ANALIZA KOINTEGRACYJNA POLSKIEGO RYNKU PRACY
|
|
- Julian Lewicki
- 6 lat temu
- Przeglądów:
Transkrypt
1 Prace IMŻ 2 (2013) 33 Marcin MICZKA Insyu Mealurgii Żelaza ANALIZA KOINTEGRACYJNA POLSKIEGO RYNKU PRACY Celem arykułu jes pokazanie meody służącej do formalnego opisu polskiego rynku pracy oraz analizy wpływu wsrząsów makroekonomicznych na zachowanie zmiennych opisujących aki sysem. Analiza aka może być podsawą do przeprowadzenia podobnych badań w skali regionalnej. Przewidywanie rozwoju rynku pracy jes isone dla przedsiębiorsw przemysłowych, ponieważ zmiany am zachodzące mają isony wpływ na koszy prowadzonej działalności (głównie poprzez poziom płac). Analiza dynamiki polskiego rynku pracy, opisanego przez sysem równań pokazuje, że przyczyną zmian na nim zachodzących są przede wszyskim, zmiany empa wzrosu gospodarczego, czyli wsrząsy echnologiczne oraz zmiany w poziomie bezrobocia, kóre wpływają na wysępowanie wsrząsów płacowych. Obserwowany jes sysemayczny wzros wydajności pracy i poziomu wynagrodzeń, przy czym najwyższymi wynagrodzeniami i najwyższą wydajnością pracy charakeryzują się 1 : informacja i elekomunikacja, działalność finansowa i ubezpieczeniowa, działalność profesjonalna, naukowa i echniczna. Są o zaem, obszary gospodarki w kierunku kórych będzie przemieszczać się kapiał w najbliższych laach. Słowa kluczowe: rynek pracy, analiza koinegracyjna, VEqCM, prognoza. COINTEGRATION ANALYSIS OF POLISH LABOUR MARKET The purpose of his aricle was o presen he mehod used for formal descripion of Polish labour marke and analysis of he effec of macroeconomic shocks on behaviour of variables describing his sysem. Such an analysis may be he basis for similar research a a regional level. The predicion abou developmen of he labour marke is essenial for indusrial enerprises, as changes ha occur in hem have significan impac on he coss of heir aciviy (mainly hrough he wage level). The dynamics analysis of Polish labour marke, described by sysem of equaions, shows ha he reason for changes ha occur in i is firs of all he changes in economic growh dynamics, i.e. echnological shocks and changes in unemploymen level, which affec he exisence of wage shocks. The sysemaic growh in produciviy and remuneraion level is observed, and he following are characerised by he highes remuneraions and highes produciviy 1 : informaion and elecommunicaion, financial and insurance aciviies, professional, scienific and echnical aciviy. Thus, hese are he fields of economy owards which he capial will be moving in he years o come. Keywords: labour marke, coinegraion analysis, VEqCM, forecas. 1. WSTĘP Zgodnie z obowiązującą w Unii Europejskiej sraegią na rzecz ineligennego i zrównoważonego rozwoju sprzyjającego włączeniu społecznemu EUROPA 2020, u jej podsaw leżą rzy prioryey: rozwój ineligenny czyli rozwój gospodarki oparej na wiedzy i innowacji, rozwój zrównoważony czyli wspieranie gospodarki efekywniej korzysającej z zasobów, bardziej przyjaznej środowisku i bardziej konkurencyjnej, 1) Analiza srukury zosała przedsawiona w pracy M. Miczka, W. Szulc (2012), Analiza dynamiki rynku pracy, opracowanie niepublikowane, Insyu Mealurgii Żelaza, Gliwice. (The srucure analysis was presened in paper by M. Miczka, W. Szulc (2012), Analysis of labour marke dynamics, unpublished sudy, Insyu Mealurgii Żelaza, Gliwice (Insiue for Ferrous Meallurgy, Gliwice) rozwój sprzyjający włączeniu społecznemu czyli wspieranie gospodarki charakeryzującej się wysokim poziomem zarudnienia i zapewniającej spójność gospodarczą, społeczną i eryorialną. Te rzy, wzajemnie uzupełniające się prioryey, dają obraz europejskiej społecznej gospodarki rynkowej XXI wieku. Od czasu ransformacji usrojowej, bezrobocie oraz niedosaeczny popy na pracę sały się jednymi z najisoniejszych problemów społeczno-gospodarczych w Polsce. Wynikiem braku miejsc pracy oraz sosunkowo niskich wynagrodzeń są procesy migracyjne oraz niekorzysna dla rozwoju gospodarczego srukura demograficzna kraju. Jednocześnie analizy srukury wiekowej pracowników hunicwa pozwalają swierdzić, że w ciągu najbliższych la zarudnienie może sać się jednym z kluczowych problemów przedsiębiorsw huniczych. Mogą w ym okresie wysąpić znaczne niedopasowania
2 34 Marcin Miczka Prace IMŻ 2 (2013) podaży i popyu na pracę (bezrobocie jes wynikiem braku równowagi na rynku pracy), a zaem podjęcie ego zagadnienia i rozwinięcie w ciągu najbliższych kilku la wydaje się być porzebne. Ze względu na o, że bezrobocie może być rozparywane w skali całego kraju, regionów lub poszczególnych mias, problem en może być obszarem współpracy z insyucjami działającymi na poziomie Wojewódzwa Śląskiego czy miasa Gliwice. Jak powszechnie wiadomo, bezrobocie jes zjawiskiem szkodliwym w bardzo szerokim zakresie. Tak więc przeciwdziałanie mu w dłuższym okresie, leży w ineresie wszyskich uczesników procesu gospodarowania. Sekor huniczy w Polsce zosał zdominowany przez ponadnarodowe przedsiębiorswa, działające w skali całego świaa. Ich podsawowym celem jes zwiększanie warości posiadanych akywów, między innymi przez syuowanie produkcji nisko przeworzonej w gospodarkach oferujących anią pracę. Jednocześnie szybki posęp organizacyjno-echniczny wpływający na wzros produkywności wiąże się z ograniczaniem poziomu zarudnienia. Powsają problemy dopasowania kwalifikacji pracowników (srukury kszałcenia) do szybko rosnących wymagań pracodawców (srukury produkcji). Przykładem ego były procesy resrukuryzacyjne, przeprowadzone w hunicwie do roku Tak więc wzros gospodarczy nie musi wiązać się ze wzrosem zarudnienia i ograniczaniem skali bezrobocia. Problem en wydaje się być bardzo isony z punku widzenia rozwoju społeczno-gospodarczego kraju, regionu czy poszczególnych mias. Zmniejszanie regionalnego zróżnicowania rozwoju gospodarczego jes bardzo isonym obszarem działań insyucji Unii Europejskiej. Podjęcie ego zagadnienia daje, zaem duże poencjalne możliwości pozyskania funduszy na badania naukowe. 2. METODY WYKORZYSTYWANE W ANALIZIE EKONOMETRYCZNEJ SZEREGÓW CZASOWYCH Wiodącą w badaniach makroekonomicznych jes obecnie meodyka wywodząca się z modeli wekorowej auoregresji (VAR) [1 3], uwzględniająca zarówno procesy liniowe jak i nieliniowe. Począkiem ego rodzaju podejścia do analizy ekonomicznej są prace Boxa-Jenkinsa na ema modelowania procesów sochasycznych. Umożliwia o przyjęcie w analizach ekonomerycznych podejścia wywodzącego się z prac R.A. Fishera i T. Haavelmo, a rozwijane przede wszyskim przez D.F. Hendry ego z Universiy of Oxford [4] i S. Johannsena z Universiy of Copenhagen [5]. W Polsce podejście o rozwijane jes przede wszyskim przez środowisko zebrane wokół A. Welfego z Uniwersyeu Łódzkiego [6]. Wymaga ono pełnego sformułowania saysycznego opisu procesu generującego dane w posaci sysemu równań. Zgodnie z ym podejściem meody analizy ekonomerycznej służą połączeniu eorii ekonomicznej z ich empiryczną weryfikacją przy użyciu echnik wnioskowania saysycznego. K. Juselius z Universiy of Copenhagen [7] wykazała, że podejście wywodzące się z modeli wekorowej auoregresji (VAR) oferuje zesaw echnik badawczych pozwalających esować hipoezy wywodzące się z eorii ekonomii, przy zachowaniu ogólnych ram modelowania ekonomerycznego przedsawionych przez T. Haavelmo. Tak więc meodyka wywodząca się z modeli VAR może posłużyć do weryfikacji eorii ekonomicznych opisujących rynek pracy. Wielowymiarowy (wekorowy) model auoregresyjny ma nasępującą posać: S y( m ) = nm+ / y( m ) -sps+ pm ( ) (1) gdzie: y( m ) = [ y1, y2,..., ym] wekor m zmiennych, n m wekor wyrazów wolnych i składników deerminisycznych (np. sała, zmienne zero-jedynkowe), () s P s = ri j macierz paramerów, o wymiarach MxM, kórych inerpreacja jes pokrewna mnożnikom pośrednim, p m () wekor składników losowych, m = 1,2,, M Powyższy wzór reprezenuje układ M równań, z kórych każde zawiera składnik losowy. Algebraiczne przekszałcenie ego równania prowadzi do modelu koreky równowagą (błędem równowagi). gdzie: S-1 Dy( m ) = nm+ y( m ) -1P+/ Dy( m ) -scs+ pm ( ) (2) / / S J s i j= i+ 1 P = P - IC =- P Za pomocą zw. meody Johansena macierz P może zosać zdekomponowana (podzielona), co pozwala znaleźć wagi oraz orogonalne względem siebie (bazowe), wekory koinegrujące, kóre worzą przesrzeń koinegrującą. Każda ich liniowa kombinacja wypukła, również należy do ej przesrzeni i jes wekorem koinegrującym. Wekory koinegrujące zwykle nie mają inerpreacji ekonomicznej. Rozwiązanie problemu polega na ym, aby ak zdekomponować macierz, żeby orzymane wekory koinegrujące odpowiadały długookresowym zależnościom srukuralnym, zgodnym z eorią ekonomiczną. Srukuralny model koreky błędem równowagi, kóry w przeciwieńswie do powyższego układu równań (formy zredukowanej), zawiera związki jednoczesne, ma nasępującą posać (forma srukuralna): S-1 ( m ) o ( m ) 1 ( m ) s s m ( ) = T o s = Cs o Dy A = y Pu - + / Dy - A + p A (3) gdzie: Pu BA A A A Powyższa procedura pozwala uniknąć korelacji pozornych, dzięki użyciu filra różnicowego szeregu czasowego, a jednocześnie zachować związki długookresowe, kóre opisuje eoria ekonomiczna. Właściwości dynamiczne sysemu sprawdzane są za pomocą analizy reakcji na impuls, kóra jes odpowiednikiem analizy mnożnikowej sosowanej w klasycznych modelach srukuralnych. 3. ZAKRES BADAŃ Analiza danych na najwyższym poziomie agregacji gospodarki Polski, obejmowała nasępujące zmienne (dane publikowane przez GUS): realny PKB, j o
3 Prace IMŻ 2 (2013) Analiza koinegracyjna polskiego rynku pracy 35 zarudnienie (pracujący, san na koniec okresu), płace realne (średnia płaca w okresie), liczba akywnych zawodowo, bezrobocie (sosunek liczby akywnych zawodowo do liczby pracujących), wydajność pracy liczona jako sosunek PKB do liczby pracujących, wolne miejsca pracy. Dane kwaralne obejmowały okres od pierwszego kwarału 2000 roku do pierwszego kwarału roku Warości realne orzymano przez sprowadzenie warości nominalnych do cen sałych z rzeciego kwarału roku 2012, za pomocą indeksu zmian cen owarów i usług konsumpcyjnych (poocznie inflacja). Zmienne wyrównano sezonowo za pomocą filru Hodricka- Prescoa [2]. Zakres badań obejmował eoreyczny model opisujący polski sysem gospodarczy, składający się z pięciu równań: funkcji produkcji (realny PKB): Y = y( E, iy, ) (4) funkcji popyu na pracę: W E = ecy, c m, i P E, m (5) funkcji zasobów pracy: W L = lcc m, i, P L m (6) funkcji płac realnych: W L Y c m = w ' c m, c m, i P E, E W 1 (7) funkcji wolnych miejsc pracy: V v W = cc m, L, iv P, m (8) gdzie: Y realny PKB E zarudnienie W c m płace realne (P indeks zmian cen) P L liczba akywnych zawodowo, L c m E bezrobocie, V wolne miejsca pracy. θ Y, sochasyczny, egzogeniczny rend echnologiczny o posaci błądzenia losowego θ Y, = θ Y, ε Y,, przy czym ε Y, o wsrząs echnologiczny. θ E, podlega procesowi: θ E, = θ E, 1 + ε E,, przy czym ε E, o wsrząs zagregowanego popyu. θ L, sochasyczny, egzogeniczny rend demograficzny o posaci błądzenia losowego θ L, = θ L, ε L,, przy czym ε Y, o wsrząs zasobów pracy. θ W, podlega procesowi błądzenia losowego θ W, = θ W, 1 + ε W,, przy czym ε W, o wsrząs płacowy. θ V, zmienna opisująca niedopasowania na rynku pracy, podlegająca procesowi błądzenia losowego θ V, = θ V, 1 + ε V,, przy czym ε V, o wsrząs niedopasowań. Teoreyczne podsawy zosały opisane w [8 11]. Rozwinięciem ego zagadnienia jes analiza związków pomiędzy zmianami na rynku pracy i wzrosem gospodarczym w nurcie endogenicznego wzrosu gospodarczego [12] czyli eorii będącej podsawą formalnego opisu gospodarki oparej na wiedzy. 4. TESTOWANIE INTEGRACJI (STACJONARNOŚCI) ZMIENNYCH Tesy inegracji (esy pierwiasków jednoskowych) [13] przeprowadzono dla logarymów zmiennych wyrównanych sezonowo. Służą one do określenia, kórego rzędu różnicowanie prowadzi do orzymania szeregu sacjonarnego. Podsawą esowania saysycznego jes równanie regresji nasępującej posaci: S d d D y = a0+ ( a1-1) y -1+ a2+ / c s D y- s+ p (9) gdzie d jes rzędem inegracji (d-krone zasosowanie filra różnicowego), a hipoezę doyczącą esu pierwiaska jednoskowego można sprowadzić do esu isoności o posaci: H0: a 1 = 1 (10) H1: a 1 < 1 (11) Jeżeli H 0 jes prawdziwa, o wówczas zmienna D d y jes sacjonarna co oznacza, że d-krone różnicowanie Tablica 1. Wyniki esów pierwiasków jednoskowych Table 2. Resuls of uni-elemen ess Dane wyrównane sezonowo Realny PKB Zarudnienie Płace realne Akywni zawodowo Bezrobocie Wydajność pracy Wolne miejsca pracy Zmienna Składowe deerminisyczne Opóźnienia Warość saysyki 1% 5% 10% lny 1HP Sała 1-6,22-3,600-2,938-2,604 lny 1HP Sała 1-8,286-3,607-2,941-2,605 lny 2HP Sała 1-8,166-3,600-2,938-2,604 lny 2HP Sała 1-11,120-3,607-2,941-2,605 lny 3HP Sała 1-5,030-3,600-2,938-2,604 lny 3HP Sała 1-6,714-3,607-2,941-2,605 lny 4HP Sała 1-18,101-3,600-2,938-2,604 lny 4HP Sała 1-6,254-3,607-2,941-2,605 lny 5HP Sała 1-9,741-3,600-2,938-2,604 lny 5HP Sała 1-15,638-3,607-2,941-2,605 lny 6HP Sała 1-1,182-3,600-2,938-2,604 lny 6HP Sała 1-2,020-3,607-2,941-2,605 lny 7HP Sała 1-12,392-3,600-2,938-2,604 lny 7HP Sała 1-3,474-3,607-2,941-2,605
4 36 Marcin Miczka Prace IMŻ 2 (2013) Tablica 2. Tesy rzędu opóźnień modelu VAR Table 2. Rank of delay ess in VAR model Tablica 3. Tes śladu Johansena (model VAR rzędu 4) Table 3. Johansen s race es (VAR model rank 4) zmiennej y sprowadza ją do sacjonarności. Tes można rozszerzyć o wyraz wolny, rend deerminisyczny oraz dodakowe opóźnienia zmiennej zależnej w przypadku wysępowania auokorelacji (isona saysycznie zależność od obserwacji opóźnionych). Wyniki esu przedsawiono w ablicy OKREŚLENIE RZĘDU OPÓŹNIEŃ MODELU VAR Do esowania rzędu opóźnień modelu ekonomerycznego wykorzysywane są zw. kryeria informacyjne: AIC (Akaike), HQIC (Hannan-Quinn), SBIC (Schwarz-Bayesian) [14]. Wyniki esów pokazano w ablicy 2. Najniższa warość daje podsawę do przyjęcia minimalnego rzędu opóźnień (ablica 2). 6. TESTOWANIE KOINTEGRACJI ZMIENNYCH Zgodnie z wierdzeniem Grangera o reprezenacji [15] koinegracja pomiędzy zmiennymi powoduje sacjonarność błędu równowagi 1. Są o reszy z równania regresji pomiędzy poziomami zmiennych. Do esymacji paramerów wielowymiarowego modelu koreky błędem wyko- 1 Fak, że zmienne są skoinegrowane powoduje, że isnieje pewien proces dososowania, kóry zapobiega sopniowemu zwiększaniu się składników losowych w relacji długookresowej (relacji pomiędzy poziomami zmiennych). Każdy szereg skoinegrowany ma reprezenację w posaci mechanizmu koreky błędem równowagi. rzysywana jes zw. procedura Johansena. Nie wszyskie z oszacowanych w ej procedurze wekorów koinegrujących są nimi w isocie. Należy zaem usalić, kóre wekory worzą przesrzeń koinegracyjną. Sprowadza się o do usalenia, ile wekorów znajduje się w bazie przesrzeni liniowej, a miarą, kóra jes do ego wykorzysywana jes warość własna wekora. Wykorzysano w ym celu zw. es śladu Johansena [16], kóry należy do rodziny esów ilorazu wiarygodności. Tesy koingegracji wykazały, że do zbioru zmiennych endogenicznych, liniowo niezależnych zaliczono: lny 1HP logarym realnego PKB, wyrównanego sezonowo lny 3HP logarym płac realnych, wyrównanych sezonowo lny 5HP logarym bezrobocia, wyrównanego sezonowo lny 6HP logarym wydajności, wyrównanej sezonowo lny 7HP logarym wolnych miejsc pracy, wyrównanych sezonowo Zmiennymi egzogenicznymi są w akim wypadku lny 2HP zarudnienie i lny 4HP liczba akywnych zawodowo. Wyniki obliczeń pokazano w ablicy 3. Z przeprowadzonej analizy wynika, że w sysemie isnieją czery wekory koinegrujące. 7. ESTYMACJA PARAMETRÓW MODELU VEQCM Wielorównaniowy, dynamiczny model koreky błędem równowagi, kórego paramery zosały oszacowane dla danych kwaralnych, wyrównanych sezonowo za
5 Prace IMŻ 2 (2013) Analiza koinegracyjna polskiego rynku pracy 37 Rys. 1. Wielorównaniowy model koreky prądu równowagi Fig. 1. Vecor equilibrium correcion model Rys. 2. Prognozy zmiennych endogenicznych (objaśnianych przez równania) Fig. 2. Forecass abou endogenous variables (explained by equaions) pomocą filru Hodricka-Prescoa [2], ma posać jak na rysunku 1. Na podsawie ego modelu przeprowadzono analizę reakcji impulsowych, dekompozycję wariancji oraz obliczono prognozy zmiennych, kórych wyniki pokazano w dalszej części arykułu. Model en może być podsawą dalszych analiz uwzględniających zależności jednoczesne PROGNOZY Prognozy dla poszczególnych zmiennych endogenicznych, obliczone na podsawie wielorównaniowego modelu koreky błędem równowagi (VEqCM) przedsawiono na rysunku 2. Prognozy zosały sporządzone przy założeniu braku zmian srukuralnych (posęp organizacyjno-echniczny, warunki poliyczno-prawne id.) oraz przy zachowaniu poziomu zmiennych egzogenicznych z 1 kwarału 2012 roku. Horyzon prognozy obejmuje koniec roku 2013, co pozwala swierdzić, że w ak krókim okresie, przyjęe założenia są prawdziwe. 2 Wyniki pozosałych analiz są przedsawione w pracy M. Miczka, W. Szulc (2012), Analiza dynamiki rynku pracy, opracowanie niepublikowane, Insyu Mealurgii Żelaza w Gliwicach. Błąd prognozy ex ane nie przekracza 1%, a zaem relacje, kóre sysem opisuje są sabilne, mogą zaem służyć do prognozowania. Prognozowany przez sysem poziom bezrobocia na koniec 2013 roku wynosi 13,3% co nie odbiega znacznie od przewidywań insyucji rządowych. Prognozowany poziom realnego PKB w czwarym kwarale 2013 roku wynosi mln zł, co odpowiada wzrosowi gospodarczemu rok do roku na poziomie 1,4%. Prognozowany poziom płac realnych wynosi zł czyli o 0,5% więcej niż rok wcześniej. Prognoza liczby wolnych miejsc pracy wynosi co oznacza roczny spadek o 42%. 8. WNIOSKI Opracowanie zawiera podsawy meodyczne do rozwinięcia obszaru badawczego doyczącego analizy rynku pracy oraz badań reakcji zmiennych opisujących en rynek na różnego rodzaju wsrząsy. Analiza dynamiki polskiego rynku pracy, opisanego przez sysem równań pokazuje, że przyczyną zmian na nim zachodzących są przede wszyskim, zmiany w empie wzrosu gospodarczego, czyli wsrząsy echnologiczne oraz zmiany w poziomie bezrobocia, kóre wpływają na wysępowanie wsrząsów płacowych.
6 38 Marcin Miczka Prace IMŻ 2 (2013) Obserwowany jes sysemayczny wzros wydajności pracy i poziomu wynagrodzeń, przy czym najwyższymi wynagrodzeniami i najwyższą wydajnością pracy charakeryzują się: informacja i elekomunikacja, działalność finansowa i ubezpieczeniowa, działalność profesjonalna, naukowa i echniczna. Są o obszary gospodarki w kierunku kórych, będzie w najbliższych laach przemieszczany kapiał, przede wszyskim finansowy i ludzki. Meodyka przedsawiona w arykule zosała również zasosowana w projekcie dofinansowywanym przez Narodowe Cenrum Badań i Rozwoju. Wyniki ego projeku oraz niniejszego opracowania mogą służyć jako podsawy do rozwinięcia badań w zakresie analizy relacji pomiędzy zmianami na rynku pracy i wzrosem gospodarczym. LITERATURA 1. Juselius K. (2009), The coinegraed VAR model, Oxford Universiy Press 2. Breiung J., Bruggemann R., Lukepohl H. (2004), Srucural Vecor Auoregressive Modelling and Impulse Responses, w: H. Lukepohl, M. Krazig, Applied Time Series Economerics, Cambridge Universiy Press, Cambridge 3. Analiza koinegracyjna w makromodelowaniu, red. A. Welfe (2013), Polskie Wydawnicwo Ekonomiczne 4. hp:// 5. hp:// 6. hp:// 7. hp:// 8. Jacobson T., Vredin A., Warne A. (1998), Are real wages and unemploymen relaed?, Economica, no Paer R. (2010), Dynamiczne zależności na polskim rynku pracy w meodologii SVECM, Baromenr Regionalny, nr 1(19) 10. Romer D. (2000), Makroekonomia dla zaawansowanych, PWN, Warszawa 11. Blanchard O., Diamond P. (1989), The Beveridge Curve, Brookings Papers on Economic Aciviy, no Romer P.M. (1994), The origins of Endogenous Growh, Journal of Economic Perspecives, vol. 8, no Welfe A. (2009), Ekonomeria, PWE, Warszawa 14. Osińska M. (2006), Ekonomeria finansowa, PWE, Warszawa 15. Engle R.F., Granger C.W.J. (1987), Co-inegraion and error correcion: Represenaion, Esimaion and Tesing, Economerica, vol Ekonomeria współczesna, red. M. Osińska (2007), Wydawnicwo Dom Organizaora, Toruń Praca wykonana w ramach projeku rozwojowego nr N R Budowa wielosekorowych modeli ekonomiczno-ekologicznych i zasosowanie ich w modelowaniu rozwoju gałęzi przemysłu, w warunkach ransformacji sysemu w kierunku gospodarki oparej na wiedzy, realizowany przez Insyu Mealurgii Żelaza, dofinansowany przez Narodowe Cenrum Badań i Rozwoju.
KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1
KURS EKONOMETRIA Lekcja 1 Wprowadzenie do modelowania ekonomerycznego ZADANIE DOMOWE www.erapez.pl Srona 1 Część 1: TEST Zaznacz poprawną odpowiedź (ylko jedna jes prawdziwa). Pyanie 1 Kóre z poniższych
Bardziej szczegółowoDynamiczne zależności na polskim rynku pracy w metodologii SVECM
11 Baromer Regionalny Nr 1(19) 21 Dynamiczne zależności na polskim rynku pracy w meodologii SVECM Rober Paer Wyższa Szkoła Informayki i Zarządzania w Rzeszowie Sreszczenie: W arykule dokonano analizy dynamicznych
Bardziej szczegółowoANALIZA 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
Bardziej szczegółowoJacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.
DYNAMICZNE MODELE EKONOMETRYCZNE Jacek Kwiakowski Magdalena Osińska Uniwersye Mikołaja Kopernika Procesy zawierające sochasyczne pierwiaski jednoskowe idenyfikacja i zasosowanie.. Wsęp Większość lieraury
Bardziej szczegółowolicencjat Pytania teoretyczne:
Plan wykładu: 1. Wiadomości ogólne. 2. Model ekonomeryczny i jego elemeny 3. Meody doboru zmiennych do modelu ekonomerycznego. 4. Szacownie paramerów srukuralnych MNK. Weryfikacja modelu KMNK 6. Prognozowanie
Bardziej szczegółowoWNIOSKOWANIE STATYSTYCZNE
Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml
Bardziej szczegółowoE k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny
E k o n o m e r i a S r o n a Nieliniowy model ekonomeryczny Jednorównaniowy model ekonomeryczny ma posać = f( X, X,, X k, ε ) gdzie: zmienna objaśniana, X, X,, X k zmienne objaśniające, ε - składnik losowy,
Bardziej szczegółowoStanisław 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
Bardziej szczegółowo1. 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
Bardziej szczegółowoStanisław 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
Bardziej szczegółowoŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XII/, 0, sr. 389 398 ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków Gospodarczych
Bardziej szczegółowoKRZYSZTOF JAJUGA Katedra Inwestycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ
KRZYSZTOF JAJUGA Kaedra Inwesycji Finansowych i Zarządzania Ryzykiem Akademia Ekonomiczna we Wrocławiu 25 LAT EKONOMETRII FINANSOWEJ EKONOMETRIA FINANSOWA OKREŚLENIE Modele ekonomerii finansowej są worzone
Bardziej szczegółowoStrukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym
Jacek Baóg Uniwersye Szczeciński Srukuralne podejście w prognozowaniu produku krajowego bruo w ujęciu regionalnym Znajomość poziomu i dynamiki produku krajowego bruo wyworzonego w poszczególnych regionach
Bardziej szczegółowoEKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.
EKONOMERIA wykład Prof. dr hab. Eugeniusz Ganar eganar@mail.wz.uw.edu.pl Przedziały ufności Dla paramerów srukuralnych modelu: P bˆ j S( bˆ z prawdopodobieńswem parameru b bˆ S( bˆ, ( m j j j, ( m j b
Bardziej szczegółowoDYNAMICZNE 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
Bardziej szczegółowoNiestacjonarne zmienne czasowe własności i testowanie
Maeriał dla sudenów Niesacjonarne zmienne czasowe własności i esowanie (sudium przypadku) Nazwa przedmiou: ekonomeria finansowa I (22204), analiza szeregów czasowych i prognozowanie (13201); Kierunek sudiów:
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoPOWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE
Anea Kłodzińska, Poliechnika Koszalińska, Zakład Ekonomerii POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE Sopy procenowe w analizach ekonomicznych Sopy procenowe
Bardziej szczegółowoOcena efektywności procedury Congruent Specyfication dla małych prób
243 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Ocena efekywności procedury Congruen Specyficaion dla małych prób Sreszczenie. Procedura specyfikacji
Bardziej szczegółowoMAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak
MAKROEKONOMIA 2 Wykład 3. Dynamiczny model DAD/DAS, część 2 Dagmara Mycielska Joanna Siwińska - Gorzelak E i E E i r r 1 1 1 ) ( R. popyu R. Fishera Krzywa Phillipsa Oczekiwania Reguła poliyki monearnej
Bardziej szczegółowoModelowanie i analiza szeregów czasowych
Modelowanie i analiza szeregów czasowych Małgorzaa Doman Plan zajęć Część. Modelowanie szeregów jednowymiarowych.. Szeregi jednowymiarowe własności i diagnozowanie. Modele auoregresji i średniej ruchomej
Bardziej szczegółowoPrognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata
Projek Kapiał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego współfinansowany ze środków Unii Europejskiej w ramach Europejskiego Funduszu Społecznego Prognoza scenariuszowa poziomu oraz srukury
Bardziej szczegółowoStanisław 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
Bardziej szczegółowoESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI
METODY ILOŚCIOWE W BADANIACH EKONOMICZNYCH Tom XIII/3, 202, sr. 253 26 ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI Adam Waszkowski Kaedra Ekonomiki Rolnicwa i Międzynarodowych Sosunków
Bardziej szczegółowodr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW
Kaedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW Sposoby usalania płac w gospodarce Jednym z głównych powodów, dla kórych na rynku pracy obserwujemy poziom bezrobocia wyższy
Bardziej szczegółowoA C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 293, 2013
A C T A U N I V E R S I T A T I S L O D Z I E N S I S FOLIA OECONOMICA 293, 2013 Maria Klonowska-Maynia *, Grzegorz Przekoa ** ASYMETRYCZNE REAKCJE WYNAGRODZEŃ NA ZMIANY STOPY BEZROBOCIA 1. WSTĘP Problemy
Bardziej szczegółowoParytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD
Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Marcin Gajewski Uniwersye Łódzki 4.12.2008 Parye sóp procenowych a premia za ryzyko na przykładzie kursu EURUD Niezabazpieczony UIP)
Bardziej szczegółowoMAKROEKONOMIA 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
Bardziej szczegółowoMAKROEKONOMIA 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
Bardziej szczegółowoIntegracja zmiennych Zmienna y
Inegracja zmiennych Zmienna y jes zinegrowana rzędu d jeśli jej różnice rzędu d są sacjonarne. Zapisujemy o y ~ I ( d ). Przyjmuje się również, że zmienna sacjonarna y (jako że nie rzeba jej różnicować,
Bardziej szczegółowoAnaliza szeregów czasowych w Gretlu (zajęcia 8)
Analiza szeregów czasowych w Grelu (zajęcia 8) Grel jes dość dobrym narzędziem do analizy szeregów czasowych. Już w samej podsawie Grela znajdziemy sporo zaimplemenowanych echnik służących do obróbki danych
Bardziej szczegółowoAnaliza związku pomiędzy cenami i pieniądzem w gospodarce polskiej na podstawie modelu Π*
Michał Brzoza-Brzezina, Jacek Kołowski 1 Analiza związku pomiędzy cenami i pieniądzem w gospodarce polskiej na podsawie modelu Π* W ramach przekszałconej do posaci przyrosowej wersji modelu P-sar, auorzy
Bardziej szczegółowoEwa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 7 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoKombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz
Noaki do wykładu 005 Kombinowanie prognoz - dlaczego należy kombinować prognozy? - obejmowanie prognoz - podsawowe meody kombinowania prognoz - przykłady kombinowania prognoz gospodarki polskiej - zalecenia
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Poliechnika Gdańska Wydział Elekroechniki i Auomayki Kaedra Inżynierii Sysemów Serowania Podsawy Auomayki Repeyorium z Podsaw auomayki Zadania do ćwiczeń ermin T15 Opracowanie: Kazimierz Duzinkiewicz,
Bardziej szczegółowoWykład 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
Bardziej szczegółowoDYNAMICZNE 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
Bardziej szczegółowospecyfikacji 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
Bardziej szczegółowoAnaliza 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
Bardziej szczegółowoMetody badania wpływu zmian kursu walutowego na wskaźnik inflacji
Agnieszka Przybylska-Mazur * Meody badania wpływu zmian kursu waluowego na wskaźnik inflacji Wsęp Do oceny łącznego efeku przenoszenia zmian czynników zewnęrznych, akich jak zmiany cen zewnęrznych (szoki
Bardziej szczegółowoStudia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN 2083-8611 Nr 219 2015
Sudia Ekonomiczne. Zeszyy Naukowe Uniwersyeu Ekonomicznego w Kaowicach ISSN 2083-86 Nr 29 205 Alicja Ganczarek-Gamro Uniwersye Ekonomiczny w Kaowicach Wydział Informayki i Komunikacji Kaedra Demografii
Bardziej szczegółowoModelowanie systemów skointegrowanych. Aspekty teoretyczne
Bank i Kredy 45(5), 04, 433 466 Modelowanie sysemów skoinegrowanych. Aspeky eoreyczne Michał Majserek Nadesłany: 30 kwienia 04 r. Zaakcepowany: 3 września 04 r. Sreszczenie Analiza ekonomeryczna w przypadku
Bardziej szczegółowoNatalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE
Naalia Iwaszczuk, Pior Drygaś, Pior Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE Wyd-wo, Rzeszów 03 dr hab., prof. nadzw. Naalia Iwaszczuk, AGH Akademia Górniczo-Hunicza im. Sanisława Saszica w Krakowie
Bardziej szczegółowoMODELOWANIE KURSÓW WALUTOWYCH NA PRZYKŁADZIE MODELI KURSÓW RÓWNOWAGI ORAZ ZMIENNOŚCI NA RYNKU FOREX
Krzyszof Ćwikliński Uniwersye Ekonomiczny we Wrocławiu Wydział Zarządzania, Informayki i Finansów Kaedra Ekonomerii krzyszof.cwiklinski@ue.wroc.pl Daniel Papla Uniwersye Ekonomiczny we Wrocławiu Wydział
Bardziej szczegółowoOeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu
OeconomiA copernicana 2011 Nr 4 Małgorzaa Madrak-Grochowska, Mirosława Żurek Uniwersye Mikołaja Kopernika w Toruniu TESTOWANIE PRZYCZYNOWOŚCI W WARIANCJI MIĘDZY WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Bardziej szczegółowoPROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Barbara Baóg Iwona Foryś PROGNOZOWANIE ZUŻYCIA CIEPŁEJ I ZIMNEJ WODY W SPÓŁDZIELCZYCH ZASOBACH MIESZKANIOWYCH Wsęp Koszy dosarczenia wody
Bardziej szczegółowoWitold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6-8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoMODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ
Agaa MESJASZ-LECH * MODELE AUTOREGRESYJNE JAKO INSTRUMENT ZARZĄDZANIA ZAPASAMI NA PRZYKŁADZIE ELEKTROWNI CIEPLNEJ Sreszczenie W arykule przedsawiono wyniki analizy ekonomerycznej miesięcznych warości w
Bardziej szczegółowoAlicja Ganczarek Akademia Ekonomiczna w Katowicach. Analiza niezależności przekroczeń VaR na wybranym segmencie rynku energii
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna w Kaowicach Analiza
Bardziej szczegółowoRóżnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)
Różnica bilansowa dla Operaorów Sysemów Dysrybucyjnych na laa 2016-2020 (kórzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności) Deparamen Rynków Energii Elekrycznej i Ciepła Warszawa 201 Spis
Bardziej szczegółowoMagdalena Sokalska Szkoła Główna Handlowa. Modelowanie zmienności stóp zwrotu danych finansowych o wysokiej częstotliwości
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Szkoła Główna Handlowa Modelowanie zmienności
Bardziej szczegółowoWykład 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
Bardziej szczegółowoElżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyk Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika w Toruniu
Bardziej szczegółowoStanisław Cichocki Natalia Nehrebecka. Wykład 5
Sanisław Cichocki Naalia Nehrebecka Wkład 5 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA 2 . Proces AR 2. Proces MA 3. Modele ARMA 4. Prognozowanie za pomocą modelu ARMA
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Zależność
Bardziej szczegółowoWYKORZYSTANIE TESTU OSTERBERGA DO STATYCZNYCH OBCIĄŻEŃ PRÓBNYCH PALI
Prof. dr hab.inż. Zygmun MEYER Poliechnika zczecińska, Kaedra Geoechniki Dr inż. Mariusz KOWALÓW, adres e-mail m.kowalow@gco-consul.com Geoechnical Consuling Office zczecin WYKORZYAIE EU OERERGA DO AYCZYCH
Bardziej szczegółowoPROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński
Ćwiczenia 2 mgr Dawid Doliński Modele szeregów czasowych sały poziom rend sezonowość Y Y Y Czas Czas Czas Modele naiwny Modele średniej arymeycznej Model Browna Modele ARMA Model Hola Modele analiyczne
Bardziej szczegółowoEFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE
Paweł Kobus, Rober Pierzykowski Kaedra Ekonomerii i Informayki SGGW e-mail: pawel.kobus@saysyka.info EFEKT DŹWIGNI NA GPW W WARSZAWIE Sreszczenie: Do modelowania asymerycznego wpływu dobrych i złych informacji
Bardziej szczegółowoPUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Chrisian Lis PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH 2008 2010 Wprowadzenie Przedmioem
Bardziej szczegółowoPREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY
B A D A N I A O P E R A C J N E I D E C Z J E Nr 2004 Aleksandra MAUSZEWSKA Doroa WIKOWSKA PREDKCJA KURSU EURO/DOLAR Z WKORZSANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WBRANE MODELE EKONOMERCZNE I PERCEPRON WIELOWARSWOW
Bardziej szczegółowoKlasyfikacja modeli. Metoda najmniejszych kwadratów
Konspek ekonomeria: Weryfikacja modelu ekonomerycznego Klasyfikacja modeli Modele dzielimy na: - jedno- i wielorównaniowe - liniowe i nieliniowe - sayczne i dynamiczne - sochasyczne i deerminisyczne -
Bardziej szczegółowoPROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1
PROGNOZOWANIE I SYMULACJE mgr Żanea Pruska Ćwiczenia 2 Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X, wyrażona w ysiącach wyprodukowanych i dosarczonych szuk firmie Bea,
Bardziej szczegółowoDr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne
Dr hab. Jerzy Czesław Ossowski Wybrane elemeny ekonomerii sosowanej cz. II Isoność zmiennych modelu, auokorelacja i modele muliplikaywne Ekonomeria-ćw.cz-SSW dr hab. Jerzy Czesław Ossowski Kaedra Nauk
Bardziej szczegółowoMetoda Johansena objaśnienia i przykłady
Metoda Johansena objaśnienia i przykłady Model wektorowej autoregresji rzędu p, VAR(p), ma postad gdzie oznacza wektor zmiennych endogenicznych modelu. Model VAR jest stabilny, jeżeli dla, tzn. wielomian
Bardziej szczegółowoDYNAMIKA KONSTRUKCJI
10. DYNAMIKA KONSTRUKCJI 1 10. 10. DYNAMIKA KONSTRUKCJI 10.1. Wprowadzenie Ogólne równanie dynamiki zapisujemy w posaci: M d C d Kd =P (10.1) Zapis powyższy oznacza, że równanie musi być spełnione w każdej
Bardziej szczegółowoSOE PL 2009 Model DSGE
Zeszy nr 25 SOE PL 29 Model DSGE Warszawa, 2 r. , SOE PL 29 Konak: B Bohdan.Klos@mail.nbp.pl T ( 48 22) 653 5 87 B Grzegorz.Grabek@mail.nbp.pl T ( 48 22) 585 4 8 B Grzegorz.Koloch@mail.nbp.pl T ( 48 22)
Bardziej szczegółowoBankructwo państwa: teoria czy praktyka
Bankrucwo pańswa: eoria czy prakyka Czy da się zapanować nad długiem publicznym? Maciej Biner Lenie Seminarium Ekonomiczne Czeszów 11 września 2011 Plan 1. Wprowadzenie do problemayki długu od srony księgowej.
Bardziej szczegółowoSYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE
SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE Janusz Sowiński, Rober Tomaszewski, Arur Wacharczyk Insyu Elekroenergeyki Poliechnika Częsochowska Aky prawne
Bardziej szczegółowoPorównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz
233 Zeszyy Naukowe Wyższej Szkoły Bankowej we Wrocławiu Nr 20/2011 Wyższa Szkoła Bankowa w Toruniu Porównanie jakości nieliniowych modeli ekonomerycznych na podsawie esów rafności prognoz Sreszczenie.
Bardziej szczegółowoTESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 15 Mariusz Doszyń TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH Od pewnego czasu w lieraurze ekonomerycznej pojawiają się
Bardziej szczegółowoStruktura sektorowa finansowania wydatków na B+R w krajach strefy euro
Rozdział i. Srukura sekorowa finansowania wydaków na B+R w krajach srefy euro Rober W. Włodarczyk 1 Sreszczenie W arykule podjęo próbę oceny srukury sekorowej (sekor przedsiębiorsw, sekor rządowy, sekor
Bardziej szczegółowoStatystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego
Część VII. Analiza szeregu czasowego 1 DEFINICJA SZEREGU CZASOWEGO Szeregiem czasowym nazywamy zbiór warości cechy w uporządkowanych chronologicznie różnych momenach (okresach) czasu. Oznaczając przez
Bardziej szczegółowoEstymacja stopy NAIRU dla Polski *
Michał Owerczuk * Pior Śpiewanowski Esymacja sopy NAIRU dla Polski * * Sudenci, Szkoła Główna Handlowa, Sudenckie Koło Naukowe Ekonomii Teoreycznej przy kaedrze Ekonomii I. Auorzy będą bardzo wdzięczni
Bardziej szczegółowoUMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE
Pior Fiszeder UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE. Wprowadzenie Rynki kapiałowe na świecie są coraz silniej powiązane. Do najważniejszych
Bardziej szczegółowoANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1
ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1 mgr inż. Żanea Pruska Maeriał opracowany na podsawie lieraury przedmiou. Zadanie 1 Firma Alfa jes jednym z głównych dosawców firmy Bea. Ilość produku X,
Bardziej szczegółowoKONIUNKTURA W CIĘŻAROWYM TRANSPORCIE SAMOCHODOWYM. STAN W ROKU 2010 I PRZEWIDYWANIA NA ROK KOLEJNY
Sławomir Dorosiewicz Insyu Transporu Samochodowego KONIUNKTURA W CIĘŻAROWYM TRANSPORCIE SAMOCHODOWYM. STAN W ROKU 2010 I PRZEWIDYWANIA NA ROK KOLEJNY W arykule podsumowano wyniki badań koniunkury w ransporcie
Bardziej szczegółowoZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI
Zasosowanie modeli ekonomerycznych do badania skłonności STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 2 39 MARIUSZ DOSZYŃ Uniwersye Szczeciński ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA
Bardziej szczegółowoOeconomiA copernicana. Adam Waszkowski Szkoła Główna Gospodarstwa Wiejskiego w Warszawie
OeconomiA copernicana 2012 Nr 3 ISSN 2083-1277 Adam Waszkowski Szkoła Główna Gospodarswa Wiejskiego w Warszawie MECHANIZM TRANSMISJI IMPULSÓW POLITYKI MONETARNEJ DLA POLSKIEJ GOSPODARKI Klasyfikacja JEL:
Bardziej szczegółowoWykład 3 POLITYKA PIENIĘŻNA POLITYKA FISKALNA
Makroekonomia II Wykład 3 POLITKA PIENIĘŻNA POLITKA FISKALNA PLAN POLITKA PIENIĘŻNA. Podaż pieniądza. Sysem rezerwy ułamkowej i podaż pieniądza.2 Insrumeny poliyki pieniężnej 2. Popy na pieniądz 3. Prowadzenie
Bardziej szczegółowoStały czy płynny? Model PVEC realnego kursu walutowego dla krajów Europy Środkowo-Wschodniej implikacje dla Polski
Maeriały i Sudia nr 312 Sały czy płynny? Model PVEC realnego kursu waluowego dla krajów Europy Środkowo-Wschodniej implikacje dla Polski Pior Kębłowski Maeriały i Sudia nr 312 Sały czy płynny? Model PVEC
Bardziej szczegółowoMODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp
WERSJA ROBOCZA - PRZED POPRAWKAMI RECENZENTA Krzyszof Pionek Akademia Ekonomiczna we Wrocławiu MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. Wsęp Spośród wielu rodzajów ryzyka, szczególną
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 2007 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Pior Fiszeder Uniwersye Mikołaja Kopernika
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaa Kopernika w Toruniu Małgorzaa Borzyszkowska Uniwersye Gdański
Bardziej szczegółowoMETODY STATYSTYCZNE W FINANSACH
METODY STATYSTYCZNE W FINANSACH Krzyszof Jajuga Akademia Ekonomiczna we Wrocławiu, Kaedra Inwesycji Finansowych i Ubezpieczeń Wprowadzenie W osanich kilkunasu laach na świecie obserwuje się dynamiczny
Bardziej szczegółowoO WYBRANYCH SPOSOBACH OPISU DYNAMIKI EKONOMICZNYCH STRUKTUR PRZESTRZENNYCH
STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 26 Krzyszof Heberlein Uniwersye Szczeciński O WYBRANYCH SPOSOBACH OPISU DYNAMIKI EKONOMICZNYCH STRUKTUR PRZESTRZENNYCH STRESZCZENIE W arykule
Bardziej szczegółowoEfekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA
Joanna Górka * Efeky agregacji czasowej szeregów finansowych a modele klasy Sign RCA Wsęp Wprowadzenie losowego parameru do modelu auoregresyjnego zwiększa możliwości aplikacyjne ego modelu, gdyż pozwala
Bardziej szczegółowoROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach
ROZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Kaowicach WYZNAZANIE PARAMETRÓW FUNKJI PEŁZANIA DREWNA W UJĘIU LOSOWYM * Kamil PAWLIK Poliechnika
Bardziej szczegółowoDaniel Papla Akademia Ekonomiczna we Wrocławiu. Wykorzystanie modelu DCC-MGARCH w analizie zmian zależności wybranych akcji GPW w Warszawie
DYNAMICZNE MODELE EKONOMETRYCZNE X Ogólnopolskie Seminarium Naukowe, 4 6 września 27 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Akademia Ekonomiczna we Wrocławiu Wykorzysanie
Bardziej szczegółowoPROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO
POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 69 Elecrical Engineering 0 Janusz WALCZAK* Seweryn MAZURKIEWICZ* PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO W arykule opisano meodę generacji
Bardziej szczegółowoMakroekonomia 1 Wykład 14 Inflacja jako zjawisko monetarne: długookresowa krzywa Phillipsa
Makroekonomia 1 Wykład 14 Inflacja jako zjawisko monearne: długookresowa krzywa Phillipsa Gabriela Grokowska Kaedra Makroekonomii i Teorii Handlu Zagranicznego Plan wykładu Krzywa Pillipsa: przypomnienie
Bardziej szczegółowoBayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1
Jacek Kwiakowski Uniwersye Mikołaja Kopernika w Toruniu Bayesowskie porównanie modeli STUR i GARCH w finansowych szeregach czasowych 1 WSTĘP Powszechnie wiadomo, że podsawowymi własnościami procesów finansowych
Bardziej szczegółowoMODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH
Krzyszof Pionek Kaedra Inwesycji Finansowych i Ubezpieczeń Akademia Ekonomiczna we Wrocławiu Wsęp MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH Nowoczesne echniki zarządzania ryzykiem rynkowym
Bardziej szczegółowoDYNAMICZNE MODELE EKONOMETRYCZNE
DYNAMICZNE MODELE EKONOMETRYCZNE IX Ogólnopolskie Seminarium Naukowe, 6 8 września 2005 w Toruniu Kaedra Ekonomerii i Saysyki, Uniwersye Mikołaja Kopernika w Toruniu Uniwersye Mikołaja Kopernika Empiryczna
Bardziej szczegółowoMariusz Plich. Spis treści:
Spis reści: Modele wielorównaniowe - mnożniki i symulacje. Podsawowe pojęcia i klasyfikacje. Czynniki modelowania i sposoby wykorzysania modelu 3. ypy i posacie modeli wielorównaniowych 4. Przykłady modeli
Bardziej szczegółowoKONTROLA JAKOŚCI ŻELIWA AUSTENITYCZNEGO METODĄ ATD
50/ Archives of Foundry, Year 001, Volume 1, 1 (/) Archiwum Odlewnicwa, Rok 001, Rocznik 1, Nr 1 (/) PAN Kaowice PL ISSN 164-5308 KONTROLA JAKOŚCI ŻLIWA AUSTNITYCZNGO MTODĄ ATD R. WŁADYSIAK 1 Kaedra Sysemów
Bardziej szczegółowo2. Wprowadzenie. Obiekt
POLITECHNIKA WARSZAWSKA Insyu Elekroenergeyki, Zakład Elekrowni i Gospodarki Elekroenergeycznej Bezpieczeńswo elekroenergeyczne i niezawodność zasilania laoraorium opracował: prof. dr ha. inż. Józef Paska,
Bardziej szczegółowoMetody analizy i prognozowania szeregów czasowych
Meody analizy i prognozowania szeregów czasowych Wsęp 1. Modele szeregów czasowych 2. Modele ARMA i procedura Boxa-Jenkinsa 3. Modele rendów deerminisycznych i sochasycznych 4. Meody dekompozycji szeregów
Bardziej szczegółowoWYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH
SaSof Polska, el. 12 428 43 00, 601 41 41 51, info@sasof.pl, www.sasof.pl WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH Joanna Maych, Krajowy Depozy Papierów
Bardziej szczegółowoPrognozowanie średniego miesięcznego kursu kupna USD
Prognozowanie średniego miesięcznego kursu kupna USD Kaarzyna Halicka Poliechnika Białosocka, Wydział Zarządzania, Kaedra Informayki Gospodarczej i Logisyki, e-mail: k.halicka@pb.edu.pl Jusyna Godlewska
Bardziej szczegółowo