KLASYFIKACJA MODELI
EKONOMETRYCZNYCH -
WERYFIKACJA
JEDNORÓWNANIOWEGO
MODELU
EKONOMETRYCZNEGO
POCHODZENIE
EKONOMETRII
MODEL
EKONOMETRYCZNY
Modelem ekonometrycznym nazywamy
formalny opis stochastycznej zależności
wyróżnionej wielkości, zjawiska lub przebiegu
procesu ekonomicznego od czynników, które je
kształtują, wyrażony w formie pojedynczego
równania bądź układu równań. Strukturę każdego
równania określają: zmienna objaśniana,
zmienne objaśniające (nielosowe lub losowe)
mające ustaloną treść ekonomiczną, parametry
strukturalne ,zmienna losowa (tradycyjnie
nazywana składnikiem losowym) o nieznanej
treści oraz określony typ związku funkcyjnego
między zmienną objaśnianą a zmiennymi
objaśniającymi i składnikiem losowym.
KLASYFIKACJA ZMIENNYCH
WYSTĘPUJĄCYCH W MODELU
EKONOMETRYCZNYM
A - zmienne endogeniczne: bieżące i
opóźnione (wyjaśniane przez model),
B - zmienne egzogeniczne: bieżące i
opóźnione (nie wyjaśniane przez
model).
C - zmienne objaśniane
D - zmienne objaśniające.
KLASYFIKACJA MODELI
EKONOMETRYCZNYCH
- modele jednorównaniowe
-modele wielorównaniowe,
- modele nieliniowe
- modele nieliniowe
- modele proste,
- modele rekurencyjne,
- modele o równaniach
współzależnych
RODZAJE WERYFIKACJI
weryfikację merytoryczną,
która ma na celu stwierdzenie
merytorycznej poprawności
modelu,
weryfikację statystyczną,
która ma celu stwierdzenie czy
model spełnia postulaty
sformułowane w teorii
ekonometrii i statystyki.
Współczynnik determinacji R
2
wskazuje, jaka część ogólnej
zaobserwowanej
Zmienności zmiennej objaśnianej
została wyjaśniona przez model
ekonometryczny.
Współczynnik indeterminacji φ
2
mierzy natomiast tę część
zaobserwowanej zmienności
zmiennej objaśnianej, która nie
została przez model wyjaśniona.
Współczynnik determinacji R
2
wskazuje, jaka część ogólnej
zaobserwowanej
Zmienności zmiennej objaśnianej
została wyjaśniona przez model
ekonometryczny.
Współczynnik indeterminacji φ
2
mierzy natomiast tę część
zaobserwowanej zmienności
zmiennej objaśnianej, która nie
została przez model wyjaśniona.
Współczynnik indeterminacji
określony jest wzorem
Φ
2
= Σ (y – ŷ)
2
/ Σ (y - ỹ)
2
Wspólczynnik determinacji
oznaczany jest natomiast jako
R
2
= 1 – φ
2
o ile φ
2
jest mniejsze lub równe
1.
Współczynnik indeterminacji
określony jest wzorem
Φ
2
= Σ (y – ŷ)
2
/ Σ (y - ỹ)
2
Wspólczynnik determinacji
oznaczany jest natomiast jako
R
2
= 1 – φ
2
o ile φ
2
jest mniejsze lub równe
1.
Istotność zmiennych
objaśniających
Zmienna objaśniająca jest
„istotna”, gdy w zauważalny
(wyraźny) sposób wpływa na
zmienną objaśnianą.
W wypadku modelu liniowego Y =
a0 + a1X1 + ... + anXn zmienna
jest istotna, gdy parametr przy niej
stojący jest istotnie różny od zera.
Zmienna objaśniająca jest
„istotna”, gdy w zauważalny
(wyraźny) sposób wpływa na
zmienną objaśnianą.
W wypadku modelu liniowego Y =
a0 + a1X1 + ... + anXn zmienna
jest istotna, gdy parametr przy niej
stojący jest istotnie różny od zera.
1Obliczamy tzw., empiryczną statystykę
Studenta, t
k ,
dotyczącą badanej zmiennej
objaśniającej.
2Ustalamy krytyczną wartość statystyki
Studenta, t
KR
.
3Porównujemy moduł empirycznej statystyki
Studenta z wartością krytyczną:
oZmienną objaśniającą uznaje się za
istotną, jeśli związana z nią
statystyka empiryczna jest co do
modułu większa od wartości
krytycznej, tzn. , jeśli
| t
k
|
> t
KR
,
oJeśli natomiast jest odwrotnie, tzn. |
t
k
| ≤ t
KR
to badaną zmienną
objaśniającą uznajemy za nieistotną.
1Obliczamy tzw., empiryczną statystykę
Studenta, t
k ,
dotyczącą badanej zmiennej
objaśniającej.
2Ustalamy krytyczną wartość statystyki
Studenta, t
KR
.
3Porównujemy moduł empirycznej statystyki
Studenta z wartością krytyczną:
oZmienną objaśniającą uznaje się za
istotną, jeśli związana z nią
statystyka empiryczna jest co do
modułu większa od wartości
krytycznej, tzn. , jeśli
| t
k
|
> t
KR
,
oJeśli natomiast jest odwrotnie, tzn. |
t
k
| ≤ t
KR
to badaną zmienną
objaśniającą uznajemy za nieistotną.