WNIOSKOWANIE STATYSTYCZNE



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

Niestacjonarne zmienne czasowe własności i testowanie

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

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

DYNAMICZNE MODELE EKONOMETRYCZNE

MODELOWANIE EFEKTU DŹWIGNI W FINANSOWYCH SZEREGACH CZASOWYCH

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

Klasyfikacja modeli. Metoda najmniejszych kwadratów

Klasyfikacja modeli. Metoda najmniejszych kwadratów

Ocena efektywności procedury Congruent Specyfication dla małych prób

Pobieranie próby. Rozkład χ 2

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

licencjat Pytania teoretyczne:

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Krzysztof Piontek MODELOWANIE ZMIENNOŚCI STÓP PROCENTOWYCH NA PRZYKŁADZIE STOPY WIBOR

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

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

Porównanie jakości nieliniowych modeli ekonometrycznych na podstawie testów trafności prognoz

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMICZNE MODELE EKONOMETRYCZNE

DYNAMIKA KONSTRUKCJI

Matematyka finansowa r. Komisja Egzaminacyjna dla Aktuariuszy. XXXVIII Egzamin dla Aktuariuszy z 20 marca 2006 r.

PROGRAMOWY GENERATOR PROCESÓW STOCHASTYCZNYCH LEVY EGO

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

WPŁYW NIEPEWNOŚCI OSZACOWANIA ZMIENNOŚCI NA CENĘ INSTRUMENTÓW POCHODNYCH

Integracja zmiennych Zmienna y

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

Studia Ekonomiczne. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach ISSN Nr

WARTOŚĆ ZAGROŻONA OPCJI EUROPEJSKICH SZACOWANA PRZEDZIAŁOWO. SYMULACJE

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

Całka nieoznaczona Andrzej Musielak Str 1. Całka nieoznaczona

Analiza szeregów czasowych w Gretlu (zajęcia 8)

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

ŹRÓDŁA FLUKTUACJI REALNEGO EFEKTYWNEGO KURSU EUR/ PLN

DYNAMICZNE MODELE EKONOMETRYCZNE

Krzysztof Piontek Weryfikacja modeli Blacka-Scholesa dla opcji na WIG20

MODELOWANIE WŁASNOŚCI SZEREGÓW STÓP ZWROTU SKOŚNOŚĆ ROZKŁADÓW

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

ESTYMACJA KRZYWEJ DOCHODOWOŚCI STÓP PROCENTOWYCH DLA POLSKI

TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH

STATYSTYCZNA WERYFIKACJA MODELU CAPM NA PRZYKŁADZIE POLSKIEGO RYNKU KAPITAŁOWEGO WPROWADZENIE METODOLOGIA TESTOWANIA MODELU

DYNAMICZNE MODELE EKONOMETRYCZNE

METODY STATYSTYCZNE W FINANSACH

Zarządzanie Projektami. Wykład 3 Techniki sieciowe (część 1)

OeconomiA copernicana. Małgorzata Madrak-Grochowska, Mirosława Żurek Uniwersytet Mikołaja Kopernika w Toruniu

WYKORZYSTANIE STATISTICA DATA MINER DO PROGNOZOWANIA W KRAJOWYM DEPOZYCIE PAPIERÓW WARTOŚCIOWYCH

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

Wyzwania praktyczne w modelowaniu wielowymiarowych procesów GARCH

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

PROGNOZOWANIE W ZARZĄDZANIU PRZEDSIĘBIORSTWEM

Copyright by Politechnika Białostocka, Białystok 2017

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

Dr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne

WYKORZYSTANIE RACHUNKU WARIACYJNEGO DO ANALIZY WAHAŃ PRODUKCJI W PRZEDSIĘBIORSTWACH

ZASTOSOWANIE TESTU PERRONA DO BADANIA PUNKTÓW ZWROTNYCH INDEKSÓW GIEŁDOWYCH: WIG, WIG20, MIDWIG I TECHWIG

Analiza i Zarządzanie Portfelem cz. 6 R = Ocena wyników zarządzania portfelem. Pomiar wyników zarządzania portfelem. Dr Katarzyna Kuziak

Transakcje insiderów a ceny akcji spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie S.A.

Magdalena Osińska, Marcin Fałdziński Uniwersytet Mikołaja Kopernika w Toruniu. Modele GARCH i SV z zastosowaniem teorii wartości ekstremalnych

Dobór przekroju żyły powrotnej w kablach elektroenergetycznych

Metody i narzędzia ewaluacji

SZACOWANIE MODELU RYNKOWEGO CYKLU ŻYCIA PRODUKTU

Zarządzanie ryzykiem. Lista 3

Estymacja stopy NAIRU dla Polski *

Analiza rynku projekt

OCENA ATRAKCYJNOŚCI INWESTYCYJNEJ AKCJI NA PODSTAWIE CZASU PRZEBYWANIA W OBSZARACH OGRANICZONYCH KRZYWĄ WYKŁADNICZĄ

Mariusz Plich. Spis treści:

UMK w Toruniu ANALIZA ZALEŻNOŚCI MIĘDZY INDEKSEM WIG A WYBRANYMI INDEKSAMI RYNKÓW AKCJI NA ŚWIECIE

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

PREDYKCJA KURSU EURO/DOLAR Z WYKORZYSTANIEM PROGNOZ INDEKSU GIEŁDOWEGO: WYBRANE MODELE EKONOMETRYCZNE I PERCEPTRON WIELOWARSTWOWY

Ocena płynności wybranymi metodami szacowania osadu 1

Silniki cieplne i rekurencje

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

Wykorzystanie wielorównaniowych modeli AR-GARCH w pomiarze ryzyka metodą VaR

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

Testowanie współzależności w rozwoju gospodarczym

Wykład 4 Metoda Klasyczna część III

MODELOWANIE FINANSOWYCH SZEREGÓW CZASOWYCH Z WARUNKOWĄ WARIANCJĄ. 1. Wstęp

Podstawowe wyidealizowane elementy obwodu elektrycznego Rezystor ( ) = ( ) ( ) ( ) ( ) ( ) ( ) ( τ ) i t i t u ( ) u t u t i ( ) i t. dowolny.

Witold Orzeszko Uniwersytet Mikołaja Kopernika w Toruniu. Własności procesów STUR w świetle metod z teorii chaosu 1

Analiza stabilności parametrów hybrydowych modeli market-timing polskich funduszy inwestycyjnych 1

WYBRANE TESTY NIEOBCIĄŻONOŚCI MIAR RYZYKA NA PRZYKŁADZIE VALUE AT RISK

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

Identyfikacja wahań koniunkturalnych gospodarki polskiej

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

ψ przedstawia zależność

Elżbieta Szulc Uniwersytet Mikołaja Kopernika w Toruniu. Modelowanie zależności między przestrzennoczasowymi procesami ekonomicznymi

OPTYMALIZACJA PORTFELA INWESTYCYJNEGO ZE WZGLĘDU NA MINIMALNY POZIOM TOLERANCJI DLA USTALONEGO VaR

ĆWICZENIE NR 43 U R I (1)

Efekty agregacji czasowej szeregów finansowych a modele klasy Sign RCA

Metody analizy i prognozowania szeregów czasowych

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Raport: Modele Matematyczne w Finansach 2014

POWIĄZANIA POMIĘDZY KRÓTKOOKRESOWYMI I DŁUGOOKRESOWYMI STOPAMI PROCENTOWYMI W POLSCE

ĆWICZENIE 7 WYZNACZANIE LOGARYTMICZNEGO DEKREMENTU TŁUMIENIA ORAZ WSPÓŁCZYNNIKA OPORU OŚRODKA. Wprowadzenie

EFEKT DŹWIGNI NA GPW W WARSZAWIE WPROWADZENIE

Metody prognozowania: Szeregi czasowe. Dr inż. Sebastian Skoczypiec. ver Co to jest szereg czasowy?

Transkrypt:

Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / WNIOSKOWANIE STATYSTYCZNE W EKONOMETRYCZNEJ ANAIZIE PROCESU PRODUKCYJNEGO Maeriał pomocniczy: proszę przejrzeć srony www.cyf-kr.edu.pl/~eomazur/zadl4.hml www.cyf-kr.edu.pl/~eomazur/ekzaj9.hml www.cyf-kr.edu.pl/~eomazur/ekzaj.hml Rozważmy nasępujące formy funkcyjne echnologii: Funkcja ranslogarymiczna: ln Q α ln ( ) 4 ( ln ) ln () Funkcja Cobba i Douglasa (poęgowa): ln Q α ln () Funkcja o sałej elasyczności subsyucji (CES): ν [ δ K + ( δ ) ] Q γ () (Uwaga! powyżej podajemy deerminisyczną posać echnologii, z pominięciem składników losowych, dane są przykładowe posacie funkcji dwuczynnikowych z wielkościami nakładów oznaczonymi jako K oraz ) W zasosowaniach ekonomerycznych możemy zbudować nasępujące równania obserwacji (po uwzględnieniu specyfikacji sochasycznej oraz dodakowo z dynamizacją [ylko dla danych w posaci szeregów czasowych]): Dla funkcji ranslogarymicznej: ln Q α ln ( ) 4 ( ln ) ln + τ + ε (4) Dla funkcji Cobba i Douglasa (poęgowej): ln Q α ln + τ + ε () Funkcja o sałej elasyczności subsyucji (CES): ν ln Q lnγ + ln[ δk + ( δ ) ] + τ + ε. (6) Jeśli możemy założyć, iż ε ~ iin (, σ ), o równania (4) oraz () spełniają założenia Klasycznego Modelu Normalnej Regresji iniowej, zaś równanie (6) spełnia założenia Modelu Normalnej Regresji Nieliniowej. Gdy mamy do czynienia z danymi przekrojowymi (lub nie chcemy rozważać funkcji zdynamizowanej), pomijamy...+τ +.... Załóżmy, że przyjęo nasępującą kolejność w wekorze paramerów [i co za ym idzie, odpowiednio w x dla równania (4) oraz () oraz w A (β ) dla równania (6)]: -dla funkcji ranslogarymicznej (4): [ α α α α α α τ ] β 4 ' (7)

Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / -dla funkcji Cobba i Douglasa (): β [ α α α τ ] -dla funkcji CES (6): [ γ δ ν τ ] ' (8) β ' (9) Po dokonaniu esymacji dysponujemy ocenami paramerów MNK: βˆ [dla f. CES (6) są o oceny nieliniowej MNK] oraz oszacowaną macierzą kowariancji esymaora: V ˆ ( βˆ ) [dla f. CES (6) V βˆ ]. mamy oszacowaną asympoyczną macierz kowariancji esymaora nieliniowej MNK: ( ) Rozważmy zasosowania znanych nam możliwości wnioskowania saysycznego w KMNR oraz MNRN. Możliwość redukcji modelu: Możemy się zasanawiać, czy dane dopuszczają możliwość zasąpienia wykorzysywanej formy funkcyjnej przez formę prosszą. W szczególności: Dla funkcji CES (6) zauważamy, że przy funkcja CES ma własności funkcji Cobba i Douglasa. W związku z ym hipoezę o zerowaniu się parameru możemy inerpreować w przybliżeniu jako es redukcji funkcji CES do funkcji Cobba i Douglasa. Parę hipoez: (H : ; H : ) esujemy esem -Sudena. Dla funkcji ranslogarymicznej (6) zauważamy, że gdy równocześnie wyzerujemy paramery α, α 4, α, o orzymamy funkcję Cobba i Douglasa. Parę hipoez: (H : α α 4 α ; H : α α 4 α ) esujemy esem F. W powyższych przypadkach modelowi prosszemu (funkcji Cobba i Douglasa) odpowiada hipoeza zerowa. Pamięajmy, że wynik esu brak podsaw do odrzucenia H nie oznacza, iż musimy ją przyjąć nie można auomaycznie wyniku esu przenosić na decyzję o redukcji modelu, jednakże wynik esu może być isoną przesłanką akiej decyzji. Wobec ego w przypadku braku podsaw do odrzucenia H możemy zredukować formę CES lub funkcję ranslogarymiczną do formy Cobba i Douglasa. Wnioskowanie o współczynniku posępu echniczno-organizacyjnego: Możemy każdorazowo esować zasadność wprowadzenia dynamizacji (co można inerpreować jako badanie wysępowania isonego posępu/regresu echniczno-organizacyjnego). Odpowiada o oczywiście esowaniu isoności parameru τ, do czego wykorzysamy es ypu -Sudena. Podobnie możemy dokonać esymacji przedziałowej parameru τ, wykorzysując sandardowy sposób posępowania. Wnioskowanie o elasycznościach produkcji względem wielkości nakładów: W przypadku funkcji Cobba i Douglasa () orzymujemy: ElQ / K α. Wobec ego E lˆ Q / K ˆ α, D( Elˆ Q / K ) D( ˆ α ) wyliczamy sandardowo i możemy sandardowymi echnikami prowadzić zarówno esymację przedziałową ej elasyczności, jak i weryfikować parę hipoez ypu: (H : El Q/K x*; H : El Q/K x*) esem - Sudena [x* oznacza pewną usaloną, ineresującą nas warość, np. ] ˆas

Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / W przypadku funkcji ranslogarymicznej () orzymujemy: ElQ / K α ln. Wobec ego Elˆ Q ˆ ˆ ˆ / K α * ln * [gdzie K* oraz * o pewne ineresujące nas znane, nielosowe wielkości nakładów], zaś aby wyliczyć D ( El ˆ Q / K ) odwołujemy się do wnioskowania o liniowej funkcji współczynników regresji: przyjmujemy: ψ c β α * ln * ' gdzie (por. (7)): c [ lnk* ln* ]]. Dalej sandardowo wyliczamy D( Elˆ Q / K ) D( ψˆ ) i możemy zwykłymi echnikami prowadzić zarówno esymację przedziałową ej elasyczności, jak i weryfikować parę hipoez ypu: (H : El Q/K x*; H : El Q/K x*) esem - Sudena. W przypadku funkcji CES mamy: Q(.) K νδk ElQ/ K K Q(.) δ K + δ ( ) Co prawda ocenę punkową elasyczności możemy ławo orzymać wsawiając do powyższego wzoru oceny paramerów oraz pewne usalone warości K* oraz *, jednakże dla esymacji przedziałowej lub esowania hipoez ypu (H : El Q/K x*; H : El Q/K x*) nie da się wykorzysać znanych nam doąd echnik. Wymagałoby o bowiem wnioskowania o NIEINIOWYCH funkcjach paramerów, co będziemy rozważać w dalszej kolejności. Wnioskowanie o współczynniku efeku skali: W przypadku funkcji o sałej elasyczności subsyucji (CES) możemy pokazać iż: RTS El + El ν (ylko rzeba o wyprowadzić, zob. zajęcia 9). W związku z ym Q/ K Q/ wnioskowanie o współczynniku efeku skali [esymacja przedziałowa, esowanie sałych korzyści skali j. (H : RTS ; H : RTS ) lub ogólnie (H : RTS x*; H : RTS x*)] prowadzi się sandardowo: esujemy hipoezy lub esymujemy przedziałowo paramer ν, do czego wysarczy nam znajomość jego oceny oraz oszacowana asympoyczna macierz kowariancji V βˆ. esymaora nieliniowej MNK ( ) ˆas W funkcji Cobba i Douglasa można pokazać iż: RTS ElQ / K + ElQ / + α. Wobec ego RTS ˆ ˆ α + ˆ α, zaś dla ln esymacji przedziałowej lub esowania hipoez o współczynniku efeku skali (jak np. hipoezy o wysępowaniu sałych korzyści skali porzebujemy D( RTS ˆ ). Widać jednak iż wysarczy przyjąć: RTS ψ c β, gdzie c [ ] (por. () oraz (8)) i już błąd średni szacunku dla efeku skali możemy wyliczyć jako: D( RTS ˆ ) D( ψˆ ) c' Vˆ( ˆ β ) c co pozwala dokonać esymacji przedziałowej warości współczynnika efeku skali oraz np. esować hipoezę o wysępowaniu sałych korzyści skali.

Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego 4/ W przypadku funkcji ranslogarymicznej (w przeciwieńswie do funkcji CES oraz funkcji Cobba i Douglasa) współczynnik efeku skali jes zależny od poziomów wszyskich nakładów: RTS El + El α * ln * ( * + ln *) Q/ K Q/ 4 (por. zajęcia oraz zadl4.hml) Możemy posąpić podobnie jak dla funkcji Cobba i Douglasa, przyjmuąc: RTS ψ c β, ylko że c będzie miał bardziej skomplikowaną posać. Na podsawie (4) i (7) możemy swierdzić, iż w naszym przypadku: c [ lnk* lnk* lnk*+ln* ] podobnie: RTS ˆ ψˆ c' ˆ β, D( RTS ˆ ) D( ψˆ ) c' Vˆ( ˆ β ) c co pozwala dokonywać esymacji przedziałowej współczynnika efeku skali lub esować hipoezę mówiącą o ym, iż przyjmuje on pewną konkreną warość x* (dla usalonych warości K* oraz *). Wnioskowanie o echnicznej sopie subsyucji: Techniczna sopa subsyucji R K w żadnym przypadku (ani dla funkcji Cobba i Douglasa, ani dla funkcji CES, ani dla funkcji o ranslogarymicznej) nie jes liniową funkcją paramerów. Ogólnie P El K Q/ K mamy RK P El K R R CiD K α α K * * Q/ CES δ K * K δ * T α * ln * * RK α 4ln * * K* co oznacza, że dla celów esymacji przedziałowej musielibyśmy wykorzysać echniki wnioskowania o nieliniowych funkcjach paramerów. Jednakże w przypadku pary hipoez ypu: (H : R K x*; H : R K x*) możemy (dla funkcji ranslogarymicznej oraz Cobba i Douglasa) dokonać akiej ransformacji esowanej równości, że może być ona przedsawiona jako liniowa funkcja paramerów. Dla funkcji Cobba i Douglasa: H : R K x*; H : R K x* α * ponieważ: x* α* αk* x* α* αk* x* α K * o równoważnie: H : ψ ; H : ψ przyjmujemy więc: ψ c β, gdzie: c [ * -x*k* ], co esujemy sandardowo wykorzysując: ψˆ c' ˆ β oraz D( ψˆ ) cv ' ˆ( ˆ β ) c. To samo równanie można przekszałcić akże w inny sposób, dzieląc jeszcze dodakowo przez * lub K*.

Wnioskowanie saysyczne w ekonomerycznej analizie procesu produkcyjnego / Dla funkcji ranslogarymicznej posępujemy podobnie, j. mnożymy przez mianownik w aki sposób, żeby uzyskać linową funkcję paramerów: H : R K x*; H : R K x* ponieważ rozparywaną równość możemy przekszałcić: α * ln * * x * α ln * * K* 4 * ( α * ln * ) x* ( α 4ln * * ) K * * * * α αx* * α4x* ln * ln * x** K* K* K* odpowiednio do ego podsawiamy: H : ψ ; H : ψ gdzie: ψ c β oraz c [ */K* -x* (*/K*) * -x* ( ln *) (*/K*)ln*-x* (*) ], dalej posępujemy jak wyżej. Wnioskowanie o elasyczności subsyucji: Elasyczność subsyucji w funkcji Cobba i Douglasa wynosi i nie podlega wnioskowaniu saysycznemu, zaś dla funkcji ranslogarymicznej ej charakerysyki nie rozparujemy, bo wymaga o pewnych dodakowych komplikacji. Jednak w przypadku funkcji CES: CES ES jak widać, elasyczność subsyucji jes nieliniową funkcją, więc nie możemy poznanymi doąd echnikami prowadzić esymacji przedziałowej. Jednak w przypadku pary hipoez: H : ES x*; H : ES x* możemy dokonać serii przekszałceń: CES ES x* x * x * x * x* x* x * x * i sprowadzić przedsawiony problem do esowania hipoezy o współczynniku.