Mikroekonometria 15. Mikołaj Czajkowski Wiktor Budziński

Podobne dokumenty
Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 14. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 10. Mikołaj Czajkowski Wiktor Budziński

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Natalia Nehrebecka. Wykład 2

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Natalia Nehrebecka. Zajęcia 3

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Mikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Natalia Nehrebecka. Zajęcia 4

65120/ / / /200

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

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

Weryfikacja hipotez dla wielu populacji

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

STATYSTYKA MATEMATYCZNA

Natalia Nehrebecka. Dariusz Szymański

Proces narodzin i śmierci

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

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

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 11

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

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

dy dx stąd w przybliżeniu: y

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

Mikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński

Prawdopodobieństwo i statystyka r.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

Procedura normalizacji

Nieparametryczne Testy Istotności

Mikroekonometria 7. Mikołaj Czajkowski Wiktor Budziński

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

EKONOMETRIA Wykład 4: Model ekonometryczny - dodatkowe zagadnienia

Regresja liniowa i nieliniowa

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

ZASTOSOWANIE METOD EKONOMETRYCZNYCH DO BADANIA HETEROGENICZNOŚCI OBIEKTÓW

Modele wieloczynnikowe. Modele wieloczynnikowe. Modele wieloczynnikowe ogólne. α β β β ε. Analiza i Zarządzanie Portfelem cz. 4.

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Dobór zmiennych objaśniających

D. Ciołek EKONOMETRIA wykład 0 EKONOMETRIA. Wykład 0: Informacje o przedmiocie. dr Dorota Ciołek. Katedra Ekonometrii Wydział Zarządzania UG

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

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

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Statystyka Inżynierska

ANALIZA KORELACJI WYDATKÓW NA KULTURĘ Z BUDŻETU GMIN ORAZ WYKSZTAŁCENIA RADNYCH


Płyny nienewtonowskie i zjawisko tiksotropii

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

EKONOMETRIA I Spotkanie 1, dn

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

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

Badania sondażowe. Braki danych Konstrukcja wag. Agnieszka Zięba. Zakład Badań Marketingowych Instytut Statystyki i Demografii Szkoła Główna Handlowa

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Analiza przeżycia. Wprowadzenie

PROSTO O DOPASOWANIU PROSTYCH, CZYLI ANALIZA REGRESJI LINIOWEJ W PRAKTYCE

WPROWADZENIE DO ANALIZY KORELACJI I REGRESJI

Ntli Natalia Nehrebecka. Dariusz Szymański. Zajęcia 4

Mikroekonometria 5. Mikołaj Czajkowski Wiktor Budziński

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

MODELOWANIE LICZBY SZKÓD W UBEZPIECZENIACH KOMUNIKACYJNYCH W PRZYPADKU WYSTĘPOWANIA DUŻEJ LICZBY ZER, Z WYKORZYSTANIEM PROCEDURY KROSWALIDACJI

Analiza regresji modele ekonometryczne

Pattern Classification

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

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

Współczynnik korelacji liniowej oraz funkcja regresji liniowej dwóch zmiennych

EKONOMETRIA Wykład 5: Zmienne zerojedynkowe w modelowaniu ekonometrycznym

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

Statystyka. Zmienne losowe

Propozycja modyfikacji klasycznego podejścia do analizy gospodarności

Definicje ogólne

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Fizyka cząstek elementarnych

Kier. MTR Programowanie w MATLABie Laboratorium Ćw. 12

Zawansowane modele wyborów dyskretnych

WikiWS For Business Sharks

6. ROŻNICE MIĘDZY OBSERWACJAMI STATYSTYCZNYMI RUCHU KOLEJOWEGO A SAMOCHODOWEGO

Parametry zmiennej losowej

Prawdopodobieństwo i statystyka r.

EKONOMIA MENEDŻERSKA. Wykład 3 Funkcje produkcji 1 FUNKCJE PRODUKCJI. ANALIZA KOSZTÓW I KORZYŚCI SKALI. MINIMALIZACJA KOSZTÓW PRODUKCJI.

f(x, y) = arctg x y. f(u) = arctg(u), u(x, y) = x y. x = 1 1 y = y y = 1 1 +

SZTUCZNA INTELIGENCJA

I. Elementy analizy matematycznej

Analiza zależności zmiennych ilościowych korelacja i regresja

Mikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński

Metody predykcji analiza regresji

Estymacja w regresji nieparametrycznej

Mikroekonometria 2. Mikołaj Czajkowski Wiktor Budziński

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

WYDAWNICTWO UNIWERSYTETU ŁÓDZKIEGO

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Transkrypt:

Mkroekonometra 15 Mkołaj Czajkowsk Wktor Budzńsk

Mkroekonometra podsumowane kursu Zagadnena ogólne NLOGIT Metoda maksymalzacj funkcj ML Testy statystyczne Metody numeryczne, symulacje Metody wyceny nerynkowej Metody mkroekonometryczne Zmenne cągłe Wybór bnarny Wybór welomanowy Wybór uporządkowany Lczność zdarzeń Rozszerzena Dane panelowe Heteroskedastyczność Obserwowalna / neobserwowalna heterogenczność preferencj Zmenne objaśnające Modele parametrów losowych Modele klas ukrytych Endogenczność Ocenzurowane, obcęce, selekcja próby

Mkroekonometra pozostałe zagadnena Zagadnena 'podstawowe' Budowa modelu Nelnowe zależnośc Interakcje Transformacje danych rozwnęce Taylora Heterogenczność w modelach lnowych Losowe parametry / klasy ukryte Modele welorównanowe Analzujemy jednocześne klka zmennych Możemy poznać wzajemne zależnośc mędzy nm Modele dynamczne dla danych panelowych Modele uwzględnające przestrzenną korelację danych Modele neparametryczne Modele sem parametryczne

Model dwuczęścowe Stosowane kedy analzowana zmenna ma charakter dwustopnowej decyzj, np.: Czy wydawać na lekarza czy ne? Jeśl tak to le penędzy? Czy jeźdzć nad morze czy ne? Jeśl tak to le razy w roku? Czy meć dzec czy ne? Jeśl tak to le? Hstogramy takch zmennych zazwyczaj przypomnają rozkład zmennej ocenzurowanej w zerze:

Modele dwuczęścowe Take modele mogą zapewnć lepsze dopasowane do danych oraz lepszą predykcję, poneważ założene o rozkładze analzowanej zmennej jest mnej restrykcyjne Estymacja przebega dwustopnowo: Decyzję respondenta modelujemy przy użycu modelu bnarnego (logt, probt) Następne dla osób, dla których zmenna objaśnana przyjmuje nezerowe wartośc estymujemy odpowedn model: W przypadku wydatków na lekarza możemy zlogarytmować zmenną użyć zwykłej regresj lnowej W przypadku wyjazdów nad morze możemy zastosować obcęty rozkład Possona lub NB

Modele z ponadprzecętną lczbą zer Idea jest bardzo podobna do model dwuczęścowych stosuje sę je w tych samym przypadku: nasza zmenna objaśnana przyjmuje węcej razy zero nż jakkolwek rozkład by przewdywał Ma nterpretację ekonomczną: zakładamy, że 0 może wystąpć z dwóch przyczyn: Podmot jest ogólne zanteresowany wykonanem danej czynnośc (zakupem leków/ wyjazdem nad morzem/ posadanem dzec), ale z jakchś powodów w badanym okrese czasu jej ne wykonał Podmot w ogóle ne jest zanteresowany daną czynnoścą. Np. nawet jakby mógł za darmo pojechać nad morze to by tego ne zrobł (np. bo ne lub podróżować).

Modele z ponadprzecętną lczbą zer Estymowane jednostopnowo przy użycu MNW Funkcja najwększej warygodnośc np. dla modelu Possona z ponadprzecętną lczbą zer (ang. Zero Inflated Posson): L 1 X 1 X p 1 p P y 0 jeżel y 0 p Py k jeżel y k 1 Gdze p oraz Py z 1 exp Xα k e k! k X expxβ

Modele dla trwana Modele dla trwana zjawska jedna z aplkacj cenzurowana danych Np. czas trwana bezroboca, strajku, choroby, życa po operacj/leczenu, funkcjonowana frmy, czas do poczęca dzecka, aresztowana Cenzurowane dla częśc obserwacj proces może nadal trwać Interesują nas raczej prawdopodobeństwa nż momenty (modele ryzyka; ang. hazard models) Czy prawdopodobeństwo maleje, jest stałe czy rośne z upływem czasu? Różne postace funkcyjne dla funkcj przetrwana, dające różne przewdywana dla zachowana sę prawdopodobeństwa w czase

Modele dla trwana Można wykorzystywać modele parametryczne, np. uogólnone modele lnowe take jak model wykładnczy lub model Webulla Najczęścej wykorzystywany jest jednak model semparametryczny: model proporcjonalnych hazardów Coxa: 1 S Funkcją hazardu nazywamy: t Stt ht lm S t t 0 t Zakładamy, że hazard dla tego respondenta ma następującą postać: ht h0 texpxβ Model może być estymowany przy pomocy MNW: L h j 0 t expxβ Yh texpxβ j 0 j Yj 1 0 gdy tj t gdy obserwacja jest ocenzurowana

Analza czynnkowa W analze czynnkowej chcemy wyjaśnć zmenność klku skorelowanych zmennych używając mnejszej lczby tzw. czynnków (ang. factors) Zakładamy, że zachodzą następujące zależnośc: gdze m<n y F F y F F,1,1 1,1, m m,1,1,n,1 1,n, m m,n,n Zmenne F k, (czynnk), są dla nas neobserwowalne na początku analzy, ch nterpretacja jest czysto subektywna opera sę na znakach stotnośc poszczególnych parametrów

Analza czynnkowa Metody te powstały w psychometr, ale obecne są wykorzystywane w welu dzedznach, w tym w ekonom, socjolog marketngu Czasem wykorzystywane do zmnejszena wymaru analzowanego zboru danych Istneją różne rodzaje analzy czynnkowej Eksploracyjna analza czynnkowa (ang. exploratory factor analyss) Konfrmacyjna analza czynnkowa (ang. confrmatory factor analyss) Analza głównych składowych (ang. prncpal component analyss) Analza czynnków głównych (ang. prncpal factor analyss)

Ocena efektów dzałań Interesuje nas ocena efektów dzałana (ang. treatment effects) Np. znaczene wyższego wykształcena dla zarobków, wpływ karmena persą/palena na IQ dzecka, dzałana leku, dana łapówk Efekty dzałań mogą być endogenczne (wspólne czynnk wyjaśnające poddane sę 'dzałanu' jego efekt) Np. na unwersytet dą ludze o określonych cechach Brak możlwośc kontrol nnego stanu (ang. mssng counterfactual) Albo ktoś jest poddany dzałanu, albo ne Często brak możlwośc losowego przydzału do próby eksperymentu

Ocena efektów dzałań Ocena efektów dzałana wymaga kontrolowana wpływu doboru próby na efekt (mus uwzględnać korelację) C γz u, C 1 jeśl C 0, 0 w p.p. y C 1 C, j0,1 Endogenczność udzału: 0 0, 1 0 βx βx j 1 1 0 0 u 0 1 0 0 1 1 2 0 N 0, 0 0 0 01 2 1 0 1 1 01 1 Brak możlwośc kontrol drugego stanu: 01 ne jest dentyfkowalny (zał. =0) Model pozwala na oszacowane średnego wpływu dzałana na poddanych dzałanu

Ocena efektów dzałań Załóżmy, że jesteśmy w stane zdentyfkować pary osób o takch samych obserwowalnych cechach, z których jedna została poddana dzałanu, a druga ne Mając dość takch par moglbyśmy ocenć efekty dzałana (ang. matchng estmator) Zwykle zbyt mało danych dla takej procedury Alternatywa parowane współczynnków skłonnośc (ang. propensty score matchng) Parujemy osoby o takch samych prawdopodobeństwach poddana sę procedurze

Podsumowane Mkroekonometra ma jeszcze wele zagadneń, o których w ogóle ne wspomnelśmy Wele z omawanych rozszerzeń można łączyć, np. panele z modelam welorównanowym, parametry losowe z cenzurowanem tu grancą już tylko możlwość dentyfkacj rozsądek Mając przed sobą jakś problem ekonometryczny dane w określonej forme, warto sę zastanowć, czy regresja lnowa faktyczne jest odpowedna zajrzeć do lteratury, podobny problem na pewno ktoś już analzował jeśl ne w ekonometr, to np. w bometr, psychometr lub ogólnej w statystyce POWODZENIA! 2016 01 21 15:57:05