TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA

Podobne dokumenty
ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO ODPOWIED NA PYTANIE PROFESORA RAUTSKAUKASA

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

Wykład 6. Badanie dynamiki zjawisk

ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

Analiza rynku projekt

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

PUNKTOWA I PRZEDZIAŁOWA PREDYKCJA PRZEWOZÓW PASAŻERÓW W ŻEGLUDZE PROMOWEJ NA BAŁTYKU W LATACH

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

Wykład 6. Badanie dynamiki zjawisk

DYNAMICZNE MODELE EKONOMETRYCZNE

Prognoza scenariuszowa poziomu oraz struktury sektorowej i zawodowej popytu na pracę w województwie łódzkim na lata

licencjat Pytania teoretyczne:

Teoria sterowania 1 Temat ćwiczenia nr 7a: Synteza parametryczna układów regulacji.

Ekonometryczne modele nieliniowe

Temat 6. ( ) ( ) ( ) k. Szeregi Fouriera. Własności szeregów Fouriera. θ możemy traktować jako funkcje ω, których dziedziną jest dyskretny zbiór

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).

WNIOSKOWANIE STATYSTYCZNE

Równania różniczkowe. Lista nr 2. Literatura: N.M. Matwiejew, Metody całkowania równań różniczkowych zwyczajnych.

Pobieranie próby. Rozkład χ 2

Metody badania wpływu zmian kursu walutowego na wskaźnik inflacji

SZACOWANIE WSPÓŁCZYNNIKA FILTRACJI W KOLUMNIE FILTRACYJNEJ

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

1. Szereg niesezonowy 1.1. Opis szeregu

NEOKLASYCZNY MODEL WZROSTU GOSPODARCZEGO Z CYKLICZNĄ LICZBĄ PRACUJĄCYCH 1

Dlaczego jedne kraje są bogate a inne biedne? Model Solowa, wersja prosta.

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

Jacek Kwiatkowski Magdalena Osińska. Procesy zawierające stochastyczne pierwiastki jednostkowe identyfikacja i zastosowanie.

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH

SYMULACYJNA ANALIZA PRODUKCJI ENERGII ELEKTRYCZNEJ I CIEPŁA Z ODNAWIALNYCH NOŚNIKÓW W POLSCE

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

DYNAMIKA KONSTRUKCJI

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Analiza popytu. Ekonometria. Metody i analiza problemów ekonomicznych. (pod red. Krzysztofa Jajugi), Wydawnictwo AE Wrocław, 1999.

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

dr Bartłomiej Rokicki Katedra Makroekonomii i Teorii Handlu Zagranicznego Wydział Nauk Ekonomicznych UW

Metoda najmniejszych kwadratów

DYNAMICZNE MODELE EKONOMETRYCZNE

Zasada pędu i popędu, krętu i pokrętu, energii i pracy oraz d Alemberta bryły w ruchu postępowym, obrotowym i płaskim

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

MODEL OGÓLNY MONITOROWANIA RYZYKA AWARII W EKSPLOATACJI ŚRODKÓW TRANSPORTU

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

DYNAMICZNE MODELE EKONOMETRYCZNE

PROGNOZOWANIE I SYMULACJE EXCEL 2 PROGNOZOWANIE I SYMULACJE EXCEL AUTOR: ŻANETA PRUSKA

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECI SKIEGO

Modelowanie i obliczenia techniczne. Równania różniczkowe Numeryczne rozwiązywanie równań różniczkowych zwyczajnych

Copyright by Politechnika Białostocka, Białystok 2017

Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej

BAYESOWSKA ANALIZA KRAŃCOWEJ SKŁONNOŚCI DO KONSUMPCJI

( ) ( ) ( τ) ( t) = 0

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

Kombinowanie prognoz. - dlaczego należy kombinować prognozy? - obejmowanie prognoz. - podstawowe metody kombinowania prognoz

DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH

ROCZNIKI INŻYNIERII BUDOWLANEJ ZESZYT 7/2007 Komisja Inżynierii Budowlanej Oddział Polskiej Akademii Nauk w Katowicach

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN Nr

Zawansowane modele wyborów dyskretnych

Kobiety w przedsiębiorstwach usługowych prognozy nieliniowe

Wykład 4 Związki i zależności

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

MAKROEKONOMIA 2. Wykład 3. Dynamiczny model DAD/DAS, część 2. Dagmara Mycielska Joanna Siwińska - Gorzelak

Wskazówki projektowe do obliczania nośności i maksymalnego zanurzenia statku rybackiego na wstępnym etapie projektowania

Wojewódzki Konkurs Matematyczny dla uczniów gimnazjów. Etap szkolny 5 listopada 2013 Czas 90 minut

y 1 y 2 = f 2 (t, y 1, y 2,..., y n )... y n = f n (t, y 1, y 2,..., y n ) f 1 (t, y 1, y 2,..., y n ) y = f(t, y),, f(t, y) =

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

OeconomiA copernicana. Katarzyna Czech Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego

(U.3) Podstawy formalizmu mechaniki kwantowej

DYNAMICZNE MODELE EKONOMETRYCZNE

Prognozowanie notowań pakietów akcji poprzez ortogonalizację szeregów czasowych 1

Iwona Müller - Frączek Uniwersytet Mikołaja Kopernika w Toruniu

Układ regulacji ze sprzężeniem od stanu

Teoria impulsu i jej empiryczne potwierdzenie przy użyciu metod filtracji szeregów czasowych

Witold Orzeszko WSPÓŁCZYNNIK INFORMACJI WZAJEMNEJ JAKO MIARA ZALEŻNOŚCI NIELINIOWYCH W SZEREGACH CZASOWYCH

Jerzy Czesław Ossowski Politechnika Gdańska. Dynamika wzrostu gospodarczego a stopy procentowe w Polsce w latach

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu

Natalia Iwaszczuk, Piotr Drygaś, Piotr Pusz, Radosław Pusz PROGNOZOWANIE GOSPODARCZE

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

ĆWICZENIE 4 Badanie stanów nieustalonych w obwodach RL, RC i RLC przy wymuszeniu stałym

METODY STATYSTYCZNE W FINANSACH

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Statyczny test Osterberga zastosowany dla pali o dużej nośności

Badanie stacjonarności szeregów czasowych w programie GRETL

Metody Lagrange a i Hamiltona w Mechanice

METROLOGICZNE WŁASNOŚCI SYSTEMU BADAWCZEGO

BEZRYZYKOWNE BONY I LOKATY BANKOWE ALTERNATYWĄ DLA PRZYSZŁYCH EMERYTÓW. W tym krótkim i matematycznie bardzo prostym artykule pragnę osiągnąc 3 cele:

DYNAMICZNE MODELE EKONOMETRYCZNE

WZROST GOSPODARCZY A BEZROBOCIE

2. Wprowadzenie. Obiekt

ZAŁOŻENIA NEOKLASYCZNEJ TEORII WZROSTU EKOLOGICZNIE UWARUNKOWANEGO W MODELOWANIU ZRÓWNOWAŻONEGO ROZWOJU REGIONU. Henryk J. Wnorowski, Dorota Perło

Klasyfikacja modeli. Metoda najmniejszych kwadratów

( 3 ) Kondensator o pojemności C naładowany do różnicy potencjałów U posiada ładunek: q = C U. ( 4 ) Eliminując U z równania (3) i (4) otrzymamy: =

Strukturalne podejście w prognozowaniu produktu krajowego brutto w ujęciu regionalnym

Transkrypt:

Uniwersye Szczecińsi TWIERDZENIE FRISCHA-WAUGHA-STONE A A PYTANIE RUTKAUSKASA Zagadnienia, óre zosaną uaj poruszone, przedsawiono m.in. w pracach [], [2], [3], [4], [5], [6]. Konferencje i seminaria nauowe sprzyjają sawianiu pyań, na óre odpowiedzi padają po paru, a nawe parunasu laach. Ta było z pyaniem i odpowiedzią, jaie zadał Ruausas (parz [3], s. 278 283.) Na onferencji nauowej eonomeryów w Zaopanem profesor Ruausas z Liewsiej Aademii Nau posawił nasępujące pyanie: Załóżmy, że: ) dochód narodowy rośnie liniowo: D = δ + δ 0 2) dochód szałują zjawisa I oraz M, 3) gospodara rozwija się w sposób zrównoważony (nie ma przypadów znaczących błędów gospodarczych, rażącej niegospodarności ip.) Ja wyjaśnić i maemaycznie opisać paramer δ? Na onferencji miała miejsce cieawa dysusja. Jaa jes prawidłowa odpowiedź na o pyanie? Załóżmy, że zachodzi relacja: D = I + α 2M + β + α 3 + U α, ()

8 oraz, że I i M mają podobnie ja dochód rendy liniowe: I = δ + δ0 + I, (2) M = δ + δ + M 2 20, (3) przy czym rendy rozparujemy z doładnością do sładnia losowego. Wówczas prawidłowa odpowiedź maemayczna jes nasępująca: δ = +. (4) δα + δ 2α 2 β Eonomiczna inerpreacja ego zapisu jes nasępująca: Dynamia dochodu narodowego jes średnią ważoną dynamii inwesycji i zarudnienia sorygowaną paramerem, mierzącym efe inercji dochodu narodowego. Przy czym wagami są odpowiednio paramery, mierzące efeywność inwesycji i zarudnienia. W przypadu więszej liczby wpływających czynniów ( i =, 2,...,) uogólnienie ma posać: = δ i α i β δ +. (5) Ta więc dynamia dochodu narodowego wynia z dynamii zjawis szałujących dochód ( δ i, i =, 2,..., ), z ich efeywności ( α i, i =, 2,...,) oraz inercji gospodari. Aby zmierzyć wpływ inercji, należy wprowadzić zmienną czasową do zbioru argumenów funcji dochodu narodowego. Rolę czasu w opisie maemaycznym funcjonowania gospodari przedsawiono w siążce [5]. Obecność argumenu czasu przy opisie dochodu narodowego jes nieodzowna. Oazuje się, że obo efeywności, zarudnienia i inwesycji dużą rolę w procesie wzrosu odgrywa inercja gospodari (podobnie ja w dynamice aich obieów, ja np. sai). Odpowiedź nawiązuje do zasady pięcioąa źródeł sił sprawczych: empus, locus, homo, casus e foruna regi facum. Możemy uznać, że przy sałym miejscu odpowiedź uwzględnia czery elemeny pięcioąa: miejsce, zdarzenia, czas, przypade. Pełne objaśnienie zmian dochodu narodowego wymagałoby badań eonomerycznych z uwzględnieniem wpływu człowiea. Kszałowanie dochodu narodowego zależy bowiem od ludzi (słonność do oszczędzania, onsumpcji, dyscypliny pracy, ip.) Relację () między dochodem narodowym a zjawisami go szałującymi rozparzymy pod ąem sensowności dla Polsi za laa 989 999. Dane o dochodzie narodowym, inwesycjach i zarudnieniu podano w ablicy, graficzne przedsawienie rendów ych zmiennych poazano na rysunach, 2 oraz 3. Widzimy, że dochód rośnie liniowo, inwesycje mogą być opisane rendem liniowym, naomias

Twierdzenie Frischa-Waugha-Sone a a pyanie Ruausasa 9 zarudnienie waha się. Widoczny jes bra orelacji między dochodem a zarudnieniem, w związu z ym oszacujemy relacje: Y = I + β + β 0 + U gdzie U,Y, I są sładniami losowymi. Ro α, (6) Y = δ + δ 0 + Y, (7) I = δ + δ0 + I, (8) Dochód narodowy, inwesycje i zarudnienie w Polsce w laach 989 999 Y (w mln zł) I (w mln zł) Tablica Z (w ys. osób) 989 70 50,86 6 883,70 7 558,0 990 08 29,20 20 59,70 6 484,7 99 49 86,20 24 75,90 5 772,3 992 205 66,50 33 865,0 5 356,5 993 30 353,60 47 44,70 5 7,5 994 382 548,40 65 622,00 5 28,9 995 465 668,0 90 437,70 5 324,5 996 549 444,50 2 83,50 5 84,9 997 6 552,40 25 954,40 6 249,5 998 678 63,80 33 60,20 6 267, 999 743 620,50 2 362,90 6 008,9 Ź ródł o : Dane saysyczne GUS. Dochód (w mln zł) 800 000 700 000 600 000 500 000 400 000 300 000 200 000 00 000 0 988 990 992 994 996 998 2000 Rys.. Trend dochodu narodowego w laach 989 999 Ź ródło : Opracowanie własne.

20 Inwesycje (w mln zł) 40 000 20 000 00 000 80 000 60 000 40 000 20 000 0 988 990 992 994 996 998 2000 Rys. 2. Trend inwesycji w laach 989 999 Ź ródł o : Opracowanie własne. Zarudnienie (w ys. osób) 6 600 6 400 6 200 6 000 5 800 5 600 5 400 5 200 5 000 988 990 992 994 996 998 2000 Rys. 3. Trend zarudnienia w laach 989 999 Ź ródło: Opracowanie własne. Oszacowane paramery są nasępujące: 2 Ŷ =, 00465697I + 60 6884, 090088,, ϕ = 0, 2, (9) + Ŷ = 74 433, 80485 + 0 202, 69333, (0) I = 4 255, 80303 883, 306667. () (Isone paramery podreślono). Widzimy, że zachodzi (4), czyli: 74 433, 80485 = 00465697, 4 255, 80303+ 60 6884,.

Twierdzenie Frischa-Waugha-Sone a a pyanie Ruausasa 2 Powyższa odpowiedź była możliwa na bazie wierdzenia Frischa-Waugha- -Sone a przyoczonego i omówionego w pracach [3 ], [5]. Twierdzenie Frischa-Waugha Esymacja paramerów liniowego równania regresji meodą najmniejszych wadraów na podsawie odchyleń od rendów liniowych daje aie same rezulay, jaie orzymuje się po wprowadzeniu do równania zmiennej czasowej. Szacując paramery modelu: i modelu: Y = α i X i + β + β 0 + u (2) orzymujemy aie same rezulay, jeżeli: oraz Y = α i X i + u (3) = δ + δ 0 Y, (4) Y + i = δ i + δ 0i X, (5) X + gdzie: Y, są odchyleniami od rendów. X α i, β za- W pracy [, s. 5] wyazano, że pomiędzy paramerami: δ, chodzi związe: δ = α iδ i + β. δ i, Uogólnienia ego wierdzenia doonał R. Sone [6], publiując es w 96 rou w Przeglądzie Saysycznym, za sprawą prof. Pawłowsiego. Twierdzenie Sone a mówi, że esymaory uzysane meodą najmniejszych wadraów dla regresji jednoczesnej i sorygowanej są idenyczne. R. Sone przyjmuje funcje regresji jednoczesnej: Y γ = [ X X2] + U, γ (6) 2

22 gdzie Y jes weorem olumnowym obserwacji zmiennej endogenicznej; X i X 2 są rozłącznymi macierzami obserwacji na zmiennych objaśniających; γ i γ 2 są weorami olumnowymi paramerów funcji regresji; U jes weorem sładniów losowych. Funcję regresji liniowej zmiennych X i X 2 oznaczamy jao: X = X 2 A + E, (7) gdzie A jes macierzą paramerów funcji regresji; E jes macierzą sładniów losowych. Oznaczając dalej przez Z różnicę między X i X 2 A (gdzie macierz A zosała oszacowana lasyczną meodą najmniejszych wadraów) orzymamy równanie regresji sorygowanej: Y = Zc + V, (8) R. Sone wyazał, że jeżeli paramery γ, c i A zosały oszacowane za pomocą lasycznej meody najmniejszych wadraów, o zachodzi ożsamość: ) γ = c. (9) Twierdzenie Frischa-Waugha-Sone a wydaje się mieć fundamenalne znaczenie w modelowaniu zjawis eonomicznych. W lieraurze przedmiou jes jedna dość rzado esplorowane. Zasadność odpowiedzi na pyanie Ruausasa opiera się również na fundamenalnym sposrzeżeniu zawarym w pięcioącie źródeł sił sprawczych, óry przedsawiono i omówiono w pracach [2], [3], [4]. CZAS MIEJSCE ZDARZENIA ZDARZENIE CZŁOWIEK TRAF Rys. 4. Uniwersalny pięcioą źródeł sił sprawczych Ź ródł o: Opracowanie własne.

Twierdzenie Frischa-Waugha-Sone a a pyanie Ruausasa 23 Każdy fa może mieć źródło sprawcze w upływie czasu, w zmianie miejsca, w zdarzeniach wcześniejszych lub współisniejących lub eż w przypadu. I ażdy model eonomeryczny zjawisa powinien o uwzględniać. Dla danych czasowych ważną zmienną objaśniającą powinien być czas, a dla danych przerojowych miejsce. Ignorowanie ego posulau sanowi jedno z źródeł niepowodzeń w apliacjach modeli eonomerycznych. Bibliografia [] Frisch M., Waugh F., Parial ime regressions as compared wih individual rends, Economerics 933, nr [2] Hozer J., Tempus locus homo casus e foruna regi facum. Zbiór esejów eonomicznych, Wydawnicwo Insyuu Analiz, Diagnoz i Prognoz Gospodarczych w Szczecinie, Szczecin 2003 [3] Hozer J., Maemayczno-eonomiczne modele funcjonowania gospodari, Wydawnicwo Uniwersyeu Szczecińsiego, Szczecin 2004 [4] Hozer J., Doszyń M., Eonomeria słonności, Polsie Wydawnicwo Eonomiczne, Warszawa 2004 [5] Hozer J., Zawadzi J., Zmienna czasowa i jej rola w badaniach eonomerycznych, Polsie Wydawnicwo Nauowe, Warszawa 990 [6] Sone R., Uogólnienie wierdzenia Frischa-Waugha, Przegląd Saysyczny 962, nr 4