Journal of Agribusiness and Rural Development ASYMETRIA W TRANSMISJI CEN PSZENICY PASZOWEJ MIĘDZY RYNKIEM POLSKIM I NIEMIECKIM
|
|
- Fabian Marcinkowski
- 8 lat temu
- Przeglądów:
Transkrypt
1 DOI: /JARD Journal of Agrbusness and Rural Developmen pissn eissn (35) 2015, ASYMETRIA W TRANSMISJI CEN PSZENICY PASZOWEJ MIĘDZY RYNKIEM POLSKIM I NIEMIECKIM Marusz Hamulczu Szoła Główna Gospodarswa Wejsego w Warszawe Absra. Celem opracowana była ocena wysępowana poencjalnych asymer w ransmsj pozomej mędzy cenam pszency paszowej w Polsce w Nemczech. W badanach emprycznych wyorzysano procedurę esowana asymer na posawe model TAR M-TAR oraz modele ECM. Wyn badań powerdzły wysępowane długooresowej zależnośc mędzy cenam w Polsce Nemczech oraz asymeryczne dososowana cen pszency do równowag długooresowej. Słowa luczowe: ransmsja pozoma cen, asymera, ceny pszency, TAR, M-TAR, ECM WPROWADZENIE Inensyfacja procesów globalzacyjnych negracyjnych w osanch lunasu laach doprowadzła do syuacj, w órej rajowe ceny surowców rolnych odzwercedlają szałowane sę ch odpowednów na rynach śwaowych. Krajowe uwarunowana popyowo-podażowe mają ym samym coraz mnejsze znaczene. Zaneresowane powązanem mędzy rynam surowcowym ransmsją pozomą nabrało nowego wymaru po zw. ryzyse żywnoścowym, órego naslene przypadło na laa (Praash, 2011; Lsor Espos, 2012). Transmsją pozomą oreślamy powązana cenowe mędzy różnym rynam rolnym na ym samym pozome łańcucha marengowego. W lasycznym rozumenu wąże sę ona z przenoszenem mpulsów cenowych mędzy ym samym surowcam w różnych loalzacjach (spaal prce ransmsson). Zagadnene o może eż doyczyć ransmsj cen mędzy różnym surowcam (neoneczne rolnym) w ej samej lub nnych loalzacjach (cross-commody prce ransmsson). Analzować można ransmsję pozomów cen lub/ ransmsję zmennośc cenowej (Confor, 2004; Espos Lsor, 2011; Serra n., 2011). Nnejsze opracowane oncenruje sę na przesrzennej ransmsj pozomów cen w ujęcu przedmoowym obejmuje ceny pszency paszowej w Polsce w Nemczech. PROBLEM BADAWCZY Teoreycznym punem wyjśca w zrozumenu mechanzmów ransmsj przesrzennej jes pojęce przesrzennego arbrażu (spaal arbrage) oraz zwązanego z nm prawa jednej ceny (Law of One Prce). Perwsze oznacza, że różnca mędzy cenam surowca w różnych loalzacjach rynowych ngdy ne przeroczy oszów ransacyjnych (w ym ransporu, załadunu, poszuwana nformacj p.), w przecwnym raze możlwośc zarobu zosaną naychmas wyorzysane przez arbrażysów. Z ole prawo jednej ceny sanow, że na rynach powązanych przez operacje handlowe arbraż cenowy homogenczne dobra posadają aą samą cenę, pomnejszoną o oszy ransacyjne (Mljovc, 1999; Facler Goodwn, 2001). Tesowane ransmsj cenowej wąże sę najczęścej z oceną efeywnośc rynu. Należy dodać, że ransmsja cenowa mędzy rynam dr nż. Marusz Hamulczu, Kaedra Eonom Rolncwa Mędzynarodowych Sosunów Gospodarczych, Szoła Główna Gospodarswa Wejsego w Warszawe, ul. Nowoursynowsa 166, Warszawa, Poland, e-mal: marusz_hamulczu@sggw.pl Copyrgh by Wydawncwo Unwersyeu Przyrodnczego w Poznanu
2 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., może zachodzć mmo brau przepływów fzycznych owarów (brau negracj rynowej) a jedyne w wynu przepływu nformacj rynowych. Podobne ja do uzysana przesrzennej równowag rynowej według lasycznego modelu Ene-Samuelsona-Taayamy-Judge (ESTJ) ne są zaem oneczne przepływy fzyczne owarów (Barre, 2001; Barre L, 2002). W rzeczywsośc ransmsja przebega ne do ońca zgodne z założenam eoreycznym. Ma na o wpływ wele czynnów, z órych najważnejsze o: oszy ransacyjne, oczewana (nepełna nformacja), bra homogencznośc produów, wpływ onraów porozumeń, rola ursu waluowego, polya handlowa czy rajowa ogranczająca przepływy owarów (Fgel, 2002; Confor, 2004). Badana empryczne doyczące pozomej ransmsj cen mają na celu weryfację, na le analzowane ryn odbegają od eoreycznych zachowań rynu dosonale onurencyjnego lub eż analzę dynam samego procesu ransmsj. Zwyle esuje sę wysępowane relacj onegrujących (długooresowych), óre mplują podobną śceżę zachowań cen w długm orese przy możlwośc róooresowych odchyleń od ego sanu. Oszacowane modelu ransmsj pozwala oreślć, po jam czase różnce cenowe sę zmnejszają oraz na esymację szybośc ransmsj mpulsów cenowych (Fgel, 2002). Podsawową cechą w całym procese jes eż oreślene erunu przepływu mpulsów cenowych, z reguły na podsawe jednej z formuł przyczynowośc w sense Grangera. W procese ransmsj problemem jes wysępowane zależnośc nelnowych. Objawają sę one odmennym reacjam cen na wzrosy spad lub eż snenem przedzałów, w órych ransmsja jes słabsza nż w nnych 1. Jao główny czynn leżący u podsaw nelnowych reacj cenowych w uładze przesrzennym wsazuje sę oszy ransacyjne (Goodwn Pggo, 2001; Sephon, 2003). Węcej na ema asymer meody jej analzowana pszą m.n.: Bale Fomby (1997), Barre L (2002), czy Meyer von Cramon- -Taubadel (2004). W ym oneśce celem opracowana jes odpowedź na pyane, czy w procese ransmsj ceny pszency paszowej w Polsce w Nemczech jednaowo reagują na dodane ujemne odchylena od równowag czy eż ne. Po weryfacj ej hpoezy olejnym celem jes oszacowane odpowednch model 1 Pomjamy uaj nelnowośc zwązane ze zmanam sruuralnym. orey błędem, opsujących dynamę cen polsch nemecch. Badana e sanową rozwnęce problemay przedsawonej w aryule Hamulczua Łopacua (2013), gdze zależnośc mędzy cenam analzowano na podsawe model lnowych. DANE EMPIRYCZNE W badanach emprycznych posłużono sę ygodnowym cenam supu pszency paszowej według Komsj Europejsej (rys. 1). Analza obejmowała ores od syczna 2005 rou do maja 2013 rou (w sume 439 obserwacj). Przyjęce aego oresu badań umożlwa pomnęce poencjalnych zman sruuralnych zwązanych ze znesenem ogranczeń handlowych po przysąpenu Pols do UE. Równocześne ygodnowa częsość danych pozwala na grunowne rozpoznane zależnośc. Z uwag na ygodnową częsolwość danych oraz newel udzał wahań sezonowych w całowej warancj analza eonomeryczna bazuje na szeregach czasowych cen bez orey sezonowej. Równocześne, z uwag na wzros zmennośc cen wraz ze wzrosem pozomu ch badana, przeprowadzono ją na zmennych przeszałconych do posac logarymcznej. Zmenne przeszałcone oznaczono: Y ceny w Polsce oraz X ceny w Nemczech. Podejśce o jes ypowe dla węszośc analz jednocześne pozwala na nerpreacje oszacowanych współczynnów jao elasycznośc cenowych. Analza grafczna (rys. 1) ujawna znaczną współzależność w szałowanu sę cen w Polsce w Nemczech. Jednym z czynnów warunujących poencjalne powązane mędzy ym rynam co równeż deermnowało wybór zmennych jes wymana handlowa pszencą. W osanch laach ooło 20% mporu pszency w Nemczech sanow mpor z Pols, podczas gdy ponad 50% polsego esporu erowane jes na ryne nemec. Welośc e wyazują endencję rosnącą (Hamulczu Łopacu, 2013). Równocześne zauważyć można znaczące wahana cen na obydwu rynach. Różnca mędzy najnższym a najwyższym pozomem cen przeracza 150%. Duża zmenność cen oraz ch endencje wzrosowe wynają z rendów na śwaowych rynach. Wśród podsawowych czynnów wzrosu cen na całym śwece wymena sę wzros zużyca surowców do producj bopalw, wzros cen surowców energeycznych czy eż 58
3 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., Nemcy Germany Polsa Poland Rys. 1. Ceny pszency paszowej w Polsce w Nemczech (euro/) Źródło: opracowane własne na podsawe danych Komsj Europejsej. Fg. 1. Feed whea prces n Poland and Germany (eur/) Source: own elaboraon on he bass of European Commsson daa. uwarunowana maroeonomczne. Szerzej ema en podejmują m.n. Rahmann n. (2010), European Commsson (2011) oraz Praash (2011). METODY Kluczowe znaczene w doborze meody sosowanej w badanu ransmsj cen mają właścwośc szeregów czasowych, sanowących realzację analzowanych procesów eonomcznych. W nnejszym opracowanu pomnęo neóre oblczena, odwołując sę do wcześnejszych badań oparych na ych samych danych z denycznego oresu. W śwele usaleń Hamulczua Łopacua (2013) szereg czasowe ygodnowych cen pszency paszowej w Polsce Nemczech w laach są nesacjonarne, znegrowane w sopnu perwszym. Powerdzono o, wyorzysując rozszerzony es Dceya-Fulera na perwase jednosowy (ADF). W śwele ych samych badań ceny nemece są w sense Grangera przyczyną cen w Polsce. Równocześne mędzy cenam wysępuje długooresowa równowaga, co powerdzono, wyorzysując es Johansena. Szerzej na ema poszczególnych model pszą np. Charemza Deadman (1997). W nnejszym opracowanu do oceny długooresowej zależnośc wyorzysano procedurę Engla-Grangera (EG) oparą na nasępującym modelu (Engle Granger, 1987): Y = β 0 + β 1 X +u (1) gdze: Y, X zmenne, órych sonegrowane jes badane (w naszym przypadu Y o ceny w Polsce, a X o ceny w Nemczech) β 0, β 1 paramery sruuralne u reszy relacj onegrującej. Sacjonarność resz u ocenamy na podsawe esu ADF-EG zgodne z nasępującym wzorem (przyład modelu bez wyrazu wolnego): 1 1 u u u (2) gdze: Δu = u u -1 ρ, γ paramery modelu masymalne opóźnene ε jes sładnem losowym o własnoścach bałego szumu. W eśce zwyłym ADF hpoeza zerowa (H 0 ) załada, że analzowany szereg czasowy jes nesacjonarny. W eśce na onegrację ADF-EG odpowada o H 0, załadającej bra onegracj. Isone mnejsza od zera warość parameru r pozwala na odrzucene H 0 ym 59
4 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., samym na uznane snena zależnośc onegracyjnej (długooresowej). Wówczas relację pomędzy zmennym można zapsać za pomocą modelu orey błędem ECM w posac (Engle Granger, 1987; Charemza Dead man, 1997): Y 0 u 1 Y 1 1 X (3) gdze: α, δ paramery dososowań róooresowych μ paramer wyrażający szybość powrou zmennej do długooresowej śceż równowag. Alernaywną specyfacją saysy esującej sacjonarność resz z relacj onegrującej danej wzorem 1 jes zw. progowy model auoregresyjny TAR (hreshold auoregressve model) (Enders Granger, 1998; Enders Slos, 2001): 1 u 1 1 I ) u I ( u u (4) gdze: I funcja zerojedynowa przyjmująca welośc: I = 1 dla u -1 τ oraz I = 0 dla u -1 < τ, gdze τ o sała równa warośc progowej. Warość progową τ można przyjąć na pozome 0 (wówczas mów sę o odchylenach powyżej ponżej relacj długooresowej oreślonej wzorem 1) lub eż oszacować łączne z parameram ρ 1 ρ 2. Model en umożlwa esowane H 0 o brau zależnośc długooresowej w ramach modelu TAR. Wyorzysać można w ym celu saysyę esu F (waran Walda), nazywaną przez Endersa Slosa (2001) saysyą Φ, przy H 0 : ρ 1 = ρ 2 = 0. Warośc ryyczne Φ* dla modelu TAR sablcowane są w pracy Endersa Slosa (2001) 2. Tesowane asymer polega na porównanu modelu oreślonego wzorem 4 z modelem nałożonym resrycjam: ρ 1 = ρ 2 za pomocą esu F (waran Walda), z wyorzysanem ych samych warośc ryycznych Φ* co wyżej. Odrzucene H 0 : ρ 1 = ρ 2 jes równoznaczne z przyjęcem hpoezy alernaywnej, mówącej o asymerycznych reacjach zmennych na odchylena od równowag długooresowej. Oznacza o, że zamas modelu 3 należy sosować progowy model orey błędem (TAR- -ECM) (Enders Slos, 2001): Y 0 I1u 1 (1 I ) 2u 1 Y X 1 1 (5) Alernaywną specyfacją modelu orey błędem jes a, w órej podzał na reżmy zależy ne od ego, czy u -1 jes powyżej czy ponżej równowag, ale od erunu zman u -1 w orese poprzednm (Enders Granger, 1998). Model a nazywamy modelem progowym z mpeem M-TAR (momenum hreshold auoregressve model). Wyorzysujemy w ym celu zmodyfowane równane 4, w órym zamas I podsawamy M : Δu -1 = M ρ 1 u -1 + (1 M )ρ 2 u -1 + γ 1 Δu -1 + γ 2 Δu γ Δu - + ε (6) gdze: M funcja zerojedynowa przyjmująca welośc: M = 1 dla Δu -1 τ M = 0 dla Δu -1 < τ. Tesowane onegracj oraz asymer wygląda analogczne ja w modelu TAR, przy czym warośc ryyczne Φ* odczyuje sę z ablc dla modelu M-TAR. W celu oszacowana modelu orey błędem z efeem M-TAR równane 5 należy przeszałcć do posac 3 : Y 0 M1u 1 (1 M ) 2u 1 Y X 1 1 (7) Po oszacowanu właścwego modelu można go znerpreować. Oszacowane modele orey błędem mogą eż być podsawą esowana asymer, przyczynowośc czy egzogencznośc (Enders Slos, 2001; Meyer von Cramon-Taubadel, 2004; Osńsa, 2008). WYNIKI BADAŃ Na podsawe logarymcznych cen w Polsce w Nemczech oszacowano zależność długooresową według wzoru 1 (w nawasach saysya -Sudena): Y = 0, ,053 X +u ( 4,88) (79,73) Blsa jednośc warość oszacowanego parameru β 1 śwadczy o prayczne pełnym przełożenu zman cen 2 Innym sposobem esowana sonośc relacj onegrującej jes wyorzysane saysy -Max. Jedna es en ma newelą sueczność, dlaego ne jes reomendowany do esowana zależnośc onegracyjnej (por. Enders Slos, 2001). 3 Równana 3, 5 7 zapsano, przyjmując jao zmenną endogenczną ΔY. Należy dodać, że e równana można zapsać analogczne dla pozosałych zmennych, przyjmując je w rol zmennej endogencznej (por. ab. 2). 60
5 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., 0,3 0,2 u 0,1 0 0,1 0,2 0, Rys. 2. Odchylena od równowag długooresowej mędzy szeregam czasowym cen pszency w Polsce w Nemczech Źródło: opracowane własne na podsawe danych Komsj Europejsej. Fg. 2. Devaons from long-run equlbrum relaonshp beween whea prce seres n Poland and Germany Source: own elaboraon on he bass of European Commsson daa. nemecch na ceny polse. Reszy relacj onegrującej zawaro na rysunu 2. Zauważyć można, że odchylena od równowag długooresowej w neórych oresach przeraczają 20%. Taa duża zmenność doyczy główne oresu, w órym doszło do zw. ryzysu żywnoścowego (laa ). Oszacowane reszy relacj onegrującej u są sacjonarne, poneważ warość saysy emprycznej = 4,36 jes nższa od warośc ryycznej esu onegracj Engla-Grangera (ADF-EG) * = 4,13 (ab. 1). Tym samym zależność mędzy zmennym można zapsać w posac modelu ECM danego wzorem 3. Wcześnej jedna waro sprawdzć, czy ne lepej byłoby wyorzysać model TAR lub M-TAR przy założenu zerowej warośc progowej. Oszacowana paramerów ρ 1 ρ 2 model TAR M- -TAR przedsawono w abel 1. Zawaro am równeż wyn esowana hpoez zerowych o brau onegracj oraz o symerycznych dososowanach do równowag. W przypadu prosego modelu progowego TAR można zauważyć, że współczynn ρ 1 = 0,031 ρ 2 = 0,194 sojące przy zmennych reprezenujących dodane (I u _1 ) ujemne ((1-I )u _1 ) odchylena od równowag znacząco sę od sebe różną, podczas gdy różnce mędzy analogcznym współczynnam w modelu M- -TAR są mnejsze (ρ 1 = 0,075 ρ 2 = 0,117). Jedna w obu przypadach hpoeza zerowa o brau onegracj (H 0 : ρ 1 = ρ 2 = 0) jes odrzucana na pozome sonośc p = 0,05. Modele z zerowym resrycjam naładanym na paramery są saysyczne gorsze od modelu wyjścowego. W olejnym rou zweryfowano hpoezę zerową mówącą o symerycznych dososowanach do równowag (H 0 : ρ 1 = ρ 2, ab. 1). Oblczona saysya Φ modelu TAR, obrazująca różnce mędzy modelem zawerającym asymeryczne odchylena (4) a modelem 2, wynos 7,03, przy warośc ryycznej Φ* = 6,33. Tym samym odrzucamy H 0, co oznacza, że dososowana cen do równowag długooresowej zależą od erunu odchylena od nej. Zabrało jedna podsaw do odrzucena H 0 : ρ 1 = ρ 2 w modelu M-TAR. Oznacza o, że nezależne od erunu zman odchyleń od równowag w poprzednm orese reacje cenowe są ae same. Podsumowując doychczasowe rozważana, można uznać, że mamy do czynena z asymerycznym dochodzenem do równowag długooresowej cen pszency. Mając na uwadze, że ρ 1 > ρ 2 (przy podobnym pozome cen blsm jednośc oszacowanu parameru β 1 ), 61
6 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., Tabela 1. Tesowane onegracj asymer mędzy szeregam czasowym cen pszency w Polsce w Nemczech Table 1. Tesng of conegraon and asymmery beween whea prce seres n Poland and Germany Paramer/hpoeza Parameer/hypohess Współczynn/Sa. -Sudena/warość ryyczna Coeffcen/-Suden sa./crcal value Model ADF-EG (równane 2) Model ADF-EG (equaon 2) ρ 0,097 ( = 4,36) H 0 : r = 0 = 4,36; * = 4,13 = 9, AIC= 1653, BIC = 1608 Model TAR (równane 4) Model TAR (equaon 4) ρ 1 0,031 ( = 0,93) ρ 2 0,194 ( = 4,55) H 0 : ρ 1 = ρ 2 = 0 Φ = 13,16; Φ* = 6,33 H 0 : ρ 1 = ρ 2 Φ = 7,03; Φ* = 6,33 = 9, AIC = 1658, BIC = 1610 Model M-TAR (równane 6) Model M-TAR (equaon 6) ρ 1 0,075 ( = 2,50) ρ 2 0,117 ( = 4,11) H 0 : ρ 1 = ρ 2 = 0 Φ = 10,14; Φ* = 6,05 H 0 : ρ 1 = ρ 2 Φ = 1,24; Φ* = 6,05 = 9, AIC = 1653, BIC = 1604 Warośc ryyczne Φ* odczyano z ablc z pracy Endersa Slosa (2001) dla n = 500 = 4 1. Źródło: opracowane własne na podsawe danych Komsj Europejsej. Crcal values were aen from Enders and Slos (2001) for n = 500 and for = 4. Source: own elaboraon on he bass of European Commsson daa. 1 W ablcach zaware są warośc ryyczne dla 0, 1 4 opóźneń oraz 50, 100, obserwacj. Rzeczywse Φ* byłyby neco nższe, jao że Φ* maleje wraz ze wzrosem. dososowana do równowag są szybsze, gdy ceny polse są nższe od cen nemecch. Z ole w oresach, gdy ceny polse są wyższe od nemecch, dochodzene do równowag jes wolnejsze. Jes o wdoczne na rys. 2, gdze warośc u powyżej zera urzymują sę dłużej nż warośc ponżej zera. Orzymane wyn zasadnczo są zgodne z analzam Rembezy (2010), óry przeprowadzł badana na mesęcznych cenach pszency ogółem w laach Można zaem uznać, że właścwym modelem do opsu szałowana sę cen jes model ECM z dososowanem TAR według wzoru 5 (TAR-ECM). Powerdzają o równeż najnższe warośc ryerów nformacyjnych AIC BIC dla modelu TAR (ab. 1). W abel 2 zawaro oszacowana dwóch model TAR-ECM jeden dla cen polsch, a drug dla cen nemecch (wg wzoru 5). W modelach pozosawono jedyne opóźnena sone przy p < 0,1. Dodaowo wśród zmennych objaśnających szałowane sę cen polsch dodano dwe zmenne 0/1 w celu wyelmnowana wpływu warośc odsających w drugej połowe lpca 2008 r. Oszacowane modele charaeryzują sę 62
7 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., Tabela 2. Oszacowana model orey błędem z dososowanem TAR (wzór 5) dla szeregów czasowych cen pszency w Polsce w Nemczech Table 2. Esmaed error correcon models wh TAR adjusmen (equaon 5) for whea prce seres n Poland and Germany Zmenna objaśnająca Explanaory varable Zmenna objaśnana ΔY Explaned varable ΔY Współczynn Coeffcen Sa. -Sudena -Suden sa. Zmenna objaśnająca Explanaory varable Zmenna objaśnana ΔX Explaned varable ΔX Współczynn Coeffcen Sa. -Sudena -Suden sa. cons 0,003 1,633 cons 0,004 2,100 (+) u -1 0,008 0,306 (+) u -1 0,026 1,064 (-) u -1 0,124 4,123 (-) u -1 0,065 2,236 ΔY -1 0,105 2,308 ΔX -1 0,129 2,550 ΔY -3 0,174 3,923 ΔX -2 0,174 3,465 ΔY -7 0,088 1,974 ΔX -4 0,089 1,768 ΔY -8 0,150 3,392 ΔX -5 0,103 2,093 ΔY -10 0,122 2,878 ΔX -8 0,097 1,968 ΔX -1 0,130 2,502 ΔY -1 0,086 1,977 ΔX -2 0,150 2,888 ΔY -4 0,128 2,952 ΔX -5 0,193 3,750 ΔY -8 0,073 1,724 ΔX -8 0,094 1,818 ΔX -9 0,106 2,072 d2008 0,140 5,301 d2008_1 0,076 2,805 H 0 : μ 1 = μ 2 = 0 F = 10,21 (p < 0,001) H 0 : μ 1 = μ 2 = 0 F = 2,55 (p = 0,079) H 0 : μ 1 = μ 2 F = 6,40 (p = 0,012) H 0 : μ 1 = μ 2 F = 4,26 (p = 0,040) u -1 (+) = I u -1, u -1 (-) = (1-I )u -1 Źródło: opracowane własne na podsawe danych Komsj Europejsej. Source: own elaboraon on he bass of European Commsson daa. braem auoorelacj, sablnoścą paramerów w czase oraz braem rozładu normalnego (rozład lepouryczny) 4. Jao że τ = 0, uproszczono oznaczena do posac: I u -1 = u -1 (+), zaś (1-I )u -1 = u -1 (-), odnosząc ym samym współczynn odpowedno do dodanch ujemnych 4 Sugeruje o poencjalną modyfację model o omponen warunowej warancj (GARCH). Wsępne oszacowana ach model wsazują jedna, że wnos co do sonośc asymer ne ulegną zmanom. odchyleń od śceż równowag. Można zauważyć (ab. 2), że saysyczne sone współczynn μ soją ylo przy ujemnych reszach relacj onegrującej. W przypadu polsego modelu μ 2 = 0,124, w modelu nemecm zaś μ 2 = 0,065. Ich zna są prawdłowe, a welośc wsazują, że dososowana do równowag długooresowej odbywają sę w węszym sopnu po srone polsej nż po nemecej. Nesone współczynn μ 1 (w przypadu modelu dla cen nemecch równeż z newłaścwym znaem) wsazują, że przy odchylenach powyżej śceż równowag długooresowej 63
8 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., oreślonej równanem 1 ne ma sonych dososowań cenowych. Na podsawe powyższych model zweryfowano dwe hpoezy, órych wyn zameszczono u dołu abel 2. Perwsza hpoeza załada bra dososowań do równowag długooresowej. Dla polsch cen jes ona odrzucona na pozome sonośc p < 0,01. Przypomnjmy, że powerdzene relacj onegrującej jes samo w sobe dowodem snena zależnośc przyczynowej mędzy zmennym (Osńsa, 2008). W przypadu modelu cen nemecch na pozome sonośc p = 0,05 bra podsaw do jej odrzucena. Można przyjąć, że ceny nemece są słabo egzogenczne względem cen pols ch, czyl że ryne nemec raczej wyznacza ceny, a po srone polsej nasępują dososowana. Druga hpoeza zerowa (H 0 : μ 1 = μ 2 ) mów o symerycznych reacjach poszczególnych cen na odchylena od równowag. Na pozome sonośc p = 0,05 zarówno w modelu dla cen polsch, ja cen nemecch odrzucono hpoezę zerową. Węsze warośc says F w przypadu modelu polsego śwadczą o ym, że asymera pojawa sę częścej na rynu polsm nż nemecm. Jes o rezula dososowywana sę cen polsch do cen nemecch, co wyna z domnującego erunu esporu z Pols do Nemec, a w onsewencj zwązanych z ym asymer w przepływe nformacj lub eż reacj na ne. Można eż przypuszczać, że polscy producenc są zby opymsyczn w ocene syuacj rynowej przy rosnących cenach. Przy wysom pozome cen producenc roln długo czeają na powerdzene zmany erunu rendu na spadowy przez urzymywane wysoch cen podczas negocjacj. W ym czase obroy są zazwyczaj dosyć nse. Gdy uczesncy rynu dojdą do wnosu, że nasąpła zmana rendu, suuje o gwałowną oreą cen w cągu lu ygodn. PODSUMOWANIE Przeprowadzone badana powerdzły slne powązana mędzy cenam pszency paszowej w Polsce w Nemczech. Mędzy cenam pszency w obu rajach zachodz dynamczna równowaga długooresowa, co warunuje równeż zależnośc przyczynowe mędzy cenam. Z badań wyna, że ceny nemece są słabo egzogenczne w sosunu do cen polsch, a o oznacza, że dososowana cenowe wprowadza sę główne po srone polsej. Zarówno w przypadu cen polsch, ja nemecch mamy do czynena z asymerycznym dososowanam do śceż równowag długooresowej, co można opsać za pomocą model TAR. Poencjalnym źródłem są oszy ransacyjne zwązany z ym nelnowy charaer arbrażu. Ne swerdzono asymerycznych dososowań zgodne z modelem M-TAR. Przeprowadzone badana można rozszerzyć w lu erunach. Uzupełnenem badań może być ocena w ramach modelu TAR-ECM asymerycznych róooresowych ransmsj lub eż oszacowane model dla węcej nż dwóch reżmów. Z uwag na lepouryczny rozład resz oszacowanych model olejne można rozszerzyć o warunową warancję (omponen GARCH). Zupełne nnym erunem badawczym, prayczne nepodejmowanym doychczas w Polsce, jes ocena procesu ransmsj zmennośc cenowej mędzy rynam rolnym. LITERATURA Bale, N. S., Fomby, T. B. (1997). Threshold Conegraon. In. Econ. Rev., 38, Barre, C. B. (2001). Measurng Inegraon and Effcency n Inernaonal Agrculural Mares. Rev. Agrc. Econ. 23(1), Barre, C. B., L, J. R. (2002). Dsngushng beween Equlbrum and Inegraon n Spaal Prce Analyss. Am. J. Agrc. Econ., 84 (2), Charemza, W. W., Deadman, D. F. (1997). Nowa eonomera. Warszawa: PWE. Confor, P. (2004). Prce Transmsson n Seleced Agrculural Mares. FAO Commody and Trade Polcy Research Worng Paper 7. Enders, W., Granger, C. W. J. (1998). Un-roo ess and asymmerc adjusmen wh an example usng he erm srucure of neres raes. J. Bus. Econ. Sa., 16(3), Enders, W., Slos, P. L. (2001). Conegraon and hreshold adjusmen. J. Bus. Econ. Sa., 19(2), Engle, R. F., Granger, C. W. J. (1987). Conegraon and Error Correcon. Represenaon, esmaon and esng. Economerca, 55(2), Espos, R., Lsor, G. (2011). Agrculural Prce Transmsson Across Space and Commodes Durng Prce Bubbles. Paper presened a he EAAE 2011 Congress, Change and Uncerany Challenges for Agrculure, Food and Naural Resources, Augus 30-Sepember 2. Zurch. European Commsson (2011). Hgh Commody Prces and Volaly. Wha Les Behnd he Roller Coaser Rde? 64
9 Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., Agrculural Mares Bref, 1/June. Brussels: Agrculural Trade Polcy Analyss Un. Facler, P. L., Goodwn, B. K. (2001). Spaal Prce Analyss. W: B. L. Gardner, G. C., Rausser (red.). Handboo of Agrculural Economcs, Elsever, Fgel, S. (2002). Cenowa efeywność rynu owarowego na przyładze zbóż w Polsce. Olszyn: Wydawncwo UW-M. Goodwn, B. K., Pggo, N. E. (2001). Spaal Mare Inegraon n he Presence of Threshold Effecs. Am. J. Agrc. Econ., 83, Hamulczu, M., Łopacu, W. (2013). Prce lnage beween mllng and feed whea prces n Poland and Germany. Probl. World Agrc., 13(4), Lsor, G., Espos, R. (2012). Horzonal Prce Transmsson n Agrculural Mares: Fundamenal Conceps and Open Emprcal Issues. Bo. Appl. Econ., 1(1), Meyer, J., von Cramon-Taubadel, S. (2004). Asymmerc Prce Transmsson: A Survey. J. Agrc. Econ., 55 (3), Mljovc, D. (1999). The Law of One Prce n Inernaonal Trade: A Crcal Revew. Rev. Agrc. Econ., 21, Osńsa, M. (2008). Eonomeryczna analza zależnośc przyczynowych. Toruń: Wyd. Nau. UMK. Praash, A., (red.). (2011). Safeguardng food secury n volale global mares. Rzym: FAO. Rahmann, R., Szlo, A., Schaeffer, R. (2010). Land use compeon for producon of food and lqud bofuels: An analyss of he argumens n he curren debae. Renew. Energy, 35, Rembeza, J. (2010). Transmsja cen w gospodarce polsej. Koszaln: Wyd. Uczelnane PK. Sephon, P. S. (2003). Spaal Mare Arbrage and Threshold Conegraon. Am. J. Agrc. Econ., 85(4), Serra, T., Zlberman, D., Gl, J. (2011). Prce Volaly n Ehanol Mares. Eur. Rev. Agrc. Econ., 38(2), ASYMMETRIC PRICE TRANSMISSION BETWEEN POLISH AND GERMAN FEED WHEAT MARKETS Summary. The am of he paper was an assessmen of possble asymmery n prce ransmsson beween Polsh and German feed whea prces. TAR and M-TAR procedures were employed for esng prce symmery, as well as ECM framewor. The resuls obaned ndcae he exsence of he long-run relaonshp beween Polsh and German whea prces, as well as asymmerc adjusmen of prces o he long-run equlbrum relaonshp. Key words: horzonal prce ransmsson, asymmery, whea prces, TAR, M-TAR, ECM Zaacepowano do druu Acceped for prn: Do cyowana For caon Hamulczu, M. (2015). Asymera w ransmsj cen pszency paszowej mędzy rynem polsm nemecm. J. Agrbus. Rural Dev., 65
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
FINANSOWE SZEREGI CZASOWE WYKŁAD 3
FINANSOWE SZEREGI CZASOWE WYKŁAD 3 dr Tomasz Wójowcz Wydzał Zarządzana AGH 3800 3300 800 300 800 300 800 0 0 30 40 50 60 70 Kraków 0 Tomasz Wójowcz, WZ AGH Kraków przypomnene MA(q): gdze ε są d(0,σ ).
Stanisław Cichocki Natalia Nehrebecka. Wykład 2
Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 4. Zmenne znegrowane 3 Szereg
t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o
Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz na podsawe ego odelu ożna wcągać wnos doczące badanego zjawsa
Stanisław Cichocki Natalia Nehrebecka. Wykład 2
Sansław Cchock Naala Nehrebecka Wykład 2 1 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 2 1. Szereg czasowy 2. Sezonowość 3. Zmenne sacjonarne 3 Szereg czasowy jes pojedynczą realzacją pewnego
t t t t T 2 Interpretacja: Przeciętna wartość zmiennej objaśnianej różni się od wartości teoretycznej średnio o ˆ
Eonoera Ćwczena Werfacja odelu eonoercznego Maerał poocncze Cele werfacj odelu Werfacja sasczna odelu polega na oblczenu szeregu ernów jaośc odelu oraz werfacj pewnch hpoez sascznch w celu sprawdzena cz
SEZONOWOŚĆ ZGONÓW W POLSCE W LATACH
Suda Eonomczne. Zeszyy Nauowe Unwersyeu Eonomcznego w Kaowcach ISSN 2083-86 Nr 375 208 Informaya Eonomera 4 Unwersye Eonomczny w Kaowcach Wydzał Zarządzana Kaedra Saysy, Eonomer Maemay zofa.meleca-uben@ue.aowce.pl
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
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
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
Sprzedaż finalna - sprzedaż dóbr i usług konsumentowi lub firmie, którzy ostatecznie je zużytkują, nie poddając dalszemu przetworzeniu.
W 1 Rachu maroeoomcze 1. Produ rajowy bruo Sprzedaż fala - sprzedaż dóbr usług osumeow lub frme, órzy osaecze je zużyują, e poddając dalszemu przeworzeu. Sprzedaż pośreda - sprzedaż dóbr usług zaupoych
Prognozowanie cen detalicznych żywności w Polsce
Prognozowane cen dealcznych żywnośc w Polsce Marusz Hamulczuk IERGŻ - PIB Kaarzyna Herel NBP Co dlaczego prognozujemy Krókookresowe prognozy cen dealcznych Ceny dealczne (ndywdualne produky, agregay) Isone
Prawdopodobieństwo i statystyka r.
Prawdopodobeństwo statystya.05.00 r. Zadane Zmenna losowa X ma rozład wyładnczy o wartośc oczewanej, a zmenna losowa Y rozład wyładnczy o wartośc oczewanej. Obe zmenne są nezależne. Oblcz E( Y X + Y =
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Gdański Zasosowanie modelu
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
STATYSTYKA. Zmienna losowa skokowa i jej rozkład
STATYSTYKA Wnosowane statystyczne to proces myślowy polegający na formułowanu sądów o całośc przy dysponowanu o nej ogranczoną lczbą nformacj Zmenna losowa soowa jej rozład Zmenną losową jest welość, tóra
Wpływ innowacji wybranych czynników na równowag cenowà. walorów notowanych na Giełdzie Papierów Wartościowych
Ban Kredy lpec 8 Ryn Insyuce Fnansowe 37 Wpływ nnowac wybranych czynnów na równowag cenowà walorów noowanych na Gełdze Paperów WaroÊcowych w Warszawe Impac of Innovaon of Seleced Facors on Prce Equlbrum
Ekonometryczne modele nieliniowe
Ekonomeryczne modele nelnowe Wykład 5 Progowe modele regrej Leraura Hanen B. E. 997 Inference n TAR Model, Sude n Nonlnear Dynamc and Economerc,. Tek na rone nerneowej wykładu Dodakowa leraura Hanen B.
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Folia Pomer. Univ. Technol. Stetin. 2010, Oeconomica 280 (59), 13 20
FOLIA POMERANAE UNIVERSITATIS TECHNOLOGIAE STETINENSIS Fola Pomer. Unv. Technol. Stetn. 2010, Oeconomca 280 (59), 13 20 Iwona Bą, Agnesza Sompolsa-Rzechuła LOGITOWA ANALIZA OSÓB UZALEŻNIONYCH OD ŚRODKÓW
Kurtoza w procesach generowanych przez model RCA GARCH
Joanna Górka * Kuroza w procesach generowanych przez model RCA GARCH Wsęp Na przesrzen osanej dekady odnoowuje sę szybk rozwój model nelnowych. Wdoczna jes zwłaszcza różnorodność nelnowych specyfkacj modelowych,
Mariola Piłatowska Uniwersytet Mikołaja Kopernika w Toruniu. Przegląd modeli realizujących postulat zgodności. 1. Problemy dynamicznego modelowania
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolse Semnarum Nauowe, 4 7 wrześna 2007 w Torunu Kaedra Eonomer Saysy, Unwersye Mołaja Koperna w Torunu Marola Płaowsa Unwersye Mołaja Koperna w Torunu Przegląd
Finansowe szeregi czasowe wykład 7
Fnansowe szereg czasowe wykład 7 dr Tomasz Wójowcz Wydzał Zarządzana AGH 38 33 28 23 18 13 8 1 11 21 31 41 51 61 71 Kraków 213 Noowana ndeksu WIG w okrese: 3 marca 29 31 syczna 211 55 5 45 4 35 3 25 2
Poziomy płynnoêci i opóênienia w rozrachunku w systemie SORBNET podejêcie symulacyjne przy u yciu symulatora systemów płatnoêci BoF-PSS2*
Ban Kredy maj 27 Ryn Insyucje Fnansowe 53 Pozomy płynnoêc opóênena w rozrachunu w syseme SORBNET podejêce symulacyjne przy u ycu symulaora sysemów płanoêc BoF-PSS2* Lqudy Levels and Selemen Delays n he
Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolske Semnarum Naukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Monka Kośko Wyższa Szkoła Informayk Ekonom TWP w Olszyne
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
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
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
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
Matematyka ubezpieczeń majątkowych r.
Maemayka ubezpeczeń mająkowych 7.05.00 r. Zadane. Pewne ryzyko generuje jedną szkodę z prawdopodobeńswem q, zaś zero szkód z prawdopodobeńswem ( q). Ubezpeczycel pokrywa nadwyżkę szkody ponad udzał własny
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
Ekonometryczne modele nieliniowe
Eonomeryczne modele nieliniowe Wyład Doromił Serwa Zajęcia Wyład Laoraorium ompuerowe Prezenacje Zaliczenie EGZAMI 50% a egzaminie oowiązują wszysie informacje przeazane w czasie wyładów np. slajdy. Aywność
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
Matematyka finansowa r.
. Sprawdź, tóre z ponższych zależnośc są prawdzwe: () = n n a s v d v d d v v d () n n m ) ( n m ) ( v a d s ) m ( = + & & () + = = + = )! ( ) ( δ Odpowedź: A. tylo () B. tylo () C. tylo () oraz () D.
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAICZNE ODELE EKONOETRYCZNE X Ogólnopolske Semnarum Naukowe, 4 6 wrześna 7 w Torunu Kaedra Ekonomer Saysyk, Unwersye kołaja Kopernka w Torunu Jacek Kwakowsk Unwersye kołaja Kopernka w Torunu odele RCA
TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA
Uniwersye Szczecińsi TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA Zagadnienia, óre zosaną uaj poruszone, przedsawiono m.in. w pracach [], [2], [3], [4], [5], [6]. Konferencje i seminaria nauowe
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
Ocena jakościowo-cenowych strategii konkurowania w polskim handlu produktami rolno-spożywczymi. dr Iwona Szczepaniak
Ocena jakoścowo-cenowych strateg konkurowana w polskm handlu produktam rolno-spożywczym dr Iwona Szczepanak Ekonomczne, społeczne nstytucjonalne czynnk wzrostu w sektorze rolno-spożywczym w Europe Cechocnek,
Kier. MTR Programowanie w MATLABie Laboratorium
Ker. MTR Programowane w MATLABe Laboraorum Ćw. Zasosowane bbloecznych funkcj MATLABa do numerycznego rozwązywana równań różnczkowych. Wprowadzene Układy równań różnczkowych zwyczajnych perwszego rzędu
Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.
eoria serowania ema ćwiczenia nr 7a: Syneza parameryczna uładów regulacji. Celem ćwiczenia jes orecja zadanego uładu regulacji wyorzysując nasępujące meody: ryerium ampliudy rezonansowej, meodę ZiegleraNicholsa
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
Stanisław Cichocki Natalia Nehrebecka. Wykład 4
Sanisław Cichocki Naalia Nehrebecka Wykład 4 1 1. Badanie sacjonarności: o o o Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) Tes KPSS 2. Modele o rozłożonych opóźnieniach (DL) 3. Modele auoregresyjne
Karolina Kluth Uniwersytet Mikołaja Kopernika w Toruniu. Konwergencja gospodarcza w zakresie kryteriów Traktatu z Maastricht analiza ekonometryczna
DYAMICZE MODELE EKOOMETRYCZE X Ogólnopolske Semnarum aukowe, 4 6 wrześna 007 w Torunu Kaedra Ekonomer Saysyk, Unwersye Mkołaja Kopernka w Torunu Karolna Kluh Unwersye Mkołaja Kopernka w Torunu Konwergencja
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.
Stanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Regresja pozorna 2. Funkcje ACF i PACF 3. Badanie sacjonarności Tes Dickey-Fullera (DF) Rozszerzony es Dickey-Fullera (ADF) 2 1. Regresja pozorna 2. Funkcje
Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. TWIERDZENIA O WZAJEMNOŚCI Twierdzenie Bettiego (o wzajemności prac)
Część 1 7. TWIERDZENIA O WZAJEMNOŚCI 1 7. 7. TWIERDZENIA O WZAJEMNOŚCI 7.1. Twerdzene Bettego (o wzajemnośc prac) Nech na dowolny uład ramowy statyczne wyznaczalny lub newyznaczalny, ale o nepodatnych
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
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)
METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU
Stansław Bogdanowcz Poltechna Warszawsa Wydzał Transportu Załad Logsty Systemów Transportowych METODA USTALANIA WSPÓŁCZYNNIKA DYNAMICZNEGO WYKORZYSTANIA ŁADOWNOŚCI POJAZDU Streszczene: Ogólna podstawa
dr inż. ADAM HEYDUK dr inż. JAROSŁAW JOOSTBERENS Politechnika Śląska, Gliwice
dr nż. ADA HEYDUK dr nż. JAOSŁAW JOOSBEENS Poltechna Śląsa, Glwce etody oblczana prądów zwarcowych masymalnych nezbędnych do doboru aparatury łączenowej w oddzałowych secach opalnanych według norm europejsej
Stanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 . Zmenne dyskretne Kontrasty: efekty progowe, kontrasty w odchylenach Interakcje. Przyblżane model nelnowych Stosowane do zmennych dyskretnych o uporządkowanych
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) i E E E i r r = = = = = θ θ ρ ν φ ε ρ α * 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa
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.
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
(estymator asymptotycznej macierzy kowariancji estymatora nieliniowej MNK w MNRN)
W ypowym zadanu z regresj nelnowej mamy nasępujące eapy: Esymacja (uzyskane ocen punkowych paramerów), w ym: 1. Dobór punków sarowych.. Kolejne eracje algorymu Gaussa Newona. 3. Zakończene algorymu Gaussa
Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych
Współcznnk korelacj lnowej oraz funkcja regresj lnowej dwóch zmennch S S r, cov współcznnk determnacj R r Współcznnk ndetermnacj ϕ r Zarówno współcznnk determnacj jak ndetermnacj po przemnożenu przez 00
Ćw. 5. Wyznaczanie współczynnika sprężystości przy pomocy wahadła sprężynowego
5 KATEDRA FIZYKI STOSOWANEJ PRACOWNIA FIZYKI Ćw. 5. Wyznaczane współczynna sprężystośc przy pomocy wahadła sprężynowego Wprowadzene Ruch drgający należy do najbardzej rozpowszechnonych ruchów w przyrodze.
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,
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
Barbara Pawełek Akademia Ekonomiczna w Krakowie. Normalizacja zmiennych a dopuszczalność prognoz zmiennej syntetycznej
Dynaczne Modele Eonoeryczne X Ogólnopolse Senaru Nauowe, 4 6 wrześna 007 w orunu Kaedra Eonoer Saysy, Unwersye Mołaa Koperna w orunu Aadea Eonoczna w Kraowe Noralzaca zennych a dopuszczalność prognoz zenne
ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany
Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na
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
Wykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk Krzywa wieża w Pizie 1 2 3 4 5 6 7 8 9 10 11 12 13 y 4,9642 4,9644 4,9656 4,9667 4,9673 4,9688 4,9696 4,9698 4,9713 4,9717 4,9725 4,9742 4,9757 Szeregiem czasowym nazywamy
Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4
Ntl Natala Nehrebecka Darusz Szymańsk Zajęca 4 1 1. Zmenne dyskretne 3. Modele z nterakcjam 2. Przyblżane model dlnelnowych 2 Zmenne dyskretne Zmenne nomnalne Zmenne uporządkowane 3 Neco bardzej skomplkowana
MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE
MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE Marcn Zawada Kaedra Ekonomer Saysyk, Wydzał Zarządzana, Polechnka Częsochowska, Częsochowa 1 WSTĘP Proces ransformacj
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.
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
Udoskonalona metoda obliczania mocy traconej w tranzystorach wzmacniacza klasy AB
Julusz MDZELEWSK Wydzał Eletron Techn nformacyjnych, nstytut Radoeletron, oltechna Warszawsa do:0.599/48.05.09.36 dosonalona metoda oblczana mocy traconej w tranzystorach wzmacnacza lasy AB Streszczene.
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
specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).
4. Modele regresji progowej W badaniach empirycznych coraz większym zaineresowaniem cieszą się akie modele szeregów czasowych, kóre pozwalają na objaśnianie nieliniowych zależności między poszczególnymi
Stanisław Cichocki. Natalia Nehrebecka. Wykład 7
Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL 1. Interakcje 2. Przyblżane model nelnowych 3. Założena KMRL W standardowym modelu lnowym zakładamy,
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:
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
OeconomiA copernicana. Katarzyna Czech Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
OeconomiA copernicana 2012 Nr 3 IN 2083-1277 Kaarzyna Czech zoła Główna Gospodarswa Wiejsiego w Warszawie NIEZABEZPIECZONY PARYTET TÓP PROCENTOWYCH NA RYNKU JENA JAPOŃKIEGO Klasyfiacja JEL: F31 łowa luczowe:
ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 083-86 Nr 89 06 Uniwersye Ekonomiczny w Kaowicach Wydział Ekonomii Kaedra Meod Saysyczno-Maemaycznych w Ekonomii pawel.prenzena@edu.ueka.pl
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
Analiza rynku projekt
Analiza rynku projek A. Układ projeku 1. Srona yułowa Tema Auor 2. Spis reści 3. Treść projeku 1 B. Treść projeku 1. Wsęp Po co? Na co? Dlaczego? Dlaczego robię badania? Jakimi meodami? Dla Kogo o jes
1. Szereg niesezonowy 1.1. Opis szeregu
kwaralnych z la 2000-217 z la 2010-2017.. Szereg sezonowy ma charaker danych model z klasy ARIMA/SARIMA i model eksrapolacyjny oraz d prognoz z ych modeli. 1. Szereg niesezonowy 1.1. Opis szeregu Analizowany
Nieliniowe zadanie optymalizacji bez ograniczeń numeryczne metody iteracyjne optymalizacji
Nelnowe zadane optymalzacj bez ogranczeń numeryczne metody teracyjne optymalzacj mn R n f ( ) = f Algorytmy poszuwana mnmum loalnego zadana programowana nelnowego: Bez ogranczeń Z ogranczenam Algorytmy
Model CAPM z ryzykiem płynności na polskim rynku kapitałowym
UNIWERSYTET SZCZECIŃSKI Zeszyy Naukowe nr 858 Wspó łczesne Problemy Ekonomczne n r 11 ( 2 0 1 5 DOI: 10.18276/wpe.2015.11-18 Sebasan Porowsk* Model CAPM z ryzykem płynnośc na polskm rynku kapałowym Słowa
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO NR 394 PRACE KATEDRY EKONOMETRII I STATYSTYKI NR 5 4 EWA DZIAWGO Uniwersye Miołaa Kopernia w Toruniu ANALIZA WRA LIWO CI CENY KOSZYKOWEJ OPCJI KUPNA WPROWADZENIE
MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak ( ) ( ) ( ) E i E E i r r ν φ θ θ ρ ε ρ α 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania
PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA WAHANIA SEZONOWE
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 36 Krzysztof Dmytrów * Marusz Doszyń ** Unwersytet Szczecńsk PROGNOZOWANIE SPRZEDAŻY Z ZASTOSOWANIEM ROZKŁADU GAMMA Z KOREKCJĄ ZE WZGLĘDU NA
DYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODEE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Joanna Małgorzaa andmesser Szkoła Główna
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.
Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12
Ker. MTR Programowane w MATLABe Laboratorum Ćw. Analza statystyczna grafczna danych pomarowych. Wprowadzene MATLAB dysponuje weloma funcjam umożlwającym przeprowadzene analzy statystycznej pomarów, czy
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
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
XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne
XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012
ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment
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
Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej
Sansław Urbańsk * Modelowane równowag cenowej na Gełdze Paperów Waroścowych w Warszawe w okresach przed po wejścu Polsk do Un Europejskej Wsęp Praca nnejsza sanow konynuację badań doyczących wyceny akcj
ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XVI/3, 2015, str. 248 257 ANALIZA PORÓWNAWCZA WYNIKÓW UZYSKANYCH ZA POMOCĄ MIAR SYNTETYCZNYCH: M ORAZ PRZY ZASTOSOWANIU METODY UNITARYZACJI ZEROWANEJ Sławomr
Model CAPM z ryzykiem płynności na polskim rynku kapitałowym
UNIWERSYTET SZCZECIŃSKI Z e s z y y Naukowe nr 858 Współczesne Problemy Ekonomczne DOI: 10.18276/wpe.2015.11-18 Sebasan Porowsk* odel CAP z ryzykem płynnośc na polskm rynku kapałowym Słowa kluczowe: eora
PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH
PODTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH I Pracowa IF UJ Luy 03 PODRĘCZNIKI Wsęp do aalzy błędu pomarowego Joh R. Taylor Wydawcwo Naukowe PWN Warszawa 999 I Pracowa
Rozkłady statystyczne w fizyce jądrowej
UNIWERSYTET SZCZECIŃSKI INSTYTUT FIZYKI ZAKŁAD FIZYKI CIAŁA STAŁEGO Ćwczene laboratoryjne Rozłady statystyczne w fzyce jądrowej SZCZECIN 005 WSTĘP Różne neontrolowane zaburzena zewnętrzne (wahana temperatury,
OBSERWACJE ODSTAJĄCE NA RYNKU ENERGII ELEKTRYCZNEJ
Suda Ekonomczne. Zeszyy Naukowe Unwersyeu Ekonomcznego w Kaowcach ISSN 083-86 Nr 88 06 Informayka Ekonomera 5 Alcja Ganczarek-Gamro Unwersye Ekonomczny Wydzał Informayk Komunkacj Kaedra Demograf Saysyk
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
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
Stanisław Cichocki Natalia Nehrebecka. Wykład 3
Sanisław Cichocki Naalia Nehrebecka Wykład 3 1 1. Zmienne sacjonarne 2. Zmienne zinegrowane 3. Regresja pozorna 4. Funkcje ACF i PACF 5. Badanie sacjonarności Tes Dickey-Fullera (DF) 2 1. Zmienne sacjonarne
Wykład 6. Badanie dynamiki zjawisk
Wykład 6 Badanie dynamiki zjawisk TREND WYODRĘBNIANIE SKŁADNIKÓW SZEREGU CZASOWEGO 1. FUNKCJA TRENDU METODA ANALITYCZNA 2. ŚREDNIE RUCHOME METODA WYRÓWNYWANIA MECHANICZNEGO średnie ruchome zwykłe średnie