EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

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

4. Średnia i autoregresja zmiennej prognozowanej

Niestacjonarne zmienne czasowe własności i testowanie

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

STUDIA I STOPNIA EGZAMIN Z EKONOMETRII

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

Stanisław Cihcocki. Natalia Nehrebecka

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

Proces modelowania zjawiska handlu zagranicznego towarami

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

5. Model sezonowości i autoregresji zmiennej prognozowanej

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

Ekonometria Ćwiczenia 19/01/05

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

Stanisław Cichocki. Natalia Nehrebecka

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

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

Metoda Johansena objaśnienia i przykłady

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

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

Ekonometria. Własności składnika losowego. Jakub Mućk. Katedra Ekonomii Ilościowej

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

Ćwiczenia IV

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

Stanisław Cichocki Natalia Neherbecka

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

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

t y x y'y x'x y'x x-x śr (x-x śr)^2

Ekonometria. Zajęcia

3. Modele tendencji czasowej w prognozowaniu

Rozdział 8. Regresja. Definiowanie modelu

Egzamin z ekonometrii wersja IiE, MSEMAT

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

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

Przykład 2. Stopa bezrobocia

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

1 Modele ADL - interpretacja współczynników

Niestacjonarne zmienne czasowe własności i testowanie

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

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

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

Ekonometria egzamin 31/01/ 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.

Podczas zajęć będziemy zajmować się głownie procesami ergodycznymi zdefiniowanymi na przestrzeniach ciągłych.

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

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

Ekonometria. Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja. Jakub Mućk

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

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

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Egzamin z ekonometrii wersja ogolna

Metody Ilościowe w Socjologii

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

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

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

0.1 Modele Dynamiczne

Wprowadzenie do analizy korelacji i regresji

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

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

KORELACJE I REGRESJA LINIOWA

Ekonometria egzamin 07/03/2018

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

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

7.4 Automatyczne stawianie prognoz

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

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Estymator jest nieobciążony, jeśli jego wartośd oczekiwana pokrywa się z wartością szacowanego parametru.

Egzamin z ekonometrii wersja IiE, MSEMat Pytania teoretyczne

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

0.1 Modele Dynamiczne

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

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

3. Analiza własności szeregu czasowego i wybór typu modelu

STATYSTYKA - PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Ekonometria. Modelowanie szeregów czasowych. Stacjonarność. Testy pierwiastka jednostkowego. Modele ARDL. Kointegracja. Jakub Mućk

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

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

1. Ekonometria jako dyscyplina naukowa (przedmiot, metodologia, teorie ekonomiczne). Model ekonometryczny, postać modelu, struktura, klasyfikacja.

Analiza Danych Sprawozdanie regresja Marek Lewandowski Inf 59817

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

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

Stacjonarność Integracja. Integracja. Integracja

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

STATYSTYKA MATEMATYCZNA WYKŁAD 4. Testowanie hipotez Estymacja parametrów

Prognozowanie na podstawie modelu ekonometrycznego

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

2.6 Zmienne stacjonarne i niestacjonarne 2.6. ZMIENNE STACJONARNE I NIESTACJONARNE 33. RYSUNEK 2.6: PKB w wyrażeniu realnym

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

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

Natalia Neherbecka. 11 czerwca 2010

ANALIZA REGRESJI SPSS

Testowanie hipotez statystycznych

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

Transkrypt:

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące: Estymacja KMNK, wykorzystane obserwacje 1996:-7:4 (N = 47) Zmienna zależna (Y): hicp Współczynnik Błąd stand. t-studenta wartość p const,4539...,6548,118 output_gap,86383,339951,541,1474 hicp_1,64646,166 5,179... Wsp. determ. R-kwadrat,666 Suma kwadratów reszt 6,868 Test F (p-value)... Statystyka testu Durbina-Watsona =1,9 d L =1,4 d U 1,67 gdzie: hicp - stopa inflacji HICP (w %) output_gap - luka popytowa (odchylenie bieżącego produktu od potencjału) 1.1. Niestety, niektóre wyniki estymacji uległy zamazaniu. Przy pomocy dostępnych danych uzupełnij puste miejsca tabulogramu. W przypadku empirycznego poziomu istotności podaj, czy jest on mniejszy, czy większy od,5. 1.. O ile przeciętnie wartości empiryczne zmiennej objaśnianej różnią się od wartości teoretycznych? 1.3. Czy na podstawie przedstawionych wyników można określić, czy składnik losowy podlega autokorelacji pierwszego rzędu. Jeśli tak, to jakie są wyniki tego testu. 1.4. Zgodnie z obiegową opinią wprowadzenie wspólnej waluty w styczniu r. miało wpływ na procesy inflacyjne w krajach członkowskich strefy euro. Zaproponuj modyfikację równania, która pozwoli na weryfikację tej hipotezy. ZADANIE Dla zlogarytmowanego szeregu produkcji sprzedanej przemysłu (prod t ) przeprowadzono test Dickey a-fullera. Wyniki estymacji regresji pomocniczej testu ze stałą i trendem deterministycznym są następujące: prod ˆ t 1,5prod t 1, t

szereg szereg 4, D ( ˆ) DW = 1,1,3,16,,1,4 Wartość krytyczna testu DF przy poziomie istotności,5 wynosi -3,5, zaś wartości krytyczne testu Dubrina-Watsona są następujące: d L =1,49 i d U =1,64.1. Co możemy na podstawie wyników estymacji powiedzieć na temat stopnia zintegrowania zmiennej. Odpowiedź uzasadnij... Czy istnieje zagrożenie dla poprawności wskazania testu DF? Jeśli tak, to z czego ono wynika, na czym polega i co można zrobić, by się tego zagrożenia pozbyć?.3. Zakładając, że na wykresie (a) przedstawiony jest biały szum, który z wykresów - (a), (b) czy (c) - najlepiej obrazuje proces, jakiemu podlega składnik losowy regresji testowej? Odpowiedź uzasadnij.,5 1,5 1,5 -,5-1 (a) -1,5 1 3 4 5 8 6 4 - (b) -4 1 3 4 5

szereg 6 5 4 3 1-1 - -3-4 (c) -5 1 3 4 5.4. Zakładając poprawność wskazania testu Dickey a-fullera, czy możesz stwierdzić, czy istnieje relacja długookresowa pomiędzy produkcją sprzedaną przemysłu a inflacją PPI (indeks cen produkcji sprzedanej przemysłu), która to jest zmienną zintegrowaną w stopniu pierwszym. Odpowiedź uzasadnij. ZADANIE 3. Wymień konsekwencje występowania autokorelacji: 3.1. W modelu statycznym 3.. W modelu autoregresyjnym ZADANIE 4. W celu określenia stopnia zintegrowania zmiennej oszacowano regresje pomocnicze testu DF. Wyniki estymacji dla poziomów i pierwszych przyrostów zmiennej są następujące (w nawiasie podano błędy szacunku parametrów): BG=17,6 BG=1,56 Wartość krytyczna testu DF przy poziomie istotności,5 wynosi -3,45. BG oznacza wartość empiryczną statystyki Breuscha-Godfrey'a dla opóźnienia rzędu 4. Wartość krytyczna testu BG przy poziomie istotności,5 wynosi 9,49. 4.1. Oblicz empiryczne wartości statystyki DF. Spróbuj na ich podstawie określić stopień zintegrowania zmiennej. Wyniki skomentuj.

4.. Czy w świetle zaprezentowanych wyników istnieje zagrożenie dla wnioskowania o stopniu zintegrowania zmiennej przy pomocy testu DF? Z czego ono wynika? Odpowiedź uzasadnij. 4.3. Zaproponuj rozwiązanie tego problemu. ZADANIE 5 Badacz postanowił przeprowadzić analizę kointegracji dwóch zmiennych - płac realnych i wydajności (obie zmienne zintegrowane w stopniu pierwszym). Celem sprawdzenia, czy między zmiennymi występuje równowaga długookresowa badacz oszacował model ECM. Wektor kointegrujący nie był estymowany, ale przyjęty na podstawie teorii, która mówi, iż w długim okresie zmiany wydajności przekładają się na zmiany płac w stosunku 1 do 1. Na podstawie poniższych informacji zapisz oszacowany model ECM: oszacowanie stałej wyniosło,7 mnożnik krótkookresowy wyniósł,4 średnio odchylenie wynagrodzeń od długookresowej równowagi zmniejsza się o połowę (ceteris paribus) po roku. Czy wektor [1; -1] jest wektorem kointegrującym? ZADANIE 6 Oszacowaliśmy model regresji liniowej dla dwóch szeregów czasowych. Współczynnik determinacji wyniósł,98. O czym może świadczyć taka wartość współczynnika. ZADANIE 7 Wymień co najmniej 3 wady procedury Engle'a-Grangera. ZADANIE 8 Opisz kolejne kroki algorytmu regresji krokowej wstecznej (backward elimination). ZADANIE 9 Zaproponuj przynajmniej metody postępowania w przypadku wykrycia heteroskedastyczności składnika losowego w modelu regresji liniowej. ZADANIE 1 Oszacowano zależność między luką popytowa a stopą inflacji dla gospodarki niemieckiej. Wyniki estymacji są następujące:

Model 1: Estymacja KMNK, wykorzystane obserwacje 1996:1-7:4 (N = 48) Zmienna zależna (Y): hicp Współczynnik Błąd stand. t-studenta Błąd stand.hac wartość p const 1,155,1117 11,487,174617 <,1 output_gap,159648,661498,4134,773834,3 euro,57,13937 3,754,18469,51 output_gap*euro -,31565,81971 -,368,836936,978 Suma kwadratów reszt 9,885578 Autokorel.reszt - rho1,68344 gdzie: hicp - stopa inflacji HICP (w %) output_gap - luka popytowa (odchylenie bieżącego produktu od potencjału) euro - zmienna binarna przyjmująca wartość przed wprowadzeniem euro do obiegu gotówkowego, zaś wartość 1 po wprowadzeniu wspólnej waluty 1.1. Jaką interpretację ma wyraz wolny w modelu. Jakie było jego oszacowanie przed, a jakie po wprowadzeniu euro. 1.. Czy wprowadzenie euro w istotny sposób zmieniło siłę zależności między luką popytowa a stopą inflacji w gospodarce niemieckiej? Odpowiedź uzasadnij. 1.3. O ile przeciętnie wartości empiryczne zmiennej objaśnianej różnią się od wartości teoretycznych? 1.4. W kontekście otrzymanych wyników estymacji dostępnych na wydruku, na co wskazuje porównanie błędów standardowych otrzymanych przy użyciu estymatora KMNK i estymatora HAC.