EKONOMETRIA
Model ekonometryczny
Elementy składowe pojedynczego równania w modelu ekonometrycznym
zależność scholastyczna y=fα,x+ ε
objaśnienia: y – zmienna objaśniana, zależna, jest jedna wielkość
x – zmienne objaśniające, niezależne – to wektor. x = {x1, x2,…, xn} – składa się ze zmiennych
[Model nie wyjaśnia jak się kształtuje dany model, tylko wyjaśniamy te zmienne.]
α – wektor parametrów strukturalnych w modelu zależy od funkcji f
ε – zmienne losowe (składnik losowy) o nieznanej treści (zjawiska o czysto losowym charakterze)
szacujemy model: à model zależności: γ=f(α,x)
objaśnienia: y – oszacowanie zmiennej zależnej
α – wektor oszacowań parametrów strukturalnych modelu
Dobór zmiennych do modelu ekonometrycznego
Regresja prosta. Metoda najmniejszych kwadratów.
model zależności stochastycznej yi= βo+β1* xi+εi
model oszacowany: yi= b0+b1* xi
metoda regresji - jedna zmienna niezależna, szacujemy na podstawie obserwacji zmiennej x i y
x i y – to wektory zawierające konkretne liczby
rys. – najlepsza opcja, kiedy zmienna leży najbliżej punktów
i=1αei2
Liczymy sumę kwadratów błędów (różnic) SEESEE= i=1αyi-yi2=i=1αyi- bo-b1* x12
tak dobieramy bo i b1 (oszacowanie parametrów), aby ich suma kwadratów błędów była jak najmniejsza
Metoda najmniejszych kwadratów (MNK): min bo i b1 (SSE)
Układ równań normalnych, z warunku koniecznego istnienia ekstremum funkcji.
dSEEdbo=-2 i=1ny1-bo-b1-xi=0 dSEEdb1=-2i=1nxiy1-bo-b1-xi=0
po przekształceniach:
Estymatory parametrów strukturalnych.
Model regresji prostej
Założenia MNK:
- zmienne niezależne są nielosowe
- składniki losowe mają rozkłady N(0, α2)
- składniki losowe εi i εj są niezależne dla każdego i =/ j
Błędy dopasowania
- średni błąd kwadratowy (oszacowanie wariancji składnika logowego)
MSE= SSEn-2= 1n-2 i=1nyi- yi2
SSE – suma kwadratów błędów
- standardowy błąd szacunku (oszacowanie odchylenia standardowego składnika losowego)
S= MSE= i-1nyi- yi2n-2
Do liniowego modelu ekonometrycznego:
i-1nyi- y2= i-1nyi- yi2+ i-1n yi- y2
Syy = SEE + SSR (suma kwadratów odchyleń regresyjnych)
Syy – miara całkowitej zmienności y
SSR – część zmienności, zmiennej zależnej, która została przez model wyjaśniona
Współczynnik determinacji
r2= SRRSyy= ryy2
informuje jaka część zmienności zmiennej zależnej jest wyjaśniana przez model
r2 przyjmuje wartość z przedziały (0,1)
r2 <0,9;1) - model bardzo dobry
r2 <0,8;0,9) – model dobry
r2 <0,6;0,8) - model zadowalający
r2 =1 – moder deterministyczny (Syy=SSR)
r2 = 0 – model zły
r2=ryy2 oznacza, że współczynnik deterministyczny jest kwadratem współczynnika korelacji między zmienną….
Weryfikacja statystyczna istnienia liniowej zależności:
tabela analizy wariancji
Fempiryczne – wartość służąca nam do weryfikacji statystycznej modelu zależności między x a y
F1, n-2 – wartość powinna być duża
Fempiryczne – pozwala nam zweryfikować hipotezę Ho=β0=1 y=b0 +0 X, między x a y nie ma zależności liniowej
α – poziom istotności
Femiryczne >Fkrytyczne à odrzucamy Ho, współczynnik β1 =/ 0. Między x i y istnieje związek liniowy.
Istotność F >α odrzucamy Ho
Femiryczne <Fkrytyczne à Brak podstaw do odrzucenia Ho, współczynnik β1 nie istotnie różny od 0. Między x i y nie ma związku liniowego.
Istotność F >α
Fkrytyczne = ROZKŁ.F.ODWR.VPS(α, st.sw licznika, st.sw.mianownika)
Istotność F – prawdopodobieństwo tego, ze liczba F1, n-2 jest większa od Fempirycznego. Fempiryczne powinno być jak największe. Istotność F powinna być jak najmniejsza.
Poziom istotności – 0,01 lub 0,05
0,01 oznacza, że w jednej na sto prób liczymy się z prawdopodobieństwem popełnienia błędu
ROZKŁAD.F(F;MS resztkowy) = ISTOTNOŚC F
Badanie istotności parametrów strukturalnych
1) Ho: β0=0 t = n-2
2) Ho: β1=0 – reszta tak samo t = n-2
Tkryt = ROZKŁAD.T.ODW.DS(α, n-2)
1. |Temp| > Tkryt - Tkryt odrzucamy Ho, współczynnik β0 istotnie różny od 0; współczynnik powinien być w modelu uwzględniony; istotność Temp < α
2. |Temp| < Tkryt - brak podstaw do odrzucenia Ho, współczynnik β0 nie istotnie różny od 0; współczynnik powinien być w modelu usunięty; istotność T0emp > α
Poprawność modelu ekonometrycznego – test serii (pozwala weryfikować hipotezę czy reszty mają charakter losowy)
1. Porządkujemy reszty według wartości zmiennej niezależnej (x)
2. Seria reszt – to ciąg reszt tego samego znaku (zera pomijamy)
3. Formułujemy H0: postać fikcyjna modelu jest poprawna
4. Weryfikujemy H0 na postawie statystyki testowej – liczba serii reszt kemp. Ta statystyka ma rozkład serii z parametrem k: kn1,n2. n1 – liczba reszt dodatnich; n2 – liczba reszt ujemnych; lub odwrotnie
5. Odczytujemy z tablicy wartości krytyczne k1 i k2
6. Obszar krytyczny: (-nieskończoność, k1>u <k2, + nieskończoność), gdzie
k1 = kα/2, n1,n2; k2= k1-α/2;n1;n2
W2
Przy pomocy testu serii, sprawdzić czy na poziomie istotności 0.05 model liniowy jest odpowiedni
Reszty ei mają następujące znaki kolejno:
++-+---++-+-
Kemp = 8
+n1 = 6
-n2 =6
K1 a/2= 3 – z testu serii
K2(1- a/2)(1-0,025=0,975)= 10 – z testu serii
Obszar akceptacji hipotezy o losowym wyborze reszt jest to obszar od k1 do k2. Kemp należy do obszaru akceptacji
poniżej k1 i powyżej k2 à obszar krytyczny
Nie ma podstaw do odrzucenia hipotezy
...
d.omi