Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Podobne dokumenty
Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Przykład 2. Stopa bezrobocia

3. Modele tendencji czasowej w prognozowaniu

Metody Ilościowe w Socjologii

Ekonometria. Zajęcia

Ćwiczenia IV

Stanisław Cichocki. Natalia Nehrebecka

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

t y x y'y x'x y'x x-x śr (x-x śr)^2

Ekonometria Ćwiczenia 19/01/05

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

3. Analiza własności szeregu czasowego i wybór typu modelu

5. Model sezonowości i autoregresji zmiennej prognozowanej

Przykład 1 ceny mieszkań

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Analiza autokorelacji

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Robert Pietrzykowski.

4. Średnia i autoregresja zmiennej prognozowanej

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.

Ekonometria. Ćwiczenia nr 3. Jakub Mućk. Katedra Ekonomii Ilościowej

Rozdział 8. Regresja. Definiowanie modelu

Proces modelowania zjawiska handlu zagranicznego towarami

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

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

Testowanie hipotez. Marcin Zajenkowski. Marcin Zajenkowski () Testowanie hipotez 1 / 25

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Wykład 3 Hipotezy statystyczne

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Ekonometria. Własności składnika losowego. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Weryfikacja modelu. Paweł Cibis 12 maja 2007

Testowanie hipotez statystycznych. Wnioskowanie statystyczne

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Statystyka i opracowanie danych- W 8 Wnioskowanie statystyczne. Testy statystyczne. Weryfikacja hipotez statystycznych.

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF

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

Stanisław Cihcocki. Natalia Nehrebecka

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Zadanie 1 Odp. Zadanie 2 Odp. Zadanie 3 Odp. Zadanie 4 Odp. Zadanie 5 Odp.

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

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

Własności statystyczne regresji liniowej. Wykład 4

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Prognozowanie na podstawie modelu ekonometrycznego

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej

Diagnostyka w Pakiecie Stata

przedmiotu Nazwa Pierwsza studia drugiego stopnia

WNIOSKOWANIE STATYSTYCZNE

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

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

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Egzamin z ekonometrii wersja IiE, MSEMAT

Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści

i EKSPLOATACJI TAbORU AUTObUSOWEGO

TESTOWANIE HIPOTEZ STATYSTYCZNYCH

Estymator jest nieobciążony, jeśli jego wartośd oczekiwana pokrywa się z wartością szacowanego parametru.

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7

Testy własności składnika losowego Testy formy funkcyjnej. Diagnostyka modelu. Część 2. Diagnostyka modelu

STATYSTYKA wykład 8. Wnioskowanie. Weryfikacja hipotez. Wanda Olech

Ekonometria Wykład 4 Prognozowanie, sezonowość. Dr Michał Gradzewicz Katedra Ekonomii I KAE

Ekonometria egzamin 02/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Statystyka Matematyczna Anna Janicka

Na podstawie danych dotyczacych rocznych wydatków na pizze oszacowano parametry poniższego modelu:

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

Wydział Matematyki. Testy zgodności. Wykład 03

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Analiza regresji - weryfikacja założeń

Statystyka matematyczna i ekonometria

Statystyka matematyczna dla leśników

7.4 Automatyczne stawianie prognoz

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Statystyka matematyczna i ekonometria

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Wnioskowanie statystyczne i weryfikacja hipotez statystycznych

STUDIA I STOPNIA EGZAMIN Z EKONOMETRII

Testowanie hipotez statystycznych

Wnioskowanie statystyczne Weryfikacja hipotez. Statystyka

Testowanie hipotez dla dwóch zmiennych zależnych. Moc testu. Minimalna liczność próby; Regresja prosta; Korelacja Pearsona;

Testowanie hipotez statystycznych.

Dane dotyczące wartości zmiennej (cechy) wprowadzamy w jednej kolumnie. W przypadku większej liczby zmiennych wprowadzamy każdą w oddzielnej kolumnie.

Outsourcing a produktywność pracy w polskich przedsiębiorstwach. Anna Grześ Zakład Zarządzania Uniwersytet w Białymstoku

Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi)

Zadania ze statystyki, cz.7 - hipotezy statystyczne, błąd standardowy, testowanie hipotez statystycznych

Korelacja oznacza współwystępowanie, nie oznacza związku przyczynowo-skutkowego

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

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

Transkrypt:

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018 Nr indeksu... Imię i Nazwisko... Nr grupy ćwiczeniowej... Imię i Nazwisko prowadzącego... 1. Specyfikacja modelu 1.1. Zapis hipotezy modelowej zysk t = α 0 + α 1 produkcja t + α 2 produkcja t 1 + α 3 materialy t + α 4 materialy t 1 + α 5 place t + α 6 place t 1 + + α 7 reklama t + α 8 reklama t 1 + α 9 sprzedaz t + α 10 sprzedaz t 1 + α 11 zysk t 1 + + α 12 time + α 13 dq 1 + α 14 dq 2 + α 15 dq 3 + α 16 dq 4 + ξ t 2. Estymacja modelu 2.1. Wklejenie wyników pierwszej estymacji parametrów modelu pierwsza_estymacja_eip.png

2 c Paweł Kufel, Marcin Błażejowski 2.2. Wklejenie wyników ostatniej estymacji parametrów modelu (po eliminacji a posteriori) ostatnia_estymacja_eip.png 2.3. Zapis modelu empirycznego zysk t = 55,252 0,350matrialy t 0,309place t + 0,380sprzedaz t + + 32,541dq 1 25,719dq 2 50,755dq 3 + 0,145zysk t 1 + e t 3. Weryfikacja modelu 3.1. Weryfikacja istotności parametrów strukturalnych α j = 0 α j 0 p matrialyt 7,25 10 13 p placet 1,52 10 16 p sprzedazt 5,26 10 18 p dq1 6,27 10 10 < α = 5% p dq2 3,50 10 5 p dq3 4,01 10 15 p zyskt 1 0,0159 Ponieważ wartości p dla powyższych czynników są < α = 5% odrzucamy hipotezy zerowe na korzyść alternatywnych wymienione zmienne statystycznie istotnie wypływają na zysk w przedsiębiorstwie.

c Paweł Kufel, Marcin Błażejowski 3 3.2. Weryfikacja istotności współczynnika R 2 R 2 = 0 R 2 > 0 p 2,59 10 23 Ponieważ p 2,59 10 23 < α = 5% odrzucamy hipotezę zerową na korzyść alternatywnej współczynnik R 2 (cały model) statystycznie istotny. 3.3. Weryfikacja losowości procesu resztowego (składnika losowego) 3.3.1. test Quenouille a Wartość krytyczna: ± 1,96 39 ±0,314. ρ 1 = 0 ρ 1 0 Ponieważ ˆρ 1 0,0425 < 0,314, to z maksymalnym prawdopodobieństwem popełnienia błędu wynoszącym α = 0,05 brak podstaw do odrzucenia H 0 składnik losowy nie ma istotnej autokorelacji rzędu 1. 3.3.2. test w oparciu o wartości PACF Wartość krytyczna: ± 1,96 39 ±0,314. ρ s = 0 ρ s 0 s = 1,2,...,8 ostatni_pacf_eip.png Ponieważ wartości PACF dla wszystkich rzędów nie przekroczyły wartości krytycznej ±0,314, to z maksymalnym prawdopodobieństwem popełnienia błędu wynoszącym α = 0,05 brak podstaw do odrzucenia H 0, brak istotnej autokorelacji reszt rzędu s = 1,2,...,8 reszty są losowe.

4 c Paweł Kufel, Marcin Błażejowski 3.3.3. test Durbina-Watsona ρ 1 = 0 ρ 1 > 0 Wartość statystyki testu: DW = 1,977; wartości krytyczne dla n = 39 i k = 7: d l = 1,10; d u = 1,93. Ponieważ d u < DW < 2, to na poziomie istotności α = 0,05 brak istotnej autokorelacji składnika losowego rzędu 1. 3.4. Weryfikacja normalności rozkładu reszt (składnika losowego) składnik losowy ma rozkład normalny składnik losowy nie ma rozkładu normalnego Ponieważ p 0,920 > α = 0,05, to brak podstaw do odrzucenia H 0 składnik losowy ma rozkład normalny. 3.5. Weryfikacja jednorodności wariancji reszt (składnika losowego) heteroskedastyczność reszt nie występuje heteroskedastyczność reszt występuje Ponieważ p 0,238 > α = 0,05, to brak podstaw do odrzucenia hipotezy zerowej heteroskedastyczność reszt nie występuje. wyniki_testow_eip.png

c Paweł Kufel, Marcin Błażejowski 5 3.6. Weryfikacja efektu ARCH efekt ARCH nie występuje efekt ARCH występuje Ponieważ p 0,694 > α = 0,05, to brak podstaw do odrzucenia hipotezy zerowej efekt ARCH nie występuje. 3.7. Weryfikacja poprawności postaci modelu 3.7.1. test nieliniowości na kwadraty zależność jest liniowa zależność jest wielomianowa Ponieważ p 0,062 > α = 0,05, to brak podstaw do odrzucenia hipotezy zerowej zależność jest liniowa. 3.7.2. test nieliniowości na logarytmy zależność jest liniowa zależność jest potęgowa Ponieważ p 0,008 < α = 0,05, to odrzucamy hipotezę zerową na korzyść alternatywnej zależność jest potęgowa. 3.7.3. test specyfikacji RESET specyfikacja poprawna specyfikacja nie jest poprawna Ponieważ p 0,304 > α = 0,05, to brak podstaw do odrzucenia hipotezy zerowej specyfikacja jest poprawna. 3.8. Weryfikacja stabilności ocen parametrów strukturalnych CUSUM brak zmian w parametrach występują zmiany w parametrach Ponieważ p 0,653 > α = 0,05, to brak podstaw do odrzucenia hipotezy zerowej brak zmian w parametrach.

6 c Paweł Kufel, Marcin Błażejowski 4. Interpretacje 4.1. Interpretacje ocen parametrów strukturalnych 0,350 materialy t : Wzrost kosztu zakupu materiałów o 1 tys. zł, spowoduje spadek zysku w przedsiębiorstwie średnio o 0,350 tys. zł, przy pozostałych czynnikach nie zmienionych. 0,145 zysk t 1 : Wzrost zysku w przedsiębiorstwie w poprzednim kwartale o 1 tys. zł, spowoduje wzrost zysku w przedsiębiorstwie średnio o 0,145 tys. zł, przy pozostałych czynnikach nie zmienionych. 4.2. Interpretacja ocen parametrów zmiennych sezonowych dq4 = dq 1 + dq 2 + dq 3 32,541 25,719 50,755 = = 10,983 4 4 dq1 = dq 1 + dq4 = 32,541 + 10,983 = 43,524 dq 2 = dq 2 + dq 4 = 25,719 + 10,983 = 14,736 dq 3 = dq 3 + dq 4 = 50,755 + 10,983 = 39,772 W pierwszym kwartale zysk w przedsiębiorstwie jest wyższy od średniego zysku przeciętnie o 43,524 tys. zł, w drugim kwartale jest niższy przeciętnie o 14,736 tys. zł od średniego zysku, w trzecim kwartale jest niższy od średniego zysku przeciętnie o 39,772 tys. zł, a w czwartym kwartale jest wyższy przeciętnie o 10,983 tys. zł od średniego zysku w przedsiębiorstwie. 4.3. Współczynnika determinacji R 2 97,61% całkowitej zmienności zysku w przedsiębiorstwie została wyjaśniona zmiennością czynników uwzględnionych w modelu, natomiast 2,39% tej zmienności ma charakter losowy. 4.4. Błędu standardowego reszt S e oraz współczynnika zmienności losowej V e Rzeczywiste wartości zysku w przedsiębiorstwie różnią się od ich wartości teoretycznych wyznaczonych na podstawie modelu średnio o 6,66 tys. zł, co stanowi 9,07% średniego poziomu zysku w przedsiębiorstwie. 4.5. Całościowa ocena jakości oszacowanego modelu: Model nadaje się do praktycznego wykorzystanie ponieważ współczynnik zmienności losowej V e = 9,07% < 10% oraz współczynnik determinacji R 2 = 97,61% > 90% oraz proces resztowy jest losowy.

c Paweł Kufel, Marcin Błażejowski 7 5. Prognozy prognozy_eip.png Kwartał 2017:1 Błąd ex ante Błąd ex post Błąd ex post względny bezwzględny względny 6,66 141,898 100 4,69% 138,215 141,898 = 3,683 3,683 100 2,66% 138,215 2017:2 6,73 39,286 100 17,13% 25,504 39,286 = 13,782 13,782 100 54,04% 25,504 2017:3 6,73 70,402 100 9,56% 77,955 70,402 = 7,553 7,553 100 9,69% 77,955 2017:4 6,73 140,243 100 4,80% 143,835 140,243 = 3,592 3,592 100 2,50% 143,835 Ponieważ względny błąd ex ante prognozy na pierwszy kwartał 2017 nie przekracza wartość graniczną V = 5%, to prognoza jest dopuszczalna. Ponieważ względny błąd ex ante prognozy na drugi kwartał 2017 przekracza wartość graniczną V = 5%, to prognoza jest niedopuszczalna oraz prognozy na kolejne kwartały są niedopuszczalne. Ponieważ błędy względne ex post w pierwszym i czwartym kwartale 2017 były mniejsze niż wartość graniczna δ = 5%, to prognozy na te kwartały są trafione. Ponieważ błędy względne ex post w drugim i trzecim kwartale 2017 były większe niż wartość graniczna δ = 5%, to prognozy na te kwartały są nietrafione.