Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Podobne dokumenty
Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

Natalia Nehrebecka. Zajęcia 3

65120/ / / /200

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

Natalia Nehrebecka. Wykład 2

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

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

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

Weryfikacja hipotez dla wielu populacji

0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów

Dobór zmiennych objaśniających

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Prawdopodobieństwo i statystyka r.

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

IID = 2. i i i i. x nx nx nx

Parametry zmiennej losowej

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

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

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

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

Trzecie laboratoria komputerowe ze Staty Testy

Nieparametryczne Testy Istotności

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

STATYSTYKA MATEMATYCZNA

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

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

Testowanie hipotez statystycznych

Natalia Nehrebecka. Dariusz Szymański

Rachunek prawdopodobieństwa i statystyka W 11: Analizy zależnościpomiędzy zmiennymi losowymi Model regresji wielokrotnej

Statystyka. Zmienne losowe

Testowanie hipotez statystycznych

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

1.1. Uprość opis zdarzeń: 1.2. Uprościć opis zdarzeń: a) A B A Uprościć opis zdarzeń: 1.4. Uprościć opis zdarzeń:

Analiza danych OGÓLNY SCHEMAT. Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Regresja liniowa i nieliniowa

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. Strona 1

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

Mikroekonometria 7. Mikołaj Czajkowski Wiktor Budziński

Procedura normalizacji

Ekonometria ćwiczenia Kolokwium 1 semestr 20/12/08. / 5 pkt. / 5 pkt. / 5 pkt. / 5 pkt. /20 pkt. Regulamin i informacje dodatkowe

Błędy przy testowaniu hipotez statystycznych. Decyzja H 0 jest prawdziwa H 0 jest faszywa

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

0 0,2 0, p 0,1 0,2 0,5 0, p 0,3 0,1 0,2 0,4

Funkcje i charakterystyki zmiennych losowych

Rozwiązania (lub wskazówki do rozwiązań) większości zadań ze skryptu STATYSTYKA: MATERIAŁY POMOCNICZE DO ZAJĘĆ oraz EGZAMINÓW Z LAT

Metody predykcji analiza regresji

Proces narodzin i śmierci

Prawdopodobieństwo i statystyka r.


STATYSTYKA. Zmienna losowa skokowa i jej rozkład

Kolokwium ze statystyki matematycznej

Stanisław Cichocki. Natalia Nehrebecka

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

brak podstaw do odrzucenia hipotezy zerowej.

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

Ekonometryczne modele nieliniowe

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

LABORATORIUM 8 WERYFIKACJA HIPOTEZ STATYSTYCZNYCH PARAMETRYCZNE TESTY ISTOTNOŚCI

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

Opis danych znajdujących się w zbiorze

Testowanie hipotez statystycznych

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

Statystyka Inżynierska

będą niezależnymi zmiennymi losowymi o tym samym 2 x

TESTOWANIE HIPOTEZ Przez hipotezę statystyczną rozumiemy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

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

Ekonometria. Zajęcia

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

MECHANIKA 2 MOMENT BEZWŁADNOŚCI. Wykład Nr 10. Prowadzący: dr Krzysztof Polko

Pattern Classification


STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

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

Zaawansowane metody numeryczne

TESTOWANIE HIPOTEZ STATYSTYCZNYCH Hipotezą statystyczną nazywamy, najogólniej mówiąc, pewną wypowiedź na temat rozkładu interesującej nas cechy.

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.

Ćwiczenia 7 Drugie zajęcia w pracowni komputerowej.

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Testowanie hipotez statystycznych.

SIGMA KWADRAT. Weryfikacja hipotez statystycznych. Statystyka i demografia CZWARTY LUBELSKI KONKURS STATYSTYCZNO-DEMOGRAFICZNY

Egzamin z ekonometrii wersja IiE, MSEMAT

Transkrypt:

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 przy zmennej 0 1 w modelu, w którym zmenna zależna jest zlogarytmowana 2. Testowane stotnośc poszczególnych zmennych objaśnających w modelu 3. Przedzały ufnośc 4. Testowane łącznej stotnośc zmennych objaśnających

Zmenną zero-jedynkową nazywamy zmenną, która przyjmuje tylko dwe wartośc 0 lub 1 płed: 1 kobeta, 0 mężczyzna praca: 1 pracujący, 0 nepracujący obecnośd dzec: 1 ne, 0 tak Uwaga! Ważne jest, że zmenna przyjmuje dwe wartośc, ne ma znaczena ch welkośd

Nech D będze zmenną zero-jedynkową: Dla D =1 model ma postad: Dla D j =0 model ma postad: Zatem pozombazowy pozombadany 0 1 D K K D X X y... 2 2 1 K K X X y... 2 2 1 j Kj K j j X X y... 2 2 1 ) ( ) ( j y y

Wnosek: Welkośd można nterpretowad jako zmanę oczekwanej wartośc y, jeśl D zmen sę z 0 na 1, przy założenu pozostałych charakterystyk na ne zmenonym pozome.

y X... 1 2 2 K X K D ˆ b1 b2 X 2... bk X K y ˆ D γ współczynnk przy zmennej 0-1 INTERPRETACJA: wartośd zmennej zależnej y dla pozomu zmennej 0-1 D=1 jest: - wększa (jeżel ˆ >0) o ˆ jednostek lub - mnejsza (jeżel ˆ <0) o ˆ jednostek nż wartośd zmennej zależnej y dla pozomu zmennej 0-1 D=0 (dla pozomu bazowego)

placa 1 2 plec placa 9,26 503, 59 plec Zmenna 1 plec 0 jesl jesl kobeta mezczyzna Interpretacja: Oczekwany pozom płac kobet jest średno o 503, 59 złotego nższy nż dla mężczyzn, przy założenu pozostałych charakterystyk na ne zmenonym pozome.

ln y 1 2x2... K x K D Wnosek: Welkośd (przemnożoną przez 100%) można nterpretowad jako procentową zmanę oczekwanej wartośc zmennej zależnej y, jeśl D zmen sę z 0 na 1.

ln( placa ) 1 2 plec ln( placa ) 7,67 0, 17 plec Zmenna 1 plec 0 jesl jesl kobeta mezczyzna Interpretacja: Oczekwany pozom płac kobet jest średno o 17% nższy nż dla mężczyzn, przy założenu pozostałych charakterystyk na ne zmenonym pozome.

Zbadajmy zwązek mędzy płacą a stażem pracy, wykształcenem (merzone lczbą lat nauk) płcą respondenta (0 kobeta,1-mężczyzna). Proszę znterpretowad współczynnk w modelu.

Neco bardzej skomplkowana jest sytuacja, gdy mamy do czynena ze zmenną dyskretną która przyjmuje węcej nż 2 wartośc. np. wykształcene (1 podstawowe, 2 średne, 3 - wyższe) W tym przypadku do każdego pozomu s zmennej dyskretnej X musmy przypsad jedną zmenną zero-jedynkową Ds, D s, = 1 gdy X = s D s, = 0 gdy X s dla s = 1,2,...,S

1 podstawowe 0 podstawowe w p.p. 1 podstawowe wyksztalcene 2 średne 1 średne 0 3 wyzsze 1 wyzsze 0 średne w p.p. wyzsze w p.p.

Za pozom bazowy uznajemy jeden z pozomów (np. pozom 1), zmenną zero-jedynkową zwązaną z tym pozomem usuwamy z modelu ze stałą. Np. dla zmennej wykształcene Pozom bazowy : wykształcene podstawowe placa 1 2średne 3 wyzsze Dlaczego? Ne jest możlwe, by w modelu była jednocześne stała wszystke zmenne zero-jedynkowe (dla każdego pozomu zmennej dyskretnej), poneważ macerz X T X byłaby osoblwa!

Interpretacja współczynnków w modelu z weloma zmennym 0-1 (zmennym dyskretnym) jest analogczna jak w przypadku modelu z jedną tylko taką zmenną: dany współczynnk opsuje różncę mędzy oczekwaną wartoścą zmennej y dla respondenta o charakterystyce bazowej dla respondenta charakterystyce s.

Szacujemy model, w którym zmenną objaśnaną jest wynagrodzene, a zmennym objaśnającym są: płed pracownka (0 kobeta, 1 - mężczyzna), wykształcene pracownka (1 - podstawowe, 2 - gmnazjum, 3 - średne, 4 - wyższe), wek pracownka, Stan cywlny (1- kawaler/panna, 2-wdowec/wdowa, 3-rozwedzony/ rozwedzona, 4-zonaty/ zamężna). Podad prawdłową formę modelu ze stałą znterpretowad jego współczynnk.

Testowane prostych hpotez przebega w następujących krokach: Dla modelu: y X... którego oszacowanem jest: 1 Krok 1. Stawamy tak zwaną hpotezę zerową co do wartośc neznanego parametru K Hpoteze tej towarzyszy hpoteza alternatywna: 2 2 ˆ b1 b2 X 2 y H0 : K 0 (zmenna XK jest nestotna) H1 : K 0 (zmenna XK jest stotna) K... b X K K X K

Krok 2. Przy założenu, że postawona hpoteza zerowa jest prawdzwa, wyznaczamy statystykę testową z rozkładu t - Studenta o n - K stopnach swobody postac: t bk se( b K ) Gdze: se( b K ) - odchylene standardowe estymatora b K

b se(b) t bk se( b K )

Krok 3. Odczytujemy z tablc rozkładu t-studenta wartośd krytyczną (α - pozom stotnośc 1) ) t* t n K;1 2 Stopn swobody Rząd kwantyla 1) maksymalne dopuszczalne prawdopodobeństwo popełnena błędu polegającego na odrzucenu prawdzwej hpotezy zerowej

Krok 4. Podjęce decyzj 0. 8 0. 7 0. 6 0. 5 0. 4 0. 3 0. 2 0. 1 0. 0.025.025 -statystyka krytyczna.95 statystyka krytyczna Obszar Odrzucena Obszar Neodrzucena Obszar Odrzucena t t * - odrzucamy hpotezę zerowa, czyl zmenna X K jest stotna. t < t * - ne ma podstaw do odrzucena hpotezy zerowej, czyl zmenna X K jest nestotna.

W popularnych paketach ekonometrycznych obok wylczonej wartośc statystyk t podawane jest równeż odpowadające mu prawdopodobeństwo p, że k 0, oznaczane z angelskego przez p value. Jest to empryczne wylczony pozom stotnośc dla statystyk testowej t przy hpoteze zerowej k 0 Jeśl p-value < α (pozomu stotnośc), to odrzucamy hpotezę zerową. Jeśl p-value > α (pozomu stotnośc), to brak podstaw do odrzucena hpotezy zerowej.

p value

Jak jest przedzał, w którym z określonym prawdopodobeostwem znajdze sę neznana wartośd parametru K. Odpowedź na to pytane uzyskamy wyznaczając tak zwany przedzał ufnośc. Przedzał ufnośc dla neznanego parametru K na pozome ufnośc 1 α: P( bk t1 2se( bk ) K bk t1 2se( bk )) 1

Często stawanym pytanem jest kwesta, czy równane regresj jest statystyczne stotne? Jest ono równoważne pytanu, czy łączne współczynnk regresj, z wyjątkem stałej, są równe zero. Krok 1. Stawamy hpotezę zerową H0: H 1 : ne wszystke współczynnk β K są jednocześne równe zero (przynajmnej jedna zmenna jest stotna). 0 0 0 : 3 2 0 K H

Krok 2. Przy założenu, że postawona hpoteza zerowa jest prawdzwa, wyznaczamy statystykę testową z rozkładu F: F ESS /( K 1) RSS /( n K) 2 R (1 R 2 ( K 1) ) ( n K)

Krok 3. Odczytujemy z tablc rozkładu F wartośd krytyczna (α - pozom stotnośc) F* F( K 1, n K)

Krok 4. Podjęce decyzj Dystrybuanta rozkładu F-Snedecora f(f) 0 F* F F F * - odrzucamy hpotezę zerowa (równane regresj jest łączne stotne). F < F * - ne ma podstaw do odrzucena hpotezy zerowej (równane regresj jest łączne nestotne).

1. Omówd zasady wprowadzana do równana regresj zmennych objaśnających dyskretnych. 2. Na czym polega statystyczna stotnośd zmennej objaśnającej? 3. Co to jest przedzał ufnośc dla neznanego parametru K? 4. Proszę przedstawd test stotnośc równana regresj.

Dzękuję za uwagę