Nieliniowe. Liniowe. Nieliniowe. Liniowe. względem parametrów. Linearyzowane. sensu stricto

Podobne dokumenty
t y x y'y x'x y'x x-x śr (x-x śr)^2

Prognoza sprawozdania finansowego Bilans

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

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

Rozdział 8. Regresja. Definiowanie modelu

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

Statystyka matematyczna i ekonometria

Przykład 2. Stopa bezrobocia

Metody Ilościowe w Socjologii

Stanisław Cichocki. Natalia Nehrebecka

3. Modele tendencji czasowej w prognozowaniu

Ekonometria dla IiE i MSEMat Z7

Budowa modelu i testowanie hipotez

Stanisław Cichocki. Natalia Nehrebecka

Wybór postaci analitycznej modelu ekonometrycznego

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

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

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

Ekonometria. Zajęcia

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

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

Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski

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

Metoda najmniejszych kwadratów

SEKTOROWA ANALIZA FUNKCJI PRODUKCJI NA PRZYKŁADZIE PRZEMYSŁU HUTNICZEGO

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 9 marca 2007

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

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

Ekonometria egzamin 07/03/2018

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

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

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

1 Modele ADL - interpretacja współczynników

Przykład 1 ceny mieszkań

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

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


WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

Wielkość dziennego obrotu w tys. zł. (y) Liczba ekspedientek (x) ,5 6,6

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Zad. 1. Wartość pożyczki ( w tys. zł) kształtowała się następująco w pewnym banku:

Proces modelowania zjawiska handlu zagranicznego towarami

8. WYBRANE ZASTOSOWANIA MODELI EKONOMETRYCZNYCH

Statystyka opisowa Opracował: dr hab. Eugeniusz Gatnar, prof. WSBiF

Rachunek Różniczkowy

Regresja linearyzowalna

Ekonometria Wykład 7 Modele nieliniowe, funkcja produkcji. Dr Michał Gradzewicz Katedra Ekonomii I KAE

Stanisław Cichocki Natalia Neherbecka

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

Niestacjonarne zmienne czasowe własności i testowanie

Ekonometria. Dobór postaci analitycznej, transformacja liniowa i estymacja modelu KMNK. Paweł Cibis 23 marca 2006

Egzamin z ekonometrii wersja IiE, MSEMAT

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Ćwiczenia IV

Ekonometria. Regresja liniowa, dobór postaci analitycznej, transformacja liniowa. Paweł Cibis 24 marca 2007

STATYSTYKA MATEMATYCZNA, LISTA 3

PAKIETY STATYSTYCZNE

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

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

Metody statystyki medycznej stosowane w badaniach klinicznych

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

Statystyka. Wykład 9. Magdalena Alama-Bućko. 24 kwietnia Magdalena Alama-Bućko Statystyka 24 kwietnia / 34

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

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

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7

Regresja i Korelacja

czerwiec 2013 Uwaga: Przy rozwiązywaniu zadań, jeśli to konieczne, należy przyjąć poziom istotności 0,1 i współczynnik ufności 0,90

PYTANIA NA EGZAMIN MAGISTERSKI KIERUNEK: EKONOMIA STUDIA DRUGIEGO STOPNIA. CZĘŚĆ I dotyczy wszystkich studentów kierunku Ekonomia pytania podstawowe

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

Podana tabela przedstawia składniki PKB pewnej gospodarki w danym roku, wyrażone w cenach bieżących (z tego samego roku).

Ekonometria Ćwiczenia 19/01/05

Stanisław Cihcocki. Natalia Nehrebecka

3. Analiza własności szeregu czasowego i wybór typu modelu

Stanisław Cichocki Natalia Nehrebecka. Wykład 1

Wprowadzenie do analizy korelacji i regresji

ANALIZA REGRESJI SPSS

MODELE LINIOWE. Dr Wioleta Drobik

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

Modele nieliniowe sprowadzalne do liniowych

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

dr hab. Renata Karkowska 1

Wytyczne do projektów

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI. Test zgodności i analiza wariancji Analiza wariancji

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

Czasowy wymiar danych

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Zagadnienie 1: Prognozowanie za pomocą modeli liniowych i kwadratowych przy wykorzystaniu Analizy regresji wielorakiej w programie STATISTICA

Stanisław Cichocki. Natalia Nehrebecka

4. Średnia i autoregresja zmiennej prognozowanej

Testowanie hipotez statystycznych

Ćwiczenie 5 PROGNOZOWANIE

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Kolokwium ze statystyki matematycznej

Krótkoterminowe planowanie finansowe na przykładzie przedsiębiorstw z branży: Handel hurtowy z wyłączeniem handlu pojazdami samochodowymi

Transkrypt:

Ekonometria jak dorać funkcję? Przykłady użyte w materiałach opracowano w większości na azie danych ze skryptu B.Guzik, W.Jurek Podstawowe metody ekonometrii (wyd. AE Poznań 3) W doorze postaci funkcji należy uwzględnić: - Wskazania teorii i inne adania - Intuicję - Własności funkcji - Testy statystyczne Podział modeli ekonometrycznych ze względu na postać Liniowe Nieliniowe Liniowe względem parametrów Linearyzowane Nieliniowe sensu stricto Podstawowe pojęcia: Tempo wzrostu - o ile wzrośnie y, gdy x wzrośnie o jednostkę Stopa wzrostu - o ile % wzrośnie y, gdy x wzrośnie o jednostkę Elastyczność - o ile % wzrośnie y, gdy x wzrośnie o % Funkcja liniowa y ˆ x + Przykład W faryce dywanów za okres 999-4 dla przychodów ze sprzedaży (w mln zł) oszacowano trend Dla jakiego roku t? yˆ,5 t + 5 Jakie wg modelu powinny yć przychody w roku 998? Jak się zmieniają przychody ze sprzedaży z roku na rok? Ile, wg szacunków, wyniesie sprzedaż w roku 5?

Przykład Producent napojów orzeźwiających założył, że sprzedaż napojów zależy od stosowanej ceny. Następnie zerał dane o liczie sprzedanych puszek (w tys.) w poszczególnych miesiącach przy różnych poziomach ceny (zł/puszkę). PODSUMOWANIE - WJŚCIE Statystyki regresji Wielokrotność R,89 R kwadrat,794 Dopasowany R kwadrat,773 Błąd standardowy 5,755 Oserwacje ANALIZA WARIANCJI df SS MS F Istotność F Regresja 9 568 9 568 38,5, Resztkowy 48 48 Razem 5 Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Przecięcie 36,5 33,73 9,376,86E-6 4, 39,4 Zmienna -5,8 8,57-6,9,3-56,65-73,9 Jak wygląda model? Co oznacza wyraz wolny? Jaka jest interpretacja parametru przy zmiennej x? Dokonaj weryfikacji modelu. Jakich orotów należy się spodziewać przy cenie puszki,9 zł? Jaka jest graniczna cena zapewniająca opłacalność? Funkcja kwadratowa (wielomian stopnia) ˆ y x + x + z yˆ x z z + x z +

Przykład W pewnej firmie zaoserwowano następujące zależności wielkości zysku i stosowanej średniej ceny sprzedaży. Rok Cena Utarg 8 zł/szt tys. zł t 994,, 995 3,,4 996 6,5 5, 997 7, 5,5 998 6, 4,6 999 9, 6,, 6,8 9,5 6,7, 6,4 3 6, 3, 4, 5,5 Z Z, 4, 3, 9, 6,5 4,3 7, 49, 6, 36, 9, 8,,, 9,5 9,3,, 6, 56,, 44, 7 6 5 4 utarg w tys. zł 3-4 6 8 4 6 8 - -3 PODSUMOWANIE - WJŚCIE cena w zł/szt Statystyki regresji Wielokrotność R,9939 R kwadrat,9878 Dopasowany R kwadrat,9848 Błąd standardowy,777 Oserwacje ANALIZA WARIANCJI df SS MS F Istotność F Regresja 5,5 5,8 35,,795E-8 Resztkowy 8,6,8 Razem 5,77 Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Przecięcie -3,67,337 -,88 4,4954E-6-4,447 -,89 Z,,8 4,65 7,84994E-9,8,86 Z -,,5 -,93,9697E-8 -, -,89 3

Funkcja potęgowa P Z ln(p) ln( Z M ) M ln(p) ln( ) + ln( Z ) + ln( M ) ln(p) ln( ) + ln( Z) + ln( M ) ln(p) ln( Z) ln( M ) ln( ) ˆ t + + Przykład Poniżej przedstawiono dane dotyczące produkcji, zatrudnienia i majątku w pewnym przedsięiorstwie. Oszacować funkcję Coa-Douglasa. Rok Produkcja Zatrudnienie Majątek mln zł osoy mld zł ln(p) ln(z) ln(m) t P Z M 3,4 4,4 3,444 7,783,8755 9,3 3,4 3,3776 7,747,8755 3 9 3,5 3,3673 7,745,89 4 9, 33,3 3,377 7,7536,839 5 3, 4,6 3,478 7,7874,9555 6 3,7 4,65 3,443 7,783,9746 7 9,5 3,5 3,3844 7,747,963 8 3, 35,55 3,478 7,76,936 9 9,5 3,6 3,3844 7,747,9555 9 8,4 3,3673 7,739,8755 8 5,35 3,33 7,673,8544 8,5,35 3,3499 7,696,8544 3 9,6 3,4 3,3878 7,747,8755 4 3 4,6 3,434 7,783,9555 4

PODSUMOWANIE - WJŚCIE Statystyki regresji Wielokrotność R,963 R kwadrat,96 Dopasowany R kwadrat,95 Błąd standardowy,85 Oserwacje 4 ANALIZA WARIANCJI df SS MS F Istotność F Regresja,99,5 68,867 6,353E-7 Resztkowy,8, Razem 3,7 Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Przecięcie -,833,6338 -,89,468448-3,7 -,437 ln(z),6535,85 7,68 9,5944E-6,466,84 ln(m),74,54 3,3,83,548,93 Funkcja wykładnicza yˆ x β yˆ e β x ln β, β stopy wzrostu β< wygasanie β> szykie przyrosty Przykład Firma wprowadza nowy produkt na rynek. Założono, że kształtowanie się sprzedaży tego produktu (w szt.) opisuje trend wykładniczy o następującej postaci: yˆ Co oznacza parametr? O ile wzrasta sprzedaż z miesiąca na miesiąc? t Jakiej sprzedaży należy spodziewać się w miesiącu,,3,? Jaka jest szacowana sprzedaż w miesiącu 64? yˆ Funkcja logistyczna + β e δx δ ln β 5

Funkcje Törnquista Funkcja Törnquista I - Popyt na artykuły podstawowe β + β + β β + + V Z β V Z + Przykład Zależność wydatków na żywność względem dochodów (miesięcznie w tys. zł) przedstawia się następująco: Wydatki Dochody,,,7,5,5 3,8,6 4,,9 4,3 3, 4,6 3,4 5,3 3,4 6, 3,8 6,9 4, 8, 4, 9,3 4, 9,5 4,4,3 V Z / /,833333,58835,4,4,6358,38465,439,34488,3558,358,739,948,88679,948,69,6358,4498,439,95,3895,757,3895,563,773,88496 6

PODSUMOWANIE - WJŚCIE Statystyki regresji Wielokrotn ość R,996 R kwadrat,99 Dopasowan y R kwadrat,995 Błąd standardowy,96 Oserwacje 3 ANALIZA WARIANCJI df SS MS F Istotność F Regresja,538,538 398,3 6,44E-3 Resztkowy,4,4 Razem,545 Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Przecięcie,6,87 3,77 4,888E-8,97,35 /,7,86 37,393 6,44E-3,8,34 9, 8, 7, 8,6 wydatki na żywność 6, 5, 4, 3,,,, 3 4 5 6 7 8 9 dochody 7

Funkcja Törnquista II - Popyt na dora wyższego rzędu ( δ ) β + ( β + ) ( δ ) β + δ β + δ δ β Z δ Z β V + + Z Z Przykład Zerano dane dotyczące rocznych wydatków na owoce i miesięcznych dochodów w grupie 3 gospodarstw domowych (w tys. zł). roczne wyadtki na owoce [tys. zł] miesięczny dochód [tys. zł],6,8,5,6 3,8,8 4,,9 4,3, 4,6, 5,3,3 6,,5 6,9,7 8, 3, 9,3 3, 9,5 3,,3 / / Z Z,5,3,4,3,6358,453,439,4394,3558,4486,739,434783,88679,4594,69,37968,4498,3639,95,3968,757,358,563,3636,88496,8386 8

PODSUMOWANIE - WJŚCIE Statystyki regresji Wielokrotność R,9884 R kwadrat,9769 Dopasowany R kwadrat,97 Błąd standardowy,353 Oserwacje 3 ANALIZA WARIANCJI df SS MS F Istotność F Regresja 7,746 3,863,9863 6,6484E-9 Resztkowy,83,83 Razem 7,977 Współczynniki Błąd standardowy t Stat Wartość-p Dolne 95% Górne 95% Przecięcie 4,43,64 6,97,9533E-8 3,84 5,5 / -6,54,39 -,99,9479E-9-7,4-5,8 / -,459,684-3,6,484847-3,97 -,935 5, 4, 4,4 wydatki na owoce 3,,, R,9769, -, 3 4 5 6 δ,475 -, dochody 9

Funkcja Törnquista III - Popyt na dora luksusowe ( δ ) β + 4 wydatki na wyroy juilerskie 8 6 4 - δ 4 6 8 dochody