Wzór |
Opis |
Kolokwium I |
|
|
Współczynnik korelacji Pearsona ( liniowy )
|
|
Ogólna postać modelu ekonometrycznego |
|
Analiza macierzy współczynników korelacji - zależności |
|
Analiza macierzy współczynników korelacji - wzór na I eliminację zmiennych |
|
Analiza macierzy współczynników korelacji - wzór na 2 eliminację zmiennych |
|
Ilość możliwych kombinacji w metodzie współczynników informacyjnych Hellwiga |
|
Metoda współczynników informacyjnych Hellwiga - wzór na wskaźnik indywidualny j - numer zmiennej w badanej kombinacji ml - liczba zmiennych objaśniających w rozpatrywanej kombinacji
|
|
Metoda współczynników informacyjnych Hellwiga - wzór na integralny pojemności informacyjnej |
|
Eliminacja zmiennych quasi-stałych Vi - współczynnik zmienności |
|
Eliminacja zmiennych quasi-stałych - wzór według którego eliminujemy zmienne z model
|
Kolokwium II |
|
|
Model ekonometryczny liniowy z jedną zmienną objaśniającą - postać ogólna |
|
Model ekonometryczny liniowy z jedną zmienną objaśniającą - wzór na a1 |
|
Model ekonometryczny liniowy z jedną zmienną objaśniającą - wzór na a0 |
|
Model liniowy ekonometryczny z jedną zmienną objaśniającą |
|
Wzór na obliczanie parametru a1 |
|
Wzór na obliczanie parametru a0 |
|
Model ekonometryczny z więcej niż jedną zmienną objaśniającą |
|
Oceny modelu ekonometrycznego |
|
Oszacowanie parametrów strukturalnych |
|
Wariancja resztowa k - liczba zmiennych objaśniających
S2 - wariancja resztowa
|
|
Macierz odwrotna |
|
Wyznacznik macierzy Mij - minor odpowiadający elementowi ij, podwyznacznik macierzy A powstały przez skreślenie i-tego wiersza i j-tej kolumny |
|
Wyznaczanie reszty modelu |
|
Macierz wariancji i kowariancji parametrów strukturalnych modelu |
|
Weryfikacja modelu ekonometrycznego k - liczba zmiennych objaśniających |
|
Weryfikacja modelu ekonometrycznego k - liczba szacowanych parametrów |
|
Weryfikacja modelu ekonometrycznego
Model ekonomiczny jest lepiej dopasowany do danych empirycznych jeżeli ℓ2 jest bliższe zero |
|
Weryfikacja modelu ekonometrycznego
Model ekonomiczny jest lepiej dopasowany do danych empirycznych jeżeli R2 jest bliższe jedności |
|
Weryfikacja modelu ekonometrycznego
Model ekonomiczny jest lepiej dopasowany do danych empirycznych jeżeli Se przyjmuje mniejszą wartość |
|
Zakres wartości |
|
Badanie istotności parametrów strukturalnych modelu
Jeżeli ti ≤ tα to nie ma podstaw do odrzucenia H0 - parametr ai jest nieistotny, a zmienna xi nieistotnie wpływa na zmienną objaśniającą i może zostać wyeliminowana z modelu
Jeżeli ti > tα to H0 odrzucamy na rzecz H1 - parametr ai jest istotny, a zmienna xi istotnie wpływa na zmienną objaśniającą |
|
Weryfikacja hipotezy o istotności współczynnika korelacji wielorakiej R - współczynnik determinacji |
Fα,m1=k;m2=n-k-1
|
Weryfikacja hipotezy o istotności współczynnika korelacji wielorakiej k - liczba zmiennych objaśniających n - liczebność F - statystyka Fishera
Jeżeli F≤Fα to nie ma podstaw do odrzucenia H0. Współczynnik korelacji wielorakiej (R) jest nieistotny, a model jest źle dobrany do danych empirycznych
Jeżeli F>Fα H0 odrzucamy na rzecz H1. Współczynnik korelacji wielorakiej (R) jest istotny, a model jest dobrze dopasowany do danych empirycznych. Jeżeli R2 jest bliższe 1 - oznacza to dobre dopasowanie modelu |
|
Przedziały ufności |
Kolokwium III |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ekonometria - wzory
- 5 -