duration analysis v1 prezentacja

background image

Prezentacja modelu

długości trwania

Piotr Bielawski

Przemysław Sowa

1

background image

Model długości trwania

Australijski sektor węgla kamiennego

Autorzy: Anthony Lawrance i Robert Marks
Publikacja wyników: Marzec 2000
Przedmiot: Firmy wydobywające węgiel
Miejsce: Nowa Południowa Walia, Au
Okres badania: 1960 – 1999
Powód: Gwałtowny rozwój rynku spowodowany rozwojem

eksportu węgla
(1 mln ton w 1960 r., 78 mln ton w 1998 r.)

2

background image

Co badamy?

Długość cyklu życia firmy wydobywającej węgiel

Początek cyklu życia:

a) moment podjęcia decyzji o wejściu do gałęzi
b) moment uzyskania licencji na wydobycie węgla
c) moment poniesienia pierwszych wydatków inwestycyjnych

Koniec cyklu życia: utrata większościowego udziału w ostatniej

kopalni węgla

3

background image

Dane

Pochodzą z Joint Coal Board

39 obserwacji kompletnych – początek i koniec zawarły się w

czasie 39 lat badania

40 obserwacji ocenzurowanych – początek lub koniec przypadły

na okres odpowiednio przed 1960 lub po 1999

Obserwacji obustronnie ocenzurowanych lub krótszych niż rok

nie wzięto pod uwagę

4

background image

Hipotezy postawione przez Lawrance’a i

Marksa

Ujemna korelacja pomiędzy wiekiem firmy a wartością funkcji

przeżywalności

Ujemna korelacja pomiędzy wielkością firmy (definiowaną jako

roczna wielkość produkcji) a wartością funkcji
przeżywalności

5

background image

Analiza przeżywalności - krótkie

przypomnienie:

Funkcja przeżywalności (survival function)

S

t=1 −F t=Pr T t

Dla

h

0

z wyrażenia

l

t , h=Pr tT thT t

otrzymujemy funkcję hazardu (hazard function):

t =

f

t

S

t

Zintegrowana funkcja hazardu jest równa -log(funkcja
przeżywalności)

t=

t

0

sds=−ln S t

6

background image

Analizowane formy funkcyjne:

Estymator Kaplana-Meiera (Kaplan-Meier product-limit

estimator)

Rozkład Weibulla (Weibull distribution)

Mediana (median ranks)

Estymator MNW (Maximum likelihood estimators)

7

background image

Metoda estymacji Kaplana-Meiera (1)

zastosowany z powodu braku propozycji parametrycznego
rozkładu dla przedsiębiorstw tej branży

czysto empiryczny, nieparametryczny sposób estymacji funkcji
hazardu i przeżywalności

wzory te stosujemy tylko w przypadku gdy obserwacje nie są
cenzurowane

w przypadku cenzurowania – stosujemy wzory zmodyfikowane

8

background image

Metoda estymacji Kaplana-Meiera (2)

Funkcja przeżywalności szacowana wg wzoru:

S t=

j :t

j

t

n

j

d

j

n

j

gdzie:

n

j

– ilość istniejących firm w momencie t

j

d

j

– ilość firm które zakończyły działalność w

analizowanym okresie (completed durations)

Estymator funkcji hazardu:

T

k

=

d

k

n

k

9

background image

Metoda estymacji Kaplana-Meiera (3)

10

background image

Rozkład Weibulla (1)

Próba zastosowania modelu ciągłego wynika z natury procesów
ekonomicznych, które są bardziej ciągłe niż dyskretne: decyzja
wejścia lub wyjścia z branży może nastąpić w dowolnym dniu,
nie tylko na koniec roku

Założenie: istnieje związek między wielkością a długością
istnienia przedsiębiorstw

11

background image

Rozkład Weibulla (2)

Funkcja przeżywalności:

S

t=1 −F t=exp−

t

Funkcja hazardu:

t= pt

p

−1

Parametry rozkładu szacowane na podstawie regresji

log

t =ab loglog [1/ S t ]c

a

=1 / b=exp

W celu sprawdzenia czy dobrano właściwy model –
zmodyfikowany test W (Shapiro)

12

background image

Statystyka pozycyjna: mediana

Parametry rozkładu Weibulla są szacowane za pomocą regresji dla
wartości środkowych

Uzyskana w ten sposób funkcja przeżywalności przyjmuje
wartości mniejsze niż w przypadku metody Kaplana Meiera

Wartości środkowe są w tym przypadku lepsze niż wartości
średnie, ponieważ nie ma zagrożenia niedoszacowania nachylenia
funkcji

Problem z cenzurowaniem: 7 ocenzurowanych firm przetrwało
dłużej niż najdłuższy okres trwania spośród firm
nieocenzurowanych – w efekcie przesunięcie wykresu funkcji
przeżywalności w dół (niedoszacowanie)

13

background image

Estymator największej wiarygodności

Szukamy parametrów MNW β i η funkcji przeżywalności dla
formy funkcyjnej Weibulla

Funkcja wiarygodności ma większą wartość niż uzyskana w
przypadku Kaplana-Meiera (nieznacznia różnica) i statystyk
pozycyjnych

Przy ilości obserwacji 85 stosowanie estymacji MNW jest
uzasadnione

14

background image

Podsumowanie – formy funkcyjne (1)

15

background image

Podsumowanie – formy funkcyjne (2)

16

background image

Podsumowanie – formy funkcyjne (3)

rozkłady metodą MNW i Kaplana- Meiera są zbliżone

najlepsze rezulataty daje metoda MNW – wyższe niż w
przypadku Kaplana Meiera wartości funkcji przeżywalności
można interpretować jako uwzględnianie obserwacji
cenzurowanych z lepiej dopasowanymi wagami

17

background image

Wnioski z metody MNW (1)

Średni czas życia przedsiębiorstwa wynosi 15.8 lat, a wartość
funkcji przeżywalności 0.41

Mediana długości trwania przedsiębiorstwa - 13.8 lat.

Parametr η (charakterystyczna długość życia) wynosi 17.6 lat, a
wartość funkcji przeżywalności 0.36 (uzyskujemy przez
podstawienie do funkcji przeżywalności t = η)

18

background image

Wnioski z metody MNW (2)

Dla β < 1 funkcje hazardu dla wszystkich rozkładów Weibulla są
monotonicznie malejące

Dla β > 1 funkcje hazardu dla wszystkich rozkładów Weibulla są
monotonicznie rosnące

Dla β = 1 rozkład wykładniczy ze stałą funkcją hazardu

W tym przypadku: β = 1.5

Istnienie zależności pomiędzy długością trwania a wartością
funkcji hazardu potwierdza fakt, że dH(t)/dt ≠ 0 i mamy do
czynienia z negatywną zależnością.

Potwierdza to prawdziwość postawionej hipotezy (wynika
prawdopodobnie z wyczerpywania zasobów)

19

background image

Zmiana w czasie

Hipoteza: średnia długość cyklu życia firmy nie zmieniała się

w trakcie badania

Podzielono próbę na dwie grupy umownie nazwane „Early” i

„Late” z linią podziału przypadającą na 30 czerwca 1979 roku

Test chi-kwadrat: nie ma podstaw do przyjęcia hipotezy o

równym rozkładzie grupy „Early” i „Late”- autorzy zakładają,

że długość spodziewanego cyklu życia rośnie z czasem

20

background image

Podział na grupy „Early” oraz „Late”

21

background image

Test interwałów

MLE eta (charakterystyczna długość życia) – rośnie wraz z

usuwaniem kolejnych 5-cio letnich okresów

MLE beta (nachylenie funkcji hazardu) – maleje wraz z
usuwaniem kolejnych okresów

Prawdopodobnie im później firma rozpoczęła działalność tym
większa jest jej szansa na dłuższy cykl życia

22

background image

Wielkość a długość trwania

Hipoteza: średnia długość cyklu życia jest mniejsza dla dużej

firmy

Korelacja: ilorazów – wielkość produkcji firmy na rok przed

zakończeniem działalności do wielkości produkcji całej branży

skupionej w NSW

Korelacja wynosi 0.29 toteż nie mamy podstaw do stwierdzenia,
że duża firma szybciej wydobędzie zasoby niż mała, innymi
słowy funkcja przeżywalności nie ma większej wartości dla
małych firm niż dla dużych, ani na odwrót

Trend w innych branżach wskazuje na wyższą wartość funkcji
hazardu dla małych firm

23

background image

Dziękujemy za uwagę

24


Wyszukiwarka

Podobne podstrony:
duration analysis v1 artykul id Nieznany
duration analysis v1-streszczenie
duration analysis v1 streszczenie
bayes v1 prezentacja
panele v1 prezentacja id 348812 Nieznany
bayes v1 prezentacja
duration analysis v2 artykul
Prezentacja v1
Prezentacja v1
Skoruppa N P Analysis 2 (Skriptum v1 2, Giesen, 2001)(de)(150s) MCet
SWOT ANALYSIS Kompania Piwowarska angielski prezentacja
Skoruppa N P Analysis 1 (Skriptum v1 1, Giesen, 2000)(de)(169s) MCet

więcej podobnych podstron