Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Podobne dokumenty
Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 3

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka. Wykład 2

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

Statystyka. Zmienne losowe

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

65120/ / / /200

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

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

0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów

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

Natalia Nehrebecka. Dariusz Szymański

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

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

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

Parametry zmiennej losowej

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Ekonometryczne modele nieliniowe

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

Weryfikacja hipotez dla wielu populacji


Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Procedura normalizacji

Prawdopodobieństwo i statystyka r.

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

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

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

STATYSTYKA MATEMATYCZNA

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Funkcje i charakterystyki zmiennych losowych

Proces narodzin i śmierci

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

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

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

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

Statystyka Inżynierska

Natalia Nehrebecka Stanisław Cichocki. Wykład 6

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

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

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

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

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

Dobór zmiennych objaśniających

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

dy dx stąd w przybliżeniu: y

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

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

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

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

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

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

Opis danych znajdujących się w zbiorze

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

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

Definicje ogólne

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

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

Wybór formy funkcyjnej modelu (cz. II)

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

Matematyka ubezpieczeń majątkowych r.

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH

Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

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

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

Podstawy teorii falek (Wavelets)

Analiza zależności zmiennych ilościowych korelacja i regresja

Egzamin z ekonometrii wersja IiE, MSEMAT

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

OGÓLNE PODSTAWY SPEKTROSKOPII

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

Regresja liniowa i nieliniowa

ROZKŁADY ZMIENNYCH LOSOWYCH

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

JEDNOWYMIAROWA ZMIENNA LOSOWA

Pattern Classification

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

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

System finansowy gospodarki

Analiza empiryczna struktury handlu międzynarodowego. Zajęcia z TWM dr Leszek Wincenciak

Makroekonomia Gospodarki Otwartej Wykład 8 Polityka makroekonomiczna w gospodarce otwartej. Model Mundella-Fleminga

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



Komputerowe generatory liczb losowych

WYDZIAŁ MATEMATYKI i INFORMATYKI

Sprawozdanie powinno zawierać:

EKONOMETRIA I Spotkanie 1, dn

Transkrypt:

Stansław Cchock Natala Nehrebecka Wykład 6 1

1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Patrz: Wykład 05.11.2013

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. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Pozwala na przeprowadzene sformalzowanej procedury wyboru mędzy modelem lnowym potęgowym Postać przekształcena: x ( ) x 1 g( x, ) Pytane: Co otrzymujemy dla,,? 1 1 0

Stosując to przekształcene do zmennej zależnej zmennych nezależnych: 1 Dla : y x x ( ) ( ) ( ) 1 2 2... K K y x x * 1 2 2... K K Gdze: * 1 1 1 2... K

1 Dla : 1 K... y x x * 2 1 2 K Gdze: * 1 1 1 2... K 0 Dla : ln y ln x... ln x 1 2 2 K K

1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. 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.

1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. 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.

1. Podać postać przekształcena Boxa-Coxa wyjaśnć, do czego jest stosowane w ekonometr.

Dzękuję za uwagę 28