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

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

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

Ekonometria egzamin 07/03/2018

Ekonometria egzamin wersja Informatyka i Ekonometria 26/06/08

Egzamin z ekonometrii - wersja ogólna

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

Ekonometria egzamin wersja ogólna 17/06/08

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

Ekonometria Ćwiczenia 19/01/05

Egzamin z ekonometrii wersja IiE, MSEMAT

Ekonometria egzamin wersja Informatyka i Ekonometria 29/01/08

Metoda najmniejszych kwadratów

Testowanie hipotez statystycznych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

Ekonometria dla IiE i MSEMat Z12

Egzamin z ekonometrii wersja IiE, MSEMAT

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

Ekonometria egzamin wersja ogólna 29/01/08

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

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

Egzamin z ekonometrii wersja ogolna

Egzamin z ekonometrii wersja IiE, MSEMAT

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Budowa modelu i testowanie hipotez

Diagnostyka w Pakiecie Stata

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

1 Modele ADL - interpretacja współczynników

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14

, 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

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

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Autokorelacja i heteroskedastyczność

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

Czasowy wymiar danych

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne

Egzamin z ekonometrii wersja IiE, MSEMat Pytania teoretyczne

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

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

Stanisław Cichocki. Natalia Nehrebecka

Natalia Neherbecka. 11 czerwca 2010

Stanisław Cichocki. Natalia Nehrebecka. Wykład 10

Stanisław Cichocki. Natalia Nehrebecka

Diagnostyka w Pakiecie Stata

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

Stanisław Cichocki. Natalia Nehrebecka

Problem równoczesności w MNK

Przyczynowość Kointegracja. Kointegracja. Kointegracja

Natalia Nehrebecka. 18 maja 2010

1.9 Czasowy wymiar danych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Zmienne sztuczne i jakościowe

Egzamin z ekonometrii wersja ogólna Pytania teoretyczne

Ekonometria dla IiE i MSEMat Z7

1.8 Diagnostyka modelu

Analiza Szeregów Czasowych. Egzamin

Stanisław Cichocki. Natalia Nehrebecka

Modele wielorównaniowe (forma strukturalna)

Stanisław Cichocki Natalia Nehrebecka. Wykład 1

Egzamin z Ekonometrii

Stanisław Cichocki. Natalia Nehrebecka. Wykład 14

Definicja danych panelowych Typy danych panelowych Modele dla danych panelowych. Dane panelowe. Część 1. Dane panelowe

Modele warunkowej heteroscedastyczności

Heteroskedastyczość w szeregach czasowyh

Ekonometria egzamin semestr drugi 14/06/09

Stanisław Cichocki. Natalia Nehrebecka. Wykład 4

Natalia Nehrebecka Stanisław Cichocki. Wykład 6

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

Metoda najmniejszych kwadratów

Stanisław Cichocki. Natalia Nehrebecka

1.3 Własności statystyczne estymatorów MNK

Zmienne Binarne w Pakiecie Stata

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

1.7 Ograniczenia nakładane na równanie regresji

Natalia Nehrebecka. Wykład 1

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Rozdział 8. Regresja. Definiowanie modelu

Testowanie hipotez statystycznych

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

Testowanie hipotez statystycznych

1.5 Problemy ze zbiorem danych

Stanisław Cichocki. Natalia Nehrebecka

Egzamin z ekonometrii - wersja ogólna

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

Własności statystyczne regresji liniowej. Wykład 4

Współczynnik korelacji. Współczynnik korelacji jest miernikiem zależności między dwiema cechami Oznaczenie: ϱ

Kolokwium ze statystyki matematycznej

Ćwiczenia IV

Testowanie hipotez statystycznych

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

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:

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

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

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

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

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

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Transkrypt:

imię, nazwisko, nr indeksu: Ekonometria egzamin 0/0/0. Egzamin trwa 90 minut.. Rozwiązywanie zadań należy rozpocząć po ogłoszeniu początku egzaminu a skończyć wraz z ogłoszeniem końca egzaminu. Złamanie tej zasady skutkuje usunięciem z sali i unieważnieniem pracy. 3. W trakcie egzaminu wolno używać jedynie długopisu o innym kolorze atramentu niż czerwony oraz kalkulatora. 4. Przed przystąpieniem do pisania egzaminu należy podpisać wszystkie kartki pracy (na dole w przewidzianym miejscu). Złożenie podpisu pod regulaminem oznacza jego akceptację. Do egzaminu mogą przystąpić osoby, które akceptują regulamin. 5. W razie braku podpisu lub numeru zadania na kartce, kartka nie zostanie oceniona. Nie będą też oceniane rozwiązania wpisane na kartkach innych, niż te rozdawane przez prowadzących. 6. Rozwiązanie każdego zadania należy zapisać na kartce z tymże zadaniem, ewentualnie na czystych kartkach znajdujących się na końcu arkusza egzaminacyjnego lub na dodatkowych kartkach uzyskanych od prowadzących egzamin. 7. Na jednej kartce może znajdować się rozwiązanie tylko jednego zadania. Oceniane jest rozwiązanie tylko tego zadania, którego numer widnieje na kartce. 8. Egzamin składa się z czterech pytań teoretycznych i 3 zadań. 9. Posiadanie przy sobie wszelkich materiałów drukowanych (w tym książek) oraz innych np. wykonanych własnoręcznie materiałów zostanie uznane za ściąganie. 0. Rozmowy z innymi zdającymi będą traktowane identycznie jak ściąganie.. Każda zauważona próba ściągania skutkuje usunięciem z egzaminu.. Wszystkie pytania należy kierować bezpośrednio do osób pilnujących. 3. Warunkiem uzyskania oceny pozytywnej jest zdobycie conajmniej 50 % punktów z części teoretycznej egzaminu oraz min. 40 % punktów z cześci zadaniowej. Warszawa, 0/0/0, podpis Powodzenia :-)

Ekonometria IiE Egzamin 0/0/ Pytanie. Wyprowadź wzór na estymator MNK w Klasycznym Modelu Regresji Liniowej z wieloma zmiennymi objaśniającymi. Pytanie. Pokaż, że S jest nieobciążonym estymatorem wariancji błędu losowego. Pytanie 3. Pokaż, że w modelu oszacowanym na podstawie losowej próby estymator MNK jest nieobciążony. Zapisz niezbędne do przeprowadzenia założenia. Pytanie 4. Jakie są konsekwencje heteroscedastyczności składnika losowego dla poprawności wnioskowania statystycznego. IMIĘ I NAZWISKO /8

Ekonometria IiE Egzamin 0/0/ 3 4 Zadanie Oszacowano parametry modelu y i = β 0 + β x i + β x i + ε i Dla wektora y = [,,, y 4, y 5 uzyskano oszacowania ŷ = [,,,,.. Oblicz wartość y 4 oraz y 5. Oblicz wartość estymatora wariancji błędu losowego 3. Oblicz wartość współczynnika determinacji liniowej 4. Zweryfikuj hipotezę β = β = 0, wiedząc, że F (, ) = 99,5; F (, 3) = 5,7; F (, ) = 8,5; F (, ) = 9; F (, 3) = 9,6; F (3, ) = 0,3; F (3, ) = 9,55; F (3, 3) = 9,8. IMIĘ I NAZWISKO 3/8

Ekonometria IiE Egzamin 0/0/ Zadanie Mamy następujący model trendu liniowego załóżmy, że ε N ( 0, σ I ). y t = β + β t + ε t. Pokaż, że plim ( T X ε ) 0. Podpowiedź: skorzystaj z tego, że w tym przypadku [ X X = T T + T + (T +)(T +) 6 oraz z tego, że dla ciągu zmiennych losowych v t N (0, Ω t ), i nielosowego Ω t, plim (v t ) = 0 wtedy i tylko wtedy, gdy lim T Var (v t ) = lim T Ω t = 0.. Pokaż, że mimo tego, iż plim ( T X ε ) 0, to jednak estymator MNK jest zgodny, to jest plim (b) = β Podpowiedź: skorzystaj z tego, że w tym przypadku ( X X ) [ T + 3 = 6 T (T ) 3 T + IMIĘ I NAZWISKO 4/8

Ekonometria IiE Egzamin 0/0/ 3 4 5 6 Zadanie 3 Na podstawie danych pochodzących badania aktywności ekonomicznej ludności w trzecim kwartale 008 roku starano się zbadać hipotezę o niedostosowaniu wykształcenia uzyskanego przed 995 rokiem do potrzeb rynku pracy (zmienna po995 przyjmuje wartość dla wykształcenia uzyskanego w 995 i później). W tym celu oszacowano na próbie mężczyzn równanie logarytmu miesięcznej płacy jako funkcję doświadczenia zawodowego dosw i jego kwadratu dosw. Source SS df MS Number of obs = 87 -------------+------------------------------ F( 3, 483) = 8.43 Model 5.99075 3.76396905 Prob > F = 0.0000 Residual 0.043 83.0994889 R-squared = 0.0498 -------------+------------------------------ Adj R-squared = 0.0439 Total 06.333039 86.8796 Root MSE =.45738 lzarobki Coef. Std. Err. t P> t [95% Conf. Interval -------------+---------------------------------------------------------------- po_995 -.06497.06375 -.06 0.90 -.85567.05563 dosw.033748.007389 3.7 0.00.008868.037884 dosw -.00063.00049-4.3 0.000 -.00099 -.000337 _cons 7.4466.09308 77.77 0.000 7.05859 7.4443 Breusch-Pagan chi(3) = 4.50 Prob > chi = 0.3 Breusch-Pagan chi() =.5 Prob > chi = 0.84 Ramsey RESET F(3, 80) =.04 Prob > F = 0.374 Przyjmując poziom istotności α = 0,05 odpowiedz na poniższe pytania:. Oceń istotność i łączną istotność oszacowanych parametrów.. Oblicz efekt krańcowy dla doświadczenia zawodowego jeżeli przeciętne doświadczenie zawodowe wynosi 5,9 roku. 3. Czy weryfikowana w badaniu hipoteza jest prawdziwa? 4. Zbadaj czy założenia KMRL są spełnione. Dokonano ponownego oszacowania parametrów modelu na podstawie próby liczącej 5000 obserwacji Source SS df MS Number of obs = 405 -------------+------------------------------ F( 3, 40) = 68.65 Model 44.373847 3 4.7757949 Prob > F = 0.0000 Residual 88.7753 40.54446 R-squared = 0.0478 -------------+------------------------------ Adj R-squared = 0.047 Total 97.04496 404.588837 Root MSE =.46394 lzarobki Coef. Std. Err. t P> t [95% Conf. Interval -------------+---------------------------------------------------------------- po_995.07884.05547 3.33 0.00.095696.40873 dosw.0337558.006494.74 0.000.08566.038950 dosw -.00076.0000538-4.4 0.000 -.0008665 -.0006555 _cons 7.046439.033597 09.77 0.000 6.98058 7.97 Breusch-Pagan chi(3) = 49.40 Prob > chi = 0.0000 Breusch-Pagan chi() = 8.58 Prob > chi = 0.0000 Ramsey RESET F(3, 4098) = 0.3 Prob > F = 0.9433 5. Skomentuj ponownie obliczone wartość statystyk testów diagnostycznych. 6. Jeżeli model nie spełnia założeń KMRL opisz jakie to ma konsekwencje dla poprawności wnioskowania statystycznego, oraz jakie są metody radzenia sobie z tym problemem. Każdą odpowiedź uzasadnij wynikiem odpowiednich testów diagnostycznych zapisując wartość statystyki testowej lub jej p-value, oraz interpretację wyniku. IMIĘ I NAZWISKO 5/8

Ekonometria IiE Egzamin 0/0/ Rozwiązania zadań Zadanie. Z własności hiperpłaszczyzny regresji wiemy, że ȳ = ŷ, oraz że ŷ e = 0. Zatem { 5 + y4 + y 5 = 8 e 4 + e 5 = 0 więc y 4 = 0, y 5 = 3.. e = [, 0,,,. Zatem RSS=4, a S = 5 3 4 = 3. R = 4 8 4. Ponieważ współczynnik determinacji modelu ze stałą wynosi 0 to F = (N k)/g R R R R = (5 3)/ = < F = 9 Zatem brak jest podstaw do odrzucenia hipotezy β = β = 0 Zadanie. Z własności rozkładu normalnego wynika, że X ε N ( 0, σ X X ), a w konsekwencji T X ε N ( 0, σ X X ). Zauważmy teraz, że T [ lim T T ( X X ) = T + lim T T lim T T T + (T +)(T +) lim T T lim T 6T a więc lim T Var ( T X ε ) 0, co implikuje, że plim ( T X ε ) 0.. Estymator MNK można zapisać w sposób następujący a więc b = β+ ( X X ) X ε b β = ( X X ) X ε Z własności rozkładu normalnego wynika (X X) X ε N = [ 0 ( 0, σ (X X) ). Jednak ( lim X X ) [ T + limt = T (T ) 3 lim T T (T ) T 3 lim T T (T ) lim T T (T )(T +) [ [ a więc lim T Var (X X) X ε = 0, co implikuje, że plim (X X) X ε kolei wynika, że plim (b β) = 0 a więc plim (b) = β. = 0 = 0, a z tego z Zadanie 3. Oceny parametrów są łącznie statystycznie istotne o czym świadczy p=value statystyki F = 0.00 < α. Pojedynczo istotne są oceny parametrów dla zmiennych dosw (p-value statystyki t = 0.00 < α), dosw (p-value statystyki t = 0.000 < α), oraz stała (p-value statystyki t = 0.000 < α). Nie jest istotna statystycznie ocena parametru przy zmiennej po995 (p-value statystyki t = 0.9 > α) IMIĘ I NAZWISKO 6/8

Ekonometria IiE Egzamin 0/0/. Ponieważ wpływ doświadczenia zawodowego na wysokość zarobków mirza dwie zmienne i jest on nieliniowy, aby uzyskać interpretację ilościową należy obliczyć efekt krańcowy E(lzarobki dosw, dosw) dosw = β dosw + β dosw dosw == 0.034 0.00 5.9 = 0.0077 Wersja JM: E(lzarobki dosw, dosw) dosw = β dosw + β dosw dosw = 0.034 0.00dosw E(lzarobki dosw, dosw) dosw = β dosw + β dosw dosw = 0.034 0.00dosw 3. Nie ma znaczenia dla wysokości uzyskiwanych zarobków czy wykształcenie uzyskano przed czy po 995 roku, gdyż ocena parametru okazała się być nieistotna statystycznie. P-value dla zmiennej po995 t = 0.9 > α. 4. Na podstawie wyniku testu RESET (0.37 > α) brak jest podstaw do odrzucenia hipotezy o poprawności formy funkcyjnej. Na podstawie wyniku testów Breuscha-Pagana p-value (0. > α), oraz (0.8 > α), zatem brak jest podstaw do odrzucenia hipotezy o homoscedastyczności składnika losowego 5. W dużej próbie odrzucamy założenie o homoscedastyczności składnika losowego. Zapewne wynika to nienajlepszych własności testu B-P w dużej próbie. 6. Model nie spełnia założenia o stałości wariancji. Rozwiązaniem jest wykorzystanie tzw. odpornego estymatora, np. estymatora White a albo wykorzystanie SUMNK. IMIĘ I NAZWISKO 7/8