej z kartkówek na poziomie min. 90%

10 Rejestracja w USOS na wykład i dwiczenia 10

11 - J.Mycielski, Skrypt z ekonometrii będzie dostępny na ksero wydziałowym - J.Mycielski, Zbiór zadań z ekonometrii będzie dostępny na ksero wydziałowym - Wooldridge (drugie wydanie lub późniejsze wydania) - Greene (2003 lub późniejsze wydania)

12 1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 12

13 - badaniem zależności ilościowych między zmiennymi ekonomicznymi - empiryczną weryfikacją teorii ekonomicznych Przykład: - teoria: prawo popytu i podaży wzrost ceny powoduje spadek popytu i wzrost podaży - teoria nic nie mówi o ile spadnie popyt, wzrośnie podaż

14 - ekonometryk może oszacować reakcję popytu na spadek ceny (cenowa elastyczność popytu) oraz zweryfikować hipotezę o jej ujemnym znaku - wykorzystuje do tego dane

15 1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 15

16 Dane przekrojowe (Cross-Sectional data) wiele obiektów obserwowanych w jednej jednostce czasu. 16

17 17

18 18

19 Szeregi czasowe (time series data) jeden obiekt obserwowany w wielu jednostkach czasu. 19

20 20

21 Dane przekrojowo-czasowe (Pooled Cross Sectional) dane z kilku okresów czasu dotyczące różnych prób przekrojowych 21

22 22

23 Dane panelowe mają cechy zarówno próby przekrojowej, jak i szeregu czasowego. Zawierają one szereg obserwacji dla danej próby przekrojowej. Panel stanowi więc dane z kilku okresów czasu dla pewnej grupy obiektów. Dane panelowe różnią się od tak zwanych prób przekrojowoczasowych, które zawierają dane z kilku okresów czasu dotyczące różnych prób przekrojowych. 23

24 Przykładem może byd PKB per capita w poszczególnych krajach UE, w kolejnych latach. Każda obserwacja w zbiorze panelowym jest indeksowana podwójnie: Po jednostkach Po czasie 24

25 25

26 1. Sprawy organizacyjne Zasady zaliczenia Dwiczenia Literatura 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 26

27 dane nie mówią,,same za siebie narzędziem ekonometryka do analizy danych model ekonometryczny

28 - model: a) pewien sposób opisu danych b) za pomocą niewielkiej liczby oszacowanych parametrów umożliwia uchwycenie najważniejszych zależności miedzy zmiennymi c) nie opisuje dokładnie rzeczywistości (w sposób niedoskonały)

29

30

31

32

33

34 Współczynnik Estymator b 1 (stała) 29967,15 b 2 (MPC) 0,51

35 Budowa modelu: a) cel badania i hipoteza badawcza teoria które zmienne istotnie wpływają na analizowane zjawisko, kierunek przyczynowości, jakie formy funkcyjne wybrać b) dane c) oszacowanie parametrów d) weryfikacja hipotezy

36 Cel pracy wyjaśnienie zróżnicowania płac progowych osób bezrobotnych w Polsce. Hipotezy badawcze W oparciu o badanie Prasada (2003) sformułowano hipotezę główną, zgodnie z którą spodziewano się wyższych płac progowych dla mężczyzn niż dla kobiet. 36

37 Ponadto postawiono hipotezy dodatkowe dotyczące kierunku oddziaływania na płacę graniczną m.in. wieku, czasu pozostawania bez pracy. W odniesieniu do opracowania Góry (1996) zdecydowano zweryfikowad hipotezę o braku wpływu długości poszukiwania pracy na wysokośd płacy progowej, zaś nawiązując do badao Kiefera i Neumanna (1979) oraz Brown i Taylora (2009), wysnuto przypuszczenie, iż wiek oddziałuje na płacę niezbędną nieliniowo. 37

38 Dane Badania Aktywności Ekonomicznej Ludności z II kwartału 2008 roku Zmienne wysokośd płacy progowej, która jest zmienną ciągłą, wyrażoną w PLN; płed respondenta: 0 kobieta, 1 mężczyzna; wiek, zmienna ciągła wyrażona w latach; czas poszukiwania pracy, zmienna ciągła wyrażona w miesiącach; 38

39 39

40 summarize placa_prog,detail placa_prog Percentiles Smallest 1% % % Obs % Sum of Wgt % 1200 Mean Largest Std. Dev % % Variance % Skewness % Kurtosis placa_prog 40

41 Średni poziom płacy progowej w zależności od wieku wiek1 41

42 Średni poziom płacy progowej w zależności od czasu szukania pracy czas_poszuk 42

43 0 5.0e-04 Density kobieta mezczyzna Graphs by plec placa_prog Density normal placa_prog 43

44 . bys plec:sum placa_prog > plec = kobieta Variable Obs Mean Std. Dev. Min Max placa_prog > plec = mezczyzna Variable Obs Mean Std. Dev. Min Max placa_prog

45 . ttest placa_prog, by(plec) Two-sample t test with equal variances Group Obs Mean Std. Err. Std. Dev. [95% Conf. Interval] kobieta mezczyzn combined diff diff = mean(kobieta) - mean(mezczyzn) t = Ho: diff = 0 degrees of freedom = 1455 Ha: diff < 0 Ha: diff!= 0 Ha: diff > 0 Pr(T < t) = Pr( T > t ) = Pr(T > t) =

46 . xi: reg placa_prog i.plec wiek1 wiek2 czas_poszuk Source SS df MS Number of obs = F( 4, 1452) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = placa_prog Coef. Std. Err. t P> t [95% Conf. Interval] plec wiek wiek czas_poszuk _cons

47 Dziękuję za uwagę 47