Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 1

Podobne dokumenty
Stanisław Cichocki. Natalia Nehrebecka

Egzamin z ekonometrii

Egzamin z ekonometrii IiE

Stanisław Cichocki. Natalia Nehrebecka

Ekonometria egzamin semestr drugi 14/06/09

Dr Łukasz Goczek. Uniwersytet Warszawski

Wpływ wprowadzenia wspólnej waluty do obiegu gotówkowego na zmiany w poziomie cen krajów strefy euro

6 Modele wyborów dyskretnych dla danych panelowych

Analiza czynników wpływających na poziom stopy Ŝyciowej

Materiaªy do zaawans. ekon. Z10

Ekonometria dla IiE i MSEMat Z12

Szacowanie modeli wielowartościowych w pakiecie STATA

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

Modelowanie wielopoziomowe model z losowym nachyleniem

Analiza Szeregów Czasowych. Egzamin

Analiza czynników wpływających na poziom wykształcenia.

Modele dla zmiennej binarnej w pakiecie STATA materiały na ćwiczenia z ekonometrii r. Piotr Wójcik, KTRG WNE UW

Stanisław Cichocki. Natalia Nehrebecka

2.3 Modele nieliniowe

Heteroskedastyczość w szeregach czasowyh

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

Metoda najmniejszych kwadratów

Ekonometria - wykªad 8

Analiza skutków handlowych przystąpienia Polski do Europejskiej Unii Monetarnej przy użyciu uogólnionego modelu grawitacyjnego

Systemy podatkowe a atrakcyjność inwestycyjna krajów członkowskich UE

Problem równoczesności w MNK

Autokorelacja i heteroskedastyczność

Stanisław Cichocki. Natalia Nehrebecka

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

Modele wielorównaniowe (forma strukturalna)

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

1 Modele ADL - interpretacja współczynników

Egzamin z ekonometrii wersja IiE, MSEMAT

Metody Ilościowe w Socjologii

Ekonometria dla IiE i MSEMat Z7

Budowa modelu i testowanie hipotez

Wprowadzenie Model ARMA Sezonowość Prognozowanie Model regresji z błędami ARMA. Modele ARMA

Stanisław Cichocki. Natalia Nehrebecka

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

Stanisław Cichocki. Natalia Nehrebecka

Ekonometria ćwiczenia Kolokwium 2 semestr 22/05/05. / 4 pkt. / 4 pkt. / 3 pkt. / 4 pkt. /22 pkt. Regulamin i informacje dodatkowe

Ekonometria. Zajęcia

Stanisław Cichocki Natalia Nehrebecka. Wykład 7

Zmienne Binarne w Pakiecie Stata

Egzamin z ekonometrii - wersja ogólna

Ekonometria. wiczenia 2 Werykacja modelu liniowego. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Estymacja modeli ARDL przy u»yciu Staty

Dr Łukasz Goczek. Uniwersytet Warszawski

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

Zamów książkę w księgarni internetowej

Testowanie hipotez statystycznych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Ekonometria Ćwiczenia 19/01/05

Proces modelowania zjawiska handlu zagranicznego towarami

Ekonometria egzamin 07/03/2018

Metody ilościowe i jakościowe w naukach ekonomicznych

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

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Egzamin z ekonometrii wersja IiE, MSEMAT

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

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne

Ekonometria egzamin wersja Informatyka i Ekonometria 29/01/08

Wprowadzenie Testy własności składnika losowego. Diagnostyka modelu. Część 1. Diagnostyka modelu

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

1.7 Ograniczenia nakładane na równanie regresji

Czasowy wymiar danych

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

, 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. Wykład 12

1 Metoda Największej Wiarogodności

Binarne zmienne zależne

Wojciech Skwirz

Zastosowanie modeli hazardu do szacowania długości czasu pozostawania bez pracy w Niemczech i w Polsce. 2. Wybór i opis właściwej metody analizy

Analiza danych panelowych

Próba weryfikacji hipotezy Easterlina*

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

Natalia Nehrebecka. Wykład 1

Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08

Ekonometria Przestrzenna

Ekonometria. wiczenia 4 Prognozowanie. Andrzej Torój. Instytut Ekonometrii Zakªad Ekonometrii Stosowanej

Własności statystyczne regresji liniowej. Wykład 4

4 Logit wielomianowy, warunkowy i zagnieżdżony

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Diagnostyka w Pakiecie Stata

KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona

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

1.3 Własności statystyczne estymatorów MNK

Egzamin z Ekonometrii

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Jednowskaźnikowy model Sharpe`a

1.9 Czasowy wymiar danych

ANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Statystyka Małych Obszarów w badaniach próbkowych

Modele ARIMA prognoza, specykacja

Paweł Strawiński Ćwiczenia

Mikroekonometria 12. Mikołaj Czajkowski Wiktor Budziński

Transkrypt:

Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 1 Zadanie 2 Wykorzystuj c zbiór danych crime.dta z ksi»ki Principles of Econometrics, R. Carter Hill, William E. Griths, Guay C. Lim, Wydanie 3, Wiley, 2007 wyestymowano model panelowy postaci: lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 4 lavgsen i,t + β 5 lpolpc i,t + β 6 ldensity i,t + β 7 ltaxpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t, (1) a zmienne s opisane w zadaniu 3 w te±cie do zaj 7. Przeprowad¹ procedur doboru zmiennych w modelu od ogóªu do szczegóªu za pomoc testu LR. Krok 1 Oszacowania modelu ogólnego: R-sq: within = 0.3748 Obs per group: min = 7 between = 0.3317 avg = 7.0 overall = 0.3331 max = 7 F(9,531) = 35.37 corr(u_i, Xb) = 0.1444 Prob > F = 0.0000 lprbarr -.3917945.0334336-11.72 0.000 -.457473 -.3261161 lprbconv -.3111651.0218356-14.25 0.000 -.3540598 -.2682704 lprbpris -.2134135.033476-6.38 0.000 -.2791752 -.1476518 lavgsen.0327006.0259671 1.26 0.208 -.0183103.0837115 lpolpc.4253936.0276187 15.40 0.000.3711382.4796489 ldensity -.0437532.2643179-0.17 0.869 -.5629903.475484 ltaxpc -.0214103.03942-0.54 0.587 -.0988486.056028 lwcon -.0767867.0381908-2.01 0.045 -.1518102 -.0017632 lwfir -.0345552.0289553-1.19 0.233 -.0914362.0223258 _cons -1.137501.3002654-3.79 0.000-1.727355 -.5476472 sigma_u.4551673 sigma_e.14553932 rho.90724387 (fraction of variance due to u_i) F test that all u_i=0: F(89, 531) = 33.97 Prob > F = 0.0000 Chcieliby±my usun zmienn ldensity. eby to zrobi Szacujemy model z ograniczeniem H 0 : β ldensity = 0.

Zbiór pyta«z zaawansowanej ekonometrii. c Rafaª Wo¹niak 2 Krok 2 Szacujemy model bez zmiennej ldensity lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 4 lavgsen i,t + β 5 lpolpc i,t + β 7 ltaxpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t (2) R-sq: within = 0.3748 Obs per group: min = 7 between = 0.4012 avg = 7.0 overall = 0.3956 max = 7 F(8,532) = 39.86 corr(u_i, Xb) = 0.1887 Prob > F = 0.0000 lprbarr -.3913002.0332695-11.76 0.000 -.456656 -.3259444 lprbconv -.3107911.0216985-14.32 0.000 -.3534164 -.2681659 lprbpris -.2132688.033434-6.38 0.000 -.2789477 -.1475899 lavgsen.0328589.0259258 1.27 0.206 -.0180706.0837883 lpolpc.4250745.0275262 15.44 0.000.3710011.4791478 ltaxpc -.0244486.0348541-0.70 0.483 -.0929171.0440198 lwcon -.0781035.0373189-2.09 0.037 -.1514141 -.004793 lwfir -.0353831.0284941-1.24 0.215 -.0913577.0205916 _cons -1.11619.2710159-4.12 0.000-1.648582 -.5837969 sigma_u.43460679 sigma_e.14540623 rho.89933167 (fraction of variance due to u_i) F test that all u_i=0: F(89, 532) = 40.69 Prob > F = 0.0000. lrtest model_1 model_2 Likelihood-ratio test LR chi2(1) = 0.03 (Assumption: model_2 nested in model_1) Prob > chi2 = 0.8569 Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia H 0 : β ldensity = 0. Z modelu (1) mo»emy usun zmienn ldensity. Dalej chcieliby±my sprawdzi czy nie nale»y usun zmiennej ltaxpc. eby to zrobi szacujemy model z ograniczeniem H 0 : β ldensity = β ltaxpc = 0.

Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 3 Krok 3 Szacujemy model bez zmiennej ldensity i ltaxpc lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 4 lavgsen i,t + β 5 lpolpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t (3) R-sq: within = 0.3742 Obs per group: min = 7 between = 0.3995 avg = 7.0 overall = 0.3941 max = 7 F(7,533) = 45.53 corr(u_i, Xb) = 0.1870 Prob > F = 0.0000 lprbarr -.3899751.0332-11.75 0.000 -.4551941 -.3247561 lprbconv -.3101646.0216698-14.31 0.000 -.3527333 -.267596 lprbpris -.2115777.0333311-6.35 0.000 -.2770541 -.1461013 lavgsen.033955.0258663 1.31 0.190 -.0168575.0847674 lpolpc.4227448.027312 15.48 0.000.3690923.4763972 lwcon -.0894589.033609-2.66 0.008 -.1554812 -.0234367 lwfir -.040738.0274393-1.48 0.138 -.0946404.0131644 _cons -1.120211.2708261-4.14 0.000-1.652228 -.5881932 sigma_u.43503843 sigma_e.14533692 rho.89959742 (fraction of variance due to u_i) F test that all u_i=0: F(89, 533) = 40.83 Prob > F = 0.0000 lrtest model_1 model_3 Likelihood-ratio test LR chi2(2) = 0.61 (Assumption: model_3 nested in model_1) Prob > chi2 = 0.7353 Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia H 0 : β ldensity = β ltaxpc = 0. Z modelu (2) mo»emy usun zmienn ltaxpc. Dalej chcieliby±my sprawdzi czy nie nale»y usun zmiennej lavgsen. eby to zrobi Szacujemy model z ograniczeniem H 0 : β ldensity = β ltaxpc = β lavgsen = 0.

Zbiór pyta«z zaawansowanej ekonometrii. c Rafaª Wo¹niak 4 Krok 4 Szacujemy model bez zmiennej ldensity, ltaxpc, lavgsen lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 5 lpolpc i,t + β 8 lwcon i,t + β 9 lwr i,t + u i + ɛ i,t (4) R-sq: within = 0.3722 Obs per group: min = 7 between = 0.4034 avg = 7.0 overall = 0.3974 max = 7 F(6,534) = 52.76 corr(u_i, Xb) = 0.1921 Prob > F = 0.0000 lprbarr -.3919041.03319-11.81 0.000 -.457103 -.3267052 lprbconv -.3111799.0216706-14.36 0.000 -.3537501 -.2686098 lprbpris -.2105102.0333437-6.31 0.000 -.2760112 -.1450093 lpolpc.4217146.0273192 15.44 0.000.3680482.475381 lwcon -.0898225.0336306-2.67 0.008 -.155887 -.0237581 lwfir -.0412706.0274549-1.50 0.133 -.0952034.0126622 _cons -1.051047.2658314-3.95 0.000-1.57325 -.528843 sigma_u.43411839 sigma_e.1454353 rho.89909161 (fraction of variance due to u_i) F test that all u_i=0: F(89, 534) = 40.89 Prob > F = 0.0000. lrtest model_1 model_4 Likelihood-ratio test LR chi2(3) = 2.65 (Assumption: model_4 nested in model_1) Prob > chi2 = 0.4491 Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia H 0 : β ldensity = β ltaxpc = β lavgsen = 0. Z modelu (3) mo»emy usun zmienn ldensity. Dalej chcieliby±my sprawdzi czy nie nale»y usun zmiennej lwr. eby to zrobi Szacujemy model z ograniczeniem H 0 : β ldensity = β ltaxpc = β lavgsen = β lwfir = 0.

Zbiór pyta«zaawansowanej ekonometrii. c Rafaª Wo¹niak 5 Krok 5 Szacujemy model bez zmiennej ldensity, ltaxpc, lavgsen, lwr lcrmrte i,t =β 0 + β 1 lprbarr i,t + β 2 lprbconv i,t + β 3 lprbpris i,t + β 5 lpolpc i,t + β 8 lwcon i,t + u i + ɛ i,t (5) R-sq: within = 0.3695 Obs per group: min = 7 between = 0.4075 avg = 7.0 overall = 0.4007 max = 7 F(5,535) = 62.71 corr(u_i, Xb) = 0.1980 Prob > F = 0.0000 lprbarr -.3891623.0331788-11.73 0.000 -.454339 -.3239856 lprbconv -.3101617.0216855-14.30 0.000 -.3527609 -.2675625 lprbpris -.2072818.0333136-6.22 0.000 -.2727233 -.1418402 lpolpc.4193427.0273057 15.36 0.000.3657031.4729823 lwcon -.1054215.0320272-3.29 0.001 -.168336 -.0425071 _cons -1.204457.2457499-4.90 0.000-1.68721 -.7217035 sigma_u.43322425 sigma_e.14560642 rho.89850261 (fraction of variance due to u_i) F test that all u_i=0: F(89, 535) = 41.08 Prob > F = 0.0000. lrtest model_1 model_5 Likelihood-ratio test LR chi2(4) = 5.31 (Assumption: model_5 nested in model_1) Prob > chi2 = 0.2571 Na podstawie testu LR nie ma podstaw do odrzucenia naªo»onego ograniczenia. Z modelu (4) mo»emy usun zmienn ldensity. W tym modelu (5) nie ma ju» zmiennych nieistotnych statystycznie na poziomie istotno±ci 5%. Koniec procedury od ogóªu do szczegóªu.

Zbiór pyta«z zaawansowanej ekonometrii. c Rafaª Wo¹niak 6 Kod do estymacji // Krok 1 xtreg lcrmrte lprbarr lprbconv lprbpris lavgsen lpolpc ldensity /// ltaxpc lwcon lwfir, fe estimates store model_1 // Krok 2 xtreg lcrmrte lprbarr lprbconv lprbpris lavgsen lpolpc /// ltaxpc lwcon lwfir, fe estimates store model_2 lrtest model_1 model_2 // Krok 3 xtreg lcrmrte lprbarr lprbconv lprbpris lavgsen lpolpc /// lwcon lwfir, fe estimates store model_3 lrtest model_1 model_3 // Krok 4 xtreg lcrmrte lprbarr lprbconv lprbpris lpolpc /// lwcon lwfir, fe estimates store model_4 lrtest model_1 model_4 // Krok 5 xtreg lcrmrte lprbarr lprbconv lprbpris lpolpc /// lwcon, fe estimates store model_5 lrtest model_1 model_5