EKONOMETRIA
description
Transcript of EKONOMETRIA
EKONOMETRIAEKONOMETRIA
Prof. dr hab. Grażyna KarmowskaProf. dr hab. Grażyna [email protected]@zpsb.szczecin.pl
Tematyka wykładówTematyka wykładów
1. Etapy budowy modelu ekonometrycznego. Dobór zmiennych objaśniających do modelu.
2. Szacowanie parametrów modeli liniowych MNK. Weryfikacja modeli liniowych.
3. Modele nieliniowe sprowadzalne do liniowych. Badanie własności odchyleń losowych.
LiteraturaLiteratura
1. B. Borkowski, H. Dudek, W. Szczęsny Ekonometria. Wybrane zagadnienia. PWN 2003
2. E. Nowak S., Zarys metod ekonometrii. Zbiór zadań.PWN 1999.
3. Wprowadzenie do ekonometrii w przykładach i zadaniach. Pod red. K. Kukuły, PWN 2000
Czym jest ekonometria?Czym jest ekonometria?
Ekonometria - zastosowanie metod zastosowanie metod statystycznych i matematycznych do statystycznych i matematycznych do analizy danych empirycznych, w celu analizy danych empirycznych, w celu dostarczenia teoriom ekonomicznym dostarczenia teoriom ekonomicznym materiału empirycznego oraz weryfikacji materiału empirycznego oraz weryfikacji lub obalenia tych teorii.lub obalenia tych teorii.
Termin „ekonometria” - 1910, Paweł Ciompa „Przegląd ekonometrii i rzeczywistej teorii buchalterii”.
Ragnar Frish, 1926, wprowadził termin „ekonometria”.
Cele ekonometriiCele ekonometrii
# Formułowanie modeli ekonometrycznych, czyli
formułowanie modeli ekonomicznych w formie
pozwalającej je empirycznie testować.
# Estymowanie i testowanie modeli
ekonometrycznych na danych obserwacjach.
# Wykorzystanie modeli do analizy oraz celów
prognostycznych
ModelModel
Model Model - uproszczone przedstawienie
rzeczywistych procesów.
Szczegółowość modelu– prosty (Karl Popper, Milton Friedman),
– złożony (T.C. Koopmans, Jimmy Savage: „model powinien być duży jak słoń”).
W praktyce:W praktyce: uwzględniamy w modelu uwzględniamy w modelu wszystkie czynniki, które uważamy za wszystkie czynniki, które uważamy za ważne dla naszego problemu, a pomijamy ważne dla naszego problemu, a pomijamy wszystkie pozostałewszystkie pozostałe.
Model ekonomicznyModel ekonomiczny - zbiór założeń, które w przybliżeniu opisują zachowanie się gospodarki.
Model ekonometrycznyModel ekonometryczny - pojedyncze równanie, bądź układu równań, które przedstawia zasadnicze powiązania ilościowe między rozpatrywanymi zjawiskami ekonomicznymi.
Co najmniej jedno z równań modelu jest równaniem stochastycznym tj. zawierającym składnik losowy.
Budowa modelu ekonometrycznegoBudowa modelu ekonometrycznegoproblem ekonomicznyproblem ekonomiczny
budowa modelubudowa modelu
szacowanieszacowanie
testowanie hipoteztestowanie hipotez
wybór zmiennychwybór zmiennych
ModelModelpoprawny?poprawny?
weryfikacjaweryfikacja
AnalizaAnalizaPrognozowaniePrognozowanie
taktaknienie
Dane do modeluDane do modelu
Podstawowe źródła danych:– publikacje GUS (Roczniki i Biuletyny Statystyczne),– publikacje NBP,– dane przedsiębiorstw, giełdowe, itp.
Szereg czasowy - zestaw liczb odpowiadających wartościom, jakie przybrało rejestrowane zjawisko w kolejnych, jednakowo odległych, momentach czasu (np. latach, kwartałach, miesiącach) w danym obiekciedanym obiekcie.
Szereg przekrojowy (strukturalny) - dane wyrażające stan zjawiska w ustalonym okresie czasu, ale w odniesieniu do różnych obiektówróżnych obiektów.
Cele stosowania analizy regresjiCele stosowania analizy regresji
# AnalizaAnaliza efektów zmianefektów zmian wartości pojedynczych
zmiennych objaśniających.
# BadanieBadanie, czy jakakolwiek zmienna objaśniająca
ma istotny wpływistotny wpływ na zmienną objaśnianą.
# PrognozaPrognoza wartości zmiennej objaśnianej (y) dla
danego zestawu wartości zmiennych
objaśniających.
Dobór zmiennych objaśniających do Dobór zmiennych objaśniających do modelu ekonometrycznegomodelu ekonometrycznego
Eliminacja zmiennych quasi stałychEliminacja zmiennych quasi stałychObliczamy współczynniki zmienności dla
poszczególnych zmiennych „kandydatek” na zmienne objaśniające.
i
ii x
Sv
Za zmienną quasi stałą uznaje się tą która spełnia warunek: *vvi
I jest ona eliminowana ze zbioru potencjalnych zmiennych objaśniających
Gdzie odpowiednio:
Średnia arytmetyczna dla danej zmiennej ii:
t
tii xn
x1
2)(1
itii xxn
S
Odchylenie standardowe dla danej zmiennej ii:
Przykład 1.Przykład 1.
Do opisu produkcji przedsiębiorstwa w mld zł (Y) zaproponowano cztery zmienne:
X1 – zatrudnienie w tys. osób
X2 – wartość maszyn i urządzeń w mln zł
X3 – czas przestoju maszyn w dniach
X4 – nakłady inwestycyjne w mln zł.
Przy założonym poziomie wartości krytycznej współczynnika zmienności v*=0,15 należy sprawdzić, czy ww. zmienne odznaczają się odpowiednio wysoką zmiennością.
12
20
12
10
4
3
2
1
x
x
x
x
265,1
382,4
688,3
51,2
4
3
2
1
S
S
S
S
Na podstawie danych z 10 lat otrzymano dla tych zmiennych następujące wartości średnie oraz odchyleniastandardowe
I otrzymano współczynniki zmienności:
105,0
219,0
307,0
251,0
4
3
2
1
v
v
v
v*
4 vv jedynie
Czyli nakłady inwestycyjne oznaczająsię niskim poziomem zmienności.
Y - zmienna objaśniana (zależna, endogeniczna)
X = {X1, X2, ..., Xm} - zbiór „kandydatek” na zmienne objaśniające (niezależne, egzogeniczne)
rij - współczynnik korelacji liniowej Pearsona między „kandydatkami” na zmienne objaśniające,
rj - współczynnik korelacji liniowej Pearsona między zmiennymi Xj i Y,
s = 1, 2, ..., 2m-1 - numer niepustych kombinacji zmiennych ze zbioru X,
Cs - zbiór numerów zmiennych tworzących s-tą kombinację.
Z pozostałych zmiennych wybieramy zmienne Z pozostałych zmiennych wybieramy zmienne do modelu stosując do modelu stosując
METODĘ POJEMNOŚCI INFORMACYJNEJ
22 )()(
))((
yyxx
yyxxr
ii
iij ��
��Współczynnik korelacji liniowej między zmiennymi Y i X
Współczynnik korelacji liniowej między zmiennymi Xi i Xj
22 )()(
))((
jtjiti
jtjitiij
xxxx
xxxxr �
�
mr
r
r
R
.
.2
1
0
Wektor współczynników korelacji między zmienną Y a zmiennymi X (parami)
Macierz współczynników korelacji między zmiennymi X (parami)
1...
....
...1
...1
21
221
112
mm
m
m
rr
rr
rr
R
Metoda Hellwiga badania Metoda Hellwiga badania pojemności informacyjnejpojemności informacyjnej
Indywidualna pojemność informacyjna nośnika Xj w s-tej kombinacji:
Integralna pojemność informacyjna s-tej kombinacji:
Reguła decyzyjna:
hr
rs jj
iji C s
2
H hs s jj C s
12,...,2,1: max : msoptopt sHHC
Przykład 2. (cd. P1)Przykład 2. (cd. P1)Dla pozostałych zmiennych tworzymy macierze współczynników korelacji:
1948,0863,0
948,01939,0
863,0939,01
R
932,0
968,0
973,0
0R
Możliwe kombinacje między Możliwe kombinacje między zmiennymi Xzmiennymi X
12 mL
718123 LC1=(X1)
C2=(X2)
C3=(X3)
C4=(X1, X2)
C5=(X1, X3)
C6=(X2, X3)
C7=(X1, X2, X3)
868624,0)932,0(
937024,0968,0
946729,0973,0
22333
22222
22111
rhH
rhH
rhH
9715070483251048825630
19390
9680
93901
9730
1122
21
22
12
21
42414
,,,
,
,
,
,
r
r
r
rhhH
974424,0466250,0508174,0
1863,0
)932,0(
863,01
973,0
11
22
31
23
13
21
53515
r
r
r
rhhH
926924,0445906,0481018,0
1948,0
)932,0(
948,01
968,0
11
22
32
23
23
22
63626
r
r
r
rhhH
971452,0309009,0324567,0337876,0
1948,0863,0
)932,0(
948,01939,0
968,0
863,0939,01
973,0
111222
3231
23
2321
22
1312
21
7372717
rr
r
rr
r
rr
rhhhH
Kombinacja piąta zawiera najwięcej informacji. Jej pojemność wynosi 0,974424 tzn. że należy zbudować model liniowy ze zmiennymi niezależnymi X1 i X3
32110 xxyt
METODA WYBORU ZMIENNYCH ZA METODA WYBORU ZMIENNYCH ZA POMOCĄ WSPÓŁCZYNNIKA POMOCĄ WSPÓŁCZYNNIKA KORELACJI WIELORAKIEJKORELACJI WIELORAKIEJ
)det(
)det(1
i
ii R
WR
det (R) wyznacznik macierzy R współczynników korelacji zmiennych objaśniających X1, X2, ..., Xk det (W) wyznacznik macierzy W
R0 wektor współczynników korelacji liniowej między
zmienną Y a zmiennymi X
ii
Ti
iRR
RW
0
01
PRZYKŁADPRZYKŁADNa podstawie danych z 10 lat zbudowano wektor Na podstawie danych z 10 lat zbudowano wektor współczynników korelacji miedzy zmiennymi Y i X, oraz macierz współczynników korelacji miedzy zmiennymi Y i X, oraz macierz współczynników korelacji między zmiennymi X łączonych parami współczynników korelacji między zmiennymi X łączonych parami o postaciach:o postaciach:
:
2679,0
8687,0
7325,0
8057,0
0R
11511,01290,00136,0
1511,015549,08353,0
1290,05549,018140,0
0136,08353,08140,01
R
Na podstawie współczynnika korelacji wielorakiej wybieramy optymalną kombinację zmiennych spośród dwuelementowych kombinacji potencjalnych zmiennych objaśniających:
K1=X1, X2
K2=X1, X3
K3=X1, X4
K4=X2, X3
K5=X2, X4
K6=X3, X4_
Dla kombinacji K1:
7325,0
8057,001R
1814,0
814,011R
18140,07325,0
8140,018057,0
7325,08057,01
1W
Współczynnik korelacji wielorakiej między zmienną objaśnianą Y a zmiennymi objaśniającymi X1 i X2:
81643,03374,0
1125,01
)det(
)det(1
1
11
R
WR
Dla pozostałych kombinacji otrzymujemy:R2=0,88083R3=0,85261R4=0,91939R4=0,91939R5=0,81858R6=0,87965Maksymalna wartość wskaźnika dla R4 oznacza, że należy zbudować model liniowy ze zmiennymi X2 i X3
28
EFEKT KATALIZY W MODELU EFEKT KATALIZY W MODELU EKONOMETRYCZNYMEKONOMETRYCZNYM
Oznacza on silne skorelowanie zmiennej objaśnianej ze zmiennymi objaśniającymi.
Eliminuje się zmienne objaśniające powodujące efekt katalizy.
Regularna para korelacyjna (R, R0) - jeżeli współczynniki korelacji w wektorze R0 są dodatnie oraz uporządkowane niemalejąco.
29
j
ijiij
mm
m
m
r
rqq
Q
1...
....
...1
...1
21
221
112
MACIERZ NEUTRALNAMACIERZ NEUTRALNA
30
ZMIENNA KATALITYCZNA ZMIENNA KATALITYCZNA XXii (KATALIZATOR)(KATALIZATOR)
j
iij
ij
r
rr
r
0
lll HRU 2
Wskaźnik integralnej pojemności informacyjnej l-tej kombinacji zmiennej.
31
PrzykładPrzykład
Y – wartość sprzedaży usług hoteli X1 – zatrudnienie X2 – średnia cena miejsca w hotelu X3 - liczba miejsc w hotelu
79,0
50,0
43,0
0R
140,074,0
40,0125,0
74,025,01
R
32
63,079,0
50,0
54,079,0
43,0
86,050,0
43,0
3
23223
3
13113
2
12112
r
rqq
r
rqq
r
rqq
163,054,0
63,0186,0
54,086,01
Q
33
ną.katalitycz zmiennąjest X zmienna i
katalizy efekt występujeX i X zmodelu wr ponieważ
R
1
3113
1
13
13
13
01
311
54,0
74,0
174,0
74,01
79,0
43,0
),(
q
q
r
R
XXC
Dla kombinacji:
34
268,0465,0)856,0(
465,0
856,0
21
211
1
1
HRU
H
R
Jest to wartość znacznie różniąca się od zera, co potwierdzaistnienie efektu katalizy
35
040,0624,0)815,0(
624,0
815,0
63,0
40,0
140,0
40,01
79,0
50,0
),(
22
222
2
23
23
23
02
322
HRU
H
q
q
r
R
XXC
2
32
23
2
R
katalizy efekt występujeX i X zmodelu
wże enia,przypuszcz do podstaw ma nie r ponieważ
R
Dla kombinacji:
Zadania Zadania do samodzielnego do samodzielnego
rozwiązaniarozwiązania
Zad. 1.Do budowy liniowego modelu ekonometrycznego zaproponowano 4 zmienne: X1, X2, X3, X4.Wektor współczynników korelacji między zmienną Y (wartość sprzedaży) i zmiennymi X1, X2, X3, X4 oraz macierz współczynników korelacji między zmiennymi X1, X2, X3, X4 przedstawiają się następująco:
Zaproponuj zestaw zmiennych, najpełniej opisujący wartość sprzedaży.
5,0
1,0
9,0
7,0
0R
13,06,04,0
3,011,02,0
6,01,018,0
4,02,08,01
R
Zad.2.Dobierz zestaw dwóch zmiennych, spośród
proponowanych poniżej 4, mając dany wektor współczynników korelacji między Y a zmiennymi Xi oraz macierz współczynników korelacji między zmiennymi Xi.
80,0
83,0
82,0
84,0
0R
166,065,047,0
66,0199,072,0
65,099,018,0
47,072,08,01
R
5,0
1,0
9,0
7,0
0R
13,06,04,0
3,011,02,0
6,01,018,0
4,02,08,01
R
Zad. 3.Do budowy liniowego modelu ekonometrycznego (Y)
zaproponowano 4 zmienne: X1, X2, X3, X4. Wektor współczynników korelacji między zmienną Y i zmiennymi X1, X2, X3, X4 oraz macierz współczynników korelacji między zmiennymi X1, X2, X3, X4 przedstawiono poniżej. Która kombinacja zmiennych, zawierających X3 i X4, powinna być użyta do budowy modelu?
40
DO ZOBACZENIADO ZOBACZENIA