KOLOKWIUM Z EKONOMETRII

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

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

Uogólniona Metoda Momentów

Testowanie hipotez statystycznych

Metoda najmniejszych kwadratów

Ekonometria egzamin 07/03/2018

Natalia Neherbecka. 11 czerwca 2010

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

Egzamin z ekonometrii - wersja ogólna

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

Testowanie hipotez statystycznych

Stopę zbieżności ciagu zmiennych losowych a n, takiego, że E (a n ) < oznaczamy jako a n = o p (1) prawdopodobieństwa szybciej niż n α.

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Testowanie hipotez statystycznych

1 Modele ADL - interpretacja współczynników

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

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

Metoda najmniejszych kwadratów

Analizowane modele. Dwa modele: y = X 1 β 1 + u (1) y = X 1 β 1 + X 2 β 2 + ε (2) Będziemy analizować dwie sytuacje:

Metody probabilistyczne

Ekonometria egzamin wersja ogólna 29/01/08

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08

Autokorelacja i heteroskedastyczność

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

1.1 Klasyczny Model Regresji Liniowej

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

Egzamin ze Statystyki, Studia Licencjackie Stacjonarne czerwiec 2007 Temat A

STATYSTYKA MATEMATYCZNA WYKŁAD listopada 2009

Stanisław Cichocki Natalia Neherbecka

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

1.3 Własności statystyczne estymatorów MNK

Wyk ad II. Stacjonarne szeregi czasowe.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Ekonometria. Weryfikacja liniowego modelu jednorównaniowego. Jakub Mućk. Katedra Ekonomii Ilościowej

Weryfikacja hipotez statystycznych

Ćwiczenia IV

Zależność. przyczynowo-skutkowa, symptomatyczna, pozorna (iluzoryczna),

, 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. Zajęcia 8

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

STATYSTYKA MATEMATYCZNA, LISTA 3

Porównanie błędu predykcji dla różnych metod estymacji współczynników w modelu liniowym, scenariusz p bliskie lub większe od n

Sprawdzian 3 gr1 (22/01/04) Imie i nazwisko:...grupa: Odpowedz na wszystkie pytania, pamietaj o uzasadnieniu odpowiedzi.

Metoda najmniejszych kwadratów

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

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

Ekonometria. wiczenia 7 Modele nieliniowe. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

3. Optymalizacja portfela inwestycyjnego Model Markowitza Model jednowskaźnikowy Sharpe a Model wyceny aktywów kapitałowych CAPM

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

t y x y'y x'x y'x x-x śr (x-x śr)^2

Mikroekonometria 3. Mikołaj Czajkowski Wiktor Budziński

Modele zapisane w przestrzeni stanów

Modele i wnioskowanie statystyczne (MWS), sprawozdanie z laboratorium 1

Stanisław Cichocki. Natalia Nehrebecka

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

Stanisław Cichocki. Natalia Nehrebecka

Modele wielorównaniowe (forma strukturalna)

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Ekonometria egzamin wersja Informatyka i Ekonometria 29/01/08

Rozdział 8. Regresja. Definiowanie modelu

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

1.9 Czasowy wymiar danych

Centralne twierdzenie graniczne

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

Statystyka w analizie i planowaniu eksperymentu

Losowe zmienne objaśniające. Rozszerzenia KMRL. Rozszerzenia KMRL

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

Ekonometria dla IiE i MSEMat Z12

Jesli jest to konieczne, prosze przyjac poziom istotnosci 0,01 i wspólczynnik ufnosci 0,99.

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

Problem równoczesności w MNK

Statystyczna analiza danych (molekularnych) modele liniowe

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

STATYSTYKA MATEMATYCZNA

Modele wielorownaniowe

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 11-12

Analiza zależności cech ilościowych regresja liniowa (Wykład 13)

Testowanie hipotez statystycznych.

Wybrane zagadnienia ze statystyki

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Kalibracja. W obu przypadkach jeśli mamy dane, to możemy znaleźć równowagę: Konwesatorium z Ekonometrii, IV rok, WNE UW 1

Statystyka w analizie i planowaniu eksperymentu

Stosowana Analiza Regresji

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

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

Czasowy wymiar danych

ESTYMACJA BŁĘDU PREDYKCJI I JEJ ZASTOSOWANIA

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

Statystyka. Wykład 8. Magdalena Alama-Bućko. 10 kwietnia Magdalena Alama-Bućko Statystyka 10 kwietnia / 31

Estymacja parametrów rozkładu cechy

ZJAZD 4. gdzie E(x) jest wartością oczekiwaną x

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

Powtórzenie wiadomości z rachunku prawdopodobieństwa i statystyki.

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14

Transkrypt:

KOLOKWIUM Z EKONOMETRII Semestr zimowy: 20 grudnia 2004r. Imie:... Nazwisko:... Kolokwium sklada sie z dwoch czesci i trwa osiemdziesiat minut. W pierwszej znajdziecie Panstwo osiem pytan zwiazanych z wykladem, a w drugiej cztery zadania. W obrebie kazdej czesci kazde zadanie warte jest tyle samo punktow. Kazda z czesci daje 50% punktow. Aby zaliczyc kolokwium trzeba uzyskac przynajmniej 60% punktow. Zarowno udzielajac odpowiedzi na krotkie pytania jak i rozwiazujac zadania prosze o podanie pelnej interpretacji pozwalajacej utwierdzic sie w przekonaniu, ze rozumiecie Panstwo to co piszecie. Do rozwiazania kolokwium potrzebny jest jedynie dlugopis. Obecnosc jakichkolwiek innych przedmiotow pomocniczych uznana bedzie za probe sciagania, co pociagnie za soba konsekwencje wynikajace z regulaminu studiow. Bardzo prosze nie dolaczac zadnych dodatkowych kartek - jesli odpowiedz nie miesci sie w miejscu na nie przeznaczonym, prosze czytelnie odeslac mnie do miejsca, gdzie moge znalezc jej zakonczenie (strony sa numerowane). POWODZENIA! Zadanie: 1 2 3 4 5 6 7 8 A B C D Razem: Punkty:

Czesc 1 Zadanie 1 Pokaz, ze w modelu ze stala srednia wartosc zmiennej zaleznej rowna jest sredniej z wartosci dopasowanych. Zadanie 2 Wyjasnij co to znaczy, ze miedzy zmiennymi w modelu wystepuja interakcje. Podaj jakis przyklad na to zjawisko i wyjasnij, jakie konsekwencje dla estymowanych parametrow to niesie i jak mozna sie z tym problemem uporac. Zadanie 3 Co to znaczy, ze estymator jest nieobciazony i dlaczego jest to wazne? KMRL estymator b jest nieobciazony. Udowodnij, ze w Zadanie 4 Podaj (slowami) tresc twierdzenia Gaussa-Markowa i wyjasnij dlaczego jest ono wazne. 1

Zadanie 5 Podaj dwa zrodla bledu prognozy i wzor na wariancje bledu prognozy. Zadanie 6 Majac oszacowanie b s oraz oszacowanie odchylenia standardowego tego oszacowania se(b s ) wyjasnij w jaki sposob stworzyc przedzial ufnosci dla parametru b s. Ilosc obserwacji wynosi N, ilosc oszacowanych parametrw k a poziom ufnosci 1 α. Zadanie 7 Dlaczego z modelu powinno sie usuwac zmienne nieistotne? Parametry przy zmiennych x 1 i x 2 sa dodatnie. Zmienne sa ujemnie skorelowane. Jaki bedzie wplyw pominiecia zmiennej x 1 parametr przy zmiennej x 2? Zadanie 8 2

Czesc 2 Zadanie A Mamy wektor losowy x = x 1, przy czym E(x) = 1 ; V ar(x) = 1 1 oraz x 2 1 1 2 dwie macierze nielosowe A = 2 oraz B = 1 2. Znajdz wartosc oczekiwana i 2 1 1 wariancje wektora y = A + Bx. 3

Zadanie B Majac obserwacje x 1 = [1, 2, 1, 4, 1] i y = [7, 2, 1, 10, 3], policzyc estymator MNK parametru b w modelu y i = β 0 + β 1 x 1i + ε i. Znalezc: ŷ oraz e. Wyznaczyc prognoze ŷ dla x 1 = 5. Policzyc R2 i estymator σ 2. 4

Zadanie C Chcemy oszacowac funkcje produkcji Cobba-Douglasa postaci Q = AL α K β. Mamy jednak tylko dane dotyczace wielkosci produkcji (Q), zatrudnienia (L) i wysokosci realnej stopy procentowej (r) a nie mamy danych na temat wielkosci kapitalu (K). 1. Wykorzystujac warunek, ze w gospodarce doskonale konkurencyjnej wynagrodzenie kapitalu rowne jest ich krancowej produktywnosci kapitalu, przeksztalc model tak, by wielkosc produkcji zalezala jedynie od zatrudnienia i stopy procentowej 2. Wyjasnij w jaki sposob mozna oszacowac za pomoca MNK parametry α i β w tym modelu. 3. Jakie warunki powinny spelniac parametry tego modelu, by funkcja produkcji charakteryzowala sie stalymi przychodami skali? 4. Przyjmijmy, ze masz przed soba output STATY, ze wszystkimi standardowymi raportami. W jaki sposob mozesz wstepnie oszacowac, czy wyestymowane parametry spelniaja te warunki. Z ktorych elementow outputu skorzystasz? (Uwaga: pytanie troche podchwytliwe.) 5. Czy jest jakas inna metoda prostego zweryfikowania tej hipotezy? (Wskazowka: pomysl o modelach z ograniczeniem...) 5

cd Zadania C 6

Zadanie D Dla modelu y = Xβ + ε stworzylismy macierz X = XA, gdzie A jest pewna macierza nieosobliwa. Jesli oszacujemy regresja y na X to: 1. Udowodnij, ze: b = A 1 b, gdzie b jest pochodzi z regresji y na X a b z regresji y na X 2. Policz V ar (b ) 3. Czy w obu regresjach otrzymamy identyczne R 2, czy rozne? Dlaczego? 4. Skomentuj uzyskane wyniki. 7