Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
1
1
1. SZACOWANIE OPISOWEGO MODELU LINIOWEGO Z JEDNĄ
ZMIENNĄ OBJAŚNIAJĄCĄ
1.1 DANE DO ZADANIA
Oszacować klasyczną metodą najmniejszych kwadratów parametry modelu:
t
t
t
u
X
Y
+
⋅
+
=
1
0
α
α
gdzie: Y
t
- wydatki na żywność w tys. zł. na osobę, X
t
- dochód netto w tys. zł. na osobę.
Ponadto:
1. Obliczyć wariancję reszt modelu, średni błąd reszt, współczynniki R
2
,
ϕ
2
i współczynnik zmienności
v.
2. Oszacować średnie błędy ocen parametrów modelu.
3. Ocenić istotność aukorelacji składnika losowego, zbadać normalność rozkładu składnika losowego,
zbadać stałość wariancji składnika losowego.
Niezbędne dane podane są w poniższej tabeli
Okres Wydatki
Y
t
Dochód
X
t
1
0,1 0,35
2
0,15 0,45
3
0,18 0,6
4
0,24 0,95
5
0,28 1,2
6
0,35 1,7
1.2 SZACOWANIE PARAMETRÓW STRUKTURALNYCH
Podany model, którego parametry należy oszacować, jest modelem liniowym z jedną zmienną
objaśniającą. W modelu mamy dwa parametry do oszacowania, więc macierze, które symbolicznie
oznaczamy w każdym rozpatrywanym przykładzie jako X
T
X i X
T
y, będą miały następujące postacie:
X X
n
x
x
x
T
t
t
t
=
∑
∑
∑
2
i
X y
y
y x
T
t
t
t
=
∑
∑
W
związku z tym należy wykonać odpowiednie obliczenia. Ich wyniki zaprezentowane są w
poniższej tabeli.
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
2
2
Okres
y
t
x
t
x
t
2
y
t
x
t
y
t
2
(
)
y
y
t
−
2
1
0,1 0,35
0,1225 0,035 0,01 0,01361
2
0,15 0,45 0,2025 0,0675 0,0225 0,00444
3
0,18 0,6
0,36 0,108 0,0324 0,00134
4
0,24 0,95
0,9025 0,228 0,0576
0,00054
5
0,28 1,2
1,44 0,336 0,0784 0,00401
6
0,35 1,7
2,89 0,595 0,1225 0,01778
∑
1,3 5,25 5,9175 1,3695 0,3234 0,04173
Wstawiając wyniki obliczeń do odpowiednich macierzy otrzymujemy:
X X
T
=
6
5 25
5 25
,
,
5,9175
i
X y
T
=
1 3
1 3695
,
,
W dalszej kolejności należy dokonać odwrócenia macierzy X
T
X. Pamiętając, że macierz ta jest
zawsze symetryczna i nieosobliwa stosujemy do tego celu wzór:
(
) (
)
X X
X X
X X
T
T
D
T
−
=
1
gdzie litera D oznacza macierz dopełnień algebraicznych elementów.
W przypadku macierzy o wymiarach 2
×2 macierz
(
)
X X
T
D
tworzy się przez zamianę miejscami
elementów głównej przekątnej i zmianę znaków elementów drugiej przekątnej na przeciwne. Stąd
mamy:
(
)
X X
T
D
=
5,9175
6
−
−
5 25
5 25
,
,
Dzieląc wyrazy tej macierzy przez wartość wyznacznika otrzymujemy:
(
)
X X
T
−
=
−
−
1
5 25
5 25
5,9175
6
7,9425
,
,
=
0,74504
-0,661001
-0,661001
0,75543
Przy pomocy uzyskanych wyników możemy wyznaczyć oceny parametrów modelu posługując się
formułą estymatora KMNK:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
3
3
(
)
$b
X X
X y
T
T
=
=
⋅
−1
0,74504
-0,661001
-0,661001
0,75543
1 3
1 3695
,
,
=
1
0
ˆ
ˆ
0,17526
0,063314
α
α
←
←
Wyniki
obliczeń możemy teraz wstawić do rozważanego modelu:
t
t
Y
ε
ˆ
+
⋅
=
t
X
0,17526
+
0,063314
lub
t
X
0,17526
+
0,063314
ˆ
⋅
=
t
Y
Dokonując interpretacji otrzymanej postaci analitycznej powiemy, że przy stałości pozostałych
czynników (ceteris paribus) wzrost przeciętnych dochodów X o jednostkę (o tys. złotych) powodował w
badanym okresie przyrost przeciętnych wydatków na żywność Y średnio o 0,175 jednostki (0,175 tys.
złotych).
1.3 MIARY DOPASOWANIA
1.3.1 WARIANCJA RESZT MODELU (OCENA WARIANCJI SKŁADNIKA
LOSOWEGO)
Aby
obliczyć wariancję reszt
ε
ˆ modelu można skorzystać ze wzoru:
( )
(
)
1
ˆ
ˆ
2
2
+
−
⋅
−
=
∑
k
n
b
y
X
y
T
T
t
ε
σ
=
[
]
(
)
0,3234 - 1,3 1,3695
0,063314
0,17526
6 - 1 + 1
0,322327
4
⋅
=
−
0 3234
,
=
0,001073
4
0,000268
=
2
ˆ
ε
σ
1.3.2 ŚREDNI BŁĄD RESZT (STANDARDOWY BŁĄD REGRESJI, OCENA
ODCHYLENIA STANDARDOWEGO SKŁADNIKA LOSOWEGO)
Na podstawie znajomości wariancji reszt wyznaczamy odchylenie standardowe reszt modelu
(średni błąd reszt)
ε
σ
ˆ :
0,016379
=
=
=
000268
,
0
ˆ
ˆ
2
ε
ε
σ
σ
Interpretując otrzymaną wartość powiemy, że wartości empiryczne wydatków na żywność
Y
t
różnią się od wydatków teoretycznych (obliczonych na podstawie modelu) $
Y
t
średnio o 0,0164
jednostki (0,0164 tys, złotych).
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
4
4
Chcąc porównać wielkość tego średniego odchylenia z wartościami wydatków Y
t
możemy
posłużyć się praktycznym wskaźnikiem zwanym współczynnikiem zmienności losowej v.
%
559
,
7
100
100
ˆ
=
⋅
=
⋅
=
0,216667
0,016379
y
v
ε
σ
Wskaźnik ten mówi, że
reszty modelu
t
ε
ˆ stanowią przeciętnie około 7,6% wartości obserwacji na
zmiennej objaśnianej Y. Ponieważ mamy do czynienia z udziałem reszt w wartościach rzeczywistych Y
pojawia się pytanie, czy udział ten jest duży czy mały. Decyzja ta zależy od tego, jaki wskaźnik v
uznamy za możliwy do akceptacji (np. 5%), a jaki naszym zdaniem będzie wskazywał na zbyt duże
wartości błędu.
1.3.3 WSPÓŁCZYNNIK ZBIEŻNOŚCI
Współczynnik zbieżności
ϕ
2
obliczymy wykorzystując następujący wzór (wartość
(
)
∑
−
2
y
y
t
została obliczona w poprzedniej tabeli):
( )
(
)
[
]
ϕ
2
2
2
0 3234
=
−
⋅
−
=
⋅
=
−
=
∑
∑
y
X y
b
y
y
t
T
T
t
$
,
0,3234 - 1,3 1,3695
0,063314
0,17526
0,04173
0,322327
0,04173
0,001073
0,04173
ϕ
2
0 0257
= ,
Interpretując ten wskaźnik powiemy, że
2,57% całkowitej zmienności zmiennej objaśnianej Y nie
zostało wyjaśnione przez model (przez zmienność zmiennej objaśniającej X).
1.3.4 WSPÓŁCZYNNIK DETERMINACJI
Współczynnik determinacji
R
2
obliczymy korzystając ze wzoru:
R
2
2
1
1 0 0257 0 9743
= −
= −
=
ϕ
,
,
Interpretacja
: 97,43% całkowitej zmienności zmiennej objaśnianej Y zostało wyjaśnione przez
model (przez zmienność zmiennej objaśniającej X).
1.4 ŚREDNIE BŁĘDY OCEN PARAMETRÓW
Średnie błędy ocen parametrów modelu oszacujemy rozpoczynając obliczenia od wyznaczenia
macierzy wariancji-kowariancji estymatorów parametrów modelu:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
5
5
(
)
1
2
2
ˆ
)
ˆ
(
−
⋅
=
X
X
b
D
T
ε
σ
= 0,000268
0,74504
-0,661001
-0,661001
0,75543
0,00020 -0,00018
-0,00018 0,00020
⋅
=
Elementy
leżące na głównej przekątnej macierzy to wariancje ocen parametrów modelu.
Obliczając ich pierwiastki uzyskamy średnie błędy ocen parametrów (odchylenia standardowe od ocen
tych parametrów).
$
$
,
,
σ
σ
α
α
0
0
2
0 00020
0 01414
=
=
= ±
$
$
,
,
σ
σ
α
α
1
1
2
0 00020
0 01414
=
=
= ±
Po oszacowaniu tych średnich błędów możemy zapisać model następująco:
(
)
(
)
t
0,01414
0,01414
X
0,17526
+
0,063314
ˆ
⋅
=
±
±
t
Y
1.5 OCENA ISTOTNOŚCI WSPÓŁCZYNNIKA AUTOKORELACJI
1.5.1 TEST DURBINA-WATSONA
Aby
ocenić istotność autokorelacji składnika losowego I-ego rzędu posłużymy się testem Durbina
- Watsona. Wymagane jest, aby obliczyć wartość statystyki testowej DW dla naszego modelu.
Korzystamy ze wzoru:
(
)
∑
∑
=
=
−
−
=
n
t
t
n
t
t
t
DW
1
2
2
2
1
ˆ
ˆ
ˆ
ε
ε
ε
W pierwszej kolejności musimy obliczyć reszty modelu, do czego wykorzystamy poniższą tabelę.
Okres
y
t
$y
t
t
t
t
y
y
ˆ
ˆ
−
=
=
ε
1
ˆ
−
t
ε
(
)
2
1
ˆ
ˆ
−
−
t
t
ε
ε
2
ˆ
t
ε
1
0,1 0,12466
-0,02466
-
-
0,00061
2
0,15 0,14218 0,00782 -0,02466
0,00105
0,00006
3
0,18 0,16847 0,01153 0,00782
0,00001
0,00013
4
0,24 0,22981 0,01019 0,01153
0,00000
0,00010
5
0,28 0,27363 0,00637 0,01019
0,00001
0,00004
6
0,35 0,36126 -0,01126 0,00637
0,00031
0,00013
∑
0,00140 0,00107
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
6
6
Zatem:
DW
=
=
0,00140
0,00107
1,30045
Ponieważ wartość DW < 2 to sprawdzimy istotność dodatniej autokorelacji składnika losowego
stawiając następujące hipotezy:
0
:
0
:
1
1
0
>
≤
ρ
ρ
A
H
H
gdzie
ρ
1
jest współczynnikiem autokorelacji 1-szego rzędu.
W tablicach statystycznych rozkładu DW (dla poziomu istotności
α=0,05) znajdujemy dla stopni
swobody k = 1 i T (liczba obserwacji n) = 6 dwie wartości krytyczne: dL i dU takie, że:
dL = 0,610 i dU = 1,400
Zatem na przyjętym poziomie istotności możemy powiedzieć, iż wartość statystyki DW leży w
obszarze niekonkluzywności testu, gdyż DW
dL dU
∈
;
. Nie można zatem nic powiedzieć o istotności
autokorelacji składnika losowego. W takim przypadku można skorzystać z innych testów badających
istotność autokorelacji, pamiętając o ich ograniczeniach.
Na podstawie wartości DW można jednak ocenić wartość współczynnika
ρ
1
:
65
,
0
2
3
,
1
2
1
ˆ
1
=
=
−
≅
DW
ρ
Ocena ta wskazuje, że współczynnik autokorelacji liniowej ma wartość (siłę) umiarkowaną.
1.5.2 TEST MNOŻNIKA LAGRANGE’A (TEST BREUSCHA-GODFREY’A)
Ze
względu na fakt, iż test DW nie pozwolił jednoznacznie okreslic istotności autokorelacji
składnika losowego zastosujemy test mnożnika Lagrange’a (LM). Test ten jest przeznaczony dla
dużych prób, stąd przy małej liczebności obserwacji w naszym przykładzie nie powinien byc w
zasadzie stosowany. Pamiętając o tym, przeprowadzimy go jedynie celem pokazania sposobu jego
przeprowadzenia.
Hipotezy
dotyczace
współczynnika autokorelacji 1-ego rzędu są takie same, jak w teście DW.
Szacujemy model pomocniczy o postaci:
t
t
t
t
x
ξ
ε
β
β
β
ε
+
+
+
=
−1
2
1
0
ˆ
ˆ
Zauważmy, że w modelu pomocniczym rolę zmiennej objasnianej pełnią reszty modelu
podstawowego, zaś zmiennymi objasniającymi są wszystkie zmienne egzogeniczne modelu
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
7
7
podstawowego oraz reszty modelun opóźnione o jeden okres (t-1). Obliczamy współczynnik
determinacji tego modelu:
91
,
0
2
=
LM
R
Nastepnie obliczamy statystyke testową
)
1
(
2
−
⋅
=
n
R
LM
LM
o trzymujemy, że LM = 4,55. Statystyka
LM ma rozkład chi-kwadrat o 1 stopniu swobody. Zakładając poziom istotności
α = 0,05 odszukujemy
w tablicach statystycznych wartość krytyczną
χ
α
2
(1) = 3,841 dla prawostronnego obszaru krytycznego
(test LM jest testem prawostronnym). Następnie porównujemy statystykę empiryczną LM ze statystyką
teoretyczną z tablicy. Reguły decyzyjne sa następujące:
LM <
χ
α
2
nie odrzucamy H
0
LM >
χ
α
2
odrzucamy H
0
W naszym przykładzie LM >
χ
α
2
, a więc odrzucamy H
0
i uznajemy, że w modelu wystepuje
istotna autokorelacj 1-ego rzędu.
1.6 BADANIE NORMALNOŚCI ROZKŁADU SKŁADNIKA LOSOWEGO (TEST
JARQU’E-BERA)
Test JB jest prostym testem do oceny normalności rozkładu składnika losowego badanego procesu.
W istocie test ten nie bada własności rozkładu, a ocenia podobieństwo skośności i spłaszczenia
rozkładu składnika losowego do tych atrybutów w teoretycznym rozkładzie normalnym.
Stawiamy
hipotezy:
H
0
: składnik losowy ma rozkład normalny
H
A
: składnik losowy nie ma rozkładu normalnego
Obliczamy statystyke testową testu JB wg wzoru:
(
)
−
+
⋅
=
2
2
2
1
3
24
1
6
1
B
B
n
JB
gdzie:
3
3
1
ˆ
s
n
B
t
⋅
=
∑
ε
,
4
4
2
ˆ
s
n
B
t
⋅
=
∑
ε
obliczamy na podstawie
n
s
t
∑
=
2
ˆ
ε
i
t
t
t
y
y
ˆ
ˆ
−
=
ε
Korzystając z obliczeń reszt modelu wykonanych dla testu istotności autokorelacji otrzymamy:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
8
8
okres
t
ε
ˆ
2
ˆ
t
ε
3
ˆ
t
ε
4
ˆ
t
ε
1
-0,0247 0,0006081156
-0,0000149961
0,0000003698
2
0,00782 0,0000611524
0,0000004782
0,0000000037
3
0,01153 0,0001329409
0,0000015328
0,0000000177
4
0,01019 0,0001038361
0,0000010581
0,0000000108
5
0,00637 0,0000405769
0,0000002585
0,0000000016
6
-0,0113 0,0001267876
-0,0000014276
0,0000000161
suma
0,0010734095
-0,0000130962
0,0000004197
Zatem: s = 0,01337541, B
1
= -0,912161862, B
2
= 2,185652318
Stąd statyka JB = 0,9978298. Statystyka ta ma rozkład chi-kwadrat o 2 stopniach swobody. Dla
przyjętego poziomu istotności
α = 0,05 znajdujemy w tablicach wartość krytyczną χ
α
2
(2) – dla
prawostronnego obszaru krytycznego. Wartość
χ
α
2
(2) = 5,991. Porównujemy wartośc statystyki JB z
wartością krytyczną wg reguł:
JB <
χ
α
2
nie odrzucamy H
0
JB >
χ
α
2
odrzucamy H
0
W naszym przykładzie JB <
χ
α
2
zatem nie mamy podstaw do odrzucenia hipotezy o normalności
rozkładu składnika losowego. Warto podkreslić, że test JB jest testem przeznaczonym dla dużych prób
i w naszym zadaniu raczej nie powinien być stosowany. Przedstawiliśmy go tutaj, aby pokazać
technikę wykonania tego testu. najlepszym testem do badania normalności rozkładu jest test Shapiro-
Wilka, i jeśli tylko mamy mozliwość jego wykonania, wybieramy go przed innymi testami na
normalność.
1.7 BADANIE STAŁOŚCI WARIANCJI SKŁADNIKA LOSOWEGO (TEST
WHITE’A)
Hipotezy w teście badającym jednorodność wariancji są następujące:
H
0
: składnik losowy ma stałą wariancję
H
A
: składnik losowy nia ma stałej wariancji
W statystyce zdefiniowanych jest wiele rodzajów testów White’a. W naszym przypadku
posłuzymy się takim, który zakłada podniesienie do kwadratu całej postaci analitycznej modelu.
Obliczamy model pomocniczy o postaci:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
9
9
t
t
t
y
ξ
β
β
ε
+
+
=
2
1
0
2
ˆ
ˆ
gdzie
t
t
x
b
b
y
1
0
ˆ
ˆ
ˆ
+
=
Otrzymujemy zatem:
t
t
t
t
t
t
t
t
t
t
t
t
x
x
x
b
b
x
b
b
x
b
b
x
b
b
x
b
b
u
ξ
α
α
α
ξ
β
β
β
β
ξ
β
β
ξ
β
β
+
+
+
=
+
+
+
+
=
=
+
+
+
+
=
+
+
+
=
2
2
1
0
1
0
1
2
2
1
1
2
0
1
0
1
0
2
2
1
2
0
1
0
2
1
0
1
0
2
ˆ
ˆ
2
ˆ
ˆ
)
ˆ
ˆ
2
ˆ
ˆ
(
)
ˆ
ˆ
(
ˆ
Następnie obliczamy współczynnik determinacji dla modelu pomocniczego:
488
,
0
2
=
W
R
i obliczamy statystykę testową
928
,
2
488
,
0
6
2
=
⋅
=
⋅
=
W
R
n
W
, która ma rozkład chi-kwadrat o tylu
stopniach swobody, ile jest zmiennych objaśniających w modelu pomocniczym. W naszym modelu są
dwie zmienne objasniajace – x i x
2
– zatem, przy założonym poziomie istotnosci
α = 0,05, znajdujemy
w tablicach wartość krytyczną
χ
α
2
(2) = 5,991. Test ma prawostronny obszar krytyczny, zatem reguły
decyzyjne są nastepujace:
W <
χ
α
2
nie odrzucamy H
0
W >
χ
α
2
odrzucamy H
0
W naszym przypadku nie mamy podstaw do odrzucenia hipotezy o stałości wariancji składnika
losowego.
2. SZACOWANIE OPISOWEGO MODELU NIELINIOWEGO
Z JEDNĄ ZMIENNĄ OBJAŚNIAJĄCĄ
W niniejszym przykładzie rozwiążemy problem związany z oszacowaniem parametrów
jednorównaniowego modelu klasy potęgowo-wykładniczej dla jednej zmiennej objaśniającej.
2.1 DANE DO ZADANIA
Oszacować klasyczną metodą najmniejszych kwadratów parametry modelu:
t
e
X
e
Y
t
t
ε
α
α
⋅
⋅
=
1
0
gdzie:
Y
t
- miesięczne wydatki na odzież w tys. zł. na osobę,
X
t
- miesięczny dochód netto w tys. zł. na osobę.
Ponadto:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
10
10
1. Zinterpretować model po oszacowaniu.
2. Obliczyć wariancję reszt modelu, średni błąd reszt, współczynniki R
2
,
ϕ
2
.
3. Oszacować średnie błędy ocen parametrów modelu.
4. Zweryfikować istotność statystyczną zmiennej objaśniającej dla poziomu
α = 0,1.
5. Ocenić statystyczną istotność autokorelacji składnika losowego.
Niezbędne dane podane są w poniższej tabeli:
Miesiąc Wydatki
Y
t
Dochód
X
t
1
0,07 0,6
2
0,095 0,8
3
0,110 1,0
4
0,125 1,2
5
0,145 1,4
6
0,170 1,6
2.2 SZACOWANIE PARAMETRÓW STRUKTURALNYCH MODELU
Ponieważ rozważany model jest nieliniowy względem parametrów, a stosowana metoda estymacji
nie pozwala wprost szacować parametrów takiego modelu, należy go przekształcić do postaci liniowej
względem parametrów. Korzystając z własności modelu przekształcimy go poprzez obustronne
zlogarytmowanie:
(
)
t
e
X
e
y
t
t
ε
α
α
⋅
⋅
=
1
0
ln
ln
t
t
t
x
y
ε
α
α
+
⋅
+
=
ln
ln
1
0
Stosując podstawienia
ln y
v
t
t
= i ln x
z
t
t
= uzyskujemy:
t
t
t
z
v
ε
α
α
+
⋅
+
=
1
0
Taka
postać modelu pozwala nam zastosować KMNK przy założeniu, że zmienną objaśniającą jest
z
t
, a zmienną objaśnianą jest v
t
(wymaga to oczywiście założenia, że między zmiennymi v i z
zachodzi zależność liniowa, i że spełnione są odpowiednie założenia co do własności składnika
losowego
ε). Przyjmując takie oznaczenia zapiszemy estymator KMNK następująco:
( )
$b
Z Z
Z v
T
T
=
−1
Wynika z tego, że postacie macierzy Z Z
T
i Z
T
v
są następujące:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
11
11
=
∑
∑
∑
2
t
t
t
T
z
z
z
n
Z
Z
⋅
=
∑
∑
t
t
t
T
z
v
v
v
Z
Obliczenia elementów tych macierzy wykonamy w poniższej tabeli:
Miesiąc
Wydatki
Y
t
Dochód
X
t
v
t
(ln Y
t
)
z
t
(ln X
t
)
z
t
2
(ln X
t
)
2
v
t
z
t
1
0,07 0,6 -2,65926
-0,51083
0,26094
1,35842
2
0,095 0,8 -2,35388
-0,22314
0,04979 0,52525
3
0,110 1,0 -2,20727 0,00000
0,00000 0,00000
4
0,125 1,2 -2,07944 0,18232
0,03324 -0,37913
5
0,145 1,4 -1,93102 0,33647
0,11321 -0,64974
6
0,170 1,6 -1,77196 0,47000
0,22090 -0,83283
Σ
-13,00283 0,25483 0,67809 0,02198
Stąd mamy:
=
0,67809
0,25483
0,25483
6
Z
Z
T
Macierz
odwrotną
( )
Z Z
T
−1
obliczymy ze wzoru:
( ) ( )
Z Z
Z Z
Z Z
T
T
D
T
−
=
1
Macierz
dopełnień algebraicznych:
( )
Z Z
T
D
=
0,67809 -0,25483
-0,25483
6
Wyznacznik
(
) (
)
Z Z
T
=
⋅ − −
⋅ −
0 67809 6
0 25483
0 25483
,
,
,
= 4,00363
Stąd:
( )
Z Z
T
−
=
=
1
6
4 00363
0,67809 -0,25483
-0,25483
0,16937 -0,06365
-0,06365 1,49864
,
Wektor
Z v
T
ma postać:
=
0,02198
13,00283
-
v
Z
T
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
12
12
Możemy zatem policzyć oceny parametrów postaci logarytmiczno-liniowej naszego modelu:
( )
1
0
1
ˆ
ˆ
0,86057
2,20369
-
0,02198
13,00283
-
1,49864
0,06365
-
0,06365
-
0,16937
ˆ
α
α
←
←
=
⋅
=
=
−
v
Z
Z
Z
b
T
T
Postać teoretyczna modelu:
t
z
0,86057
+
-2,20369
ˆ
⋅
=
t
v
lub lepiej bezpośrednio w postaci pierwotnej:
86057
,
0
20369
,
2
ˆ
t
t
X
e
Y
⋅
=
−
Parametr
będący wykładnikiem potęgi dla zmiennej X jest elastycznością wydatków Y względem
dochodów X. Możemy zinterpretować go następująco:
Ceteris paribus wzrost dochodów X o 1 procent powodował wzrost wydatków Y średnio o 0,861
procenta (spadekt dochodów X o 1 procent powodował spadek wydatków Y średnio o 0,861 procenta).
2.3 MIARY DOPASOWANIA
2.3.1 WARIANCJA RESZT MODELU
Szacując miary dopasowania analizowanego modelu odnosimy je oczywiście do postaci
zlogarytmowanej (zlinearyzowanej). Oznacza to, że we wszystkich wzorach, które stosujemy w tym
celu zmienną objaśnianą jest v, zaś zmienną objaśniającą jest z.
Aby
oszacować wariancję reszt
ε
ˆ modelu można skorzystać ze wzoru:
( )
(
)
1
ˆ
ˆ
2
2
+
−
⋅
−
=
∑
k
n
b
v
Z
v
T
T
t
ε
σ
=
[
]
(
)
=
=
−
⋅
4
28,67305
-
28,67722
1
+
1
-
6
86057
,
0
20369
,
2
0,021983
13,0028
-
-
28,67722
4
0,00417
=
0,0010425
=
2
ˆ
ε
σ
2.3.2 ŚREDNI BŁĄD RESZTOWY
Na podstawie znajomości wariancji reszt wyznaczamy odchylenie standardowe reszt modelu
(średni błąd reszt)
ε
σ
ˆ :
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
13
13
0,03229
=
=
=
0010425
,
0
ˆ
ˆ
2
ε
ε
σ
σ
Interpretując otrzymaną wartość zauważmy, że składnik losowy
ε w postaci pierwotnej
(nieliniowej) modelu nie jest addytywny lecz multiplikatywny. To oznacza, że składnik resztowy nie
określa zwykłych różnić między wartościami rzeczywistymi zmiennej objaśnianej Y
t
, a jej wartościami
teoretycznymi
t
Yˆ
. Składnik resztowy oznacza w naszym modelu różnicę między wartościami
rzeczywistymi v
t
, a wartościami teoretycznymi
t
vˆ
. Interpretacja w odniesieniu do zmiennej v, czyli
logarytmów y, byłaby oczywiscie merytorycznie poprawna, jednak nieczytelna.
Chcąc odnieść się bezpośrednio do zmiennej wydatków Y w naszym przypadku powiemy, że
udział różnic między wartościami empirycznymi
t
Yˆ
a teoretycznymi zmiennej Y w teoretycznych
wartościach
t
Yˆ
(czyli
t
t
t
Y
Y
Y
ˆ
ˆ
−
) wynosi średnio:
(
)
(
)
%
25
,
3
100
1
100
1
03206
,
0
ˆ
=
⋅
−
=
⋅
−
e
e
ε
σ
2.3.3 WSPÓŁCZYNNIK ZBIEŻNOŚCI
Współczynnik zbieżności
ϕ
2
obliczymy wykorzystując następujący wzór (wartość
(
)
∑
−
2
v
v
t
obliczono w poprzedniej tabeli):
( )
(
)
[
]
0,49828
0,00417
0,49828
28,67305
-
28,67722
0,49828
86057
,
0
20369
,
2
0,021983
13,0028
-
-
28,67722
ˆ
2
2
2
=
=
=
−
⋅
=
−
⋅
−
=
∑
∑
v
v
b
v
Z
v
t
T
T
t
ϕ
00837
,
0
2
=
ϕ
Interpretując ten wskaźnik powiemy, że 0,84% całkowitej zmienności zmiennej objaśnianej (w
formie liniowej modelu) nie zostało wyjaśnione przez model.
2.3.4 WSPÓŁCZYNNIK DETERMINACJI
Współczynnik determinacji R
2
obliczymy korzystając ze wzoru:
99163
,
0
00837
,
0
1
1
2
2
=
−
=
−
=
ϕ
R
Interpretacja:
99,16% całkowitej zmienności zmiennej objaśnianej zostało wyjaśnione przez model.
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
14
14
2.4 ŚREDNIE BŁĘDY OCEN PARAMETRÓW STRUKTURALNYCH
Średnie błędy ocen parametrów modelu oszacujemy rozpoczynając obliczenia od wyznaczenia
macierzy wariancji-kowariancji estymatorów parametrów modelu:
( )
1
2
2
ˆ
)
ˆ
(
−
⋅
=
Z
Z
b
D
T
ε
σ
=
−
−
=
⋅
0,00154
0,000174
000065
,
0
000065
,
0
1,49864
0,06365
-
0,06365
-
0,16937
0,001028
Elementy
leżące na głównej przekątnej to wariancje ocen parametrów modelu. Obliczając ich
pierwiastki uzyskamy średnie błędy ocen parametrów (odchylenia standardowe ocen tych
parametrów):
$
$
,
,
σ
σ
α
α
0
0
2
0 000174
0 0132
=
=
= ±
$
$
,
,
σ
σ
α
α
1
1
2
0 00154
0 0392
=
=
= ±
Po oszacowaniu tych błędów możemy zapisać model następująco:
(
)
(
)
0392
,
0
0132
,
0
86057
,
0
20369
,
2
ˆ
±
±
⋅
=
−
t
t
x
e
y
2.5 OCENA ISTOTNOŚCI ZMIENNEJ OBJASNIAJĄCEJ
Zakładając, że składnik losowy spełnia własności normalności rozkładu, stałości wariancji oraz
braku istotnej autokorelacji możemy wykonać ocenę istotności zmiennej objaśniającej x modelu za
pomocą testu t-Studenta. Istotność zmiennych badamy testując parametry strukturalne.
Dla
parametru
α
1
stawiamy zestaw hipotez:
H
0
:
α
1
= 0, H
A
:
α
1
≠ 0.
Obliczmy
statystykę próbkową dla parametru
α
1
:
953
,
21
0392
,
0
86057
,
0
ˆ
ˆ
1
1
ˆ
1
ˆ
=
=
=
α
α
σ
α
t
Przy
założeniu prawdziwości hipotezy zerowej powyższa statystyka ma rozkład t-Studenta o n-
(k+1) stopniach swobody, wobec tego, przy założonym poziomie istotności dla testu dwustronnego (
α
= 0,1), znajdujemy w tablicach statystycznych wartość krytyczną rozkładu t:
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
15
15
132
,
2
05
,
0
2
=
= t
t
a
Porównując statystykę próbkową z wartością krytyczną otrzymujemy:
•
2
ˆ
1
α
α
t
t
>
zatem odrzucamy hipotezę H
0
na korzyść hipotezy H
A
, czyli stwierdzamy, że parametr
α
1
istotnie różni się od 0, co oznacza, że zmienna X (dochody) istotnie wpływała w badanym
okresie na wielkość wydatków Y.
2.6 OCENA ISTOTNOŚCI AUTOKORELACJI SKŁADNIKA LOSOWEGO
Aby
ocenić istotność współczynnika autokorelacji rzędu I-ego wykonamy test Durbina-Watsona.
Stawiamy następujący zestaw hipotez:
H
0
: współczynnik autokorelacji
ρ
1
nieistotnie różni się od 0,
H
A
: współczynnik autokorelacji
ρ
1
istotnie różni się od 0.
Statystyka próbkowa testu zostanie policzona na podstawie wzoru:
(
)
∑
∑
−
−
=
2
2
1
ˆ
ˆ
ˆ
t
t
t
DW
ε
ε
ε
Na podstawie oszacowanego modelu obliczamy wartości teoretyczne
t
vˆ , a następnie reszty
modelu
t
ε
ˆ .
okres
v
t
t
vˆ
t
t
t
v
v ˆ
ˆ
−
=
ε
1
ˆ
−
t
ε
2
1
)
ˆ
ˆ
(
−
−
t
t
ε
ε
2
ˆ
t
ε
1
-2,65926
-2,64329 -0,01597
-
-
0,00025
2
-2,35388
-2,39572 0,04184 -0,01597 0,00334 0,00175
3
-2,20727
-2,20369 -0,00358 0,04184 0,00206 0,00001
4
-2,07944
-2,04679 -0,03265 -0,00358 0,00085 0,00107
5
-1,93102
-1,91413 -0,01689 -0,03265 0,00025 0,00029
6
-1,77196
-1,79922 0,02726 -0,01689 0,00195 0,00074
suma
0,00845 0,00411
Zatem statystyka DW wynosi:
056
,
2
00411
,
0
00845
,
0
=
=
DW
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
Materiały pomocnicze do zajeć z ekonometrii SSW Chojnice 2012
Krzysztof Świetlik
16
16
Ponieważ statystyka DW > 2 to zakładamy badanie istotności autokorelacji ujemnej.
Odnajdujemy w tablicach statystycznych wartości krytyczne rozkładu DW dla ustalonego poziomu
istotności (
α = 0,05) oraz stopni swobody n = 6 i k = 1:
dL = 0,610; dU = 1,400.
Obliczamy
statystykę pomocniczą DW’ = 4-DW = 4-2,056 = 1,944
Ponieważ zachodzi zależność: DW’>dU to test Durbina-Watsona rozstrzyga o nieodrzuceniu
hipotezy H
0
. Zatem możemy uznać autokorelację składnika losowego za nieistotną.
Mając obliczoną wartość DW możemy oszacować współczynnik autokorelacji I-ego rzędu
028
,
0
2
056
,
2
1
2
1
ˆ
1
−
=
−
≅
−
≅
DW
ρ
Współczynnik przyjmuje bardzo małą wartość – siła autokorelacji jest znikoma.