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

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

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

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

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

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

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

Metody Ekonometryczne

Ekonometria. Zajęcia

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

Metody Ilościowe w Socjologii

Ekonometria. Modelowanie zmiennej jakościowej. Jakub Mućk. Katedra Ekonomii Ilościowej

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

Przychody skali. Proporcjonalne zwiększenie czynników = zwiększenie produkcji, ale czy również proporcjonalne? W zależności od odpowiedzi:

Mikroekonomia B.2. Mikołaj Czajkowski

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

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

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

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

Testowanie hipotez statystycznych

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

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 5

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

Testowanie hipotez statystycznych

STATYSTYKA I DOŚWIADCZALNICTWO Wykład 7

Stanisław Cichocki Natalia Neherbecka

Teoria produkcji pojęcie, prawa, izokwanty. Funkcja produkcji pojęcie, przykłady.

WSTĘP DO REGRESJI LOGISTYCZNEJ. Dr Wioleta Drobik-Czwarno

Rachunek Prawdopodobieństwa Anna Janicka

Zadania z ekonomii matematycznej Teoria produkcji

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

Metody Ekonometryczne

Statystyka i Analiza Danych

Mikroekonomia II: Kolokwium, grupa II

Statystyka opisowa. Wykład V. Regresja liniowa wieloraka

Egzamin z ekonometrii - wersja ogólna

Testowanie hipotez statystycznych

gdzie. Dla funkcja ma własności:

Statystyka matematyczna i ekonometria

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

STUDIA I STOPNIA EGZAMIN Z EKONOMETRII

Proces modelowania zjawiska handlu zagranicznego towarami

Egzamin z ekonometrii wersja IiE, MSEMAT

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

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Własności statystyczne regresji liniowej. Wykład 4

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

Natalia Neherbecka. 11 czerwca 2010

Ekonometria. Przepływy międzygałęziowe. Model Leontiefa. Jakub Mućk. Katedra Ekonomii Ilościowej. Przepływy międzygałęziowe Model Leontiefa

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

ZESTAWY ZADAŃ Z EKONOMII MATEMATYCZNEJ

Prognozowanie i Symulacje. Wykład I. Matematyczne metody prognozowania

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Ćwiczenia IV

Metoda najmniejszych kwadratów

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

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

Stanisław Cichocki. Natalia Nehrebecka

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

Plan wykładu. Dlaczego wzrost gospodarczy? Model wzrostu Harroda-Domara.

Testowanie hipotez statystycznych

t y x y'y x'x y'x x-x śr (x-x śr)^2

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

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

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

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

WIELKA SGH-OWA POWTÓRKA ZE STATYSTYKI REGRESJA LINIOWA

Wprowadzenie do teorii ekonometrii. Wykład 1 Warunkowa wartość oczekiwana i odwzorowanie liniowe

Wybór postaci analitycznej modelu ekonometrycznego

Modele nieliniowe sprowadzalne do liniowych

SEKTOROWA ANALIZA FUNKCJI PRODUKCJI NA PRZYKŁADZIE PRZEMYSŁU HUTNICZEGO

Mikroekonometria 4. Mikołaj Czajkowski Wiktor Budziński

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

Modele wielorownaniowe

Rozdział 8. Regresja. Definiowanie modelu

Ekonometria. Ćwiczenia 5. Krzysztof Pytka. 22 listopada Zakład Wspomagania i Analizy Decyzji (SGH)

Ekonometria egzamin 07/03/2018

Stanisław Cichocki. Natalia Nehrebecka

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

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Mikroekonometria 9. Mikołaj Czajkowski Wiktor Budziński

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

Natalia Nehrebecka Stanisław Cichocki. Wykład 10

Modele zapisane w przestrzeni stanów

Stanisław Cihcocki. Natalia Nehrebecka

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

N ma rozkład Poissona z wartością oczekiwaną równą 100 M, M M mają ten sam rozkład dwupunktowy o prawdopodobieństwach:

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

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

Statystyka Matematyczna Anna Janicka

przedmiotu Nazwa Pierwsza studia drugiego stopnia

1.1 Klasyczny Model Regresji Liniowej

Mikroekonometria 14. Mikołaj Czajkowski Wiktor Budziński

EKONOMETRIA. Prof. dr hab. Eugeniusz Gatnar.

Analiza zależności cech ilościowych regresja liniowa (Wykład 13)

Testowanie hipotez statystycznych.

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

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Transkrypt:

Ekonometria Model nieliniowe i funkcja produkcji Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 1 / 19

Agenda Modele nieliniowe 1 Modele nieliniowe 2 Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 2 / 19

Agenda Modele nieliniowe 1 Modele nieliniowe 2 Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 2 / 19

Outline Modele nieliniowe 1 Modele nieliniowe 2 Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 3 / 19

Modele nieliniowe Ogólna postać: gdzie y to zmienna objaśniana, β to wektor parametrów strukturalnych, x to wektor zmiennych objaśniających, ε to składnik losowy. y = g (β, x) + ε (1) Szczególne przypadki: Modele liniowe względem parametrów y = β 0 + β 1f 1 (x 1) +... + β k f k (x k ) + ε (2) Modele liniowe względem zmiennych Przykład: y = β 0 + β 1β 2x 1 + β β 4 3 x 2 + ε (3) Problem identyfikacji strukturalnych parametrów. Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 4 / 19

Modele nieliniowe Ogólna postać: gdzie y to zmienna objaśniana, β to wektor parametrów strukturalnych, x to wektor zmiennych objaśniających, ε to składnik losowy. y = g (β, x) + ε (1) Szczególne przypadki: Modele liniowe względem parametrów y = β 0 + β 1f 1 (x 1) +... + β k f k (x k ) + ε (2) Modele liniowe względem zmiennych Przykład: y = β 0 + β 1β 2x 1 + β β 4 3 x 2 + ε (3) Problem identyfikacji strukturalnych parametrów. Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 4 / 19

Modele nieliniowe Przykłady modeli nieliniowych względem zmiennych, ale liniowych względem parametrów: Model wielomianowy: Model hiperboliczny: Model logarytmiczny: Model z interakcjami (iloczynami): y = β 0 + β 1x 1 + β 2x 2 1 +... + β k x k 1 + ε. (4) y = β 0 + β2 x 1 + ε. (5) y = β 0 + β 1 ln (x 1) + ε. (6) y = β 0 + β 1x 1 + β 2x 2 + β 3x 1x 2 + ε. (7) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 5 / 19

Efekty krańcowe oraz elastyczności cząstkowe Efekt krańcowy Efekt krańcowy = y x i. (8) Interpretacja: o ile wzrośnie y jeżeli x i wzrośnie o jedną jednostkę. Model liniowy: stały efekt krańcowy równy β i. Elastyczność cząstkowa Elastyczność cząstkowa = y/y x i/x. (9) Interpretacja: o ile % wzrośnie y jeżeli x i wzrośnie o 1%. Model liniowy: elastyczność cząstkowa zależna od bieżacych wartości x i y i równa β ix i/y Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 6 / 19

Modele linearyzowane Linearyzacja modeli Wybrane modele nieliniowe można sprowadzić do postaci liniowej. Wybrane własności logarytmu naturalnego ln(x) < ln(y) dla 0 < x < y, ln(xy) = ln(x) + ln(y) dla x, y > 0, ln(x a ) = a ln(x) dla x, a > 0, ln(e x ) = x oraz e ln(x) = x dla x > 0. Model wykładniczy: y = e β 0+β 1 x 1 +...+β k x k +ε. Po obustronnym zlogarytmowaniu: ln (y) = β 0 + β 1 x 1 +... + β k x k + ε. (11) Model funkcji Cobba-Douglasa: y = β 0 x β 1 1... x β k k ε. (12) Po obustronnym zlogarytmowaniu: ln (y) = ln (β 0 ) + β 1 ln (x 1 ) +... + β k ln (x k ) + ln (ε). (13) Uwaga: założenie ln (ε) N (0, σ) nie implikuje, że ε jest z rozkładu normalnego. (10) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 7 / 19

Modele linearyzowane Linearyzacja modeli Wybrane modele nieliniowe można sprowadzić do postaci liniowej. Wybrane własności logarytmu naturalnego ln(x) < ln(y) dla 0 < x < y, ln(xy) = ln(x) + ln(y) dla x, y > 0, ln(x a ) = a ln(x) dla x, a > 0, ln(e x ) = x oraz e ln(x) = x dla x > 0. Model wykładniczy: y = e β 0+β 1 x 1 +...+β k x k +ε. Po obustronnym zlogarytmowaniu: ln (y) = β 0 + β 1 x 1 +... + β k x k + ε. (11) Model funkcji Cobba-Douglasa: y = β 0 x β 1 1... x β k k ε. (12) Po obustronnym zlogarytmowaniu: ln (y) = ln (β 0 ) + β 1 ln (x 1 ) +... + β k ln (x k ) + ln (ε). (13) Uwaga: założenie ln (ε) N (0, σ) nie implikuje, że ε jest z rozkładu normalnego. (10) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 7 / 19

Modele linearyzowane Linearyzacja modeli Wybrane modele nieliniowe można sprowadzić do postaci liniowej. Wybrane własności logarytmu naturalnego ln(x) < ln(y) dla 0 < x < y, ln(xy) = ln(x) + ln(y) dla x, y > 0, ln(x a ) = a ln(x) dla x, a > 0, ln(e x ) = x oraz e ln(x) = x dla x > 0. Model wykładniczy: y = e β 0+β 1 x 1 +...+β k x k +ε. Po obustronnym zlogarytmowaniu: ln (y) = β 0 + β 1 x 1 +... + β k x k + ε. (11) Model funkcji Cobba-Douglasa: y = β 0 x β 1 1... x β k k ε. (12) Po obustronnym zlogarytmowaniu: ln (y) = ln (β 0 ) + β 1 ln (x 1 ) +... + β k ln (x k ) + ln (ε). (13) Uwaga: założenie ln (ε) N (0, σ) nie implikuje, że ε jest z rozkładu normalnego. (10) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 7 / 19

Modele linearyzowane Linearyzacja modeli Wybrane modele nieliniowe można sprowadzić do postaci liniowej. Wybrane własności logarytmu naturalnego ln(x) < ln(y) dla 0 < x < y, ln(xy) = ln(x) + ln(y) dla x, y > 0, ln(x a ) = a ln(x) dla x, a > 0, ln(e x ) = x oraz e ln(x) = x dla x > 0. Model wykładniczy: y = e β 0+β 1 x 1 +...+β k x k +ε. Po obustronnym zlogarytmowaniu: ln (y) = β 0 + β 1 x 1 +... + β k x k + ε. (11) Model funkcji Cobba-Douglasa: y = β 0 x β 1 1... x β k k ε. (12) Po obustronnym zlogarytmowaniu: ln (y) = ln (β 0 ) + β 1 ln (x 1 ) +... + β k ln (x k ) + ln (ε). (13) Uwaga: założenie ln (ε) N (0, σ) nie implikuje, że ε jest z rozkładu normalnego. (10) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 7 / 19

Interpretacja przekształceń logarytmicznych 1 Relacja typu poziom - poziom, tj. y = α + βx. (14) Wzrost x o jednostkę odpowiada wzrostowi y o β jednostek. 2 Relacja typu poziom - logarytm, tj. Wzrost x o jednostkę odpowiada wzrostowi y o 3 Relacja typu logarytm - poziom, tj. y = α + β ln x. (15) β 100 jednostek. ln y = α + βx. (16) Wzrost X o jednostkę odpowiada wzrostowi y o 100β % jednostek. 4 Relacja typu logarytm - logarytm, tj. ln y = α + β ln x. (17) Wzrost x o jednostkę odpowiada wzrostowi y o β % jednostek. Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 8 / 19

Estymacja parametrów strukturalnych modeli nieliniowych 1 Model linearyzowane/ liniowe względem parametrów: Metoda estymacji: standardowa dla modeli liniowych (np. MNK). W przypadku MNK standardowe testowanie własności statystycznych składnika losowego (autokorelacja, heteroskedastycznośc, normalność). Uwaga: w przypadku modeli linearyzowanych należy pamiętać o przekształceniach, aby odpowiednio interpretować wyniki oszacowań. 2 Model ściśle nieliniowe Metoda estymacji: nieliniowa MNK (non-linear least squares). min β ei 2 (18) gdzie e = y g(x, β). Zagadanienie optymalizacji nieliniowej: wybór wartości początkowych, możliwość uzyskania minimum lokalnego. Analogiczne sprawdzanie własności składnika losowego. i Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 9 / 19

Identyfikacja nieliniowości w modelu nieliniowym Test poprawnej specyfikacji RESET. Problem autokorelacji/ heteroskedastyczności składnika losowego może wskazywać na błędną specyfikację modelu. Test liniowych restrykcji Walda: Uwzględnienie kwadratów, sześcianów czy interakcji zmiennych objaśniających oraz testowanie ich łącznej istotności. Przykład: i hipoteza zerowa y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 2 1 + β 4x 2 2 + β 5x 1 x 2 + ε, (19) H 0 : β 3 = β 4 = β 5 = 0. (20) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 10 / 19

Outline Modele nieliniowe 1 Modele nieliniowe 2 Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 11 / 19

opisuje zależność pomiędzy wykorzystanymi czynnikami wytwórczymi a efektem procesu produkcji. Najczęściej: Czynniki produkcji: praca (L) i kapitał (K). Y = F(K, L). (21) Aksjomaty neoklasycznej funkcji produkcji 1 Dodatnia produktywność czynników wytwórczych: F(K, L) F(K, L) MPK(K, L) = > 0 oraz MPL(K, L) = > 0, (22) gdzie MPK(K, L) = F K oraz MPL(K, L) = F L. 2 Malejąca produktywność czynników wytwórczych: MPK(K, L) < 0 i 2 MPL(K, L) 3 Komplementarność czynników wytwórczych: < 0. (23) 2 MPK(K, L) 4 Stałe korzyści skali: > 0 i MPL(K, L) > 0. (24) F (λk, λl) = λf (K, L) (25) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 12 / 19

opisuje zależność pomiędzy wykorzystanymi czynnikami wytwórczymi a efektem procesu produkcji. Najczęściej: Czynniki produkcji: praca (L) i kapitał (K). Y = F(K, L). (21) Aksjomaty neoklasycznej funkcji produkcji 1 Dodatnia produktywność czynników wytwórczych: F(K, L) F(K, L) MPK(K, L) = > 0 oraz MPL(K, L) = > 0, (22) gdzie MPK(K, L) = F K oraz MPL(K, L) = F L. 2 Malejąca produktywność czynników wytwórczych: MPK(K, L) < 0 i 2 MPL(K, L) 3 Komplementarność czynników wytwórczych: < 0. (23) 2 MPK(K, L) 4 Stałe korzyści skali: > 0 i MPL(K, L) > 0. (24) F (λk, λl) = λf (K, L) (25) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 12 / 19

opisuje zależność pomiędzy wykorzystanymi czynnikami wytwórczymi a efektem procesu produkcji. Najczęściej: Czynniki produkcji: praca (L) i kapitał (K). Y = F(K, L). (21) Aksjomaty neoklasycznej funkcji produkcji 1 Dodatnia produktywność czynników wytwórczych: F(K, L) F(K, L) MPK(K, L) = > 0 oraz MPL(K, L) = > 0, (22) gdzie MPK(K, L) = F K oraz MPL(K, L) = F L. 2 Malejąca produktywność czynników wytwórczych: MPK(K, L) < 0 i 2 MPL(K, L) 3 Komplementarność czynników wytwórczych: < 0. (23) 2 MPK(K, L) 4 Stałe korzyści skali: > 0 i MPL(K, L) > 0. (24) F (λk, λl) = λf (K, L) (25) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 12 / 19

opisuje zależność pomiędzy wykorzystanymi czynnikami wytwórczymi a efektem procesu produkcji. Najczęściej: Czynniki produkcji: praca (L) i kapitał (K). Y = F(K, L). (21) Aksjomaty neoklasycznej funkcji produkcji 1 Dodatnia produktywność czynników wytwórczych: F(K, L) F(K, L) MPK(K, L) = > 0 oraz MPL(K, L) = > 0, (22) gdzie MPK(K, L) = F K oraz MPL(K, L) = F L. 2 Malejąca produktywność czynników wytwórczych: MPK(K, L) < 0 i 2 MPL(K, L) 3 Komplementarność czynników wytwórczych: < 0. (23) 2 MPK(K, L) 4 Stałe korzyści skali: > 0 i MPL(K, L) > 0. (24) F (λk, λl) = λf (K, L) (25) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 12 / 19

opisuje zależność pomiędzy wykorzystanymi czynnikami wytwórczymi a efektem procesu produkcji. Najczęściej: Czynniki produkcji: praca (L) i kapitał (K). Y = F(K, L). (21) Aksjomaty neoklasycznej funkcji produkcji 1 Dodatnia produktywność czynników wytwórczych: F(K, L) F(K, L) MPK(K, L) = > 0 oraz MPL(K, L) = > 0, (22) gdzie MPK(K, L) = F K oraz MPL(K, L) = F L. 2 Malejąca produktywność czynników wytwórczych: MPK(K, L) < 0 i 2 MPL(K, L) 3 Komplementarność czynników wytwórczych: < 0. (23) 2 MPK(K, L) 4 Stałe korzyści skali: > 0 i MPL(K, L) > 0. (24) F (λk, λl) = λf (K, L) (25) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 12 / 19

Przychody względem skali Modele nieliniowe Stałe korzyści skali Rosnące korzyści skali F (λk, λl) = λf (K, L) (26) F (λk, λl) > λf (K, L) (27) Malejące korzyści skali F (λk, λl) < λf (K, L) (28) Funkcja homogeniczna r-tego stopnia F (λk, λl) = λ r F (K, L) (29) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 13 / 19

Analiza graficzna funkcji produkcji Izokwanta (wartswica) to krzywa łącząca kombinację nakładów czynników wytwórczych pozwalająca uzyskać ten sam poziom produktu: Y (K, L) = Y 0. (30) Przykład #1: liniowa funkcja produkcji Y = F(K, L) = K + L (31) Izokwanty dla 0 < α < β można zapisać jako: L = α K L = β K L (0, β) (0, α) α = K + L β = K + L (α, 0) K (β, 0) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 14 / 19

Analiza graficzna funkcji produkcji Izokwanta (wartswica) to krzywa łącząca kombinację nakładów czynników wytwórczych pozwalająca uzyskać ten sam poziom produktu: Y (K, L) = Y 0. (30) Przykład #1: liniowa funkcja produkcji Y = F(K, L) = K + L (31) Izokwanty dla 0 < α < β można zapisać jako: L = α K L = β K L (0, β) (0, α) α = K + L β = K + L (α, 0) K (β, 0) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 14 / 19

Analiza graficzna funkcji produkcji (cd.) Przykład #2: funkcja produkcji Leontiefa L Y = F(K, L) = min(k, L) (32) Izokwanty dla 0 < α < β, Czynniki produkcji, tj. praca i kapitał, są komplementarne. β α α = min(k, L) β = min(k, L) α β K Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 15 / 19

Analiza graficzna funkcji produkcji (cd.) Przykład #2: funkcja produkcji Leontiefa L Y = F(K, L) = min(k, L) (32) Izokwanty dla 0 < α < β, Czynniki produkcji, tj. praca i kapitał, są komplementarne. β α α = min(k, L) β = min(k, L) α β K Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 15 / 19

Analiza graficzna funkcji produkcji (cd.) Przykład #3: funkcja produkcji Cobba-Douglasa Y = F(K, L) = K 0.5 L 0.5 (33) β 2 L Izokwanty dla 0 < α < β można zapisać jako: L = α2 K L = β2 L α 2 α 2 β = K 0.5 L 0.5 α = K 0.5 L 0.5 β 2 K Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 16 / 19

Analiza graficzna funkcji produkcji (cd.) Przykład #3: funkcja produkcji Cobba-Douglasa Y = F(K, L) = K 0.5 L 0.5 (33) β 2 L Izokwanty dla 0 < α < β można zapisać jako: L = α2 K L = β2 L α 2 α 2 β = K 0.5 L 0.5 α = K 0.5 L 0.5 β 2 K Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 16 / 19

Dodatkowe definicje i charakterystyki funkcji produkcji Teczniczne uzbrojenie pracy: iloraz kapitału i pracy K/L. Krańcowa stopa substytucji: Elastyczność substytucji: KSS = F L MPL(K, L) = F K MPK(K, L). σ = (K/L) SS KSS (K/L) (34) (35) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 17 / 19

Funkcja Cobba-Douglasa gdzie A > 0 oraz α, β (0, 1). F(K, L) = AK α L β (36) Dodatnia produkcynojść krańcowa czynników, tj. MPK(K, L), MPL(K, L) > 0: MPK(K, L) = Y = αak α 1 L β = α A K }{{}}{{} α 1 L }{{} β + + + }{{} + Malejąca krańcowa produktywność czynników, tj. F KK < 0 oraz F LL < 0: MPK(K, L) > 0 (37) = 2 Y 2 = (α 1)αAK α 2 = (α 1) αak }{{} α 2 < 0 (38) }{{} + Komplementarność czynników wytwórczych, tj. F KL > 0 oraz F LK > 0: MPK(K, L) = 2 Y = αβak α 1 L β 1 > 0 (39) Stałe elastyczności cząstkowe. W tym przypadku: α dla K oraz β dla L: el(y /K) = Y /Y /K = αak 1 α L β K Y = α AK α L β AK α L β = α (40) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 18 / 19

Krańcowa stopa substytucji pracy względem kapitału: MPL(K, L) KSS = MPK(K, L) = βak α L β 1 αak α 1 L β = β K AK α L β α L AK α L β = β K α L (41) Jednostkowa elastyczność substytucji: σ = (K/L) SS KSS (K/L) = α β (β/α)(k/l) (K/L) = 1. (42) Jakub Mućk Ekonometria Ćwiczenia 7 Modele nieliniowe i funkcja produkcji 19 / 19