Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Podobne dokumenty
Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 4

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

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów

Natalia Nehrebecka. Wykład 2

65120/ / / /200

Statystyka. Zmienne losowe

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka. Dariusz Szymański

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

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

Natalia Nehrebecka Stanisław Cichocki. Wykład 6

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

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Wybór formy funkcyjnej modelu (cz. II)

Parametry zmiennej losowej

Wyk lad 3. Natalia Nehrebecka Dariusz Szymański. 13 kwietnia, 2010

Statystyka Inżynierska

dy dx stąd w przybliżeniu: y

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

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

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


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

Opis danych znajdujących się w zbiorze

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

Dobór zmiennych objaśniających

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

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

Wyk lad 5. Natalia Nehrebecka Stanis law Cichocki. 7 listopada 2015

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym

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

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

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Proces narodzin i śmierci

Weryfikacja hipotez dla wielu populacji

Prawdopodobieństwo i statystyka r.

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

STATYSTYKA MATEMATYCZNA

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

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

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

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

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Analiza struktury zbiorowości statystycznej

Definicje ogólne

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

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

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

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

Procedura normalizacji

Regresja liniowa i nieliniowa

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Ekonometryczne modele nieliniowe

Ćwiczenia 7 Drugie zajęcia w pracowni komputerowej.

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

Podstawy teorii falek (Wavelets)

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

p Z(G). (G : Z({x i })),

Pattern Classification

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

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI

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

Trzecie laboratoria komputerowe ze Staty Testy

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

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

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

Analiza zależności zmiennych ilościowych korelacja i regresja

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

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

Minister Edukacji Narodowej Pani Katarzyna HALL Ministerstwo Edukacji Narodowej al. J. Ch. Szucha Warszawa Dnia 03 czerwca 2009 r.

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

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

D. Ciołek EKONOMETRIA wykład 0 EKONOMETRIA. Wykład 0: Informacje o przedmiocie. dr Dorota Ciołek. Katedra Ekonometrii Wydział Zarządzania UG

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

Matematyka ubezpieczeń majątkowych r.

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

STATYSTYCZNA ANALIZA WYNIKÓW POMIARÓW

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

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

System finansowy gospodarki

Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński

Model ISLM. Inwestycje - w modelu ISLM przyjmujemy, że inwestycje przyjmują postać funkcji liniowej:

EKONOMETRIA I Spotkanie 1, dn

STRUKTURA BEZROBOCIA REJESTROWANEGO W WOJEWÓDZTWIE ŁÓDZKIM I PODKARPACKIM A ZMIANY NA RYNKU TOWAROWYM. 1. Wprowadzenie

OGÓLNE PODSTAWY SPEKTROSKOPII

Transkrypt:

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 4. Interpretacja parametrów przy zmennych dyskretnych

1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne 4. Interpretacja parametrów przy zmennych dyskretnych

Semelastycznośc mogą być wyznaczane z modelu, w którym zmenna objaśnana jest zlogarytmowana a zmenne objaśnające ne są logarytmam zmennych perwotnych. ln Y X... X 1 2 2 K K ln ( Y ) X... X 1 2 2 K K ln EY ( ) X k k k *100% merzy o le procent zmen sę zmenna objaśnana, gdy zmenna objaśnająca zmen sę o jedną jednostkę, gdy wartośc nnych zmennych objaśnających modelu pozostają nezmenone (ceters parbus).

ln Y X... X 1 2 2 K K ln Y b b X... b X 1 2 2 K K β 2 współczynnk INTERPRETACJA: jeżel wartość zmennej nezależnej X 2 wzrośne o 1 jednostkę, to wartość zmennej zależnej y : - wzrośne (jeżel b 2 >0) o b 2 *100% lub - spadne (jeżel b 2 <0) o b 2 *100%. ceters parbus. β 1 wyraz wolny Uwaga! Wyrazu wolnego ne nterpretujemy.

ln( placa ) 1 2wek ln( placa ) 2,34 0, 04 wek Interpretacja: Płaca wzrasta przecętne o 4% przy wzrośce weku o 1 rok, przy założenu pozostałych charakterystyk na nezmenonym pozome.

ln( wydatk ) 3,6 0,35ln( dochód ) 0, 11dzec Interpretacja: Elastyczność: wzrost dochodu o 1% powoduje wzrost wydatków o 0,35% przy założenu pozostałych charakterystyk na nezmenonym pozome. Semelastyczność: wzrost lczby dzec o 1 powoduje wzrost wydatków o 11%=0,11*100% przy założenu pozostałych charakterystyk na nezmenonym pozome.

Zmenna zależna Zmenna nezależna Interpretacja β y x Δy=βΔx ln(y) ln(x) %Δy=β% Δx ln(y) x %Δy=(100β)Δx y ln(x) Δy=(β/100)%Δx

1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne 4. Interpretacja parametrów przy zmennych dyskretnych

0 0 1.0e-04 2.0e-04 3.0e-04 4.0e-04 5.0e-04 Gestosc.2.4.6.8 Modelujemy wydatk gospodarstw domowych za pomocą dochodu tych gospodarstw. Hstogram wydatków /logarytmu wydatków gospodarstw domowych: 0 10000 20000 30000 40000 Wydatk gospodarstwa 4 6 8 10 Logarytm wydatkow gospodarstwa

0 0 Gestosc 1.0e-04 2.0e-04 3.0e-04 4.0e-04 Gestosc.2.4.6.8 Hstogram dochodów/logarytmu dochodów gospodarstw: 0 20000 40000 60000 Dochod gospodarstwa 0 5 10 Logarytm dochodu gospodarstwa

Wynk regresj: ln(wydatk) = 2,02+0,72*ln(Dochod) R²=0,58 Wydatk=712,81+0,58*Dochod R²=0,41

8 6 4 2 0 10000 20000 30000 Logarytm wydatkow gospodarstwa 10 40000 Regresja na pozomach logarytmach: 0 20000 40000 Dochod gospodarstwa 60000 0 5 Logarytm dochodu gospodarstwa 10

0 0 2.0e-04 4.0e-04 6.0e-04 Gestosc.5 Gestosc 1 1.5 Reszty z regresj: -40000-20000 0 20000 40000 Standaryzowane reszty -2 0 2 4 6 Standaryzowane reszty

1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne 4. Interpretacja parametrów przy zmennych dyskretnych

Zmenne Zmenne cągłe Zmenne dyskretne

Zmenną cągłą nazywamy zmenną, która przyjmuje wartośc ze zboru lczb rzeczywstych. Zmenne cągłe są zmennym posadającym charakter loścowy Np. dochody, wydatk, cena neruchomośc td.

Zmenną dyskretną nazywamy zmenną, która przyjmuje wartośc ze skończonego podzboru lczb naturalnych. Zazwyczaj podzbór ten jest stosunkowo mało lczny obejmuje klka czy klkanaśce elementów. Zmenne dyskretne są zmennym posadającym charakter jakoścowy. np. płeć, wykształcene, mejsce zameszkana, stan cywlny td.

Zmenne dyskretne Zmenne nomnalne Zmenne uporządkowane

1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne 4. Interpretacja parametrów przy zmennych dyskretnych

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.

Nech D będze zmenną zero-jedynkową: Dla D =1 model ma postać: Dla D j =0 model ma postać: 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: Welkość można nterpretować jako zmanę oczekwanej wartośc y, jeśl D zmen sę z 0 na 1, przy założenu pozostałych charakterystyk na nezmenonym pozome.

Y X X D 1 2 2... K K Y b b X b X D ˆ 1 2 2... K K współczynnk przy zmennej 0-1 INTERPRETACJA: wartość 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 wartość zmennej zależnej y dla pozomu zmennej 0-1 D=0 (dla pozomu bazowego)

placa 1 2 plec placa 926,1503,59 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 nezmenonym pozome.

placa sex 1 2 placa 422,51 503,59 sex Zmenna sex 1 jesl mezczyzna 0 jesl kobeta Interpretacja: Oczekwany pozom płac męzczyzn jest średno o 503, 59 złotego wyższy nż dla kobet, przy założenu pozostałych charakterystyk na nezmenonym pozome.

ln Y x... x D 1 2 2 K K Wnosek: Welkość (przemnożoną przez 100%) można nterpretować 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 nezmenonym pozome.

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 przypsać 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?

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 o charakterystyce s.

Modelujemy płace za pomocą płc, weku wykształcena: Zmenna Współczynnk Płeć -0,278 Wek 0,078 Wykszt. średne -0,273 Wykszt. średne zawodowe -0,273 Wykszt. zawodowe -0,444 Wykszt. podstawowe -0,571 Stała 6,64

ln( placa ) plec wyksztalcene 1 2 3 ln( placa ) plec wyksztalcene wojewodztwo 1 2 3 4

Praca na ćwczenach: o Kontrasty w odchylenach o Efekty progowe

1. Podać defncję semelastycznośc cząstkowej. 2. Dlaczego zmenną dyskretną rozkodowywujemy na zmenne zerojedynkowe? 3. Dlaczego w modelu ne pownno sę umeszczać stałej wszystkch zmennych zero-jedynkowych, zwązanych z pozomam zmennej dyskretnej?

Dzękuję za uwagę 38