STUDIA I STOPNIA EGZAMIN Z EKONOMETRII

Podobne dokumenty
Niestacjonarne zmienne czasowe własności i testowanie

Zadanie 3 Na podstawie danych kwartalnych z lat oszacowano następujący model (w nawiasie podano błąd standardowy oszacowania):

4. Średnia i autoregresja zmiennej prognozowanej

Proces modelowania zjawiska handlu zagranicznego towarami

Zadanie 1 1. Czy wykresy zmiennych sugerują, że zmienne są stacjonarne. Czy występuje sezonowość?

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

Model 1: Estymacja KMNK z wykorzystaniem 32 obserwacji Zmienna zależna: st_g

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

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Outsourcing a produktywność pracy w polskich przedsiębiorstwach. Anna Grześ Zakład Zarządzania Uniwersytet w Białymstoku

Niestacjonarne zmienne czasowe własności i testowanie

1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.

Metoda Johansena objaśnienia i przykłady

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

Własności statystyczne regresji liniowej. Wykład 4

5. Model sezonowości i autoregresji zmiennej prognozowanej

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

Ćwiczenia IV

Ekonometria I Weryfikacja: współliniowość i normalność. Dr Michał Gradzewicz Szkoła Główna Handlowa w Warszawie

3. Modele tendencji czasowej w prognozowaniu

Na podstawie danych dotyczacych rocznych wydatków na pizze oszacowano parametry poniższego modelu:

t y x y'y x'x y'x x-x śr (x-x śr)^2

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

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

MODELE LINIOWE. Dr Wioleta Drobik

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Ekonometria. Zajęcia

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

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

Projekt z Ekonometrii Dynamicznej

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji

Ekonometria Ćwiczenia 19/01/05

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Stanisław Cichocki. Natalia Nehrebecka

Analiza autokorelacji

Przyjazdy turystów zagranicznych do Polski miesięcznie od 2005 roku do 2009 roku modelowanie ekonometryczne

Szymon Bargłowski, sb39345 MODEL. 1. Równania rozpatrywanego modelu: 1 PKB t = a 1 a 2 E t a 3 Invest t 1

Wstęp... 3 Problem i hipoteza badawcza... 4 Opis modelu. Definicje i założenia... 5 Źródła danych... 6 Szacowanie modelu... 7 Wnioski...

Przykład 1 ceny mieszkań

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

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

Stanisław Cichocki Natalia Nehrebecka. Wykład 7

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

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

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

Stanisław Cihcocki. Natalia Nehrebecka

Adam Kirpsza Zastosowanie regresji logistycznej w studiach nad Unią Europejska. Anna Stankiewicz Izabela Słomska

Testowanie hipotez statystycznych.

Przykład 2. Stopa bezrobocia

Mikroekonometria 13. Mikołaj Czajkowski Wiktor Budziński

Metody Ilościowe w Socjologii

(LMP-Liniowy model prawdopodobieństwa)

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 8

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

Prognozowanie na podstawie modelu ekonometrycznego

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

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Kolokwium ze statystyki matematycznej

Metoda największej wiarogodności

KORELACJE I REGRESJA LINIOWA

WERYFIKACJA MODELI MODELE LINIOWE. Biomatematyka wykład 8 Dr Wioleta Drobik-Czwarno

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

log Ôi = 1, , 0014P i + 0, 0561C i 0, 4050R i se = (0, 0009) (0, 0227) (0, 1568)

Budowa praktycznego modelu regresji opisującego zależności występujące na rynku nieruchomości mieszkaniowych

Rozdział 8. Regresja. Definiowanie modelu

3. Analiza własności szeregu czasowego i wybór typu modelu

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF

Ekonometria. Ćwiczenia nr 3. Jakub Mućk. Katedra Ekonomii Ilościowej

Analiza regresji - weryfikacja założeń

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

Ekonometria - ćwiczenia 11

Regresja wieloraka Ogólny problem obliczeniowy: dopasowanie linii prostej do zbioru punktów. Najprostszy przypadek - jedna zmienna zależna i jedna

Test niezależności chi-kwadrat stosuje się (między innymi) w celu sprawdzenia związku pomiędzy dwiema zmiennymi nominalnymi (lub porządkowymi)

Inżynieria biomedyczna, I rok, semestr letni 2014/2015 Analiza danych pomiarowych. Laboratorium VII: Regresja logistyczna

Programowanie liniowe całkowitoliczbowe. Tadeusz Trzaskalik

Zad. 4 Należy określić rodzaj testu (jedno czy dwustronny) oraz wartości krytyczne z lub t dla określonych hipotez i ich poziomów istotności:

Egzamin z ekonometrii wersja IiE, MSEMAT

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Egzamin z ekonometrii wersja IiE, MSEMAT

Analiza wariancji w analizie regresji - weryfikacja prawdziwości przyjętego układu ograniczeń Problem Przykłady

Standardowe zadanie programowania liniowego. Gliwice 1

Ekonometria / G. S. Maddala ; red. nauk. przekł. Marek Gruszczyński. wyd. 2, dodr. 1. Warszawa, Spis treści

OBLICZENIE PRZEPŁYWÓW MAKSYMALNYCH ROCZNYCH O OKREŚLONYM PRAWDOPODOBIEŃSTWIE PRZEWYŻSZENIA. z wykorzystaniem programu obliczeniowego Q maxp

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

Programowanie liniowe

Egzamin ze Statystyki, Studia Licencjackie Stacjonarne czerwiec 2007 Temat A

Stanisław Cichocki. Natalia Nehrebecka

gdzie. Dla funkcja ma własności:

Regresja liniowa wprowadzenie

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Transkrypt:

NAZWISKO IMIĘ Nr albumu Nr zestawu Zadanie 1. Dana jest macierz Leontiefa pewnego zamkniętego trzygałęziowego układu gospodarczego: 0,64 0,3 0,3 0,6 0,88 0,. 0,4 0,8 0,85 W okresie t stosunek zuŝycia środków trwałych do wartości dodanej kaŝdej z gałęzi wynosił dla gałęzi pierwszej 1, dla drugiej 0,5, dla trzeciej 0,5. a. (1 pkt) Oblicz, dla której gałęzi udział wartości dodanej w wartości jej produktu globalnego w okresie t jest najmniejszy. XX b. (1 pkt) W pewnym wariancie planistycznym na okres t+1 przewiduje się wytworzenie produktu globalnego w gałęzi pierwszej o wartości 500 j.p., w gałęzi drugiej 600 j.p. oraz w gałęzi trzeciej 700 j.p. We wszystkich gałęziach relacje nakładów materiałowych do produkcji pozostaną na poziomie okresu t. Czy wprowadzenie tego wariantu jest moŝliwe? c. (1 pkt) Jeśli w okresie t wartość produktu globalnego gałęzi pierwszej wyniosła 800 j.p., gałęzi drugiej 500 j.p., a gałęzi trzeciej 600 j.p., ile wyniósł dochód narodowy netto? d. (1 pkt) Jak w roku t+1 w stosunku do roku t zmienią się koszty materiałowe układu, jeśli w roku t+1 spodziewany jest wzrost produkcji końcowej kaŝdej gałęzi o %? Instytut Ekonometrii, Szkoła Główna Handlowa w Warszawie strona 1

Zadanie. Dane jest zadanie programowania liniowego x1 + 6x 6 max przy warunkach (1) 4x1 + x 8, () x1 + 3x 7, (3) x 1 8, (4) 0, x 0. x1 a. (1,5 pkt) RozwiąŜ zadanie metodą graficzną. Podaj zbiór rozwiązań optymalnych zadania i maksymalną wartość funkcji celu. b. (1 pkt) Podaj zbiór wszystkich wartości współczynnika funkcji celu przy zmiennej x, dla których punkt ( x 1; x ) = (4; 1) jest rozwiązaniem optymalnym tego zadania. c. (1 pkt) Podaj zbiór wszystkich wartości wyrazu wolnego w warunku ograniczającym (), dla których zadanie ma nieskończenie wiele rozwiązań optymalnych. d. (0,5 pkt) Jakie będzie rozwiązanie optymalne zadania po wyeliminowaniu ze zbioru warunków ograniczających warunku ()? Instytut Ekonometrii, Szkoła Główna Handlowa w Warszawie strona

Zadanie 3. Dany jest raport dla rozwiązania optymalnego pewnego zadania PL, w którym maksymalizowano funkcję celu postaci f ( x ) = c1x1 + c x + c3x 3, dla nieujemnych zmiennych decyzyjnych: Komórki decyzyjne Wartość Przyrost Współczynnik Dopuszczalny Dopuszczalny Komórka Nazwa końcowa krańcowy funkcji celu wzrost spadek $C$3 x1 1 0 1 1E+30 $C$4 x 0-1,8 4 1,8 1E+30 $C$5 x3 1 0 6 1E+30 1,8571486 Warunki ograniczające Wartość Cena Prawa strona Dopuszczalny Dopuszczalny Komórka Nazwa końcowa dualna w. o. wzrost spadek $J$3 warunek 1 1 0,8 1 0 6,666666667 $J$4 warunek 4 0 10 1E+30 6 $J$5 warunek 3 8-0, 8 4,8571486 5 a) (1 pkt) Oblicz wartość funkcji celu dla rozwiązania optymalnego zadania. b) (1 pkt) Oblicz o ile zmieni się wartość funkcji celu, jeŝeli współczynnik funkcji celu przy zmiennej x 1 wzrośnie o 1. c) (1 pkt) Oblicz o ile zmieni się wartość funkcji celu, jeŝeli wyraz wolny trzeciego warunku ograniczającego spadnie o 5? d) (1 pkt) Czy rozwiązanie optymalne ulegnie zmianie, jeŝeli wyraz wolny drugiego warunku ograniczającego wzrośnie o? (Odpowiedź uzasadnij) Instytut Ekonometrii, Szkoła Główna Handlowa w Warszawie strona 3

Zadanie 4. Oszacowano model Koycka i otrzymano następujące wyniki (M_1 oznacza zmienną M opóźnioną o 1 okres): Model 1: Estymacja KMNK z wykorzystaniem 109 obserwacji 1964:-1991: Zmienna zaleŝna: M współczynnik błąd standardowy t-studenta wartość p -------------------------------------------------------------------------------------------------- const 110,48 1,359 5,00 9,77e-07 *** D 0,356094 0,07361 4,91 3,17e-06 *** M_1 0,94448 0,0114944 8,16 8,8e-09 *** Średn.aryt.zm.zaleŜnej,145 Odch.stand.zm.zaleŜnej 418,0867 Suma kwadratów reszt 6475,74 Błąd standardowy reszt 4,71073 Wsp. determ. R-kwadrat 0,996571 Skorygowany R-kwadrat 0,996507 F(, 106) 15405,07 Wartość p dla testu F,3e-131 Logarytm wiarygodności -50,73 Kryt. inform. Akaike'a 1011,464 Kryt. bayes. Schwarza 1019,538 Kryt. Hannana-Quinna 1014,739 Autokorel.reszt - rho1 0,571830 Statystyka Durbina h 5,985489 Test na normalność rozkładu reszt - Hipoteza zerowa: składnik losowy ma rozkład normalny Statystyka testu: Chi-kwadrat() = 5,695 z wartością p = 0,071737 Rozszerzony test Dickeya-Fullera dla procesu M dla opóźnienia pierwszego rzędu procesu (1-L)M liczebność próby 108 Hipoteza zerowa: występuje pierwiastek jednostkowy a = 1; proces I(1) test z wyrazem wolnym (const) model: (1-L)y = b0 + (a-1)*y(-1) +... + e Autokorelacja reszt rzędu pierwszego: 0,0 estymowana wartość (a-1) wynosi: -0,00467748 Statystyka testu: tau_c(1) = -0,95333 asymptotyczna wartość p = 0,7719 Rozszerzony test Dickeya-Fullera dla procesu d_m dla opóźnienia pierwszego rzędu procesu (1-L)d_M liczebność próby 107 Hipoteza zerowa: występuje pierwiastek jednostkowy a = 1; proces I(1) test z wyrazem wolnym (const) model: (1-L)y = b0 + (a-1)*y(-1) +... + e Autokorelacja reszt rzędu pierwszego: 0,004 estymowana wartość (a-1) wynosi: -0,373931 Statystyka testu: tau_c(1) = -4,51467 asymptotyczna wartość p = 0,0001 Instytut Ekonometrii, Szkoła Główna Handlowa w Warszawie strona 4

a) (1 pkt) Oblicz i zinterpretuj mnoŝnik długookresowy. b) (1 pkt) Zapisz oszacowany model przed transformacją uwzględniając przynajmniej dwa pierwsze opóźnienia zmiennej objaśniającej. c) (1 pkt) Określ stopień integracji szeregu M t. d) (1 pkt) Zbadaj istotność zmiennych objaśniających (przyjmij poziom istotności 0,05). Instytut Ekonometrii, Szkoła Główna Handlowa w Warszawie strona 5

Zadanie 5. Oszacowano model logitowy, który uzaleŝniał przyznanie kredytu konsumpcyjnego od zmiennych AGE (wiek) i MDR (liczba naruszeń harmonogramu spłaty wcześniejszych kredytów). Zmienne zdefiniowano w następujący sposób: ACC zmienna binarna (1- gdy przyznano kredyt, 0 gdy nie przyznano kredytu), AGE wiek kredytobiorcy w latach, MDR - zmienna przyjmująca wartości 0, 1,,, zaleŝnie od liczby naruszeń harmonogramu spłaty. Model 1: Estymacja Logit z wykorzystaniem 100 obserwacji 1-100 Zmienna zaleŝna: ACC współczynnik błąd standardowy t-studenta efekt krańcowy ------------------------------------------------------------------------------------------------------- Const 3,0858 1,0991,804 AGE -0,050175 0,0319116-1,57-0,00970198 MDR -1,1563 0,40686 -,99-0,35069 Średn.aryt.zm.zaleŜnej 0,730000 Odch.stand.zm.zaleŜnej 0,19337 McFadden R-kwadrat 0,1774 Skorygowany R-kwadrat 0,1189 Logarytm wiarygodności -48,5159 Kryt. inform. Akaike'a 10,503 Kryt. bayes. Schwarza 110,3187 Kryt. Hannana-Quinna 105,6663 Liczba przypadków 'poprawnej predykcji' = 79 (79,0%) f(beta'x) do średnich niezaleŝnych zmiennych = 0,193 Test ilorazu wiarygodności: Chi-kwadrat() = 0,1486 [0,0000] a. (1 pkt) Jaki był procent osób, którym przyznano kredyt? b. (1 pkt) Zinterpretuj efekt krańcowy dla zmiennej AGE. c. (1 pkt) Zinterpretuj ocenę parametru przy zmiennej MDR. d. (1 pkt) Oblicz prawdopodobieństwo uzyskania kredytu dla osoby w wieku 40 lat, która raz naruszyła harmonogram spłaty kredytu. Instytut Ekonometrii, Szkoła Główna Handlowa w Warszawie strona 6