W y d ział Za r ządzania. J e r zy Marzec. Praca doktorska napisana pod kierunkiem Prof. AE dra hab. Jacka Osiewalskiego

Wielkość: px
Rozpocząć pokaz od strony:

Download "W y d ział Za r ządzania. J e r zy Marzec. Praca doktorska napisana pod kierunkiem Prof. AE dra hab. Jacka Osiewalskiego"

Transkrypt

1 Akadema Ekonomczna w Krakowe W y d zał Za r ządzana Katedra Ekonome t r J e r zy Marzec Ekonometryczna analza efektywnośc kosztów w bankach komercyjnych Praca doktorska napsana pod kerunkem Prof. AE dra hab. Jacka Osewalskego Kraków kw eceń 000

2 Sps treśc: Wstęp.... Mkroekonomczne podstawy analzy efektywnośc kosztowej frm Funkcja produkcj kosztów zysku a kategore efektywnośc ekonomcznej Modelowane neefektywnośc kosztowej Charakterystyk procesu produkcj Bank jako przedsęborstwo - ujęce mkroekonomczne Model nstytucj fnansowych wg Sealeya Lndleya Czynnk produkcj produkty banku w badanach efektywnośc ekonomcznej Funkcja kosztów w przypadku oddzałów banku komercyjnego Elementy klasycznej estymacj model grancznych Podstawowe technk w przypadku danych przekrojowych Model efektów stałych w przypadku danych przekrojowo-czasowych Bayesowska analza efektywnośc Elementy podejśca bayesowskego Bayesowsk stochastyczny model granczny o wspólnym rozkładze efektywnośc Próbkowane Gbbsa jako numeryczna metoda wyznaczana rozkładów a posteror Specyfkacja testowane egzogencznych przyczyn neefektywnośc Empryczna analza efektywnośc kosztowej oddzałów Charakterystyka danych źródłowych Estymacja modelu grancznej funkcj kosztu z wykorzystanem MNK Estymacja bayesowkego modelu losowych efektów ndywdualnych (o zmennym rozkładze efektywność - VED) Estymacja modelu bayesowkego modelu VED przypadek dwóch produktów....8 Podsumowane Wykaz pozycj lteraturowych....4 Załącznk...49

3 Wstęp Jednym z fundamentalnych zagadneń rozważanych na grunce mkroekonom jest problem maksymalzacj zysku frmy rozważanego jako różnca mędzy osąganym przychodem a kosztem jego uzyskana. Warunkem konecznym maksymalzacj zysku jest mnmalzacja kosztu produkcj. Przedsęborstwo osąga zysk nższy od maksymalnego jeżel ne wytwarza produkcj po mnmalnym koszce czyl gdy przy danych cenach czynnków produkcj ponos koszt całkowty wytworzena określonego pozomu produkcj wększy nż wynka on z mkroekonomcznej (grancznej) funkcj kosztu. Sytuację tę określamy manem neefektywnośc kosztowej bądź neefektywnośc kosztów. Przedsęborstwo ponos koszty wększe nż nezbędne (jest neefektywne kosztowo; ang. cost neffcent) jeżel o jest neefektywne technczne tj. angażuje zbyt duże (w stosunku do wymagań technologcznych) nakłady czynnków produkcj w celu osągnęca danej welkośc produkcj lub o jest neefektywne alokacyjne tj. proporcje nakładów czynnków ne odpowadają relacj ch cen rynkowych (dla zastosowanej kombnacj nakładów krańcowe stopy substytucj ne są równe odpowednm lorazom cen czynnków). Przez efektywność kosztową bądź efektywność kosztów (ang. cost effcency) rozume sę loraz mnmalnego kosztu nezbędnego do wytworzena danej welkośc produkcj (przy danych cenach czynnków) kosztu rzeczywśce ponesonego. Analogczne pod pojęcem efektywnośc techncznej rozumemy loraz welkośc produkcj rzeczywśce wytworzonej do maksymalnej możlwej do uzyskana przy obserwowanych nakładach czynnków produkcj. Farrell w 957 roku jako perwszy teoretyczne rozważał możlwośc emprycznej analzy efektywnośc produkcj. Podstawy obecne stosowanej ekonometrycznej metodolog Powszechne przez słowo efektywność rozume sę pozytywny wynk wydajność skuteczność sprawność a w polskej termnolog ekonomcznej pojęce efektywność ekonomczna zwykle oznacza: rezultat dzałalnośc gospodarczej określony przez stosunek uzyskanego efektu do nakładu. (źródło: Słownk języka polskego pod redakcją Meczysława Szymczaka PWN Warszawa 978). W nnejszej pracy autor bardzej skłana do tłumaczena cost effcency jako efektywność kosztowa a ne efektywność kosztów bądź np. wydajność kosztów bo (po perwsze) analogczne mów sę o efektywnośc ekonomcznej techncznej oraz (po druge) termn efektywność ma - wg zaproponowanej defncj - nne znaczene nż jego potoczne słownkowe

4 badana efektywnośc (techncznej lub kosztowej) stworzyły w 977 roku dwa zespoły badawcze: Agner Lovell Schmdt oraz Meeusen van den Broeck którzy nezależne od sebe zaproponowal tzw. stochastyczne modele granczne (ang. stochastc fronter models). Zgodne z tą metodologą pomar efektywnośc (techncznej lub kosztowej) dokonywany jest zwykle za pomocą modelu jednorównanowego składającego sę z odpowedno wyspecyfkowanej mkroekonomcznej funkcj produkcj lub kosztów (dla logarytmów tych zmennych) oraz dwóch składnków losowych z których jeden (symetryczny względem zera) odzwercedla efekt czynnków przypadkowych błędów pomaru zaś drug (asymetryczny stałego znaku) modeluje potencjalną neefektywność. Dalszego rozwoju tej metodolog prezentowanej główne na łamach Journal of Econometrcs dokonal m. n. Stevenson [980] Ptt Lee [98] Jondrow Lovell Materov Schmdt [98] Schmdt Sckles [984] Beckers Hammond [987] Greene [980] [990] van den Broeck Koop Osewalsk Steel [994] oraz Koop Osewalsk Steel [994] [997]. Jednym z obszarów zastosowana stochastycznych model grancznych jest zagadnene efektywnośc kosztowej banków nnych nstytucj fnansowych prezentowane od połowy lat osemdzesątych w czołowej specjalstycznej lteraturze zachodnej główne na łamach Journal of Bankng and Fnance (JBF) Journal of Productvty Analyss (JPA) oraz Journal of Money Credt and Bankng (JMCB) (w 993 roku całe numery JBF JPA były pośwęcone wyłączne badanu efektywnośc nstytucj fnansowych). Dość późny rozwój tych zastosowań (w stosunku do aplkacj dla przedsęborstw z nnych branż) był spowodowany specyfcznym charakterem dzałalnośc banków który powoduje że należy z dużą ostrożnoścą podchodzć do specyfkacj grancznej funkcj kosztu. Znaczący wkład w rozwój teoretyczny podstaw tych badań mają Sealey Lndley którzy w 977 roku zaproponowal mkroekonomczny model banków ( nnych nstytucj fnansowych) oraz określl czynnk produkcj produkty bankowe umożlwając tym samym budowę grancznej funkcj kosztu dla banków. W polskej lteraturze naukowej zarówno statystyczno-ekonometrycznej jak bankowej brak jest pozycj pośwęconych aspektom metodologcznym badanom emprycznym z zakresu efektywnośc techncznej czy kosztowej banków. Warto dodać że w ostatnch paru latach ukazały sę popularyzatorske artykuły przeglądowe Rogowskego (m.n.. Bank nr styczeń 998 str. 4-7) na temat analzy efektywnośc oddzałów banku; synonmy tj. wydajność sprawność skuteczność które mają ponadto ustalone odmenne znaczena na grunce ekonom fzyk technk oraz prakseolog nauk o zarządzanu.

5 zob. też Rogowsk [998c] Kopczewsk [999]. Autor ten wskazał na ogromną potrzebę pomaru porównań efektywnośc ekonomcznej oddzałów co może stanowć cenne uzupełnene tradycyjnych metod analz wskaźnkowych stosowanych przez bank. Uważa on że zastosowane metod ekonometrycznych (które podejmuje autor w tej pracy) umożlw mędzy nnym obektywzację kryterów oceny oddzałów. Istnejące opracowana dotyczące analzy oceny dzałalnośc banków (a także przedsęborstw należących do jednej branży - tzw. analzy branżowe) w wększośc są sporządzane w oparcu o analzę wskaźnkową. Prezentowane metody rzadko wykorzystują formalne wnoskowane statystyczne w małym stopnu nawązują do zmatematyzowanej teor mkroekonom. Opracowana w języku polskm wskazują zatem na potrzebę opsu problemu oceny dzałalnośc banków komercyjnych językem mkroekonom z wykorzystanem zaawansowanych metod statystyczno-ekonometrycznych zgodne z tendencjam panującym w śwatowej ekonom. Głównym motywam podjęca tematu pracy są zatem: chęć przedstawena metod ekonometrycznych (główne bayesowskch) analzy efektywnośc kosztowej frm potrzeba zancjowana takch właśne badań emprycznych w polskch bankach komercyjnych w szczególnośc w celu zobektywzowana ocen dzałalnośc oddzałów. W badanach tej pracy wykorzystuje sę rzeczywste dane pochodzące z jednego z dużych polskch banków; warunkem ch udostępnena przez bank było jednak ne ujawnane tych danych an źródła ch pochodzena. Zarówno pomar efektywnośc w kontekśce stochastycznego modelu grancznego jak stosowane w tym celu metody bayesowske (które proponują rozwjają Koop Osewalsk Steel [994] [997] [999]) stanową na polskm grunce zupełne nowe podejśce do zagadnena analzy oceny dzałalnośc banków oraz ch oddzałów. Wydaje sę że metody konkurencyjne ne mają tak slnych podstaw ekonomcznych statystycznych. Przeprowadzona w tej pracy analza empryczna umożlwła pomar efektywnośc kosztowej badanych oddzałów sporządzene ch rankngu zbadane przyczyn występowana neefektywnośc. Rezultaty badań emprycznych nad efektywnoścą pomar charakterystyk technolog mogą być zatem wykorzystane w praktyce. Pomar analza efektywnośc kosztowej może stać sę narzędzem pomocnczym w zarządzanu poltyce ekonomcznej banku gdyż nformuje o skal możlwych do uzyskana oszczędnośc (możlwego zwększena zysku) przy zachowanu danej skal dzałalnośc banku. Efektywność banku stanow stotny element jego konkurencyjnośc. Prezentowana metodologa ekonometryczna może być wykorzystywana w badanach efektywnośc techncznej kosztowej nnych 3

6 jednorodnych grup przedsęborstw (należących do tej samej branży np. wg Europejskej Klasyfkacj Dzałalnośc). Wśród banków europejskch została przeprowadzona w 99 roku anketa dotycząca problemów które towarzyszą zjawsku obnżana sę rentownośc tamtejszych banków. Wśród czynnków ekonomcznych praktycy bankow wymenają przede wszystkm: stnene wolnych mocy produkcyjnych brak w technkach zarządzana brak efektywnego systemu bankowej rachunkowośc zarządczej nska jakość personelu nska kaptalzacja w stosunku do potrzeb (ekspansj) przerosty w zatrudnenu oraz nedostosowane do rzeczywstośc cennk za usług (zob. Groszek M. 997 Bank komercyjne wobec procesu Europejskej Integracj Walutowej Bank Kredyt 6). Są to problemy aktualne równeż w odnesenu do polskch banków komercyjnych. Podjęta w pracy metodologa pozwala loścowo scharakteryzować proces produkcyjny określć stopeń wykorzystana nakładów fnansowych dostarczyć nformacj stotnych dla potrzeb zarządzana bankem jako przedsęborstwem. Wynk empryczne tej pracy mogłyby być wykorzystane m.n. przy optymalzacj pozomu kosztu zatrudnena banku oraz w celu określena podstawowych obszarów w których można poszukwać oszczędnośc kosztowych. Głównym celem pracy jest bayesowska analza mkroekonomcznej efektywnośc kosztowej oddzałów polskego banku komercyjnego za pomocą stochastycznych model grancznych. Na cele cząstkowe składają sę:. określene czynnków produkcj produktów oddzałów badanego banku komercyjnego. konstrukcja stochastycznego modelu grancznego opsującego neefektywność kosztową 3. ops zastosowane metod bayesowskej analzy model grancznych 4. pomar ndywdualnej efektywnośc oddzałów banków na podstawe próby statystycznej 5. określene determnant zróżncowana efektywnośc kosztowej oddzałów 6. próba zbadana występowana korzyśc pełnego zakresu produkcj bądź specjalzacj ewentualnego pomaru tych korzyśc. W celu realzacj powyższych celów przyjęto klka założeń wyjścowych będących przedmotem weryfkacj. Podstawową hpotezą jest przypuszczene że stochastyczny model granczny jest dogodnym narzędzem pomaru efektywnośc kosztowej natomast podejśce bayesowske jest unwersalnym elastycznym sposobem wnoskowana o charakterystykach funkcj kosztów wskaźnkach efektywnośc umożlwającym pełne uwzględnene założeń mkroekonomcznych wstępnych nformacj. Hpotezą empryczną jest przypuszczene że można wyróżnć czynnk egzogenczne które wyjaśnają potencjalne różnce w pozomach 4

7 efektywnośc oddzałów. Wnoskowane bayesowske dostarcza wygodnych narzędz do weryfkacj statystycznej tej hpotezy emprycznej. Nnejsza praca ma charakter metodologczno-empryczny składa sę ze wstępu pęcu rozdzałów zakończena spsu lteratury oraz załącznków. W rozdzale perwszym zostały przedstawone mkroekonomczne podstawy analzy efektywnośc kosztowej frm. W częśc. przypomnano pojęce funkcj produkcj kosztu oraz zdefnowano termn efektywnośc kosztowej. Następne w podrozdzale. wprowadzono najprostszy jednorównanowy stochastyczny model grancznej krótkookresowej funkcj kosztu zmennego oraz zaproponowano omówono funkcję translogarytmczną jako podstawową postać analtyczną wykorzystywaną w nnejszej pracy. W częśc.3 podano podstawowe charakterystyk weloproduktowego procesu produkcj tj. elastycznośc różne defncje mar efektu skal produkcj oraz mar korzyśc pełnego zakresu bądź specjalzacj. W rozdzale drugm przedstawono mkroekonomczny model nstytucj fnansowych zaproponowany przez Sealeya Lndleya. Część. stanow przegląd lteratury śwatowej dotyczącej analzy efektywnośc kosztowej banków komercyjnych ze zwrócenem szczególnej uwag na problem defncj czynnków produkcj produktów w przypadku tych przedsęborstw. W częśc.3 autor podjął sę określena czynnków produkcj produktów w przypadku badanych oddzałów banku komercyjnego oraz specyfkacj krótkookresowej funkcj kosztu zmennego wykorzystanej w częśc emprycznej. W rozdzale trzecm przedstawono poddano krytyce podstawowe klasyczne technk estymacj model grancznych pomaru efektywnośc przede wszystkm skorygowaną metodę najmnejszych kwadratów (MNK) metodę najwększej warygodnośc (MNW) w przypadku danych przekrojowych oraz model efektów stałych estymator wewnątrzgrupowy w przypadku danych przekrojowo-czasowych. Rozdzał czwarty (a zwłaszcza część ) stanow przede wszystkm omówene bayesowskego stochastycznego modelu grancznego o wspólnym rozkładze efektywnośc dla losowych efektów ndywdualnych (CED) oraz jego uogólnena tj. modelu o zmennym rozkładze efektywność (VED). Wstępna część 4. przedstawa zarys bayesowskch reguł wnoskowana statystycznego. Prezentowane jest równeż (w częśc 4.3) losowane Gbbsa jako numeryczna metoda wyznaczana rozkładów a posteror dla neznanych parametrów grancznej funkcj kosztów dla wskaźnków efektywnośc. Rozdzał pąty prezentuje empryczną analzę efektywnośc kosztowej oddzałów. Część 5. pośwęcona jest prezentacj danych. Następne w częśc 5. przestawone są 5

8 rezultaty estymacj grancznej funkcj kosztu pomaru wskaźnków efektywnośc dla zmodyfkowanej funkcj Cobba Douglasa uzyskane na podstawe danych przekrojowych za pomocą skorygowanej MNK. Częśc stanową ops wynków emprycznych uzyskanych dla bayesowskego modelu losowych efektów ndywdualnych (o zmennym rozkładze efektywnośc - VED) w przypadku jednego zaagregowanego produktu oraz dwóch produktów; podrozdzały te zawerają m.n. nterpretację charakterystyk procesu produkcj. Przedstawono także wynk pomaru efektywnośc oraz testowana stotnośc egzogencznych przyczyn zróżncowana efektywnośc oddzałów. Pracę zamyka podsumowane oraz załącznk zawerające uzupełnające cząstkowe wynk empryczne. Nnejsze opracowane jest efektem współpracy naukowej autora z prof. AE dr hab. Jackem Osewalskm rozpoczętej w ramach grantu KBN nr -H0B-05- a kontynuowanej w ramach grantu KBN nr -H0B-0-8. Podstawy metodologczne wstępne wynk tych badań zostały opublkowane w czasopsmach ogólnopolskch bądź były referowane na konferencjach naukowych; zob. Marzec Osewalsk [996-97] Marzec [998a 998b] [999] Osewalsk Marzec Ppeń [999] Osewalsk Marzec [998a 998b 998c]. Pragnę złożyć wyrazy serdecznego podzękowana Profesorow Jackow Osewalskemu za neocenoną pomoc zaangażowane sugeste dyskusje naukowe wnklwe uwag merytoryczne w tworzenu nnejszej pracy. 6

9 . Mkroekonomczne podstawy analzy efektywnośc kosztowej frm.. Funkcja produkcj kosztów zysku a kategore efektywnośc ekonomcznej. Podstawą do stworzena modelu opsującego dzałalność frmy jest określene jej celów oraz warunków ogranczających tą dzałalność a narzucanych przez otoczene. Mkroekonomczny model przedsęborstwa jako układ założeń przedstawa zachowane sę frmy która prowadz dzałalność przy pewnych ogranczenach będących efektem stnena rynku konsumentów producentów oraz dzałana przyrody. Przedsęborstwo dąży do realzacj określonych celów z których najważnejszym docelowym jest maksymalzacj zysku rozumanego jako różnca mędzy przychodem a kosztem jego uzyskana. Dążąc do tego celu przedsęborstwo określa m.n. rozmary (skalę) produkcj decyduje o jej strukturze napotykając na ogranczena ze strony przyrody technolog która wyznacza sposoby wytwarzana produkcj z dostępnych nakładów czynnków produkcj. Nech wektor Q=(Q Q G ) R G + oznacza wektor G produktów otrzymanych w wynku zaangażowana w procese produkcyjnym H czynnków produkcj których nakłady reprezentuje wektor x=(x x H ) R H +. Ogranczena technologczne są opsywane przez kombnacje nakładów wynków (produktów) czyl zbór Z={(x Q) tak że z wektora nakładów x można otrzymać wektor produktów Q}. Zbór ten obejmuje technologczne wykonywalne sposoby produkcj jest nazywany zborem możlwośc produkcyjnych lub zborem produkcyjnym (ang. producton possblty set lub technology set) opsującym możlwe wybory technologczne stojące przed frmą. Przedmotem szczególnego zanteresowana frmy jest tak element zboru produkcyjnego (plan) {x Q} który umożlwa uzyskane najwększej możlwej produkcj z danej lośc nakładów czynnków. Tak plan produkcj określa sę jako technczne (technologczne) efektywny. Maksymalzacja zysku ne stanow nadrzędnego celu dzałana szczególnego rodzaju przedsęborstw tzw. nonproft (np. przedsęborstw użytecznośc publcznej) dla których głównym celem jest mnmalzacja kosztów wytworzena określonej welkośc produkcj. 7

10 W analze procesu produkcj (budując model matematyczny) dla uproszczena często przyjmuje sę że frma wytwarza jeden produkt albo produkcję wyraża sę w postac agregatu merzonego w jednostkach penężnych (przy cenach stałych). W tym przypadku funkcja opsująca ten zbór {x Q} nazywana jest mkroekonomczną funkcją produkcj f(x x H ) lub granczną funkcją produkcj (ang. fronter producton functon) co formalne zapsuje sę f(x x H ) = max{q: (x x H ) V(Q)} gdze V(Q) = {x R H +: {x Q} Z} jest zborem nakładów czynnków z których można uzyskać produkcję Q. Funkcja produkcj wyraża maksymalną produkcję Q możlwą do uzyskana z danych nakładów czynnków x x H. W przypadku rozważana G produktów frmy (G ) analogonem funkcj produkcj jest funkcja transformacj T: R G+H + R taka że T(Z * )=0 gdze Z * oznacza (technologczne) efektywny plan produkcyjny. Przez efektywny plan produkcyjny rozume sę taką kombnację produktów Q Q G nakładów czynnków x x H że ne stneje nna która umożlwa wytworzene wększych welkośc produktów przy tych samych nakładach czynnków lub wytworzene tych samych welkośc produktów przy mnejszych nakładach czynnków (Varan [99]). Z własnośc zborów produkcyjnych {x Q} wynka że funkcja produkcj jest 0 nemalejąca ze względu na czynnk produkcj 0 wklęsła 3. Z hstorycznego punktu wdzena najczęścej stosowanym w badanach emprycznych funkcjam produkcj (a także funkcjam kosztu) są funkcje jednorodne stopna ν>0 (ang. homogeneous functon) Szerszą klasę stanową funkcje jednokładne 4 (ang. homothetc functon) których szczególnym przypadkem są funkcje jednorodne. W pracach teoretycznych z zakresu teor frm od początku lat sedemdzesątych a w pracach emprycznych od początku lat osemdzesątych wprowadza sę upowszechna ogólnejsze formy funkcyjne np. translogarytmczna funkcja produkcj lub kosztu. Wykorzystane tej ostatnej w analze efektywnośc kosztowej będze przedmotem szczególnego zanteresowana w nnejszej pracy. Przed frmą zorentowaną na zysk jawą sę dwa problemy decyzyjne. Dotyczą one wyboru metod wytwarzana planów produkcj. Perwszy z nch dotyczy wyboru takch nakładów czynnków ekonomczne nezbędnych do uzyskana produkcj na pozome Q które gwarantują mnmalny koszt jej wytworzena 5. Opsuje sę go za pomocą modelu 3 f: R n R jest funkcją wklęsłą gdy f(tx +(-t)x ) tf(x )+ (-t)f(x ) dla każdego x x 0 t ; Varan [99]. 4 f jest funkcją jednokładną wtedy tylko wtedy gdy f(x)=g(h(x)) gdze h( ) jest funkcją jednokładną stopna a g( ) jest monotoncznym przekształcenem g: R R; Varan [99]. 5 Jak już wspomnano mnmalzacja kosztu jest postulatem unwersalnym którym wnny sę kerować wszystke jednostk produkcyjne(w tym non-proft). 8

11 mnmalzacj kosztu. Natomast model maksymalzacj zysku ujmuje problem wyboru takej welkośc produkcj ( jej struktury jeśl G>) która pozwol na uzyskane maksymalnego przychodu po najnższym koszce a w efekce maksymalnego zysku. Mnmalzacja kosztów jest warunkem konecznym dla maksymalzacj zysku. Budując obydwa modele zakłada sę że frma napotyka na ogranczena rynkowe - ceny używanych czynnków wyrobów gotowych są egzogenczne określone przez rynek na którym żadna z frm ne ma pozycj domnującej - pozycj monopolsty lub zblżonej. W tym przypadku problem mnmalzacj kosztów gdy rozważa sę jeden produkt (lub produkcję wyraża sę w postac agregatu wyrażonego w jednostkach penężnych) H czynnków produkcj o ustalonych cenach w w H polega na znalezenu nakładów czynnków x x H które mnmalzują koszty całkowte (TC) wytworzena danego pozomu produkcj Q=f(x x H ) gdze f(x x H ) jest mkroekonomczną funkcją produkcj TC=(x w + + x H w H ) a Q to zadana (ustalona) welkość produkcj. Rozwązane problemu czyl mnmalny koszt całkowty nezbędny do osągnęca pożądanego pozomu produkcj Q c(w w H Q) jest funkcją cen czynnków welkośc produkcj Q. Nakłady czynnków produkcj x * (w w H Q) x * H (w w H Q) zapewnające frme mnmalny koszt całkowty równeż zależą od cen czynnków pozomu produkcj; określane jako warunkowe funkcje popytu na czynnk. Przedstawony wyżej model dotyczy sytuacj gdy frma mnmalzująca koszt mogła zmenać nakłady wszystkch czynnków produkcj. Otrzymana funkcja kosztu c(w w H Q) nazywana jest wówczas długookresową funkcją kosztu. Odzwercedla ona mnmalny koszt całkowty wytworzena danego pozomu produkcj Q przy dostosowanu wszystkch czynnków produkcj. Problem maksymalzacj zysku frmy gdy ma ona swobodę wyboru pozomu wszystkch ponoszonych nakładów (tj. w długm okrese) polega na wyborze takej skal produkcj która gwarantuje maksymalny zysk - najwększą różncę mędzy przychodem a kosztem jego uzyskana. Zapsuje sę go następująco: max Q [ p Q c( w Kw Q)] H gdze: p cena produktu (w przypadku produkcj jednoasortymentowej) lub uśrednona cena welu produktów a Q jest agregatem produkcj wyrażonym w jednostkach penężnych. O le analza długookresowa przedstawona zostane bardzo zwęźle jedyne dla przypadku jednoproduktowego (G=) to dalsze rozważana (ważnejsze dla pracy) dotyczą analzy krótkookresowej w przypadku produkcj weloasortymentowej. 9

12 0 Jeżel w badanym okrese zaangażowane chocaż jednego z czynnków produkcj np. H-tego ne podlega zmane wtedy mnmalny koszt wytworzena G produktów (o welkośc Q Q G ) przy zmane jedyne czynnków podlegających optymalzacj (czynnków zmennych: x x H- ) jest rozwązanem zagadnena: [ ] H H H H x x w x~ w x w x mn H K K przy warunku T(Q Q G x x H- H x~ )=0 czyl [ ] mn ~ H H x x H H w x w x w x H K K przy warunku T(Q Q G x x H- H x~ )=0 gdze: H x~ - zaangażowane czynnka stałego ne podlegającego optymalzacj. Koszt całkowty zaangażowana optymalnych nakładów czynnków x * x H- * zależy od cen wszystkch czynnków w w H welkośc produktów Q Q G dodatkowo nakładów czynnka stałego H x~ nos nazwę krótkookresowej funkcj kosztu całkowtego (ang. shortrun total cost). Na koszt całkowty c s (w w H Q Q G H x~ ) składa sę koszt zmenny VC = c s v(w w H- Q Q G H x~ ) równy ( ) ( ) = * ~ H H G H x Q Q w w x w K K koszt stały c s f( H x~ wh ) = H H w x~. Zatem krótkookresowa funkcja kosztu zmennego (ang. short-run varable cost) - c s v(.) - jest funkcją jedyne cen czynnków zmennych welkośc produktów oraz nakładów czynnków stałych (ne występuje w nej cena czynnka stałego). Problem maksymalzacj zysku w krótkm okrese może być zapsany następująco: ( ) ( ). ~ ~ max ~ max H H H G H s v G G H G H s G G x w x Q Q w w c Q p Q Q x Q Q w w c Q p Q Q = = = K K K K K K Powyższy zaps podkreśla fakt że warunkem konecznym maksymalzacj zysku jest mnmalzacja kosztu por. Varan [99]. Dotychczasowe rozważana można zlustrować przykładem krótkookresowej funkcj kosztu otrzymanej z funkcj produkcj typu Cobba-Douglasa. Dla uproszczena przyjęto że welkość produkcj wyraża sę poprzez Q (G=) zaangażowane zmennych czynnków produkcj wynos odpowedno x x a stałego x 3 (H=3) gdze ostatn z czynnków ne podlega optymalzacj w procese mnmalzacj kosztu. Problem ten zapsuje sę: ( ) = + + d c b x x ax Q w x x w w x x x ~ ~ mn przy czym abcd>0 w w w 3 >0.

13 Wykorzystując metodę mnożnków Lagrange'a w celu wyznaczena ekstremum warunkowego otrzymano rozwązane - warunkowe funkcje popytu na czynnk produkcj - postac: x * (w w Q 3 x * (w w Q 3 c /( b+ c) c /( b+ c) ~ w c 3 /( b+ c) w b /( b+ c) d /( b+ c) x~ )= a ( ) ( ) Q x b/( b+ c) b/( b+ c) ~ w b 3 /( b+ c) w c /( b+ c) d /( b+ c) x~ )= a ( ) ( ) Q x Zatem na mnmalny koszt całkowty c s (w w Q x~ 3 ) składa sę koszt stały (nezależny od pozomu produkcj) c s f( x~ 3 w 3 )= x~ 3 w 3 oraz koszt zmenny c s v(w w Q x~ 3 ) równy 3 4 /( b+ ) b /( b ) c 0w w Q gdze: a c ( ) c + = c + ( ) x ~ /(b+c) 4 = -d/(b+c). ) ( ) b /( b+ c = b/(b+c) = c/(b+c) 3 = 0 c W przypadku funkcje kosztu zmennego można mówć o ogólnym efekce skal produkcj efekce skal produkcj względem czynnków zmennych. Perwszy z nch - ogólny efekt skal produkcj określa wpływ proporcjonalnych zman nakładów wszystkch czynnków na welkość produkcj a jego marą jest współczynnk efektu skal który dla przypadku omawanej funkcj kosztu typu Cobba-Douglasa wynos (- 4 )/ 3 czyl b+c+d. Natomast efekt skal produkcj względem czynnków zmennych nformuje o le procent wzrośne welkość produkcj na wskutek proporcjonalnego wzrostu nakładów jedyne czynnków zmennych; w omawanym przypadku współczynnk efektu skal wynos / 3 czyl b+c. Zatem w omawanym przypadku współczynnk ogólnego efektu może być wększy albo mnejszy od współczynnka efektu skal względem czynnków zmennych w zależnośc od znaku parametru 4 a dokładnej od sytuacj substytucj czynnków produkcj bądź ch komplementarnośc. Wyprowadzene wzoru na współczynnk ogólnego efektu skal produkcj w przypadku translogarytmcznej funkcj kosztu zmennego ne jest łatwe zatem w częśc dotyczącej emprycznej analzy produkcj będze wykorzystywany współczynnk efektu skal względem tylko czynnków zmennych. Otrzymana w tym przypadku krótkookresowa funkcja kosztu zmennego jest funkcją potęgową a warunk regularnośc ekonomcznej nakładają następujące restrykcje na parametry >0 dla = 3 4 <0. Ujemny znak parametru przy pozome zaangażowana czynnka stałego ( 4 ) wynka ze zjawska substytucj czynnków produkcj dla przyjętej funkcj produkcj (Cobba-Douglasa). Warto zauważyć ż z własnośc funkcj produkcj (nemalejąca ze względu na czynnk produkcj) wynka możlwość występowana zarówno komplementarnośc gdy jest ona stała względem jednego z czynnków jak substytucj b.

14 mędzy czynnkam (w przypadku slnej monotoncznośc). Prowadz to do następującego stwerdzena: jeżel funkcja produkcj z której otrzymano krótkookresową funkcję kosztu dopuszcza substytucję czynnków to elastyczność względem zaangażowana czynnka stałego dla funkcj kosztu zmennego pownna być ujemna. W przypadku funkcj produkcj dopuszczającej komplementarność czynnków np. Leontewa co prawda funkcja warunkowego popytu na zmenny czynnk produkcj ne zależy od nakładów czynnków stałych węc ne pojawą sę one jako zmenne w równanu krótkookresowej funkcj kosztu zmennego lecz dzedzna tej funkcj jest ogranczona przez nakłady czynnków stałych. Zatem w przypadku funkcj Leontewa rozwązane problemu: ( w x + wx + w ~ 3x3 ) mn{ ax bx cx ~ } x mn x przy czym abc>0 w w w 3 >0 Q = 3 prowadz do funkcj kosztu zmennego postac: c s v(w w Q) = Q(w /a + w /b) dla Q (0 c ~ x 3 ]. Zatem specyfkacja zmennych (argumentów) krótkookresowego funkcj kosztu ma podstawy w mkroekonomcznej teor frm zależy m.n. od tego czy dopuszcza sę komplementarność czynnków czy ne. Przedmotem dalszych rozważań będze właśne krótkookresowa funkcja kosztu zmennego. Własnośc tej funkcj mplkują restrykcje na parametry które pownno sę ewentualne uwzględnć przy ch estymacj. Zakłada sę że jest ona: nemalejąca ze względu na ceny czynnków zmennych (w w H- ) produkcję (Q Q G ) jednorodna (homogenczna) stopna jeden ze względu na ceny czynnków zmennych nerosnąca ze względu na nakłady czynnków stałych jeśl zakłada sę substytucyjność. Warunk regularnośc ekonomcznej wymagają aby elastycznośc funkcj kosztów względem produktów oraz cen czynnków zmennych (podlegających optymalzacj w procese mnmalzacj kosztów) były neujemne aby te ostatne sumowały sę do jednośc. Własność homogencznośc można explcte narzucć dokonując prostej operacj wydzelena kosztu każdej z cen przez jedną z nch. Narzucene globalnych warunków (na całą dzedznę funkcj kosztu) ma praktyczne znaczene poneważ zmnejsza lczbę parametrów funkcj. Narzucene pozostałych restrykcj jest trudne ne zawsze możlwe w przypadku klasycznych metod estymacj w przecweństwe do podejśca bayesowskego które poprzez rozkład a pror pozwala uwzględnć nawet nelnowe nerównoścowe restrykcj na parametry. W praktyce stosując podejśce bayesowske uwzględna sę warunk monotoncznośc funkcj kosztu jedyne lokalne tj. dla welkośc zmennych obserwowanych w próbe.

15 Mkroekonomczna (tzw. granczna) funkcja kosztów otrzymana jako rozwązane problemu mnmalzacj kosztów ma szeroke zastosowane w analze emprycznej kosztów frmy. Jednym z obszarów jej wykorzystana jest analza efektywnośc kosztowej frmy a w szczególnośc nstytucj fnansowych (w tym banków komercyjnych lub ch oddzałów). W badanach efektywnośc kosztowej przedmotem badana jest grupa przedsęborstw należących do jednej branży posadających dostęp do tej samej myśl techncznej (technolog). Zakłada sę że frmy te są dla sebe konkurentam zarówno na rynku czynnków produkcj jak produktów (oznacza to że pozyskują czynnk produkcj sprzedają swoje produkty po cenach kształtowanych przez rynek żadna z nch ne ma pozycj monopolstycznej lub zblżonej). Obserwuje sę że frmy - ze względu na swój potencjał - angażują różne lośc tych samych czynnków które w procese produkcj są w odmenny sposób zużywane powodując że każda z frm posada nny pozom strukturę produkcj. Zakłada sę że wszystke frmy prowadząc dzałalność nastawoną na osągnęce zysku dążą do jego maksymalzacj a stopeń wykonana tego celu jest swostych kryterum oceny przedsęborstwa. Można zatem postawć pytane która z frm rob to najlepej? Odpowedź wydaje sę być prosta: frma maksymalzuje zysk gdy wytwarza produkcję po najnższym koszce jednocześne uzyskuje maksymalny przychód z jej sprzedaży (skończone rozwązane stneje w przypadku procesu produkcj charakteryzującego sę malejącym efektem skal). W przypadku frmy w pełn maksymalzującej zysk pownny być spełnone trzy warunk: 0 dostępna technologa produkcj wykorzystywana jest w sposób najlepszy z możlwych (lczony w pewen sposób stosunek efektu produkcyjnego do ponesonych nakładów jest maksymalny) 0 struktura nakładów czynnków odpowada relacj ch cen rynkowych 3 0 skala struktura produkcj odpowada cenom produktów (warunek na strukturę ma znaczene tylko w przypadku produkcj weloasortymentowej). Istneje zatem potrzeba dokonana porównań oceny frm ze względu na przyjęte kryterum. Analza efektywnośc techncznej pozwol na zbadane w jakm stopnu spełnony jest perwszy warunek natomast analza efektywnośc kosztowej bada spełnene jednocześne dwóch perwszych warunków. Badane czy przedsęborstwo maksymalzuje zysk czyl czy spełnone są wszystke trzy warunk możlwe jest dopero w oparcu o funkcję zysku jednakże analza tego problemu wychodz poza ramy nnejszej pracy. Perwsze próby badań emprycznych ogólnej efektywnośc ekonomcznej na podstawe funkcj zysku podjęl dla banków: Berger Hancock Humphrey [993] oraz Akhaven Swamy Taubman Sngamsett [997]. 3

16 Analza efektywnośc kosztowej umożlwa stwerdzene czy przy danych cenach czynnków produkcj (ewentualne także danych nakładach czynnków stałych) frma ponos mnmalny koszt (całkowty lub zmenny) wytworzena określonego pozomu produkcj lub wektora produktów. Innym słowy bada sę czy dana welkość produkcj została osągnęta przy odpowednej skal strukturze nakładów tych czynnków. Jeżel ten warunek jest spełnony to frma wytwarzając optymalną welkość produkcj (gwarantującą maksymalny zysk) osąga ją przy odpowednch nakładach czynnków produkcj (po najnższym koszce). Jeżel przedsęborstwo ponos wększy koszt nż wynka on z mkroekonomcznej (grancznej) funkcj kosztu to spowodowane jest to neefektywnoścą kosztową - alokacyjną lub technczną. Termn efektywność technczna wprowadzony przez Farella [957] może być nterpretowany na dwa różne sposoby. Przedsęborstwo charakteryzuje sę efektywnoścą technczną zorentowaną na efekty (ang. output - orented techncal effcency) gdy z danych nakładów czynnków produkcj uzyskuje produkcję nższą nż wynka ona z mkroekonomcznej funkcj produkcj czyl Q/a = f(x x H ) gdze 0<a to parametr merzący stopeń odchylena n mnus obserwowanego pozomu produkcj Q od funkcj grancznej (por. np. Atknson Cornwell [994]). Przedsęborstwo charakteryzuje sę neefektywnoścą technczną zorentowaną na nakłady (ang. nput - orented techncal effcency) gdy określoną welkość produkcj Q mogłoby uzyskać redukując proporcjonalne zaangażowane wszystkch czynnków produkcj (obnżając koszt ponesonych nakładów) czyl Q=f(b x b x H ) gdze 0<b jest parametrem możlwych redukcj nakładów. W przypadku gdy funkcja produkcj jest jednorodna stopna ν (ν>0) zachodz zwązek a=b ν a zatem w przypadku szczególnym lnowej jednorodnośc oba sposoby defnowana neefektywnośc techncznej są równoważne (por. Färe Lovell [978]). Jeżel funkcja produkcj ne jest jednorodna rozróżnene obu przypadków ma stotne znaczene. Neefektywność alokacyjna polega na tym że czynnk produkcj są angażowane w neodpowednch proporcjach. Ma to mejsce gdy choć jedna z krańcowych stóp substytucj mędzy czynnkam ne odpowada lorazow ch cen rynkowych (równość ta wynka bezpośredno z warunku konecznego na stnene ekstremum funkcj zerowane sę perwszych pochodnych). Można pokazać że odchylene rzeczywśce ponesonego kosztu od grancznej funkcj kosztu jest rezultatem błędu alokacj lub neefektywnośc techncznej (zob. Marzec Osewalsk [996-97]). Rysunek przedstawa grafczną dekompozycję efektywnośc 4

17 kosztowej na technczną (zorentowaną na nakłady) alokacyjną (poczynone założena: jeden produkt dwa czynnk produkcj ch ceny są na ustalonym pozome). Przez X opt = (x opt x opt ) oznaczono optymalne nakłady obu czynnków produkcj które przy danych cenach czynnków gwarantują uzyskane produkcj na pozome Q obs po najnższym koszce C mn. Natomast X obs =(x obs x obs ) oznacza obserwowane nakłady przy których uzyskano produkcję Q obs ponosząc koszt C obs. Nech zokwanta {(x x ): f(x x )=Q obs f - funkcja produkcj} jest zborem takch kombnacj nakładów które są technczne nezbędne do uzyskana produkcj Q obs. Wdoczna na rysunku nefektywność technczna polega na tym że X obs leży powyżej zokwanty Q obs. Można węc tę samą produkcję Q obs uzyskać przez proporcjonalną (tj. ne zmenającą struktury) redukcję nakładów do punktu X tech obnżene kosztu do C tech. Różnca mędzy C obs C tech jest kosztem neefektywnośc techncznej. Neefektywność alokacyjna polega na tym że struktura nakładów X obs X tech ne odpowada relacj cen czynnków produkcj; produkcję Q obs można uzyskać tanej (po koszce C mn <C tech ) przez zastosowane optymalnej kombnacj X opt. Podsumowując marą efektywnośc alokacyjnej jest węc stosunek długośc odcnków OA/OB a techncznej OB/OC. Efektywność kosztowa to OA/OC = (OA/OB) (OB/OC) czyl loczyn obu mernków cząstkowych; por. Kopp Dewert [98]. Na przykład: efektywność technczna rzędu 0.8 efektywność alokacyjna rzędu 0.9 prowadz do efektywnośc kosztowej 0.7 (koszt nezbędny stanow 7% kosztu ponesonego). 5

18 Rysunek. Neefektywność kosztowa jej dekompozycja (założene: jeden produkt dwa czynnk produkcj a ch ceny są na ustalonym pozome). X Q obs C mn - koszt granczny Efektywność kosztowa = OA OB OB OC = OA OC C x obs B X obs x tech A X tech x opt X opt C tech C obs O x tech x obs x opt C mn X W dalszej częśc zostane przedstawony sposób modelowana neefektywnośc kosztowej za pomocą stochastycznych model grancznych które stanową alternatywne podejśce w stosunku do hstoryczne wcześnejszych metod opartych o technk programowana matematycznego... Modelowane neefektywnośc kosztowej. Empryczne badana efektywnośc ekonomcznej frm prowadz sę w oparcu o stochastyczne modele ekonometryczne bądź o modele determnstyczne. Wykorzystane tych ostatnch model wykorzystujących technkę programowana lnowego 6 w odnesenu do nstytucj fnansowych (banków komercyjnych) prezentowane jest m.n. w pracach następujących autorów: Berg Forsund Hjalmarsson Soumnen [993] Ferrer Lovell [990] Grabowsk Ragan Rezvanan [993] Hassan Grabowsk Pasurka Ragan [990] Rangan Grabowsk Aly Pasurka [988] Sherman Gold [985] oraz Rogowsk [998b 6 podstawową metodą jest tzw. DEA (Data Envelopment Analyss). 6

19 998c] Kopczewsk [999]. W obu podejścach model formułuje sę tak aby w sposób uproszczony lecz właścwy ujmował podstawowe założena zwązane z mkroekonomcznym opsem procesu produkcyjnego frmy. Wykorzystuje sę w nch dane pochodzące z frm należących do jednej branży - węc stosujących tę samą technologę lub przynajmnej mających swobodny do nej dostęp - przy założenu że frmy mogą nabywać czynnk produkcj po egzogenczne danych cenach. Założene to pozwala przyjąć dla każdej z frm dentyczną postać mkroekonomcznej funkcj produkcj a w konsekwencj także funkcj kosztów. W przypadku danych przekrojowo-czasowych jeżel stneją przesłank merytoryczne to dla prostoty modelu zakłada sę że technologa produkcj frm ne ulega stotnej zmane w badanym okrese czasu. Koszt granczny przy swobodnym dostępe wszystkch frm do tej samej technolog reprezentuje mnmalny koszt ponoszony przy danych cenach czynnków danym (zrealzowanym) pozome produkcj. Odchylene n plus od grancznej funkcj kosztów nterpretowane może być jako błąd pomaru który ze swej stoty może być dowolnego znaku (jest zmenną symetryczną względem zera) lub neefektywność która jest zmenną neujemną. Według metodolog ekonometrycznej problem efektywnośc (techncznej lub kosztowej) formułuje sę zwykle za pomocą modelu jednorównanowego składającego sę z odpowedno wyspecyfkowanej mkroekonomcznej funkcj produkcj lub kosztów (dla logarytmów tych zmennych) oraz dwóch składnków losowych z których jeden (symetryczny względem zera) odzwercedla efekt czynnków przypadkowych błędów pomaru zaś drug (asymetryczny stałego znaku) modeluje potencjalną neefektywność. Występowane złożonego składnka losowego defnuje modele które w lteraturze określa sę jako tzw. stochastyczne modele granczne (ang. stochastc fronter models). Zostały one zaproponowane przez dwa nezależne zespoły badawcze: Agner Lovell Schmdt [977] oraz Meeusen van den Broeck [977]. Dalszego rozwoju tej metodolog prezentowanej główne na łamach Journal of Econometrcs dokonal m. n. Stevenson [980] Ptt Lee [98] Jondrow Lovell Materov Schmdt [98] Schmdt Sckles [984] Beckers Hammond [987] Greene [980] [990] van den Broeck Koop Osewalsk Steel [994] Koop Osewalsk Steel [994] [997] oraz Fernández Osewalsk Steel [997]. Wykorzystane nektórych spośród tych model w badanu efektywnośc kosztowej banków prezentowane jest w czołowej specjalstycznej lteraturze główne na łamach Journal of Bankng and Fnance Journal of Money Credt and Bankng oraz Journal of Productvty 7

20 Analyss (zob. Bauer Hancock [993] Cebenoyan Cooperman Regster Hudgns [993] Ferrer Lovell [990] Kaparaks Mller Noulas [994] Kraft Trtroglu [998] oraz Mester [993]). Natomast w polskej lteraturze naukowej zarówno statystyczno-ekonometrycznej jak bankowej newele pozycj pośwęconych jest metodologcznym aspektom badanom emprycznym z zakresu efektywnośc techncznej czy kosztowej banków ( frm w ogóle). Najczęścej do porównywana banków oceny ch dzałalnośc stosuje sę tradycyjne metody taksonomczne lub analzy wskaźnkowe (np. Grabczan [995] Tarczyńsk [998] Capga Kurzak [998]). Dopero ostatno na łamach czasopsm Bank Kredyt oraz Bank ukazały sę popularyzatorske artykuły przeglądowe G. Rogowskego na temat analzy efektywnośc oddzałów banku (Rogowsk [996] [998a] [998b] [998c]). Wskazał on na ogromną potrzebę pomaru porównań efektywnośc ekonomcznej oddzałów co może stanowć cenne uzupełnene tradycyjnych metod analz wskaźnkowych stosowanych przez bank. Uważa on że zastosowane metod ekonometrycznych umożlw mędzy nnym obektywzację kryterów oceny oddzałów (Rogowsk [998a] s. 7). W przypadku danych przekrojowo-czasowych najprostszy jednorównanowy stochastyczny model grancznej krótkookresowej funkcj kosztu zmennego frmy może być sformułowany następująco (dla logarytmu kosztu): t ( xt ) + vt zt y = h + () gdze: y t - obserwowany logarytm kosztu zmennego (VC t ) -tej frmy w okrese t (= N; t= T) x t - wektor wersz zmennych egzogencznych (będących funkcjam welkośc produktów cen czynnków zmennych nakładów czynnków stałych) - wektor K+ neznanych parametrów h ( ) x t - odpowedno wyspecyfkowana granczna krótkookresowa funkcja kosztu zmennego lnowa względem parametrów. W równanu () zakłada sę o z t v t że 0 są zmennym losowym nezależnym od sebe zarówno po frmach jak po czase (z t v kl ) 0 są nezależne od regresorów przy czym: z t to zmenna o wartoścach wyłączne neujemnych (z t 0) która odzwercedla neefektywność -tej frmy w okrese t (= N; t= T). 8

21 v t to składnk czysto losowy o rozkładze symetrycznym wyrażający wpływ czynnków przypadkowych bądź błędów w pomarze kosztów; o wszystkch zmennych v t (= N; t= T) zakłada sę że posadają nezależne (v t v kl ) dentyczne rozkłady o zerowej wartośc oczekwanej np. rozkłady normalne tj. v t ~N(0σ v ). Składnk z t reprezentuje wzrost kosztu spowodowany neefektywnoścą technczną (zbyt dużą skala nakładów) lub alokacyjną (proporcje nakładów nezgodne są z relacją cen rynkowych czynnków). Główny problem w ekonometrycznej parametrycznej analze efektywnośc kosztowej frm sprowadza sę do estymacj neznanych parametrów stochastycznej grancznej funkcj kosztów a następne do pomaru wskaźnków neefektywnośc (bądź efektywnośc). Problemy w przypadku modelu () polegają na znalezenu takej metody estymacj która uwzględn nformacje a pror o neujemnym składnku modelującym neefektywność oraz pozwol na estymację (lub predykcję) składnków z t. Rodzaj posadanych danych - przekrojowo-czasowe (panelowe) czy tylko przekrojowe specyfkacja zmennej reprezentującej neefektywnośc są zatem podstawowym czynnkam które wnny decydować o wyborze typu modelu sposobu jego estymacj (por. np. Fernández Osewalsk Steel [997]). O z t zakłada sę m.n. że posadają nezależne rozkłady (z t z kl ) np. wykładncze ndeksowane przez parametr λ t (z t ~EXP(λ t )). Rozważa sę także przypadek dentycznych rozkładów dla z t po obu ndeksach (z t ~EXP(λ)) lub tylko po czase (z t ~EXP(λ )). Częstym założenem (przyjmowanym zwłaszcza przy małym T) jest ne tylko stałość technolog ale stałość efektywnośc frmy w czase z t =z dla t= T. Umożlwa to bardzej precyzyjny szacunek przecętnej efektywnośc każdej frmy gdyż stneje dla nej T obserwacj a ne tylko jedna. W tym przypadku zakłada sę nezależność efektywnośc po frmach czyl (z z k ) przyjmuje sę np. z ~EXP(λ) lub z ~EXP(λ ). Modele bardzej rozbudowane pozwalają na uwzględnene testowane systematycznych różnc w efektywnośc spowodowanych przez czynnk zewnętrzne. Zakłada sę w nch m.n. że składnk reprezentujące neefektywność ne mają dentycznych rozkładów dla różnych frm tzn. mają ten sam typ rozkładu lecz o różnych parametrach będących funkcją pewnych zmennych egzogencznych (por. Kumbhakar Ghosh McGuckn [99] oraz Koop Osewalsk Steel [99]. Najważnejszą cechą odróżnającą tzw. modele determnstyczne od model stochastycznych jest brak składnka czysto losowego v t. Modele determnstyczne zakładają stnene jednego składnka z t węc dopuszczają tylko odchylena n plus od grancznej 9

22 funkcj kosztu. To jest jedna z głównych przyczyn ostrej krytyk tego podejśca ne uwzględnającego jakchkolwek zaburzeń losowych oraz błędów pomaru które potencjalne w różnym kerunku z różną słą mogą wpływać na pozom neefektywnośc badanych frm. W modelu determnstycznym jedna netypowa obserwacja może meć znaczący wpływ na otrzymane wynk - pomar efektywnośc. Jeżel natomast w równanu () zachowa sę składnk czysto losowy v t a pomne sę składnk z t to przedstawa ono model przecętnej funkcj kosztów (average practce model) formalne odpowadający założenu pełnej efektywnośc Należy jednak zwrócć uwagę że tak wyspecyfkowane równane () ne pozwala na ujęce dekompozycj efektywnośc kosztowej na efektywność kosztową alokacyjną. Próbę dekompozycj źródeł neefektywnośc podjęl sę Atknson Cornwell [994a] [994b] oraz Kumbhakar [997] w tzw. modelu shadow cost functon będącym układem równań: odpowedno zmodyfkowanej funkcj kosztów równań warunkowego popytu na czynnk. Estymacja takego modelu w przypadku translogarytmcznej funkcj kosztu (z uwzględnenem nelnowych restrykcj) z uwag na stopeń komplkacj może stanowć obszar dalszych pogłębonych badań. Obecne w badanach emprycznych z tego zakresu najczęścej używaną formą funkcyjną jest translogarytmczna funkcja kosztów (ang. translog cost functon) określana równeż termnem gętka forma funkcyjna. Mmo że do opsu procesu produkcj została ona użyta po raz perwszy w 97 roku przez Chrstensena Jorgensona Lau (zob. także Chrstensen Jorgensona Lau [973]) to w polskej lteraturze ekonometrycznej praktyczne ne jest stosowana. Otrzymuje sę ją - dla logarytmu kosztów (lnvc) - poprzez aproksymację drugego rzędu dowolnej funkcj przynajmnej trzykrotne różnczkowalnej (druge pochodne cągłe) w otoczenu pewnego (arbtralne dobranego) punktu. Lepszą aproksymacje neznanej funkcj kosztu (aczkolwek neznaczną przy dodatkowych założenach o różnczkowalnośc) można uzyskać rozwjając w szereg Taylora ucnając go po odpowednch pochodnych rzędu wyższego nż drug. Funkcja translogarytmczna kosztu jest autonomczna w stosunku do funkcj produkcj jak dotąd ne pokazano z jakej postac funkcj produkcj otrzymuje sę ją w wynku rozwązana problemu mnmalzacj kosztu (o funkcj produkcj wadomo że ne jest funkcją jednorodną). Poneważ translogarytmczna funkcja kosztu ne jest funkcją jednorodną węc jest wrażlwa na skalowane danych. Zatem koneczne jest zwrócene uwag na fakt że w równanu () na potencjalną neefektywność kosztową składa sę neefektywność technczna zdefnowana jako zorentowana na nakłady a ne zorentowana na efekty. Rozróżnene dwóch nterpretacj neefektywnośc techncznej jest w tym przypadku stotne. 0

23 Translogarytmczna funkcja kosztów w przypadku krótkookresowym ma następująca postać: lnvc t * = + G g = h= P p= g= P 0 H G P p= j p G g = (4) g h (6) p g (8) p j *() g lnq ln X ~ ln X ~ lnq t g t p t p t g + ln w ln Q t h ln X ~ P p= t g t j *() p P p= h= G g= j g H H G H h= j h ln X ~ (5) p h (7) g j (9) h j t p + ln X ~ H h= ln Q ln w t p t g t h *(3) h ln w ln Q ln w ln w gdze o v t z t czyn sę założena dentyczne jak w równanu () wykorzystuje sę twerdzene Younga 7 celu oszczędnej parametryzacj. Ponadto: VC t - obserwowany koszt zmenny -tej frmy w okrese t (= N; t= T) Q tg - produkcja g-tego produktu (g= G) w th - cena h-tego czynnka zmennego produkcj (h= H) ~ - zaangażowane p-tego czynnka stałego (p= P). X t p Wykorzystywany często model kosztów Cobba-Douglasa stanow formalne szczególny przypadek funkcj translogarytmcznej (przy odpowednch restrykcjach na parametry których stotność można testować). W równanu () występuje duża lczba parametrów lecz można dodatkowo ogranczyć lczbę swobodnych parametrów jeżel uwzględn sę własność jednorodnośc funkcj kosztów stopna jeden ze względu na ceny zmennych czynnków t h t j t j + t h + + v produkcj. Powoduje ona następujące restrykcje na parametry równana (): H h= H H (4) g h + h= h= (9) h h *(3) h + = H j> h (5) p h (9) h j + = 0 h j= (9) j h = 0 dla p = K P; g = K G dla h = K H Warunek jednorodnośc funkcj kosztu względem cen będze automatyczne spełnony gdy koszt zmenny (VC t ) ceny w th (h= H) wydzel sę przez jedną z nch (np. w th ): t + + z t () (3) 7 wynka z nego w szczególnośc że jeżel funkcja jest -krotne różnczkowalna w pewnym punkce pochodne -go rzędu są cągłe to macerz pochodnych -go rzędu w tym punkce jest macerzą symetryczną.

24 ln VC wt t H * = p= g= p= j p g= (6) p g (8) p j *() g ln X ~ ln X ~ ln Q t p t p t g w ln w G H (4) g h ln Qt g t h g= h= t H P P G P G + ln Q ln X ~ g P p= t j *() p G g= j g ln X ~ (7) g j t p ln Q t g w ln w ln Q w ln w H *(3) h t h h= t H w ln w P H (5) ln ~ p h X t p t h p= h= t H G + t j w ln w H H (9) t h t j h j h= j h t H t H + v t + z t (4) Po dokonanu prostych operacj matematycznych model () przyjme postać równoważną: lnvc t = + 0 G H g= h= P p= g= P G P p= j p G g= (4) g h (6) p g (8) p j () g ln Q ln X ~ ln X ~ ln Q t g t p t p t g + ln w ln Q t h ln X ~ P p= g t j () p p= h= G g= j g ln X ~ P H H H h= G j h t p (5) p h (7) g j (9) h j + H h= ln X ~ ln Q ln w t p t g t h (3) h ln w ln w ln Q ln w t h t j t j t h + v t + z t (5) gdze nowe parametry 0 () g () p (3) h są funkcjam parametrów modelu (4) ceny w th w szczególnośc: H H H * *(3) (9) = 0 0 ln wt H + h ln wt H h j. h= h= j h W efekce lczba estymowanych parametrów funkcj kosztu w równanu (4) - z wyjątkem wyrazu wolnego - wynos K=(G+H+P-)(G+H+P+)/ (np. w przypadku gdy G=H=3 P= to K=7). W dalszej częśc zostaną opsane podstawowe charakterystyk służące do opsu procesu produkcj kosztu m.n. poprzez pomar efektu skal korzyśc produkcj w przypadku translogarytmcznej krótkookresowej funkcj kosztu zmennego.

25 .3. Charakterystyk procesu produkcj. Oszacowana mkroekonomczna funkcja kosztów jest cennym źródłem nformacj o badanym procese produkcj koszce produkcj zwłaszcza gdy rozważa sę wele produktów (G>). W tym przypadku funkcja transformacj jest bardzo rzadko wykorzystywana w badanach emprycznych poneważ występują problemy z jej modelowanem estymacją chocaż ostatno próby jej estymacj dokonal Fernández Koop Steel [000]. Zatem w praktyce w przypadku welu produktów wykorzystuje sę funkcję kosztu co ma teoretyczne uzasadnene poneważ w myśl zasady dualzmu funkcja kosztu sumaryzuje wszystke ekonomczne stotne aspekty technolog (procesu produkcj). Istneje jednoznaczna relacja wążąca obe funkcje; zob. Shephard [98]. Orygnalne parametry funkcj translogarytmcznej ne mają ekonomcznej nterpretacj lecz koszt krańcowy elastycznośc względem cen czynnków zmennych nakładów czynnków stałych oraz współczynnk efektu skal produkcj nosą nformacje o kształtowanu sę kosztu własnoścach procesu produkcj. Z uwag na fakt że funkcja translogarytmczna jest określona dla logarytmów zmennych elastycznośc lczy sę łatwo jako pochodne logarytmu koszu względem logarytmu zmennej. W efekce elastyczność VC W Q X ~ względem h-tej ceny (h= H) dla translogarytmcznej kosztu zmennego ( ) funkcj danej równanem (5) wyraża sę wzorem: η ~ lnvc ( ) ( wt Qt X t ) VC / w = h t + (9) h h ln w ln w t h t h + H j h = (9) h j (3) h + ln w t j G g =. (4) g h ln Q t g + P p= (5) p h ~ ln X Natomast elastyczność kosztu względem ceny H-tego czynnka produkcj wyznacza sę korzystając z własnośc jednorodnośc funkcj kosztów względem cen a manowce: η lnvc w ( ) ( t t t ) VC / w = = η( VC / w ). H t ln w Q t H ~ X H h= Elastyczność względem zaangażowana p-tego czynnka stałego (p= P) wynos: t h t p + (6) (7) 3

Produkty i czynniki produkcji w badaniach efektywności kosztowej banków 1

Produkty i czynniki produkcji w badaniach efektywności kosztowej banków 1 Produkty czynnk produkcj w badanach efektywnośc kosztowej banków 1 Jerzy Marzec Katedra Ekonometr Akadem Ekonomcznej w Krakowe Podstawy pomaru efektywnośc kosztowej. Mkroekonomczny model przedsęborstwa

Bardziej szczegółowo

Modelowanie procesu produkcji banków i badanie ich efektywności kosztowej 1

Modelowanie procesu produkcji banków i badanie ich efektywności kosztowej 1 Jerzy Marzec (Katedra Ekonometr Akadem Ekonomcznej w Krakowe) Modelowane procesu produkcj banków badane ch efektywnośc kosztowej 1 1. Podstawy pomaru efektywnośc kosztowej. Mkroekonomczny model przedsęborstwa

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

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

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja

Badanie optymalnego poziomu kapitału i zatrudnienia w polskich przedsiębiorstwach - ocena i klasyfikacja Jacek Batóg Unwersytet Szczecńsk Badane optymalnego pozomu kaptału zatrudnena w polskch przedsęborstwach - ocena klasyfkacja Prowadząc dzałalność gospodarczą przedsęborstwa kerują sę jedną z dwóch zasad

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności Jacek Batóg Unwersytet Szczecńsk Propozycja modyfkacj klasycznego podejśca do analzy gospodarnośc Przedsęborstwa dysponujące dentycznym zasobam czynnków produkcj oraz dzałające w dentycznych warunkach

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli)

Model ASAD. ceny i płace mogą ulegać zmianom (w odróżnieniu od poprzednio omawianych modeli) Model odstawowe założena modelu: ceny płace mogą ulegać zmanom (w odróżnenu od poprzedno omawanych model) punktem odnesena analzy jest obserwacja pozomu produkcj cen (a ne stopy procentowej jak w modelu

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI. EONOMIA MENEDŻERSA Wykład 3 Funkcje rodukcj 1 FUNCJE PRODUCJI. ANAIZA OSZTÓW I ORZYŚCI SAI. MINIMAIZACJA OSZTÓW PRODUCJI. 1. FUNCJE PRODUCJI: JEDNO- I WIEOCZYNNIOWE Funkcja rodukcj określa zależność zdolnośc

Bardziej szczegółowo

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

Bardziej szczegółowo

GRANICZNA FUNKCJA KOSZTU DLA ODDZIAŁÓW

GRANICZNA FUNKCJA KOSZTU DLA ODDZIAŁÓW Jerzy Marzec GRANICZNA FUNKCJA KOSZTU DLA ODDZIAŁÓW BANKU: WYNIKI ESTYMACJI BAYESOWSKIEJ 1 1. Wprowadzene W śwatowej lteraturze analza efektywnośc kosztowej jest często wykorzystywana do ekonomcznej oceny

Bardziej szczegółowo

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4. Modele weloczynnkowe Analza Zarządzane Portfelem cz. 4 Ogólne model weloczynnkowy można zapsać jako: (,...,,..., ) P f F F F = n Dr Katarzyna Kuzak lub (,...,,..., ) f F F F = n Modele weloczynnkowe Można

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

65120/ / / /200

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

Bardziej szczegółowo

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB Rozwązywane zadań optymalzacj w środowsku programu MATLAB Zagadnene optymalzacj polega na znajdowanu najlepszego, względem ustalonego kryterum, rozwązana należącego do zboru rozwązań dopuszczalnych. Standardowe

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

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

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

Bardziej szczegółowo

5. OPTYMALIZACJA GRAFOWO-SIECIOWA

5. OPTYMALIZACJA GRAFOWO-SIECIOWA . OPTYMALIZACJA GRAFOWO-SIECIOWA Defncja grafu Pod pojęcem grafu G rozumemy następującą dwójkę uporządkowaną (defncja grafu Berge a): (.) G W,U gdze: W zbór werzchołków grafu, U zbór łuków grafu, U W W,

Bardziej szczegółowo

Pomiar efektywności kosztowej banków: zarys metodologii i

Pomiar efektywności kosztowej banków: zarys metodologii i Maszynops artykułu: Marzec J., J. Osewalsk, 996-97, Pomar efektywnośc kosztowe banków: zarys Jerzy Marzec, Jacek Osewalsk (Katedra Ekonometr Akadem Ekonomczne w Krakowe) Pomar efektywnośc kosztowe banków:

Bardziej szczegółowo

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 5 Mkołaj Czajkowsk Wktor Budzńsk Uogólnone modele lnowe Uogólnone modele lnowe (ang. Generalzed Lnear Models GLM) Różną sę od standardowego MNK na dwa sposoby: Rozkład zmennej objaśnanej

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją

Oligopol dynamiczny. Rozpatrzmy model sekwencyjnej konkurencji ilościowej jako gra jednokrotna z pełną i doskonalej informacją Olgopol dynamczny Rozpatrzmy model sekwencyjnej konkurencj loścowej jako gra jednokrotna z pełną doskonalej nformacją (1934) Dwa okresy: t=0, 1 tzn. frma 2 podejmując decyzję zna decyzję frmy 1 Q=q 1 +q

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

banków detalicznych Metody oceny efektywnoœci operacyjnej

banków detalicznych Metody oceny efektywnoœci operacyjnej Metody oceny efektywnoœc operacyjnej banków detalcznych Danuta Skora, mgr, doktorantka Wydza³u Nauk Ekonomcznych, Dyrektor Regonu jednego z najwêkszych banków detalcznych Adran Kulczyck, mgr, doktorant

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

Analiza ryzyka jako instrument zarządzania środowiskiem

Analiza ryzyka jako instrument zarządzania środowiskiem WARSZTATY 2003 z cyklu Zagrożena naturalne w górnctwe Mat. Symp. str. 461 466 Elżbeta PILECKA, Małgorzata SZCZEPAŃSKA Instytut Gospodark Surowcam Mneralnym Energą PAN, Kraków Analza ryzyka jako nstrument

Bardziej szczegółowo

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

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

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11 Stansław Cchock Natala Nehrebecka Wykład 11 1 1. Testowane hpotez łącznych 2. Testy dagnostyczne Testowane prawdłowośc formy funkcyjnej: test RESET Testowane normalnośc składnków losowych: test Jarque-Berra

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga Makroekonoma Gospodark Otwartej Wykład 8 Poltyka makroekonomczna w gospodarce otwartej. Model Mundella-Flemnga Leszek Wncencak Wydzał Nauk Ekonomcznych UW 2/29 Plan wykładu: Założena analzy Zaps modelu

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

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

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

Bardziej szczegółowo

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz

NAFTA-GAZ marzec 2011 ROK LXVII. Wprowadzenie. Tadeusz Kwilosz NAFTA-GAZ marzec 2011 ROK LXVII Tadeusz Kwlosz Instytut Nafty Gazu, Oddzał Krosno Zastosowane metody statystycznej do oszacowana zapasu strategcznego PMG, z uwzględnenem nepewnośc wyznaczena parametrów

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu

Kształtowanie się firm informatycznych jako nowych elementów struktury przestrzennej przemysłu PRACE KOMISJI GEOGRAFII PRZEMY SŁU Nr 7 WARSZAWA KRAKÓW 2004 Akadema Pedagogczna, Kraków Kształtowane sę frm nformatycznych jako nowych elementów struktury przestrzennej przemysłu Postępujący proces rozwoju

Bardziej szczegółowo

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach

Analiza i diagnoza sytuacji finansowej wybranych branż notowanych na Warszawskiej Giełdzie Papierów Wartościowych w latach Jacek Batóg Unwersytet Szczecńsk Analza dagnoza sytuacj fnansowej wybranych branż notowanych na Warszawskej Gełdze Paperów Wartoścowych w latach 997-998 W artykule podjęta została próba analzy dagnozy

Bardziej szczegółowo

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH

PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH PODSTAWA WYMIARU ORAZ WYSOKOŚĆ EMERYTURY USTALANEJ NA DOTYCHCZASOWYCH ZASADACH Z a k ł a d U b e z p e c z e ń S p o ł e c z n y c h Wprowadzene Nnejsza ulotka adresowana jest zarówno do osób dopero ubegających

Bardziej szczegółowo

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch

Za: Stanisław Latoś, Niwelacja trygonometryczna, [w:] Ćwiczenia z geodezji II [red.] J. Beluch Za: Stansław Latoś, Nwelacja trygonometryczna, [w:] Ćwczena z geodezj II [red.] J. eluch 6.1. Ogólne zasady nwelacj trygonometrycznej. Wprowadzene Nwelacja trygonometryczna, zwana równeż trygonometrycznym

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY

ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI PRACY STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36, T. 1 Barbara Batóg *, Jacek Batóg ** Unwersytet Szczecńsk ANALIZA WPŁYWU OBSERWACJI NIETYPOWYCH NA WYNIKI MODELOWANIA REGIONALNEJ WYDAJNOŚCI

Bardziej szczegółowo

Parametry zmiennej losowej

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

Bardziej szczegółowo

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki

METODY PLANOWANIA EKSPERYMENTÓW. dr hab. inż. Mariusz B. Bogacki Metody Planowana Eksperymentów Rozdzał 1. Strona 1 z 14 METODY PLANOWANIA EKSPERYMENTÓW dr hab. nż. Marusz B. Bogack Marusz.Bogack@put.poznan.pl www.fct.put.poznan.pl/cv23.htm Marusz B. Bogack 1 Metody

Bardziej szczegółowo

8. Optymalizacja decyzji inwestycyjnych

8. Optymalizacja decyzji inwestycyjnych dr nż. Zbgnew Tarapata: Optymalzacja decyzj nwestycyjnych, cz.ii 8. Optymalzacja decyzj nwestycyjnych W rozdzale 8, część I przedstawono elementarne nformacje dotyczące metod oceny decyzj nwestycyjnych.

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU

STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Ewa Szymank Katedra Teor Ekonom Akadema Ekonomczna w Krakowe ul. Rakowcka 27, 31-510 Kraków STARE A NOWE KRAJE UE KONKURENCYJNOŚĆ POLSKIEGO EKSPORTU Abstrakt Artykuł przedstawa wynk badań konkurencyjnośc

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa. PARA ZMIENNYCH LOSOWYCH

Analiza danych. Analiza danych wielowymiarowych. Regresja liniowa. Dyskryminacja liniowa.   PARA ZMIENNYCH LOSOWYCH Analza danych Analza danych welowymarowych. Regresja lnowa. Dyskrymnacja lnowa. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ PARA ZMIENNYCH LOSOWYCH Parę zmennych losowych X, Y możemy

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja

Modelowanie i obliczenia techniczne. Metody numeryczne w modelowaniu: Optymalizacja Modelowane oblczena technczne Metody numeryczne w modelowanu: Optymalzacja Zadane optymalzacj Optymalzacja to ulepszane lub poprawa jakośc danego rozwązana, projektu, opracowana. Celem optymalzacj jest

Bardziej szczegółowo

Wykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze

Wykłady Jacka Osiewalskiego. z Ekonometrii. CZĘŚĆ PIERWSZA: Modele Regresji. zebrane ku pouczeniu i przestrodze Wykłady Jacka Osewalskego z Ekonometr zebrane ku pouczenu przestrodze UWAGA!! (lstopad 003) to jest wersja neautoryzowana, spsana przeze mne dawno temu od tego czasu ne przejrzana; ma status wersj roboczej,

Bardziej szczegółowo

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

Bardziej szczegółowo

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej Badane współzaleŝnośc dwóch cech loścowych X Y. Analza korelacj prostej Badane zaleŝnośc dwóch cech loścowych. Analza regresj prostej Kody znaków: Ŝółte wyróŝnene nowe pojęce czerwony uwaga kursywa komentarz

Bardziej szczegółowo

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20

BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG20 Darusz Letkowsk Unwersytet Łódzk BADANIE STABILNOŚCI WSPÓŁCZYNNIKA BETA AKCJI INDEKSU WIG0 Wprowadzene Teora wyboru efektywnego portfela nwestycyjnego zaproponowana przez H. Markowtza oraz jej rozwnęca

Bardziej szczegółowo

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ Autor: Joanna Wójcik

System Przeciwdziałania Powstawaniu Bezrobocia na Terenach Słabo Zurbanizowanych SPRAWOZDANIE Z BADAŃ   Autor: Joanna Wójcik Opracowane w ramach projektu System Przecwdzałana Powstawanu Bezroboca na Terenach Słabo Zurbanzowanych ze środków Europejskego Funduszu Społecznego w ramach Incjatywy Wspólnotowej EQUAL PARTNERSTWO NA

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 10 Mkołaj Czajkowsk Wktor Budzńsk Jak analzować dane o charakterze uporządkowanym? Dane o charakterze uporządkowanym Wybór jednej z welkośc na uporządkowanej skal Skala ne ma nterpretacj

Bardziej szczegółowo

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA

KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA KRZYWA BÉZIERA TWORZENIE I WIZUALIZACJA KRZYWYCH PARAMETRYCZNYCH NA PRZYKŁADZIE KRZYWEJ BÉZIERA Krzysztof Serżęga Wyższa Szkoła Informatyk Zarządzana w Rzeszowe Streszczene Artykuł porusza temat zwązany

Bardziej szczegółowo

Metody predykcji analiza regresji

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

Bardziej szczegółowo

WikiWS For Business Sharks

WikiWS For Business Sharks WkWS For Busness Sharks Ops zadana konkursowego Zadane Opracowane algorytmu automatyczne przetwarzającego zdjęce odręczne narysowanego dagramu na tablcy lub kartce do postac wektorowej zapsanej w formace

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH

mgr inż. Wojciech Artichowicz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁACH OTWARTYCH Poltechnka Gdańska Wydzał Inżyner Lądowej Środowska Katedra ydrotechnk mgr nż. Wojcech Artchowcz MODELOWANIE PRZEPŁYWU USTALONEGO NIEJEDNOSTAJNEGO W KANAŁAC OTWARTYC PRACA DOKTORSKA Promotor: prof. dr

Bardziej szczegółowo

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych)

Zjawiska masowe takie, które mogą wystąpid nieograniczoną ilośd razy. Wyrazów Obcych) Statystyka - nauka zajmująca sę metodam badana przedmotów zjawsk w ch masowych przejawach ch loścową lub jakoścową analzą z punktu wdzena nauk, do której zakresu należą.

Bardziej szczegółowo

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński Mkroekonometra 13 Mkołaj Czajkowsk Wktor Budzńsk Symulacje Analogczne jak w przypadku cągłej zmennej zależnej można wykorzystać metody Monte Carlo do analzy różnego rodzaju problemów w modelach gdze zmenna

Bardziej szczegółowo

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH

O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Mateusz Baryła Unwersytet Ekonomczny w Krakowe O PEWNYM MODELU POZWALAJĄCYM IDENTYFIKOWAĆ K NAJBARDZIEJ PODEJRZANYCH REKORDÓW W ZBIORZE DANYCH KSIĘGOWYCH W PROCESIE WYKRYWANIA OSZUSTW FINANSOWYCH Wprowadzene

Bardziej szczegółowo

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311 Sztuczne sec neuronowe Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyk, p. 311 Wykład 6 PLAN: - Repetto (brevs) - Sec neuronowe z radalnym funkcjam bazowym Repetto W aspekce archtektury: zajmowalśmy

Bardziej szczegółowo

Statystyka Inżynierska

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

Bardziej szczegółowo

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej

Regulacje i sądownictwo przeszkody w konkurencji między firmami w Europie Środkowej i Wschodniej Łukasz Goczek * Regulacje sądownctwo przeszkody w konkurencj mędzy frmam w Europe Środkowej Wschodnej Wstęp Celem artykułu jest analza przeszkód dla konkurencj pomędzy frmam w Europe Środkowej Wschodnej.

Bardziej szczegółowo

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

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

Bardziej szczegółowo

Analiza korelacji i regresji

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

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru Pomary fzyczne - dokonywane tylko ze skończoną dokładnoścą. Powodem - nedoskonałość przyrządów pomarowych neprecyzyjność naszych zmysłów borących udzał w obserwacjach. Podawane samego tylko wynku pomaru

Bardziej szczegółowo

A O n RZECZPOSPOLITA POLSKA. Gospodarki Narodowej. Warszawa, dnia2/stycznia 2014

A O n RZECZPOSPOLITA POLSKA. Gospodarki Narodowej. Warszawa, dnia2/stycznia 2014 Warszawa, dna2/styczna 2014 r, RZECZPOSPOLITA POLSKA MINISTERSTWO ADMINISTRACJI I CYFRYZACJI PODSEKRETARZ STANU Małgorzata Olsze wska BM-WP 005.6. 20 14 Pan Marek Zółkowsk Przewodnczący Komsj Gospodark

Bardziej szczegółowo

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim

5. Pochodna funkcji. lim. x c x c. (x c) = lim. g(c + h) g(c) = lim 5. Pocodna funkcj Defncja 5.1 Nec f: (a, b) R nec c (a, b). Jeśl stneje granca lm x c x c to nazywamy ją pocodną funkcj f w punkce c oznaczamy symbolem f (c) Twerdzene 5.1 Jeśl funkcja f: (a, b) R ma pocodną

Bardziej szczegółowo

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH

OPTYMALIZACJA PROCESU PRZESIEWANIA W PRZESIEWACZACH WIELOPOKŁADOWYCH Prace Naukowe Instytutu Górnctwa Nr 136 Poltechnk Wrocławskej Nr 136 Studa Materały Nr 43 2013 Jerzy MALEWSKI* Marta BASZCZYŃSKA** przesewane, jakość produktów, optymalzacja OPTYMALIZACJA PROCESU PRZESIEWANIA

Bardziej szczegółowo

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

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

Bardziej szczegółowo

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO Różnce mędzy obserwacjam statystycznym ruchu kolejowego a samochodowego 7. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO.. Obserwacje odstępów mędzy kolejnym wjazdam na stację

Bardziej szczegółowo

Dobór zmiennych objaśniających

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

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo