Natalia Nehrebecka. Zajęcia 4

Podobne dokumenty
Stanisław Cichocki 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

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

65120/ / / /200

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

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

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.

0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów

Natalia Nehrebecka. Wykład 2

( ) ( ) 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

Dobór zmiennych objaśniających

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

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Prawdopodobieństwo i statystyka r.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

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

Parametry zmiennej losowej

Testowanie hipotez statystycznych

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

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

Testowanie hipotez statystycznych

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

Testowanie hipotez statystycznych

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

Natalia Nehrebecka. Dariusz Szymański

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

Trzecie laboratoria komputerowe ze Staty Testy

Regresja liniowa i nieliniowa

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

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

STATYSTYKA MATEMATYCZNA

Nieparametryczne Testy Istotności

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Procedura normalizacji

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

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

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

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

Statystyka. Zmienne losowe

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

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

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

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

Mikroekonometria 7. Mikołaj Czajkowski Wiktor Budziński

Funkcje i charakterystyki zmiennych losowych

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

Prawdopodobieństwo i statystyka r.

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

Ćwiczenia 7 Drugie zajęcia w pracowni komputerowej.

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

Opis danych znajdujących się w zbiorze

Metody predykcji analiza regresji

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym

Ekonometryczne modele nieliniowe

STATYSTYKA. Zmienna losowa skokowa i jej rozkład

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

będą niezależnymi zmiennymi losowymi o tym samym 2 x

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

dy dx stąd w przybliżeniu: y

Proces narodzin i śmierci

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

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

Statystyka Inżynierska

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI

Teoria niepewności pomiaru (Rachunek niepewności pomiaru) Rodzaje błędów pomiaru

Kolokwium ze statystyki matematycznej

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

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego


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

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

brak podstaw do odrzucenia hipotezy zerowej.

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

Markowa. ZałoŜenia schematu Gaussa-

Ekonometria. Zajęcia

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

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

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW

Ś Ó Ś Ó Ść

Ś Ś Ó Ś Ó Ó Ść ć Ó ć

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Zaawansowane metody numeryczne

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

Testowanie hipotez statystycznych.

Egzamin z ekonometrii wersja IiE, MSEMAT

Sprawozdanie powinno zawierać:


Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Transkrypt:

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 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 płeć: 1 kobeta, 0 mężczyzna praca: 1 pracujący, 0 nepracujący obecność dzec: 1 ne, 0 tak Uwaga! Ważne jest, że zmenna przyjmuje dwe wartośc, ne ma znaczena ch welkość ma znaczena ch welkość

1 pozombadany D = 0 pozombazowy Nech D będze zmenną zero jedynkową: y = β + β X +... + β X + γd + ε 1 2 Dla D =1 model ma postać: y Dla D j =0 model ma postać: 2 = β + β X +... + β X + γ + ε y j 1 2 2 = β + β X +... + β X + ε Zatem γ = Ε y ) Ε ( y ) 1 2 2 ( j j K K K K K Kj j

Wnosek: γ Welkość można nterpretować jako przyrost oczekwanej wartośc y, jeśl D zmen sę z 0 na 1, przy założenu pozostałych charakterystyk na ne zmenonym pozome..

y = β + β X +... + β X + γd + 1 2 2 K K ε ˆ = b1 + b2 X 2 +... + bk X K + y γˆ D γ współczynnk przy zmennej j0 1 INTERPRETACJA: wartość zmennej zależnej y dla pozomu zmennej 0 1 D=1 jest: wększa (jeżel γˆ >0) o γˆ jednostek lub mnejsza (jeżel γˆ <0) o γˆ jednostek nż wartość zmennej zależnej y dla pozomu zmennej 0 1 D=0 (dla pozomu bazowego)

1 Zmenna plec = 0 placa = β 1 + β 2 plec + ε placa = 9,26 503, 59 plec jesl kobeta jesl 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 β 1 + 2x2 = β +... + β x + γd + ε K K Wnosek: Welkość (przemnożoną przez 100%) γ można nterpretować jako procentową różncę mędzy oczekwanym obserwacjam zmennej zależnej y, jeśl D zmen sę z 0 na 1.

ln( placa ) = β 1 + β2 plec + ε ln( placa ) = 7,67 0, 17 plec Zmenna plec 1 = 0 jesl kbt kobeta jesl 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 znterpretować t ć współczynnk w modelu. dl

Neco bardzej skomplkowana jest sytuacja, gdy mamy do czynena ze zmenną dyskretną która przyjmuje węcej nż 2 wartośc. np. wykształcene ł (1 podstawowe, dt 2 średne, d 3 wyższe) ż W tym przypadku do każdego pozomu s zmennej dyskretnej X musmy przypsać jedną zmenną zero jedynkową Ds, D s, = 1 gdy X = s D s, = 0 gdy X s dla s = 12 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 + β 2średne + β3 β wyzsze + ε Dlaczego? Ne jest możlwe, by w modelu była jednocześne stała wszystke zmenne zero jedynkowe jd (dla każdego pozomu zmennej jdyskretnej), poneważ macerz X T X byłaby osoblwa!

Interpretacja współczynnków przy zmennych 0 1 jest analogczna jak w przypadku modelu z jedną tylko taką zmenną: dany współczynnk opsuje różncę mędzy oczekwaną wartoścą y dla respondenta o charakterystyce bazowej dla respondenta respondenta o charakterystyce bazowej dla respondenta charakterystyce s.

Szacujemy model w który zmenną objaśnaną jest wynagrodzene, a zmennym objaśnającym są: płeć 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). Podać prawdłową formę modelu ze stałą znterpretować jego współczynnk.

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

b se(b ) t = b K se( b K )

Krok 3. Odczytujemy z tablc rozkładu t Studenta wartość krytyczna (α pozom stotnośc) t * = t n K ;1 α 2 Stopn swobody Rząd kwantyla

Krok 4. Podjęce decyzj 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0.0.95.025.025 -statystyka krytyczna yy 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 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 β k = 0, oznaczane z angelskego przez p value. Jest to empryczne wylczony ypozom stotnośc dla statystyk y testowej t przy hpoteze zerowej β k = 0 Jeśl p value < α (pozomu stotnośc), t ś ) 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 prawdopodobeństwem znajdze sę neznana wartość parametru β K. Odpowedź na to pytane uzyskamy wyznaczając tak zwany przedzał ufnośc. Przedzał ufnośc dla neznanego parametru β K na pozome ufnośc 1 α: P( bk t1 α 2se( bk ) βk bk + t1 α 2se( bk )) = 1 α

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 k1. Stawamy hpotezę zerową H0: H 0 : β 2 0 β 3 = 0 M M β K 0 H 1 : ne wszystke współczynnk β K są jednocześne równe zero. (przynajmnej jedna zmenna jest stotna)

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 wartość krytyczna (α pozom stotnośc) F * = F ( K 1, n K )

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

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

Dzękuję za uwagę