klasyfikacja modeli ekonometrycznych IWNJBDPWDCX2JOZKKR5T36JDZKC3PLF26RCRG7I


Klasyfikacja modeli ekonometrycznych

0x08 graphic
KRÓTKA DEFINICJA SŁOWA EKONOMETRIA I MODELI EKONOMETRYCZNYCH

Przedmiotem Ekonometrii jest statystyczne badanie ilościowych prawidłowości ekonomicznych. Ekonomista chcąc wpływać na kształtowanie się zjawisk gospodarczych, przewidywać je i kontrolować zmuszony jest badać poznawać te zjawiska. W odkrywaniu i formułowaniu ilościowych praw ekonomicznych zasadniczą rolę odgrywa badanie statystycznych prawidłowości w kształtowaniu się procesu gospodarczego. Ekonometria wywodzi się z połączenia trzech podstawowych nauk; matematyki, statystyki i ekonomii. Z połączenia Matematyki i statystyki powstała Statystyka Matematyczna, a z połączenia Statystyki i Ekonomi - Statystyka ekonomiczna. Wspólne zainteresowania Matematyki i Ekonomi utworzyły Ekonomię matematyczną, wspólne zainteresowania zaś Ekonomii, Matematyki i Statystyki są podstawą rozwoju nauki zwanej Ekonometrią.

0x08 graphic

MODEL EKONOMETRYCZNY

   Podstawowym obiektem rozpatrywanym w ekonometrii jest model ekonometryczny. Modelem ekonometrycznym nazywamy formalny opis stochastycznej zależności wyróżnionej wielkości, zjawiska lub przebiegu procesu ekonomicznego     ( zjawisk, procesów) 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.

Przykład:1.1

Dany jest model ekonometryczny      0x01 graphic

w którym Y oznacza produkcję cukru w Polsce (tys.t), X-powierzchnię uprawy buraka cukrowego (tys. ha). Zmienną Y nazywamy zmienną objaśnianą, zmienną X -objaśniającą,     0x01 graphic
   0x01 graphic
   są nieznanymi parametrami strukturalnymi modelu. Składnik losowy    0x01 graphic
         wyraża tzw. błąd w równaniu, czyli wpływ na Y czynników nie uwzględnionych w modelu w sposób bezpośredni, takich jak: warunki klimatyczne, zawartość cukru w burakach cukrowych, przygotowanie cukrowni do kampanii cukrowniczej itp. Zależność produkcji cukru od powierzchni uprawy buraka cukrowego jest liniowa.

KLASYFIKACJA ZMIENNYCH WYSTĘPUJĄCYCH W MODELU EKONOMETRYCZNYM

Rozważamy dwa rozłączne podzbiory zmiennych występujących w modelach ekonometrycznych:

A - zmienne endogeniczne: bieżące i opóźnione (wyjaśniane przez model),

B - zmienne egzogeniczne: bieżące i opóźnione (nie wyjaśniane przez model).

Ze względu na rolę pełnioną przez poszczególne zmienne w modelu możemy jeszcze wprowadzić podział na:

C - zmienne objaśniane

D - zmienne objaśniające.

W ogólnym przypadku zbiory C i D nie są zbiorami rozłącznymi, ponieważ zmienna objaśniana może być jednocześnie ( w tym samym modelu) zmienną objaśniającą. Z taką sytuacją można zetknąć się w modelach wielorównaniowych.

KLASYFIKACJA MODELI EKONOMETRYCZNYCH

Modele ekonometryczne klasyfikujemy ze względu na pięć kryteriów.

KRYTERIUM 1. Liczba równań w modelu.

Podział: - modele jednorównaniowe (patrz przykład 1.1),

             -modele wielorównaniowe, w których każde równanie objaśnia jedną zmienną.

Przykład 1.2   Dany jest model ekonometryczny  0x01 graphic

 w którym: 

PKB - produkt krajowy brutto,  

I - inwestycje, 

 Z - zatrudnienie,                                    

0x01 graphic
  - parametry modelu,  

0x01 graphic
  - składniki losowe, 

t - numer roku.

Wcześniej zdefiniowane, odpowiednie podzbiory zmiennych modelu ekonometrycznego są następujące:

A={PKB,I}    ,     B={Z}   ,     C= 0x01 graphic
          , D=0x01 graphic

Zmienne  0x01 graphic
        nazywamy zmiennymi opóźnionymi.

KRYTERIUM 2. Postać analityczna zależności funkcyjnych modelu.

Podział: 

- modele liniowe (przykłady 1.1 i 1.2), w których wszystkie zależności modelu są liniowe,   

- modele nieliniowe, w których chociaż jedna zależność modelu jest nieliniowa.

Przykład 1.3  Dany jest jednorównaniowy, nieliniowy model ekonometryczny

 0x01 graphic

w którym:     

 0x01 graphic
- produkt krajowy brutto w roku t,  

0x01 graphic
- majątek produkcyjny w roku t,   

0x01 graphic
- zatrudnienie w gospodarce w roku t,   

0x01 graphic
- parametry,   

0x01 graphic
- czynnik losowy. 

Zmienną losową    w przykładach 1.1 i 1.2 włączoną do modelu przez dodawanie  nazywamy addytywnym składnikiem losowym, a zmienną losową w przykładzie 1.3 włączoną do modelu przez mnożenie nazywamy multiplikatywnym składnikiem losowym.

KRYTERIUM 3. Rola czynnika czasu w równaniach modelu.

Podział: 

- modele statyczne (przykłady 1.1 i 1.3), nie uwzględniają czynnika czasu, wśród zmiennych objaśniających nie występują zmienne opóźnione ani zmienna losowa,    

 - modele dynamiczne, w których uwzględnia ie czynnik czasu (przykład 1.2). Najlepiej znanym przypadkiem modelu dynamicznego jest model autoregresyjny,  w którym wśród zmiennych objaśniających występują jedynie opóźnione w czasie zmienne objaśniane.

KRYTERIUM 4. Ogólno poznawcze cechy modelu.

Podział: 

- modele przyczynowo opisowe wyrażające związki przyczynowo skutkowe między zmiennymi objaśniającymi i objaśnianymi,  

- modele symptomatyczne, w których rolę zmiennych objaśniających pełnią zmienne skorelowane z odpowiednimi zmiennymi objasnianymi a nie wyrażające źródeł zmienności zmiennych objaśnianych.

Ostatnie kryterium podziału modeli ekonometrycznych dotyczy modeli wielorównaniowych.

KRYTERIUM 5. Charakter powiązań między nieopóźnionymi zmiennymi endogenicznymi w modelu wielorównaniowym.

Podział:

 - modele proste,   

- modele rekurencyjne,   

- modele o równaniach współzależnych.

WERYFIKACJA MODELU EKONOMETRYCZNEGO JEDNORÓWNANIOWEGO

Proces weryfikacji modelu ekonometrycznego składa się z wielu kroków. Rodzaj obliczanych mierników statystycznych, oraz przeprowadzonych testów zależą od konkretnego modelu, od rodzaju danych statystycznych, na podstawie których szacowano parametry tego modelu, od liczby obserwacji. Nie powodzenie w badaniu jakiejkolwiek pożądanej cechy modelu powinno spowodować powrót do wcześniejszych etapów modelowania ekonometrycznego ( zmiana postaci analitycznej modelu, zmiana zestawu zmiennych egzogenicznych, zmiana metody szacunku parametrów) i rozpoczęcie procedury weryfikacji od początku.

Ogół działań w zakresie weryfikacji modelu można podzielić na :

0x01 graphic
weryfikację merytoryczną, która ma na celu stwierdzenie merytorycznej poprawności modelu,

0x01 graphic
weryfikację statystyczną, która ma celu stwierdzenie czy model spełnia postulaty sformułowane w teorii ekonometrii i statystyki.

Podczas weryfikacji merytorycznej badamy, np.:

0x01 graphic
czy sensowne są znaki parametrów modelu,

0x01 graphic
czy skala parametrów jest do przyjęcia,

0x01 graphic
czy model można sensownie ekstrapolować,

0x01 graphic
czy z modelu dla zmiennej Y wynikają sensowne modele dla zmiennych związanych z badaną zmienną.

Dopasowanie modelu. Współczynnik determinacji

Zgodność ( zbieżność) między zaobserwowanymi wartościami zmiennej objaśnianej a odpowiadającymi im wartościami modelowymi może być mierzona za pomocą współczynnika determinacji, zaś rozbieżność - za pomocą współczynnika indeterminacji ( rozbieżności).

0x08 graphic

Jest oczywiście tym lepiej, im współczynnik determinacji jest większy ( a współczynnik indeterminacji - mniejszy). Możemy, na przykład przyjąć, że dobry model to taki, w którym współczynnik determinacji jest większy od 0,9, ( czyli d 90% ),
a współczynnik indeterminacji - mniejszy od
0,1, ( czyli 10% ).

Współczynnik determinacji R2 można obliczyć dla każdego modelu ekonometrycznego, bez względu na jego postać
i zastosowaną metodę estymacji parametrów. Trzeba jednak pamiętać, że odpowiednią interpretację można nadać współczynnikowi determinacji tylko wtedy, gdy zależność pomiędzy zmienną objaśnianą a zmiennymi objaśniającymi jest liniowa, parametry modelu oszacowano metodą najmniejszych kwadratów oraz model ekonometryczny zawiera wyraz wolny.

Standardowo przyjmuje się, że:

0x01 graphic
miarą ogólnej zaobserwowanej zmienności zmiennej Y jest suma kwadratów odchyleń wartości tej zmiennej od jej średniej, czyli tzw. ogólna suma kwadratów:

Σ (y - ỹ)2 0x01 graphic
miarą obserwowanej zmienności Y, nie wyjaśnionej przez model jest suma kwadratów odchyleń zmiennej Y od modelu, czyli suma kwadratów reszt:

Σ (y - ŷ)2

0x08 graphic

Współczynnik indeterminacji przyjmuje wartości nieujemne, a współczynnik determinacji i ile jest mniejszy lub równy 1 - wartości z przedziału < 0,1>.

Istotność zmiennych objaśniających

0x08 graphic

Konieczność badania istotności zmiennych objaśniających bierze się z oczywistego spostrzeżenia, że materiał statystyczny użyty do wyznaczenia parametrów modelu jest na ogół niewielkim fragmentem zbioru wszystkich możliwych wyników obserwacji zmiennej objaśnianej i zmiennych objaśniających.

W zbiorze możliwych wyników obserwacji zależność zmiennej Y od zmiennej X może w ogóle nie mieć miejsca, a to, że dla danego materiału statystycznego uzyskaliśmy parametr niezerowy, mogło być tylko przypadkowe.

Wszystkie zmienne objaśniające modelu ekonometrycznego muszą być istotne.

Badanie istotności może odbywać się w różny sposób. Standardowy sposób polega na wykorzystaniu założeń stochastycznych o sposobie powstawania wyników obserwacji zmiennej objaśnianej.

W przypadku modeli liniowych, spośród wielu układów założeń stochastycznych, najczęściej przyjmuje się założenia tzw. klasycznej normalnej regresji liniowej.
Przy tych założeniach, i gdy model wyznaczono klasyczną metodą najmniejszych kwadratów, badanie istotności zmiennej objaśniającej przebiega następująco:

0x08 graphic

Wartość krytyczną tKR odczytujemy z tablic jako wartość rozkładu t - Studenta przy przyjętym poziomie istotności α (α - zazwyczaj 5%) oraz dotyczącej badanego modelu liczbie stopni swobody Q:

Q = T - K,

(gdzie T jest liczbą wyników obserwacji, zaś K jest liczbą szacowanych parametrów).

Aby obliczyć empiryczne statystyki t-Studenta, postępujemy następująco:

  1. Najpierw liczymy oszacowanie odchylenia standardowego składników losowych, S:

0x08 graphic

  1. Następnie liczymy tzw. szacunkowe błędy średnie

0x01 graphic
0x08 graphic

0x08 graphic

gdzie ck - jest k- tym przekątniowym elementem macierzy odwrotnej ( XTX )-1.

  1. Na koniec, liczymy empiryczną statystykę Studenta na podstawie wzoru:

0x01 graphic
, ( k=1,...,K ), gdyż

„empiryczna statystyka Studenta = parametr modelu / szacunkowy błąd średni”.

Interpretacja szacunkowego błędu średniego

Założenia stochastyczne regresji liniowej m.in. orzekają, że:

0x01 graphic
istnieje prawdziwy model Ω = α1X1 + ... + αkXk zmiennej Y,
z „prawdziwymi” parametrami α
1,...,αk. Jest to tzw. model hipotetyczny zmiennej Y.

Możliwość innych wartości zmiennej Y wynika z działania tzw. składnika losowego, reprezentującego, na przykład, wpływ okoliczności losowych.W tej sytuacji użyty do wyznaczenia parametrów modelu materiał statystyczny jest z jednym z wielu materiałów statystycznych, a parametry a1, ..., ak modelu ekonometrycznego są jedną z wielu możliwych ocen parametrów α1, ...,αk modelu hipotetycznego. W szczególności parametr ak jest jedną z wielu możliwych ocen parametru hipotetycznego αk.

Szacunkowy błąd średni dk jest oceną rozbieżności możliwych ocen parametru αk wokół tego parametru.

Jest oczywiście tym lepiej im szacunkowy błąd średni jest mniejszy. Oznacza to bowiem, że możliwe oceny parametru αk mniej się odchylają od tego parametru. A ponieważ jedną z tych możliwych ocen jest nasza ocena ak dlatego sądzimy, że im szacunkowy błąd średni dk jest mniejszy, tym przypuszczalna precyzja estymacji αk przez ak jest większa, a im jest on większy, tym przypuszczalna precyzja estymacji αk przez ak jest mniejsza.

Interpretacja oszacowania odchylenia standardowego składników losowych

Oszacowanie odchylenia standardowego składników losowych S jest oceną rozbieżności możliwych wartości zmiennej objaśnianej wokół modelu hipotetycznego.

Współczynnik zmienności losowej - Ve.

Współczynnik zmienności losowej jest definiowany następująco:

0x01 graphic

Współczynnik ten informuje, jaki procent średniej arytmetycznej zmiennej objaśnianej modelu stanowi odchylenie standardowe reszt. Mniejsze wartości tego współczynnika wskazują na lepsze dopasowanie modelu do danych empirycznych.

Jeżeli dla założonej z góry krytycznej wartości współczynnika zmienności losowej V* (np.V* = 10%) zachodzi nierówność:

Ve ≤ V*

To model uznaje się za dostatecznie dobrze dopasowany do danych empirycznych. Przy przeciwnym kierunku nierówności dopasowanie uznaje się za zbyt słabe. Współczynnik zmienności losowej ma zastosowanie także przy przeprowadzaniu porównania stopnia zgodności z danymi modeli opisujących kształtowanie się różnych zmiennych objaśnianych.0x01 graphic

Współczynnik determinacji R2 wskazuje, jaka część ogólnej zaobserwowanej

Zmienności zmiennej objaśnianej została wyjaśniona przez model ekonometryczny.

Współczynnik indeterminacji φ2 mierzy natomiast tę część zaobserwowanej zmienności zmiennej objaśnianej, która nie została przez model wyjaśniona.

Współczynnik indeterminacji określony jest wzorem

Φ2 = Σ (y - ŷ)2/ Σ (y - ỹ)2

Wspólczynnik determinacji oznaczany jest natomiast jako

R2 = 1 - φ2

o ile φ2 jest mniejsze lub równe 1.

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.

  1. Obliczamy tzw., empiryczną statystykę Studenta, tk , dotyczącą badanej zmiennej objaśniającej.

  2. Ustalamy krytyczną wartość statystyki Studenta, tKR.

  3. Porównujemy moduł empirycznej statystyki Studenta z wartością krytyczną:

| tk | > tKR,

0x01 graphic



Wyszukiwarka

Podobne podstrony:
Klasyfikacja modeli ekonometrycznych
Klasyfikacja modeli ekonometrycznycm
klasyfikacja wielorównaniowych modeli ekonometrycznych (9 st, Ekonomia, ekonomia
klasyfikacja wielorównaniowych modeli ekonometrycznych (9 st, Ekonomia
Budowa i szacowanie modeli ekonometrycznych
Ekonometria Bruzda UMK- Etapy budowy modeli ekonometrycznych
Szacowanie parametrw liniowych modeli ekonometrycznych
Bogaczewicz,hydrologia i nauka o ziemi, Klasyfikacja modeli stosowanych w hydrologii
wyklady z ekonometrii, Estymacja i weryfikacja liniowych jednorównaniowych modeli ekonometrycznych
CW 2 KLASYFIKACJA PODATKOW EKONOMIA
4. Koszty i ich klasyfikacja, Anatomia, Ekonomia, Podstawy prawa i ekonomiki
WEiP (5 Prognozowanie na podstawie modeli ekonometrycznych 2010)
WEiP (4 Prognozowanie na podstawie modeli ekonometrycznych 2011)
Proces budowy modeli ekonomicznych
Kryteria klasyfikacji kosztów, Ekonomia, Studia, I rok, Rachunkowość
1.Klasyfikacja+przedmiot, ekonomia, Doradztwo ubezpieczeniowe

więcej podobnych podstron