Ekonometryczne modele nieliniowe
-
Upload
henry-noel -
Category
Documents
-
view
54 -
download
5
description
Transcript of Ekonometryczne modele nieliniowe
1
Ekonometryczne modele nieliniowe
Wykład 1
Dobromił Serwa
2
Zajęcia
• Wykład
• Laboratorium komputerowe
• Prezentacje
3
Zaliczenie
• EGZAMIN (50%)– Na egzaminie obowiązują wszystkie informacje przekazane w
czasie wykładów (np. slajdy).
• Aktywność na zajęciach (50%)– dodatkowe zadania
co tydzień praca domowa na kolejne zajęcia– obecności warunkiem zaliczenia:
2 nieobecności = ocena 2 (ndst)
• Kontakt: [email protected]• Konsultacje: szczegóły na stronie
akson.sgh.waw.pl/~dserwa/emn.htm
4
Pytania sprawdzające
1. Co to jest MNW i jak konstruowany jest estymator MNW dla modelu liniowego?
2. Podaj wzór dla estymatorów MZI i UMM dla modelu liniowego.
3. Jakie znasz metody gradientowe optymalizacji funkcji nieliniowej?
4. Co to jest model TAR i model STAR?5. Co to jest mieszanina rozkładów (mixture of
distributions)?6. Co to jest model przełącznikowy Markowa i jak
szacujemy jego parametry?7. Co to jest model przestrzeni stanów?8. Co to jest regresja kwantylowa?9. Do czego służą metody bootstrap i jacknife?
5
Tematy wykładów
• NMNK, MNW, testy statystyczne• Metody gradientowe itp.• Modele regresji progowej• Modele łagodnego przejścia + …• Modele przestrzeni stanów + …• Modele przełącznikowe Markowa + …• Metody bootstrap i jacknife• UMM, MZI, identyfikacja przez
heteroskedastyczność…• Modele regresji kwantylowej
6
Literatura
Lektury obowiązkowe• J. D. Hamilton, Time Series Analysis, Princeton University
Press, 1994• B. Hansen, Econometrics, na jego stronie internetowej…• P.H. Franses, D. Dijk, Non-linear time series models in
empirical finance, 2006• Materiały na stronie internetowej:
akson.sgh.waw.pl/~dserwa/emn.htm
Lektury dodatkowe• J. Johnston, J.DiNardo, Econometric Methods, McGraw-
Hill, 1997• G. Chow, Ekonometria, PWN, 1995
7
Model liniowy
• liniowy względem parametrów
• liniowy względem zmiennych
iikkiii uxxxy ,,22,11
8
Własności MNK
• Model i jego estymacja
tktktttt uxxxxy ...332211
uXβy
uX'XX'β
uXβX'XX'yX'XX'b1
11
)(
)()()(
9
Założenia KMNK
• Estymator nieobciążony, zgodny, efektywny, gdy:– Z1: – Z2: nielosowe, niezależne od – Z3: – Z4: – Dodatkowo Z5:
Nkrz )(X
ix u0u )(E
Iuu'u 22 )()( ED 2),(~ 2I0u N
10
Własności MNK
• Estymator nieobciążony
• Najefektywniejszy w swojej klasie
• Zgodny:
dla każdego
1)(lim
tt
bP
0
βb )(E
11
Własności MNK
1211 )(])()[(])')([( XX'XX'Xuu'X'XX'βbβb EE
))(,(~ 12 XX'βb N
Przy spełnionych założeniach Z1 do Z5 mamy:
))(,(~ iii bNb
)1,0(~)(
Nb
b
i
ii
12
Testy statystyczne
• Zastosowanie
iibH :0 iibH :1
)(~)(
kNtbS
b
i
ii
kNS
uu'2
iii dSbS )(
13
Testy statystyczne
• Przykład 2
531
42
4kLiczba parametrów:Liczba warunków: 2m
1010
0101R
0
5r rRβ
14
Testy statystyczne
• Test F
• ponieważ prawdziwe twierdzenie:Jeśli i nieosobliwa, to
))(,(~ 12 XX'βb N
)')(,(~ 12 RXX'RRβRb N
)(~)()')()(( 2112 m 'rRbRXX'RrRb
),(~]1[ Ω0z Nn Ω
)(~ 21 nzΩz'
15
Testy statystyczne
• Test F c.d.
• Dodatkowa własność )(~ 22
kN uu'
),(~/
/)()')()((22
112
kNmFS
mF
'rRbRXX'RrRb
)(~)()')()(( 2112 m 'rRbRXX'RrRb
),(~/)()')()(( 112 kNmFmSF 'rRbRXX'RrRb
16
Testy statystyczne
• Statystyka Walda
• Przykład dla 0:0 iH
),1(~)var(
2
kNFb
bF
i
i
)(~)(
kNtbS
bt
i
i
)(~)()')()(( 2112 mSWa
'rRbRXX'RrRb
17
Własności estymatorów MNK
Źródło: J. Hamilton, TSA, str. 209
18
Dodatek: słaba zbieżność
• Słaba zbieżność (convergence in distribution)
Ciąg zmiennych losowych
- dystrybuanta
Istnieje dystrybuanta , taka że
w każdym punkcie ,
w którym jest ciągła.
zbiega słabo do :
1NNX)(xF
NX NX
)(xFX
)()(lim xFxF XXN N
x)(XF
XX LN
NX X
19
Testy statystyczne
• Nieliniowe restrykcje na parametry
• Przykład:
)()()()( 2
1
12 mSW L
bgβ
gXX'
β
gbg
bβbβ
0βg )( mk :g
132
1 3k
20
Testy postaci liniowej
• Test liczby serii
• RESET test
• Testy Chowa
• Test Quandta-Andrewsa
• Test CUSUM, CUSUMSQ
21
Testy …
• Test liczby serii– r – liczba serii– N1 – liczba dodatnich reszt– N2 – liczba ujemnych reszt
• H0: model liniowy r<=r*
• H1: model nieliniowy r>r*
22
Testy …
• RESET test Ramseya
Model podstawowy i rozszerzony
),(~)/()1(
/)(2
22
mkNmFmkNR
mRRF
r
r
tmttktktttt uyyxxxxy 1
32
2332211 ˆ...ˆ... tktktttt uxxxxy ...332211
23
Testy …
• Chow’s breakpoint test: Czy parametry równe w podpróbach?
… i rozszerzenie testu …
)2,(~)2/()(
/)(
21
21 kNkFkNRSSRSS
kRSSRSSRSSF
24
Testy …
• Test Quandta-Andrewsanieznany moment zmiany strukturalnej
Przybliżone rozkłady asymptotyczne: Hansen (1997)
25
Testy …
• Chow forecast test
• Chow test dla prób z różnymi wariancjami reszt
),(~)/(
/)(12
11
21 kNNFkNRSS
NRSSRSSF
)(~)())(( 221
12121 kW bbVVbb
26
Testy …
• Test CUSUM
1ˆ tttt yu bx
')'(1 111 ttttttf xXXx
),0(~')'(1
ˆ 2
11
Nu
wtttt
tt
xXXx
t
kt S
wW
1
27
Testy …
• Test CUSUM c.d.
Źródło: Eviews 6 Users Guide
p=0,01 a=1,143p=0,05 a=0,948p=0,10 a=0,850
28
Testy …
• Test CUSUMSQ
T
k
t
kt
w
wW
1
2
1
2
kN
ktWE t
)(
Tablice z wartościami kryzytycznymi np. w: Johnston, DiNardo …
Źródło: Eviews 6 Users Guide
29
Testy …• Rekursywne reszty
• Rekursywne oszacowania parametrów… i problemy …
Źródło: Eviews 6 Users Guide
30
Pytania
• Jak wykorzystać statystykę F do testowania stabilności parametrów?