Mikroekonometria 1. Mikołaj Czajkowski Wiktor Budziński



Podobne dokumenty
Mikroekonomia B.0. Mikołaj Czajkowski

Mikroekonometria 14. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński

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

Mikroekonometria 9. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 4. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 3. Mikołaj Czajkowski Wiktor Budziński

Przedmiot ekonometrii

Mikroekonometria 9. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 2. Mikołaj Czajkowski Wiktor Budziński

1. Wprowadzenie do oprogramowania gretl. Wprowadzanie danych.

Ekonometria dla III roku studiów licencjackich dr Stanisław Cichocki dr Natalia Nehrebecka

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Przedmiot ekonometrii

Mikroekonometria 2. Mikołaj Czajkowski Wiktor Budziński

Model 1: Estymacja KMNK z wykorzystaniem 4877 obserwacji Zmienna zależna: y

Wst p i organizacja zaj

Ekonometria. Regresja liniowa, współczynnik zmienności, współczynnik korelacji liniowej, współczynnik korelacji wielorakiej

Wprowadzenie do środowiska

MIKROEKONOMIA 1 ĆWICZENIA BARTOSZ KOPCZYŃSKI KATEDRA MIKROEKONOMII

Stanisław Cichocki. Natalia Nehrebecka

Regresja liniowa wprowadzenie

Stanisław Cichocki. Natalia Neherebecka. Zajęcia 15-17

Podstawy statystyki matematycznej w programie R

Zanim zaczniemy GNU Octave

Ekonometria. Modele regresji wielorakiej - dobór zmiennych, szacowanie. Paweł Cibis pawel@cibis.pl. 1 kwietnia 2007

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

plansoft.org Zmiany w Plansoft.org Błyskawiczny eksport danych PLANOWANIE ZAJĘĆ, REZERWOWANIE SAL I ZASOBÓW

Ćwiczenie 12. Metody eksploracji danych

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

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

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

Tadeusz Kufel Uniwersytet Mikołaja Kopernika w Toruniu

Notepad++ / PuTTY. Interaktywne środowisko programowania w języku ForthLogic. Wersja dokumentu P.1. Wersja dokumentu NP1.

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

INFORMATYKA W SELEKCJI

Wykład z Nowej ekonometrii, 7 marca 2006:

Arkusz Optivum. Praca z repozytorium wymaga połączenia z Internetem i zalogowania się do Sigmy.

Mikroekonometria 8. Mikołaj Czajkowski Wiktor Budziński

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

BIOSTATYSTYKA. Liczba godzin. Zakład Statystyki i Informatyki Medycznej

Liniowy model ekonometryczny Metoda najmniejszych kwadratów Laboratorium 1.

Zadanie Tworzenie próbki z rozkładu logarytmiczno normalnego LN(5, 2) Plot Probability Distributions

Stanisław Cichocki. Natalia Nehrebecka

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

S YLABUS MODUŁU (PRZEDMIOTU) I nformacje ogólne. Nie dotyczy

INSTRUKCJA OTWIERANIA PLIKU DPT (data point table)

Wprowadzenie do analizy dyskryminacyjnej

MATLAB Z3. Rafał Woźniak. Warsaw, Faculty of Economic Sciences, University of Warsaw

Podręcznik użytkownika

Wykład 4 Wybór najlepszej procedury. Estymacja parametrów re

WYDZIAŁ ELEKTROTECHNIKI, AUTOMATYKI I INFORMATYKI INSTYTUT AUTOMATYKI I INFORMATYKI KIERUNEK AUTOMATYKA I ROBOTYKA STUDIA STACJONARNE I STOPNIA

Metody eksploracji danych Laboratorium 2. Weka + Python + regresja

Stanisław Cichocki. Natalia Nehrebecka

Skanowanie OCR w aplikacji Kancelaria Komornika. Instrukcja dla użytkownika

STATYSTYKA MATEMATYCZNA

Przygotowanie rozkładu materiału nauczania w programie Excel

KARTA PRZEDMIOTU / SYLABUS

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

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

LEPIEJ, ŻEBY SĄSIADOWI ZDECHŁA KROWA, NIŻ ŻEBYŚMY MY MIELI DRUGĄ

Lekcja 1: Origin GUI GUI to Graficzny interfejs użytkownika (ang. GraphicalUserInterface) często nazywany też środowiskiem graficznym

Instrukcja korzystania ze skryptu kroswalidacja.py

NOWY PROGRAM STUDIÓW 2016/2017 SYLABUS PRZEDMIOTU AUTORSKIEGO: Wprowadzenie do teorii ekonometrii. Część A

Zastosowanie Excela w matematyce

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

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

Szacowanie optymalnego systemu Bonus-Malus przy pomocy Pseudo-MLE. Joanna Sawicka

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

KARTA PRZEDMIOTU / SYLABUS

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

Orientacja pojedynczego zdjęcia

Dokumentacja Administratora portalu. aplikacji. Wirtualna szkoła

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Dokumentacja Końcowa

Stanisław Cichocki. Natalia Nehrebecka

Metody komputerowe statystyki Computer Methods in Statistics. Matematyka. Poziom kwalifikacji: II stopnia. Liczba godzin/tydzień: 2W, 3L

Szczegółowy program kursu Statystyka z programem Excel (30 godzin lekcyjnych zajęć)

Ekonometryczne modele nieliniowe

Podstawowe operacje na macierzach, operacje we/wy

Platforma e-learnigowa Moodle Testy i oceny

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

( x) Równanie regresji liniowej ma postać. By obliczyć współczynniki a i b należy posłużyć się następującymi wzorami 1 : Gdzie:

KARTA PRZEDMIOTU / SYLABUS

Uogólniony model liniowy

Przygotowanie własnej procedury... 3 Instrukcja msgbox wyświetlanie informacji w oknie... 6 Sposoby uruchamiania makra... 8

Diary przydatne polecenie. Korzystanie z funkcji wbudowanych i systemu pomocy on-line. Najczęstsze typy plików. diary nazwa_pliku

Komputerowe wspomaganie eksperymentu 5

Ekonometria Dla III roku studiów dziennych Dr Jerzy Mycielski

Stanisław Cichocki Natalia Nehrebecka. Wykład 1

Dane laserowe. 2. Zaznaczamy Browse (wybieramy: seed3d)

Analiza zdarzeń Event studies

ANALIZA DANYCH W STATA 8.0

FAQ: /PL Data: 14/06/2007 Konfiguracja współpracy programów PC Access i Microsoft Excel ze sterownikiem S7-200

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

MODELE LINIOWE. Dr Wioleta Drobik

Czytnik kart pamięci 8w1, Conrad USB 2.0 Instrukcja obsługi

Transkrypt:

Mikroekonometria 1 Mikołaj Czajkowski Wiktor Budziński

Materiały i informacje (hasło do materiałów '')

Mikroekonomia Zajęcia: piątek 11:30-13:05 grupa 109, sala 202 piątek 13:15-14:50 grupa 108, sala 202 Dyżur, problemy, pytania: Wiktor Budziński Dyżur po uzgodnieniu przez email Kontakt wbudzinski@wne.uw.edu.pl Mikołaj Czajkowski Dyżur po uzgodnieniu przez email Kontakt miq@wne.uw.edu.pl

Plan kursu Posługiwanie się programem NLOGIT Modele Modele dla zmiennych ciągłych MNK, regresja kwantylowa, uogólnione modele liniowe Modele binarne logit, probit i inne Wielomianowe modele logitowe Modele wyboru uporządkowanego Modele liczności zdarzeń regresja Poissona, model ujemny dwumianowy Estymacja i interpretacja Estymacja metodą największej wiarygodności, cechy estymatorów, optymalizacja Miary 'dopasowania' modelu Testowanie hipotez Identyfikacja Efekty krańcowe w modelach nieliniowych Metody numeryczne i symulacje Rozszerzenia modeli Dane przekrojowe vs. dane panelowe model efektów losowych, model efektów stałych Heteroskedastyczność w modelach liniowych oraz nieliniowych Heterogeniczność parametrów (preferencji) model parametrów losowych, model klas ukrytych Wybrane aplikacje Model użyteczności losowej a modele funkcji wskaźnikowej (zmiennej ukrytej) Przegląd zastosowań metody wyceny nierynkowej, modelowanie preferencji, estymacja gotowości do zapłaty Nadwyżka konsumenta w metodzie kosztu podróży Przegląd innych zagadnień mikroekonometrii

Organizacja zajęć Zajęcia przy komputerach Teoria + praktyka + prace domowe NLOGIT Warunki licencji Literatura Biblioteka materiały pomocnicze

Podręczniki podstawowe: Greene, W. H., 2011. Econometric Analysis. 7 Ed., Prentice Hall. Cameron, A. C., and Trivedi, P. K., 2005. Microeconometrics: Methods and Applications. Cambridge University Press. Wooldridge, J. M., 2012. Introductory Econometrics: A Modern Approach. 5 Ed., Cengage Learning. manuale: Greene, W. H., 2013. LIMDEP 10 Reference Guide. Econometric Software, Plainview, NY. Greene, W. H., 2013. LIMDEP 10 Econometric Modeling Guide. Econometric Software, Plainview, NY. Greene, W. H., 2013. NLOGIT 5 Reference Guide. Econometric Software, Plainview, NY. Cameron, A. C., and Trivedi, P. K., 2011. Microeconometrics Using Stata. 2 Ed., Stata Press. tematy szczegółowe: inne: Train, K. E., 2009. Discrete Choice Methods with Simulation. 2 Ed., Cambridge University Press, New York. Hensher, D. A., Rose, J. M., and Greene, W. H., 2005. Applied Choice Analysis: A Primer. Cambridge University Press, Cambridge. Greene, W. H., and Hensher, D. A., 2010. Modeling Ordered Choices: A Primer. Cambridge University Press. Wooldridge, J. M., 2010. Econometric Analysis of Cross Section and Panel Data. 2 Ed., The MIT Press. Gujarati, D., and Porter, D., 2008. Basic Econometrics. 5 Ed., McGraw-Hill/Irwin. Gujarati, D., 2011. Econometrics by Example. Palgrave Macmillan. Durlauf, S. N., and Blume, L. E., 2009. Microeconometrics. Palgrave Macmillan.

Zasady zaliczenia Pisemny egzamin końcowy (70%) + punkty za prace domowe (30%) Egzamin Część teoretyczna (test jednokrotnego wyboru, 25%) Część praktyczna (modele do przygotowania na komputerach, open book, 75%) Prace domowe Zadania do przygotowania samodzielnie lub w grupach (zależnie od polecenia) Sprawdzane tylko gdy oddane w terminie i w odpowiedniej formie Odpowiedzi są sprawdzane, typowe błędy omawiane na zajęciach Obecności nie są warunkiem zaliczenia Wspólny termin egzaminu i egzaminu poprawkowego. Brak innych terminów egzaminów i innych sposobów zaliczenia. Nieobecność na egzaminie w dowolnym terminie oznacza jego niezaliczenie (NK). Obowiązuje zasada '0 tolerancji dla ściągania', dotycząca zarówno egzaminu jak i prac domowych.

Zasady zaliczenia Ocena końcowa wyznaczana na podstawie następującego algorytmu: 0,25 procentowy wynik z egzaminu teoretycznego + wynik = 0,7 + 0,75 procentowy wynik z egzaminu praktycznego 0,3 procentowy wynik z prac domowych Skala ocen: ( ) Punkty (%) Ocena <50-60) 3 <60-70) 3,5 <70-80) 4 <80-90) 4,5 <90-100) 5 100 5!

Zasady zaliczenia Istnieje możliwość zdobycia punktów 'bonusowych', które dodają się do punktów uzyskanych z egzaminu: Punkty bonusowe przyznawane są za zgłoszenia błędów w aktualnych materiałach do Mikroekonometrii dostępnych na stronie ; Liczą się tylko zgłoszenia emailem i tylko pierwsze zgłoszenie danego błędu; Zgłoszenia przyjmowane są do momentu rozpoczęcia pierwszego terminu egzaminu; Za 'błąd' uznawane są tylko 'rozsądne' zgłoszenia; Punkty bonusowe przyznaje się w liczbie nie większej niż zapewniającej 100% wyniku z egzaminu.

NLOGIT podstawy 1. Uruchom NLOGIT 2. Okna Projekt (.lpj) Plik poleceń (.lim) Output (.sav) 3. Komendy RESET $ SAMPLE; 1-1000 $ CREATE; X = rnn(0,1) $ CREATE; Y = X + rnn(0,1) $ REGRESS ; lhs = Y ; rhs = one,x $ $ kończy każde polecenie ; rozdziela elementy składni (kolejność nie ma znaczenia) RESET usuwa wszystkie dane projektu SAMPLE określa zakres danych CREATE tworzy nową zmienną rnn(m,s) losuje z rozkładu normalnego o średniej m i odchyleniu standardowym s REGRESS model regresji liniowej lhs zmienna objaśniana rhs zmienne objaśniające 'one' stała

NLOGIT podstawy 1. Zaznacz pożądane komendy i kliknij 'GO' (ctrl+r) 2. Sprawdź: Zmienne w projekcie ('Variables') Macierze ('Matrices') Skalary ('Scalars') NREG liczba obserwacji LOGL wartość funkcji największej wiarygodności 3. Komendy można łatwo zmodyfikować Uruchom model ponownie dodając komendy 'plot' i 'matrix' Co się zmieniło? PLOT rysuje wykres (specyficzny dla modelu, przyjmuje parametry) MATRIX zachowuje wyniki w postaci macierzy

NLOGIT podstawy 1. Składnia 2. Nazywanie zmiennych, macierzy, list, skalarów, procedur dla komend ważne tylko pierwsze 4 znaki case insensitive spacje, tabulacje, znaki nowej linii pomijane '?' i '/*' '*/' oznacza komentarz case insensitive nazwa musi zaczynać się od litery nazwa może zawierać do 8 znaków spośród 26 liter, 10 cyfr i '_' nazwy zastrzeżone: one (stała) b, varb, sigma (macierze specyficzne dla modelu) n (aktualna wielkość próby), pi (3.14159...), s, sy, ybar, degfrdm, kreg, lmda, logl, nreg, rho, rsqrd, ssqrd, sumsqdev (skalary wykorzystywane przez niektóre modele) exitcode (zawiera informację o zakończeniu estymacji)

NLOGIT wczytywanie danych 1. Help i manuale 2. Zapisz plik poleceń (zapisuj regularnie!) 3. Zakończ NLOGIT 4. Zacznij nową sesję 5. Obejrzyj plik z danymi me.sleep.csv Czy istnieje trade-off między ilością snu, a czasem pracy? Biddle and Hamermesh (1990) me.sleep.csv - dane me.sleep.description.txt - opis

NLOGIT wczytywanie danych 1. Wczytywanie danych me.sleep.txt 34 zmienne 706 obserwacji me.sleep.description.txt - opis READ wczytuje dane z plików większości formatów FILE nazwa pliku (i ścieżka) NVAR liczba zmiennych NOBS liczba obserwacji NAMES nazwy zmiennych FORMAT typ pliku LABELS kolumna pliku zawierająca nazwy obserwacji BY VARIABLES dane transponowane READ ; FILE = "C:\...\filename.ext" ; NVAR =... ; NOBS =...$

NLOGIT wczytywanie danych Wygodnie mieć nazwy zmiennych w pliku me.sleep.csv Pliki ASCII (np..txt) Brak danych kodowany "-999", inaczej wczytywane jako "0" BLANKS Pliki.csv: Uwaga na "." vs "," i "," vs ";" Arkusze kalkulacyjne (np..xls,.xlsx) Może źle interpretować niektóre funkcje xls Pliki binarne, STATA (10 i 11), Excel (.xls) www.stattransfer.com READ ; FILE = "C:\...\filename.ext" ; NVAR =... ; NOBS =... ; NAMES = 1$

NLOGIT wczytywanie danych IMPORT Działa dla większości plików ASCII i arkuszy Excela IMPORT ; FILE = "C:\...\filename.ext"$ APPEND dołącza obserwacje MERGE łączy dane z różnych źródeł (np. dla paneli) WRITE zapisuje dane do pliku EXPORT zapisuje dane do ASCII lub.csv Import menu Edytor danych Możliwości Domyślnie: 5 000 000 komórek, 900 zmiennych Więcej (max 500 000 000): Aktualny projekt: Project -> Settings Ogólnie: Tools -> Options -> Projects ROWS zdefiniuj liczbę obserwacji, liczba kolumn automatycznie się dostosuje

NLOGIT wczytywanie danych SAVE zapisuje projekt (dane) DATA rozpoczyna wprowadzanie opisu projektu (do 255 linii po 80 znaków) ENDATA kończy wprowadzanie opisu projektu LOAD wczytuje zapisany projekt 1. Wczytaj projekt me.sleep.lpj 2. Sprawdź czy istnieje tradeoff między ilością snu, a czasem pracy 19.10.2015 16:40:14