Model opisowy-matematyczny, istota i cel badania ekonometrycznego
Zmienne objaśniane (endogeiczne)w ogólnym przypadku zbiory C i D nie są zbiorami rozłącznymi, ponieważ zmienna objaśniana może być jednocześnie ( w tym samym modelu) zmienną objaśniającą (egzogeniczne). Z taką sytuacją można zetknąć się w modelach wielorównaniowych.
Zmienną objaśniającą jest to zmienna zewnętrzna w modelu (np. w modelu ekonometrycznym), a dokładnie jest to zmienna objaśniająca, która nie jest jednocześnie wyjaśniana przez model. Jej przeciwnieństwem jest zmienna endogeniczna, która jest zmienną objaśnianą przez model.
Zmienne ZEROJEDYNKOWE: stosowane[Author ID1: at Fri Jan 27 16:16:00 2006
].[Author ID1: at Fri Jan 27 16:16:00 2006
] są gdy w modelu ujmuje się czynniki jakościowe[Author ID1: at Fri Jan 27 16:16:00 2006
]
Współliniowość występuje wtedy[Author ID1: at Fri Jan 27 16:16:00 2006
], gdy zmienne niezależne są mocno skorelowane ze sobą
Zmienne endogeniczne: bieżące i opóźnione (wyjaśniane przez model),
Zmienne egzogeniczne: bieżące i opóźnione (nie wyjaśniane przez model).
Regresja Zagadnienie polega na poprowadzeniu prostej y = ax + b jak najlepiej dopasowanej do zbioru n punktów doświadczalnych (x1, y1), (x2, y2), ... (xn, yn). Celem dopasowania jest nie tylko uzyskanie efektu wizualnego, ale przede wszystkim uzyskanie ocen wartości parametrów a i b opisujących prostą, oraz ich niepewności u(a) i u(b). Najczęściej wykorzystujemy do tego celu metodę najmniejszych kwadratów.
Korelacja (słowo pochodzenia łacińskiego oznaczające wzajemny związek), pojęcie matematyczne, oznaczające wzajemne powiązanie, współzależność jakichś zjawisk lub obiektów (w teorii prawdopodobieństwa i statystyce jest to zależność liniowa zmiennych losowych). Rozważmy dwie zmienne losowe X i Y. Weźmy pod uwagę kowariancję tych zmiennych, czyli liczbę E[(X - EX)(Y - EY)], gdzie EX oznacza wartość średnią (nadzieję matematyczną, wartość oczekiwaną) zmiennej X. Podzielmy teraz tę liczbę przez iloczyn odchyleń standardowych obu zmiennych. To, co otrzymamy, nosi nazwę współczynnika korelacji i jest zawsze liczbą z przedziału [-1, 1].
Autokorelacja to znormalizowana autokowariancja, czyli autokowariancja podzielona przez wariancję.
Heteroskedastyczność (lub heteroscedastyczność) to pojęcie z zakresu statystyki odnoszące się do ciągu lub wektora zmiennych losowych. Własność ta jest zaprzeczeniem posiadania przez taki ciąg lub wektor własności homoskedastyczności, tzn. przynajmniej jedna zmienna losowa z ciągu różni się od innych wariancją lub jej wariancja jest nieskończona.
Estymator - Mówimy zatem, że wartość średnia z próby jest estymatorem wartości oczekiwanej rozkładu normalnego.
Estymator MNK najefektywniejszy ma w określonej klasie estymatorów najmniejszą wariancję.
Reszta [Author ID1: at Fri Jan 27 16:16:00 2006
]-[Author ID1: at Fri Jan 27 16:16:00 2006
] [Author ID1: at Fri Jan 27 16:16:00 2006
]
Współczynnik determinacji R2 wskazuje jaka część ogólnej zaobserwowanej Zmienności zmiennej objaśnianej jest wyjaśniona przez model ekonometryczny. 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 ( rozbieżnośc).
Test t-studenta przedstawia istotność pojedynczej zm.objaśniającej. Służy do badania istotności parametru (zmiennych).
Test F-Snedecora. Wykazuje istotność wszystkich zmiennych objaśniających Używany jest do porównywania ze sobą średnich Testujemy nim też Statystyczną istotność różnic
Test Durbina Watsona - wykrywanie autokorelacji składnika losowego
Test Goldfelda-Quandta na heteroscedastyczność. pozwalającą na weryfikację hipotezy o stałości wariacji, bez określania w hipotezie alternatywnej rodzaju heteroskedastyczności.
Elastyczność w modelu liniowym to przyrosty krańcowe (funkcja produkcji) Ex1=Pkx1* x1/y ; Ex2=Pkx2*x2/y
Krańcowe miary produkcji[Author ID1: at Fri Jan 27 16:16:00 2006
] -[Author ID1: at Fri Jan 27 16:16:00 2006
]
Substytucja - wprowadzenie zamiennika
KRAŃCOWA STOPA SUBSTYTUCJI określa stosunek przyrostu konsumpcji jednego dobra do ubytku innego dobra w sytuacji, gdy konsument pozostaje na tej samej krzywej obojętności. Krańcowa stopa substytucji jest zawsze malejąca.
Predykcja - predykcja przewidywanie przyszłych realizacji (a. cech statystycznych) procesu stochastycznego.
Średni błąd predykcji[Author ID1: at Fri Jan 27 16:16:00 2006
] [Author ID1: at Fri Jan 27 16:16:00 2006
]-[Author ID1: at Fri Jan 27 16:16:00 2006
] [Author ID1: at Fri Jan 27 16:16:00 2006
]
Modele wielorównaniowe - w których każde równanie objaśnia jedną zmienną
Modele proste (gdy nie występują bezpośrednie powiązania między bieżącymi zmiennymi endogenicznymi, tj. żadna bieżąca zmienna endogeniczna nie jest zmienną objaśniającą żadnego równania),
Modele rekurencyjne gdy występują powiązania jednokierunkowe między bieżącymi zmiennymi endogenicznymi),
Modele o równaniach łącznie współzależnych (gdy model nie jest ani prosty, ani rekurencyjny, tj. między niektórymi bieżącymi zmiennymi endogenicznymi istnieje sprzężenie zwrotne).
Macierz nakładów[Author ID1: at Fri Jan 27 16:16:00 2006
] - [Author ID1: at Fri Jan 27 16:16:00 2006
]
Macierz Leontiefa - macierz nakładów i wyników jest nazywany w literaturze także modelem Leontiefa, modelem przepływów międzygałęziowych lub modelem input-output. Ponadto termin "model" często jest zastępowany słowem "analiza".
Szeregi stacjonarne - jeżeli średnie i wariancje są skończone i stałe w czasie, a kowariancje zależą jedynie od różnicy okresów pomiędzy dwoma obserwowanymi zmiennymi.
Szeregi niestacjonarne - Szereg mający skłonność do poruszania się w jednym kierunku (z trendem) jest niestacjonarny
O przypadku [Author ID1: at Fri Jan 27 16:16:00 2006
]heteroskedstycznośc[Author ID1: at Fri Jan 27 16:16:00 2006
]i[Author ID1: at Fri Jan 27 16:16:00 2006
] mówimy gdy na głównej przekątnej tej macierzy są różne elementy[Author ID1: at Fri Jan 27 16:16:00 2006
]Model ekonom. [Author ID1: at Fri Jan 27 16:16:00 2006
]-konstrukcja formalna, która za pomoca jednego równania bądź wielu równań odwzorowuje zasadnicze powiązania ilościowe zachodzące między badanymi zjawiskami ekonomicznymi.[Author ID1: at Fri Jan 27 16:16:00 2006
]
Elementy modelu[Author ID1: at Fri Jan 27 16:16:00 2006 ]: zm. objaśniane i objaśniające, składnik losowy, parametry strukt. modelu.[Author ID1: at Fri Jan 27 16:16:00 2006 ]
Z. objaśniane[Author ID1: at Fri Jan 27 16:16:00 2006 ] (endogeniczne)-wyróżnione zjawiska które są wyjaśniane przez poszcz. równania modelu. [Author ID1: at Fri Jan 27 16:16:00 2006 ]Z. objaśniające[Author ID1: at Fri Jan 27 16:16:00 2006 ] -zmienne służące do opisu zmiennych objaśnianych (w modelach wielorównan. dzielimy je na egzo i endogeniczne innych równań). [Author ID1: at Fri Jan 27 16:16:00 2006 ]Z. egzogeniczne[Author ID1: at Fri Jan 27 16:16:00 2006 ] -z. objaśniające które nie są wyjaśniane przez żadne równania. [Author ID1: at Fri Jan 27 16:16:00 2006 ]Z. endogeniczne[Author ID1: at Fri Jan 27 16:16:00 2006 ] -z. które w danym równaniu pełnią rolę z. objaśniaj. i są opisywane przez inne równanie modelu.[Author ID1: at Fri Jan 27 16:16:00 2006 ]
Opóźniona zm. egzogen[Author ID1: at Fri Jan 27 16:16:00 2006 ]. -zm. egzogenicz. odnoszaca się do wcześniejsz. okresów t.[Author ID1: at Fri Jan 27 16:16:00 2006 ]
Z. z góry ustalone[Author ID1: at Fri Jan 27 16:16:00 2006 ] -z. opóźnione w czasie i z. endogeniczne. [Author ID1: at Fri Jan 27 16:16:00 2006 ]Estymator[Author ID1: at Fri Jan 27 16:16:00 2006 ] - przybliżasz wart. rzeczywistej. [Author ID1: at Fri Jan 27 16:16:00 2006 ]E. nieobciążony[Author ID1: at Fri Jan 27 16:16:00 2006 ] -wartość otrzymana jest równa wartości rzeczywistej.[Author ID1: at Fri Jan 27 16:16:00 2006 ][Author ID0: at Thu Nov 30 00:00:00 1899 ]
MNK -Miara dopasowania[Author ID1: at Fri Jan 27 16:16:00 2006 ] linii do danych pom. jest wariancja skład. resztowego.[Author ID1: at Fri Jan 27 16:16:00 2006 ]
Właściwości zmiennych w modelu[Author ID1: at Fri Jan 27 16:16:00 2006 ]-winny: -1-wykazywać wysoką zmienność, 2-z. objaśniające winny być silnie skorelowane z z. objaśnianą 3-wsp. korelacji pomiędzy zmiennymi objaśniającymi winny być niskie, 4-z. objaśniaj. powinny być silnie skorel. z innymi zm które nie weszły do modelu a mogą mieć na niego wpływ.[Author ID0: at Thu Nov 30 00:00:00 1899 ]