Konspekty wykładów z ekonometrii

Podobne dokumenty
Zajęcia 2. Estymacja i weryfikacja modelu ekonometrycznego

Cechy szeregów czasowych

Ekonometria I materiały do ćwiczeń

Prognozowanie i symulacje

ZASTOSOWANIA EKONOMETRII

licencjat Pytania teoretyczne:

MODEL TENDENCJI ROZWOJOWEJ

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

Stanisław Cichocki Natalia Nehrebecka. Wykład 5

Stanisław Cichocki Natalia Nehrebecka. Wykład 4

Wykład 6. Badanie dynamiki zjawisk

Wygładzanie metodą średnich ruchomych w procesach stałych

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 1-2

Wykład 6. Badanie dynamiki zjawisk

EKONOMETRIA wykład 2. Prof. dr hab. Eugeniusz Gatnar.

Zbudowany i pozytywnie zweryfikowany jednorównaniowy model ekonometryczny. jest uŝyteczny do analizy zaleŝności między zmiennymi uwzględnionymi w

Wykład 4 Testy zgodności. dystrybuanta rozkładu populacji dystrybuanty rozkładów dwóch populacji rodzaj rozkładu wartości parametrów.

WNIOSKOWANIE STATYSTYCZNE

Statystyka od podstaw z systemem SAS Dr hab. E. Frątczak, ZAHZiAW, ISiD, KAE. Część VII. Analiza szeregu czasowego

PROCESY AUTOREGRESYJNE ZE ZMIENNYM PARAMETREM 1. Joanna Górka. Wydział Nauk Ekonomicznych i Zarządzania UMK w Toruniu Katedra Ekonometrii i Statystyki

PROGNOZOWANIE I SYMULACJE. mgr Żaneta Pruska. Ćwiczenia 2 Zadanie 1

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Stanisław Cichocki Natalia Nehrebecka. Wykład 3

oznacza przyrost argumentu (zmiennej niezależnej) x 3A82 (Definicja). Granicę (właściwą) ilorazu różnicowego funkcji f w punkcie x x x e x lim x lim

ANALIZA, PROGNOZOWANIE I SYMULACJA / Ćwiczenia 1

Pobieranie próby. Rozkład χ 2

L.Kowalski zadania z rachunku prawdopodobieństwa-zestaw 4 ZADANIA - ZESTAW 4

KURS EKONOMETRIA. Lekcja 1 Wprowadzenie do modelowania ekonometrycznego ZADANIE DOMOWE. Strona 1

E k o n o m e t r i a S t r o n a 1. Nieliniowy model ekonometryczny

Klasyfikacja modeli. Metoda najmniejszych kwadratów

ZESTAW VI. ε, są składnikami losowymi. Oba modele są nieliniowe. Model (1) Y X Y = = Y X NIELINIOWE MODELE EKONOMETRYCZNE, FUNKCJA PRODUKCJI

PROGNOZY I SYMULACJE

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

Badanie zależności cech

DYNAMICZNE MODELE EKONOMETRYCZNE

Analiza szeregów czasowych uwagi dodatkowe

Matematyka ubezpieczeń majątkowych r. ma złożony rozkład Poissona. W tabeli poniżej podano rozkład prawdopodobieństwa ( )

Krzywe na płaszczyźnie.

DYNAMICZNE MODELE EKONOMETRYCZNE

Ćwiczenia IV

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

Magdalena Osińska, Joanna Górka Uniwersytet Mikołaja Kopernika w Toruniu

EKONOMETRIA Wykład 2: Metoda Najmniejszych Kwadratów

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

Analiza rynku projekt

Metody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy

Motto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.

Matematyka ubezpieczeń majątkowych r. Zadanie 1. Rozważamy proces nadwyżki ubezpieczyciela z czasem dyskretnym postaci: n

Niestacjonarne zmienne czasowe własności i testowanie

Stanisław Cihcocki. Natalia Nehrebecka

1. Szereg niesezonowy 1.1. Opis szeregu

Instytut Logistyki i Magazynowania

PROGNOZY I SYMULACJE

Dr hab. Jerzy Czesław Ossowski Wybrane elementy ekonometrii stosowanej cz. II Istotność zmiennych modelu, autokorelacja i modele multiplikatywne

( ) ( ) ( τ) ( t) = 0

f x f y f, jest 4, mianowicie f = f xx f xy f yx

DYNAMIKA KONSTRUKCJI

specyfikacji i estymacji modelu regresji progowej (ang. threshold regression).

Prognozowanie i symulacje

Stanisław Cichocki. Natalia Nehrebecka

Parytet stóp procentowych a premia za ryzyko na przykładzie kursu EURUSD

PROGNOZOWANIE. Ćwiczenia 2. mgr Dawid Doliński

TESTOWANIE EGZOGENICZNOŚCI ZMIENNYCH W MODELACH EKONOMETRYCZNYCH

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Przedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)

C d u. Po podstawieniu prądu z pierwszego równania do równania drugiego i uporządkowaniu składników lewej strony uzyskuje się:

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

Analiza szeregów czasowych w Gretlu (zajęcia 8)

SZEREG CZASOWY Y zjawisko badane w różnych okresach lub momentach czasu. Dynamika zjawiska to zmiana zjawiska w czasie. Przykład. Y średni kurs akcji

ZASTOSOWANIE MODELI EKONOMETRYCZNYCH DO BADANIA SKŁONNOŚCI

5. Model sezonowości i autoregresji zmiennej prognozowanej

PROGNOZOWANIE. mgr inż. Martyna Malak. Katedra Systemów Logistycznych.

Zmienne losowe typu ciągłego. Parametry zmiennych losowych. Izolda Gorgol wyciąg z prezentacji (wykład III)

ANALIZA POWIĄZAŃ MIĘDZY INDEKSAMI GIEŁDY FRANCUSKIEJ, HOLENDERSKIEJ I BELGIJSKIEJ Z WYKORZYSTANIEM MODELU KOREKTY BŁĘDEM

Interpolacja. Układ. x exp. = y 1. = y 2. = y n

Całkowanie przez podstawianie i dwa zadania

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

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

MES polega na wyznaczaniu interesujących nas parametrów w skończonej ilości punktów. A co leży pomiędzy tymi punktami?

3. Modele tendencji czasowej w prognozowaniu

Programowanie nieliniowe optymalizacja funkcji wielu zmiennych

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

Metody prognozowania popytu w zarządzaniu logistycznym

2.1 Zagadnienie Cauchy ego dla równania jednorodnego. = f(x, t) dla x R, t > 0, (2.1)

Klasyfikacja modeli. Metoda najmniejszych kwadratów

Metoda najmniejszych kwadratów

A C T A U N I V E R S I T A T I S N I C O L A I C O P E R N I C I EKONOMIA XL NAUKI HUMANISTYCZNO-SPOŁECZNE ZESZTYT 390 TORUŃ 2009.

25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx

Modele ekonometryczne dzielimy na statyczne i dynamiczne. Cecha charakterystyczną modeli dynamicznych jest jawne uwzględnienie czynnika czasu.

JEDNORÓWNANIOWY LINIOWY MODEL EKONOMETRYCZNY

Teoretyczne podstawy analizy indeksowej klasyfikacja indeksów, konstrukcja, zastosowanie

Przenoszenie niepewności

ROZDZIAŁ 11 WPŁYW ZMIAN KURSU WALUTOWEGO NA RYNEK PRACY

POMIAR PARAMETRÓW SYGNAŁOW NAPIĘCIOWYCH METODĄ PRÓKOWANIA I CYFROWEGO PRZETWARZANIA SYGNAŁU

Ekstrema funkcji dwóch zmiennych

PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK PROGNOZOWANIE I SYMULACJE EXCEL 2 AUTOR: MARTYNA MALAK

Zarządzanie ryzykiem. Lista 3

12. FUNKCJE WIELU ZMIENNYCH. z = x + y jest R 2, natomiast jej

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

Transkrypt:

Konspek wkładów z ekonomerii Budowa i werfikaca modelu - reść przkładu W wniku ssemacznch badań popu na warzwa w pewnm mieście, orzmano nasępuące szeregi czasowe: przros (zmian) popu na warzwa (w zł. na osobę): 4 4 4 (zmienna ) przros (zmian) dochodu (w sekach zł. na osobę): (zmienna ) przros (zmian) cen warzw (w zł.): (zmienna ) Polecenia:. Oszacu paramer modelu popu na warzwa posaci α + α + α + ε. Zwerfiku model pod względem sascznm: a. Oszacu i zinerpreu miar dopasowania modelu: średni błąd średni błąd procenow modelu współcznnik deerminaci b. Zbada auokorelacę składnika losowego: oblicz współcznnik auokorelaci resz zwerfiku hipoezę o braku auokorelaci c. Zbada akość oszacowań paramerów srukuralnch: oszacu błęd średnie ocen paramerów zwerfiku hipoez o isoności ocen paramerów. Zwerfiku model pod względem merorcznm: oceń sensowność znaków oszacowanch paramerów zinerpreu warości oszacowanch paramerów i oceń ich sensowność 4. porządź prognozę przrosów popu na warzwa dla kolench rzech okresów wiedząc, że: przewidwane zmian dochodów wnoszą, 4 i 5 zł na osobę przewidwane zmian cen warzw wnoszą, i 4 zł

Konspek wkładów z ekonomerii Rozwiązanie Model eoreczn przmue nasępuącą posać: α + α + α + ε gdzie: przros popu na warzwa w okresie w okresie przros dochodu na osobę w okresie przros cen warzw w okresie α, α, α paramer srukuralne modelu ε składnik losow Model empirczn można zapisać nasępuąco: α + + α α gdzie: α, α, α oszacowania paramerów srukuralnch α α α α - wekor oszacowań paramerów srukuralnch ad ) Ponieważ model eoreczn es liniow względem paramerów, można dokonać oszacowania wielkości ego paramerów srukuralnch α za pomocą MNK. Esmaor ego wekora dan es T T nasępuącm wzorem: α ( ) Y reści zadania zapiszem w posaci macierzowe. Informace liczbowe (dane empirczne) zaware w

Konspek wkładów z ekonomerii 4 4 4 Y, Wkorzsuąc powższe dane wkonuem nasępuące obliczenia cząskowe: 5 8 5 8 5 5 5 5 T,,4,8,8,8,4,58,8,58,7 ) ( T, 49 T Y i orzmuem osaecznie oszacowanie paramerów modelu: ( ) Y α T T,4,8,8,8,4,58,8,58,7 49 Osaecznie mam więc oszacowan model popu na warzwa posaci: + Ad a) W celu dokonania werfikaci sasczne, wkorzsuąc oszacowan w punkcie model, należ obliczć miedz innmi miar dopasowania modelu do danch empircznch. Bazuą one na odchleniach warości empircznch ( ) i eorecznch ( ŷ ) zmienne obaśniane dla przedziału prób. Ab e obliczć, rzeba napierw wznaczć warości eoreczne zmian popu na warzwa według formuł n),..., (dla,, +. Warość eoreczną dla pierwsze obserwaci wliczam nasępuąco:,, + +

Konspek wkładów z ekonomerii Te, a akże szereg innch obliczeń związanch z werfikacą modelu, można przeprowadzić w posaci abelarczne por. Tabela. Tabela. Obliczenia robocze do przkładu Numer obserwaci () wraz woln,, ŷ e de e e e e e e de 4 - - - - - 9-4 4-5 4 5 - - 7 5 - - 4 8 4 - - - 4 9 4 - - 4 9 - Razem 5 5-7 Teraz można obliczć odchlenia warości empircznch i eorecznch w próbie e (błęd modelu, resz) wg formuł: e np. e ŷ (wszskie wniki obliczeń można znaleźć w abeli ). Maąc obliczone wielkości błędów w przedziale prób można przsąpić do obliczenia miar dopasowania modelu do danch empircznch. W pierwsze koleności obliczm sumę kwadraów resz: e Na e podsawie rudno wciągnąć wnioski o akości dopasowania modelu, bo es o miara nieunormowana i nie poddaąca się merorczne inerpreaci. Jes za o podsawą do obliczenia średniego błędu modelu, zwanego akże odchleniem sandardowm resz lub średnim błędem szacunku. 4

Konspek wkładów z ekonomerii Średni błąd modelu e n k,857,9,9 zł. W powższm wzorze n oznacza liczbę obserwaci, na podsawie kórch dokonano oszacowania paramerów modelu (liczebność prób), kóra wnosi w naszm przkładzie. Wielkość k oznacza liczbę szacowanch w modelu paramerów, czli w naszm przkładzie będzie o. Waro zauważć, że różnica n-k określana es ako liczba sopni swobod oraz, że niekóre program kompuerowe wliczaą średni błąd modelu w odmienn sposób,.: e n, co nie zmienia inerpreaci e wielkości. Inerpreaca: obliczona warość średniego błędu modelu oznacza, że przewidwania zmian popu na warzwa (. zmienne obaśniane przez model) sporządzane dla przedziału prób na podsawie oszacowanego modelu różnią się średnio od warości empircznch e zmienne o,9 zł. Średni błąd procenow modelu V e e % %,9% Y Inerpreaca: przewidwania zmian popu na warzwa sporządzane na podsawie oszacowanego modelu dla przedziału prób różnią się średnio od warości empircznch o,9% średnie warości zmian popu na warzwa. Współcznnik deerminaci R ( ) n n,7(7),7 5

Konspek wkładów z ekonomerii Inerpreaca: zmian dochodów i cen (model) w 7% obaśniaą wahania zmian popu na warzwa (zmienne obaśniane). Ad b) Przczn wsępowania auokorelaci składnika losowego: pominięcie isone zmienne obaśniaące, dłuższe niż okres działanie cznników przpadkowch, przęcie niewłaściwch opóźnień zmiennch obaśniaącch, przęcie niewłaściwe posaci funkcne. Współcznnik auokorelaci resz cov(, ) ρ D ( ) n n e e e, 5 Tes Durbina Wasona awiam hipoezę zerową mówiącą o braku auokorelaci składników losowch w modelu, podczas gd hipoeza alernawna swierdza, że wsępue auokorelaca uemna (ze względu na współcznnik auokorelaci obliczonego na podsawie prób). H H : ρ : ρ < Zwerfikuem hipoezę zerową za pomocą esu Durbina Wasona na poziomie isoności,5. prawdzianem w m eście es saska DW: DW n ( e e ) 7,8 Warości krczne dl i du odczuem z ablic rozkładu DW, kóre fragmen pokazue abela, a na ich podsawie obliczam warości dl' 4 dl oraz du' 4 du, orzmuąc: dl,97; du,4 du',59 dl',. Zauważm, że na poziomie isoności,5 warość sprawdzianu z prób wnosząca,8 znalazła się pomiędz warościami du i dl. du ' < DW < dl'

Konspek wkładów z ekonomerii czli w obszarze niekonkluzwności. Oznacza o, że na podsawie ego esu nie można podąć deczi o wsępowaniu bądź braku auokorelaci w rozważanm modelu. Tabela. Warości krczne saski Durbina-Wasona ( α, 5 ) (k liczba szacowanch paramerów, n liczba obserwaci) n k k dl du dl du,,4 - - 7,7,,47,9 8,7,,5,78 9,8,,,7,88,,7,4,9,,7,,97,,8,58,,4,8,5 4,4,5,9,55 5,8,,95,54 Źródło: www.sanford.edu/~clin/bench/dwcri.hm Ad c) Średnie błęd ocen paramerów Średnie błęd ocen paramerów wznacza się według wzoru: e c α gdzie [ ] ( ) c i T macierz ( ), co oznacza, że wielkości c o kolene elemen główne przekąne T. Średni błąd dla oszacowania parameru α wnosi więc: α c e,9,,94 a dla pozosałch paramerów odpowiednio α, 597 i, 597 α Tes isoności ocen paramerów Tes przeprowadzam oddzielnie dla każdego z paramerów według nasępuącego schemau: awiam hipoezę zerową mówiącą o m, że paramer α es równ (hipoeza o nieisoności parameru) wobec hipoez alernawne, że paramer α es różn od (paramer es ison pod względem sascznm). Uwaga! hipoeza alernawna może bć sformułowana również w posaci < α lub α > 7

Konspek wkładów z ekonomerii H : α H : α Hipoezę zerową zwerfikuem na poziomie isoności,5 prz dwusronnm obszarze odrzucenia (co wnika z posaci hipoez alernawne). prawdzianem w m eście es saska posaci: α α, α kóra ma rozkład -udena o n k 7 sopniach swobod. Warość krczna odczana z ablic rozkładu -udena dla 7 sopni swobod wnosi,5.,5 Obliczam warość sprawdzianu w próbie dla parameru α : α,94 α α,7 Dla pozosałch paramerów warości sprawdzianu wnoszą odpowiednio α, 47,47. α Porównuąc warość sprawdzianu dla parameru α z warością krczną zauważam, że α <,5 bo,7 <,5 wierdzam więc, że na poziomie isoności,5 nie ma podsaw do odrzucenia hipoez zerowe mówiące o m, że paramer α w badanm modelu es nieison pod względem sascznm (wraz woln nie es ison). W przpadku paramerów α i αmiędz warościami sprawdzianów a warością krczną zachodzą nasępuące relace: > α,5 oraz, 5 α > bo,47 >, 5 Zarówno w przpadku parameru α ak i α swierdzam więc, że na poziomie isoności,5 odrzucam hipoez zerowe i przmuem hipoez alernawne, mówiące o m, że 8

Konspek wkładów z ekonomerii paramer α i α w badanm modelu są isone pod względem sascznm, a o oznacza, że zmienne z nimi związane,. zmian dochodów i zmian cen są isone. Ad ) Ocena znaków paramerów prz zmiennch obaśniaącch: dodani znak prz dochodach oznacza, że wzros dochodu powodue wzros popu na warzwa; reakca popu na zmianę dochodów odzwierciedlona w modelu es więc zgodna z eorią ekonomii; uemn znak prz cenie oznacza, że wzros cen powodue spadek popu na warzwa; reakca popu na zmianę cen odzwierciedlona w modelu es więc zgodna z eorią ekonomii. Inerpreaca paramerów modelu. Oszacowan model ma posać liniową, a więc paramer soące prz poszczególnch zmiennch inerpreue się ako zmian krańcowe. wzros dochodów na osobę o zł. powodue wzros popu na warzwa o zł. na osobęł wzros cen warzw o zł. powodue spadek popu na warzwa o zł. na osobę. Wraz woln inerpreue się ako warość zmienne obaśniane prz założeniu, że wszskie zmienne są równe. Nie w każdm modelu przęcie akiego założenia ma sens. Ponieważ zmienne obaśniaące naszego modelu zdefiniowane są ako zmian dochodów i zmian cen, można powiedzieć, że eśli dochod i cen nie zmieniaą (. eśli ich zmian wnoszą ) o pop na warzwa rośnie (z okresu na okres) o zł. na osobę. Ad 4) Założenia prognozowania na podsawie modelu ekonomercznego. znana i sabilna posać rozkładu składnika losowego (srukur sochasczne modelu); znana i sabilna posać analiczna modelu i ego paramerów; znane warości zmiennch obaśniaącch w okresie prognozowanm (z planów, z eksrapolaci rendów, z innch modeli). porządzenie prognoz polega na użciu przewidwanch na kolene okres warości zmiennch obaśniaącch i wliczeniu warości zmienne obaśniane zgodnie z formułą modelu,. +,,. Na przkład, warość prognoz dla okresu obliczam nasępuąco: + 7 9

Konspek wkładów z ekonomerii Na podsawie modelu przewiduem, że przros popu na warzwa w badane populaci będzie wnosić 7 zł na osobę. Wniki obliczeń dla wszskich okresów prognozowanch okresów przedsawia poniższa abela: Numer okresu Tabela. Obliczenia robocze do przkładu Warości zmiennch obaśniaącch Dochód ( ) Cena ( ) Prognoza popu ( ŷ ) 7 4 5 5 4