Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Podobne dokumenty
Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Natalia Nehrebecka. 18 maja 2010

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

Egzamin z ekonometrii wersja IiE, MSEMAT

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

Egzamin z ekonometrii wersja IiE, MSEMAT

Ekonometria Ćwiczenia 19/01/05

Egzamin z ekonometrii - wersja ogólna

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne

Natalia Nehrebecka Stanisław Cichocki. Wykład 6

Ekonometria dla IiE i MSEMat Z12

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Diagnostyka w Pakiecie Stata

Testowanie hipotez statystycznych

Egzamin z ekonometrii wersja ogolna

Diagnostyka w Pakiecie Stata

Problem równoczesności w MNK

Budowa modelu i testowanie hipotez

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

1.8 Diagnostyka modelu

Egzamin z ekonometrii wersja IiE, MSEMAT

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Wprowadzenie Modele o opóźnieniach rozłożonych Modele autoregresyjne o opóźnieniach rozłożonych. Modele dynamiczne.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Metoda najmniejszych kwadratów

Egzamin z ekonometrii wersja IiE, MSEMat Pytania teoretyczne

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14

Wprowadzenie Testy własności składnika losowego. Diagnostyka modelu. Część 1. Diagnostyka modelu

Natalia Nehrebecka. Zajęcia 3

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Czasowy wymiar danych

Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08

Weryfikacja hipotez dla wielu populacji

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

, a reszta dla pominiętej obserwacji wynosi 0, RSS jest stałe, T SS rośnie, więc zarówno R 2 jak i R2 rosną. R 2 = 1 n 1 n. rosnie. n 2 (1 R2 ) = 1 59

Stanisław Cichocki. Natalia Nehrebecka

1 Modele ADL - interpretacja współczynników

Stanisław Cichocki Natalia Nehrebecka. Wykład 1

Ekonometria egzamin wersja ogólna 17/06/08

1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.

Zmienne sztuczne i jakościowe

Ekonometria egzamin 31/01/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Stanisław Cichocki. Natalia Nehrebecka

Modele wielorównaniowe (forma strukturalna)

Ekonometria. Metodologia budowy modelu. Jerzy Mycielski. Luty, 2011 WNE, UW. Jerzy Mycielski (WNE, UW) Ekonometria Luty, / 18

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka

Autokorelacja i heteroskedastyczność

Ekonometria egzamin 07/03/2018

Heteroscedastyczność. Zjawisko heteroscedastyczności Uogólniona Metoda Najmniejszych Kwadratów Stosowalna Metoda Najmniejszych Kwadratów

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4

1 Metoda Najmniejszych Kwadratów (MNK) 2 Interpretacja parametrów modelu. 3 Klasyczny Model Regresji Liniowej (KMRL)

Stanisław Cichocki. Natalia Nehrebecka

Ekonometria egzamin 01/02/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

MODEL EKONOMETRYCZNY. Marcin Michalski, Konrad Rotuski, gr. 303, WNE UW

Ekonometria egzamin wersja Informatyka i Ekonometria 29/01/08

Zmienne Binarne w Pakiecie Stata

1.9 Czasowy wymiar danych

Natalia Nehrebecka. Wykład 2

0. Oszacowanie kilku prostych regresji, interpretacja oszacować parametrów

Natalia Nehrebecka. Wykład 1

Heteroskedastyczość w szeregach czasowyh

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

Ekonometria egzamin 06/03/ W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora.

Ekonometria dla IiE i MSEMat Z7

Krzywa wieża w Pizie. SAS Data Step. Przykład (2) Wykład 13 Regresja liniowa

1. Obserwacje nietypowe

Metody predykcji analiza regresji

Analiza regresji modele ekonometryczne

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

Analiza Szeregów Czasowych. Egzamin

Natalia Nehrebecka. Dariusz Szymański

Testowanie hipotez statystycznych

Stanisław Cichocki. Natalia Nehrebecka

65120/ / / /200

Dobór zmiennych objaśniających

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Modele warunkowej heteroscedastyczności

Stanisław Cichocki. Natalia Nehrebecka

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

Transkrypt:

Natala Nehrebecka Stansław Cchock Wykład 10 1

1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane heteroskedastycznośc 2

1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane heteroskedastycznośc 3

- Służą do weryfkacj założeń KMRL - Sprawdzene założeń KMRL jest ważne na nch operają sę własnośc estymatorów MNK - Jeśl któreś z założeń ne jest spełnone należy zastanowć sę nad przeformułowanem modelu lub zastosować bardzej zaawansowane narzędza ekonometryczne - Testy są stosowane po wyestymowanu modelu 5

- W praktyce do testowana jednego założena KMRL używa sę często klku testów - Czasam różne testy zastosowane do testowana tej samej hpotezy zerowej dają sprzeczne wnosk 6

Nazwa testu Hpotezy Jake założene KMRL ne jest spełnone przy odrzucene H 0 Jake są skutk nespełnena założena KMRL W jak sposób można rozwązać problemy zasygnalzowane przez wynk testów? 7

1. Testy dagnostyczne 2. Testowane prawdłowośc formy funkcyjnej modelu 3. Testowane normalnośc składnków losowych 4. Testowane stablnośc parametrów 5. Testowane heteroskedastycznośc 8

Test RESET (Regresson Specfcaton Error Test): H : y = x + 0 - lnowa postać modelu H : y = f ( x ) + 1 - nelnowa postać modelu gdze f () jest nelnowa 9

Krok 1: estymujemy współczynnk regresj w modelu: x Krok 2: uzyskujemy wartośc dopasowane: Krok 3: przeprowadzamy regresję pomocnczą: y = yˆ = + x b y = x + ˆ 2 p+1 1y +... + p yˆ + u 10

Krok 4: testujemy łączną nestotność zmennych 2 p+ 1 yˆ,..., yˆ Hpoteza zerowa oznacza łączną nestotność tych zmennych, mplkuje poprawność formy funkcyjnej przyjętej przez nas w regresj wyjścowej. za pomocą testu F testujemy H 0 : H 0 : 1 = =... = p 0 - Statystyka testowa: F-Snedecora (w dużych próbach) - Statystyka krytyczna: F(p, N-K-p) 11

e = x ˆ 2 p+1 + 1y +... + p yˆ + 12

Zwązek pomędzy zmenną zależną a zmennym nezależnym opsany jest równanem: y = + x + x + + x + 1,2, 3 N 1 2 2 3 3 K K = 13

podważa nterpretacje ekonomczną modelu (nterpretacja oszacowanych parametrów) Odrzucene hpotezy zerowej o poprawnośc przyjętej formy funkcyjnej nemożlwe udowodnene własnośc estymatora MNK (neobcążoność czy efektywność estymatora MNK ) 14

W jak sposób można rozwązać problemy zasygnalzowane przez wynk testu? Możemy próbować poprawć formę funkcyjna modelu wprowadzając do modelu: nterakcje medzy zmennym, dokonać przekształceń zmennych, zastosować model welomanowy, schodkowy lub krzywej łamanej. 15

Analza prestżu wykonywanego zawodu (sops) a) wek (age) b) płeć (sex, 1 Mężczyzna, 2 kobeta) c) wykształcene respondenta (dp - podstawowe, ds średne, dw wyższe) d) mejsce zameszkana respondenta (sze) e) prestż wykonywanego przez ojca zawodu (pasops całkowte od 1 do 100.) f) prestż wykonywanego przez matkę zawodu (masops całkowte od 1 do 100.) g) wykształcene ojca (padeg) h) wykształcene matk (madeg) 16

. x: regress sops age pasops masops.sex ds dw.sex _Isex_1-2 (naturally coded; _Isex_1 omtted) Source SS df MS Number of obs = 1232 F( 6, 1225) = 106.59 Model 50595.8547 6 8432.64244 Prob > F = 0.0000 Resdual 96913.6778 1225 79.1132064 R-squared = 0.3430 Adj R-squared = 0.3398 Total 147509.532 1231 119.829027 Root MSE = 8.8946 sops Coef. Std. Err. t P> t [95% Conf. Interval] age.0627069.0192075 3.26 0.001.0250236.1003903 pasops.08292.0304436 2.72 0.007.0231926.1426474 masops.0960088.0317817 3.02 0.003.0336562.1583614 _Isex_2-1.066076.5158061-2.07 0.039-2.078037 -.0541146 ds 5.08828.6766924 7.52 0.000 3.760676 6.415885 dw 13.55178.7347977 18.44 0.000 12.11018 14.99338 _cons 23.4708 1.798279 13.05 0.000 19.94275 26.99885. /*test Ramsey'a RESET na poprawność formy funkcyjnej*/. ovtest Ramsey RESET test usng powers of the ftted values of sops Ho: model has no omtted varables F(3, 1222) = 1.15 Prob > F = 0.3264 OVTEST: w regresj pomocnczej testowana jest łączna nestotność wartośc dopasowanych podnesonych do 2,3 4 potęg 17

1. Do czego służą testy dagnostyczne? 2. Za pomocą jakego testu testujemy prawdłowość formy funkcyjnej? Jakemu założenu KMRL odpowada H0 w tym teśce? Jaka jest hpoteza alternatywna w tym teśce? 18

Dzękuję za uwagę 19