ekonometria wykład,10

ROZWÓJ METOD EKONOMETRYCZNYCH

- prawdopodobnym twórcą nazwy „ekonometria” był Frisch (1936 r.)

- „…unifikacja teorii ekonomii, statystyki matematyki”

1 era – era klasycznych metod najmniejszych kwadratów ;

równanie ruchu wahadła (funkcja ciągła gasnąca)

2 era – rozwój metod estymacji 2 MNK, 3 MNK, metoda zmiennych instrumentalnych.

Powstały modele Kleina, Kleina – Goldelberga:

Yt = F(t) + β1V1t+ ….

3 era – zastosowanie maszyn mnożnikowych

4 era – wprowadzenie analizy spektralnej, Jerons, Moore.

5 era – powszechna komputeryzacja – powstają makro modele będące podstawą symulacji i prognozowania.

6 era – makro modelowanie gospodarek narodowych.

KONKLUZJE:

- ekonometria nie ma wyraźnie określonych granic,

- ekonometria nie weryfikuje empirycznie modeli, które tworzy.

Ekonometrię należy rozważać wraz z powiązaniami z:

- ekonomią matematyczną,

- teorią ekonomii,

- statystyką ekonomiczną.

Przedmiotem analizy są:

- konstrukcja modelu ekonometrycznego,

- estymacja parametrów modelu ekonometrycznego.

SPECYFIKACJA– MODELU EKONOMETRYCZNEGO INFORMACJA PRIORI

- istniejące teorie ekonomiczne;

- ogólnie znane zależności ekonomiczne typu rozrachunkowego lub bilansującego;

- informacje z poprzednio prowadzonych badań ekonometrycznych.

JEDNOWARTOŚCIOWY MODEL EKONOMETRYCZNY

Wybór zmiennych nazywa się specyfikacją modelu.

Rozpatrując budowę modelu można wyróżnić następujące jego części

Parametry strukturalne modelu – nie jesteśmy w stanie podać dokładnej wartości parametru, trzeba je oszacować.

α0 – parametr wolny – jego interpretacja bywa niewłaściwa z punktu widzenia ekonomii

α1 –ma interpretację przyczynowo – skutkową

Etapy budowy modelu

Etap 1 – określenie celu oraz zakresu badania

Etap 2 – specyfikacja modelu ekonometrycznego

Etap 3 – zgromadzenie odpowiednich danych statystycznych

Etap 4 – estymacja parametrów modelu ekonometrycznego

Etap 5 – weryfikacja oszacowanego modelu

Etap 6 – Praktyczne wykorzystanie modelu ekonometrycznego

Klasyfikacja modelu ekonometrycznego

Cele budowy modelu ekonometrycznego oraz typy modelu:

Miary jakości modelu ekonometrycznego

Klasy modeli:

Modele:

DOBÓR ZMIENNYCH OBJAŚNIAJĄCYCH DO MODELU EKONOMETRYCZNEGO

Metoda analizy współczynników korelacji – odnosi się do modeli liniowych

Badanie poziomu zróżnicowania zmiennych


$$V_{i} = \ \frac{S_{i}}{{\overset{\overline{}}{x}}_{i}}$$

gdzie

Si – odchylenie standardowe zmiennej

${\overset{\overline{}}{x}}_{i}$ - średnia arytmetyczna zmiennej

Zwykle jest to:

V*=0,1

jeżeli ↓

Vi ‹ V* ← wartość krytyczna współczynnika

brak zróżnicowania – brak możliwości stosowania metod ilościowych MNK

Brak możliwości stosowania metod ilościowych.

Współczynnik korelacji liniowej Pearsona

Wartości współczynnika korelacji Pearsona zawierają się w przedziale [-1,1] i dany jest następującą formułą

$r_{\text{jl}} = \frac{\text{cov}_{\text{jl}}}{S_{j}S_{l}}$

covjl - kowariancja

SjSl – odchylenie standardowe

Dodatnia zależność liniowa między zmiennymi:

Wzrost X powoduje wzrost Y – często to pewien ułamek

Ujemna zależność liniowa między zmiennymi:

Wzrost X powoduje spadek Y – służy do badania zależności popytowych

Brak zależności

Zależność krzywoliniowa

Badanie istotności współczynnika korelacji liniowej

Ho : rxy = 0

Hipoteza zerowa – brak zależności

H0 : rxy ≠ 0

Sprawdzeniem hipotezy zerowej jest statystyka testu studenta dana formułą:

n – liczba obserwacji

α=0,05 – 5% - oznacza, że poziom istotności głosi, że na 100 podjętych decyzji 5 będzie błędnych.

Interpretacja

Jeżeli tα ≥ t (wartość krytyczna) – nie ma podstaw do odrzucenia hipotezy zerowej – brak istotnej korelacji

Jeżeli tα ‹ t – to hipotezę zerową należy odrzucić na korzyść hipotezy alternatywnej

Przykład


$$R = \begin{bmatrix} 1 & 0,3 & 0.7 \\ 0,3 & 1 & 0,8 \\ 0,7 & 0,8 & 1 \\ \end{bmatrix}$$

Sprawdźmy czy korelacji między zmienną X1, X2 jest istotna

Przyjmijmy poziom istotności α = 0,05 n=20

Wartość krytyczna do α = 0,05 oraz n-2=18 (18 stopni swobody)

Współczynnik korelacji na n=20 obserwacji;

tα = 2,101

Hipotezy dane są jako:

H0 : rx1x2=0 H1 : rx1x2≠0

Statystyka testowa dana jest jako

$t = \frac{0,3}{\sqrt{1 - {0,3}^{2}}}\sqrt{20 - 2} = \sqrt{20 - 2} = 1,3343\ \rightarrow t_{\alpha} > t$ hipoteza zerowa - nie ma korelacji

Wektor $R = \begin{bmatrix} \text{ISTOTNE} \\ \\ \\ \\ \end{bmatrix}$ Macierz $R = \begin{bmatrix} 1 & \cdots & \\ \vdots & 1 & \vdots \\ & \cdots & 1 \\ \end{bmatrix}$

Wartość krytyczna współczynnika korelacji liniowej

Dana jest


$$r^{*} = \ \sqrt{\frac{t_{\alpha}^{2}}{t_{\alpha}^{2} + n - 2}}$$

tα – wartość krytyczna odczytana z tablic t studenta na poziomie istotności α (0,05) przy n-2 stopnia swobody (n - liczba obserwacji)

Przykład:

Na podstawie 30 obserwacji obliczono następujące współczynniki korelacji

$R_{0} = \begin{bmatrix} 0,87 \\ 0,52 \\ - 0,2 \\ - 0,45 \\ \end{bmatrix}$ $R = \begin{bmatrix} \begin{matrix} 1 & 0,01 & - 025 \\ & 1 & 0,7 \\ & & 1 \\ \end{matrix}\begin{matrix} 0,45 \\ - 0,56 \\ 0,6 \\ \end{matrix} \\ \begin{matrix} & & \begin{matrix} & 1 \\ \end{matrix} \\ \end{matrix} \\ \end{bmatrix}$

Wybrać zmienne objaśniające do modelu ekonometrycznego przyjmując poziom istotności 0,05

Zatem:

n=30 n-2=28

Wartość krytyczna odczytana z tablic wartości krytycznych rozkładu t - studenta jest następująca

tα = 2,048

Stąd wartość krytyczna współczynnika korelacji wynosi


$$r^{*} = \sqrt{\frac{{2,048}^{2}}{{2,048}^{2} + 30 - 2} = 0,36}$$


r* = 0, 36

Zatem

$R_{0} = \begin{bmatrix} 0,87 \\ 0,52 \\ - 0,2 \\ - 0,45 \\ \end{bmatrix}$ $R = \begin{bmatrix} \begin{matrix} 1 & 0,01 & - 025 \\ & 1 & 0,7 \\ & & 1 \\ \end{matrix}\begin{matrix} 0,45 \\ - 0,56 \\ 0,6 \\ \end{matrix} \\ \begin{matrix} & & \begin{matrix} & 1 \\ \end{matrix} \\ \end{matrix} \\ \end{bmatrix}$

Na podstawie analizy samego wektora wnioskujemy , że x3 jest nieistotne.

Pozostałe zmienne x1,x2,x4 kandydują na zmienne do modelu

0,87 – istotne

0,52 – istotne

-0,2 – nie jest istotne i nie będzie uwzględniana w dalszej analizie

-0,45 – istotne

Zatem kandydatkami na zmienne objaśniające są X1t, X2t, X4t → korelacja z Y jest istotna

I z tego wynika , że gdyby był x4 to nie mogłyby być ani x1, ani x2, .Ale gdyby  x4 było mocno skorelowane z y , to byśmy tylko na tej podstawie budowali model , jednak w tym zadaniu jest nisko skorelowany , a x1,x2, bardziej to je właśnie wybieramy (będziemy dokładniejsi).

X1 oraz X2 – nie są istotnie skorelowane między sobą ‹ r*

X1 oraz X4 – istotnie skorelowane bo › r*

X2 oraz X4 – istotnie skorelowane bo › r*

Do modelu wejdzie zmienna X1, X2

  1. Analiza wektorowa

0,2 ‹ r* = 0,36

  1. Sprawdzenie powiązań między kandydatkami


Yt =  α1X1t + α2X2tα0 + α0 + ξt

Yt =  α1X4t + α0 + ξt bardzo słaba korelacja z Yt


Estymacja parametrów strukturalnych modelu ekonometrycznego

Klasyczna metoda najmniejszych kwadratów (KMNK)

Jest to metoda liniowa.

Idea KMNK:

Wyznaczenie ocen a1, a2, …, ak parametrów strukturalnych parametrów α1, α2, …, αk strukturalnych aby suma kwadratów odchyleń zaobserwowanych wartości zmiennej endogenicznej Yt od jej wartości teoretycznych obliczonych na odstawie oszacowanego modelu była najmniejsza

Yt =  α1X1t + α0 + ξt po oszacowaniu przyjmuje wartość


Yt =  a1X1t + a0 + ut

Dany jest model ekonometryczny o dowolnej liczbie zmiennych objaśniających


Yt =  α1X1t + α2X2t + … + αk − 1Xk − 1t + αk + ξt


t = 1, 2, …, n

przy czym k-ta zmienna objaśniająca przyjmuje zawsze wartość 1 (tak więc parametr występujący przy niej jest nazywany parametrem wolnym.

Kryterium metody najmniejszych kwadratów ma następującą postać


$$\Psi = \ \sum_{t = 1}^{n}{(y_{1} - a_{1}X_{1t\ } - a_{2}X_{2t} - \ \ldots - a_{k - 1}X_{k - 1t} - a_{k})^{2}}$$

→ minimum


Yt =  α1X1t + α0 + ξt


Yt =  a1X1t + a0 + ut

świat rzeczywisty: ma być najmniejsze


$$\Psi = \ \sum_{t = 1}^{n}{(y_{t} - a_{1}X_{1t\ } - a_{o})^{2}}$$

Świat teoretyczny:


Yt* =  α1X1t + α0

Minimum - ma być najmniejsze


$$\Psi = \ \sum_{t = 1}^{n}{(Y_{t} - Y_{t}^{*})^{2}}$$

Reszta modelu (zmienna losowa)

ut =  Yt −  Yt*

Minimum


$$\Psi = \ \sum_{t = 1}^{n}u_{t}^{2}$$

Yt* = a1X1t +  a2X2t +  …+ ak − 1Xk − 1t +  ak

Ostateczne postać funkcji kryterium KMNK dana jest jako:


$$\Psi = \ \sum_{t = 1}^{n}{(y_{t} - y_{t}^{*})^{2}}$$

(ytyt*) −  ut (t = 1,  2,  …, n

reszta równania

Układ macierzowy


$$y = \begin{bmatrix} y_{1} \\ y_{2} \\ \vdots \\ y_{n} \\ \end{bmatrix}$$

y – wektor kolumnowy (n*1) relacji zmiennej endogenicznej

x1 x2 x xk ŚLEPA

x11 x21 … xk-11 1

x12 x22 … xk-12 1

x = … … … … 1

… … … … 1

x1n x2n … xk-1n 1

α1 α2 … αk α0

X macierz (n*k) realizacji zmiennych objaśniających

kolumny oznaczają poszczególne zmienne objaśniające


Yt =  α1X1t + α2X2t + α0 + ξt


Yt =  α0 + α1X1t + α2X2t + +ξt

α – kolumnowy wektor parametrów strukturalnych modelu (k*1)

$\alpha = \begin{bmatrix} \alpha_{1} \\ \alpha_{2} \\ \vdots \\ \alpha_{k} \\ \end{bmatrix}$ $a = \begin{bmatrix} a_{1} \\ a_{2} \\ \vdots \\ a_{k} \\ \end{bmatrix}$

wektor kolumnowy (k*1) ocen parametrów strukturalnych modelu

Kolumnowy wektor składnika losowego modelu (n*1)


$$\xi = \begin{bmatrix} \xi_{1} \\ \xi_{2} \\ \vdots \\ \xi_{n} \\ \end{bmatrix}$$

Wektor kolumnowy składników resztowych modelu (n*1)


$$u = \begin{bmatrix} u_{1} \\ u_{2} \\ \vdots \\ u_{n} \\ \end{bmatrix}$$

Wektor kolumnowy wartości teoretycznych (n*1)


$$y = \begin{bmatrix} y_{1} \\ y_{2} \\ \vdots \\ y_{n} \\ \end{bmatrix}$$

Model dany jako (rachunek skalarny)


Yt =  α1X1t + α2X2t + … + αk − 1Xk − 1t + αk + ξt

Natomiast w zapisie macierzowym ma postać


y = Xα + ξ

Wektor wartości teoretycznych zmiennej endogenicznej y ma postać


y *   =  Xa

Funkcja kryterium KMNK dana jest jako (minimum)

Ψ = (yXa)(y − Xa)

(y - Xa)’ – transpozycja w macierzach


$$\begin{matrix} & \\ & \\ & \\ \end{matrix}*\ \begin{matrix} & & \\ & & \\ \end{matrix}$$

Wykonując iloczyn otrzymujemy (minimum)


Ψ = yy − yXa − aXy + aXXa

Po przekształceniu otrzymujemy:


y = yy − 2aXy + aXXa

Wyznaczamy pochodne cząstkowe względem wektora A i przyrównujemy do zera czyli:


$$\frac{\text{δY}}{\text{δa}} = - 2X^{'}y + 2\left( X^{'}X \right)a = 0$$


(XX)a = Xy

Wyznacznik macierzy:


det(XX)>0

Po przekształceniu otrzymujemy kolumnowy wektor ocen parametrów strukturalnych modelu, czyli:

a=(XX)1XY - WZÓR


Zastosowanie KMNK wymaga spełnienia następujących założeń (założenia klasyczne):

D2(ξ)= δ2

wariancja składnika losowego jest stała w czasie

E(ξiξj) = 0 dla i≠j

Kowariancja składnika losowego nie zależy od zmiennych objaśniających składnik losowy nie jest skorelowany ze zmiennymi objaśniającymi.

SKŁADNIK LOSOWY:

- wartość oczekiwana 0

- nie wykazuje autokorelacji (nie zależy sam od siebie).

Przykład:

Jedna zmienna objaśniająca.

Na podstawie danych statystycznych zamieszczonych w tablicy oszacować parametry strukturalne modelu o postaci:


Yt =  α1X1t + α0 + ξt

yt X1t
3 2
2 2
2 1
1 1
1 0

Wykres rozrzutu jest następujący:

Zależność dodatnia. Przy zależności dodatniej parametr przy X będzie dodatni

Kolumnowy wektor realizacji zmiennej endogenicznej oraz macierz X realizacji zmiennych objaśniających dane są jeżeli

$y = \begin{bmatrix} 3 \\ 2 \\ 2 \\ 1 \\ 1 \\ \end{bmatrix}$ $x = \left\lbrack \begin{matrix} 2 \\ 2 \\ 1 \\ 1 \\ 0 \\ \end{matrix}\begin{matrix} 1 \\ 1 \\ 1 \\ 1 \\ 1 \\ \end{matrix} \right\rbrack$

Stosując formułę na wektor ocen parametrów strukturalnych czyli:


a = (XX)−1XY

↓ (transponujemy macierz X)

Iloczyn transponowanej macierzy X


$$X'X = \begin{bmatrix} 10 & 6 \\ 6 & 5 \\ \end{bmatrix}$$

Ma 3 podstawowe własności:

det (X’X)=14

$X'X^{- 1} = \begin{bmatrix} 0,36 & - 0,34 \\ - 0,46 & 0,71 \\ \end{bmatrix}$ $X_{4}^{'} = \begin{bmatrix} 13 \\ 9 \\ \end{bmatrix}$


$$a = \begin{bmatrix} 0,78 \\ 0,86 \\ \end{bmatrix} \rightarrow Y_{t} = 0,78X_{1t} + 0,86 + u_{t}$$

Interpretacja parametrów

Wzrost X1t o 1 jednostkę spowoduje przeciętny wzrost zmiennej endogenicznej yt o 0,78 jednostki.

Przeciętny poziom zmiennej endogenicznej yt wynosi 0,86 jednostki pod warunkiem, że zmienna objaśniająca X1t będzie równa 0 z dokładności do ut

Wzrost X o 1 – Wzrost y o 0,78


Wyszukiwarka

Podobne podstrony:
ekonomia, Wykład 10 XI (alkamid)
Elementy Ekonomi Wykład 1  10 2013
Elementy Ekonomi Wykład 2  10 2013, Wykład 3 10 2013, Wykład 4  11 2013
Elementy ekonomii - wykład 3 (10.11.2007 r.), WSB, elementy ekonomi
Ekonomika- wykład 10, studia AGH, ZiIP, Inżynier, Ekonomika, Wykłady
ekonometria wykład$,10
Ekonomia wyklad z' 10 2012
Mikroekonomia - wyklad 10 [13.12.2001], Ekonomia, ekonomia, Mikroekonomia
Ekonomia. wykład 4. 30.10.2006, Studja, Ekonomia SGGW, Wykłady
Ściągi mikro, Ściąga wykład 10, NIEPEWNOSC W ekonomii zakłada się ze podmiot działa racjonalnie-zast
elementy ekonomii - wykład 1 (27.10.2007 r.), WSB, elementy ekonomi
elementy ekonomii - wykład 2 (28.10.2007 r.), WSB, elementy ekonomi
EKONOMIKA Wykład 1 10 2012
Ekonomia. wykład 1. 09.10.2006, Studja, Ekonomia SGGW, Wykłady
Ekonomia. wykład 3. 23.10.2006, Studja, Ekonomia SGGW, Wykłady
wykład 10- (25. 05. 2001), Ekonomia, Studia, I rok, Finanase publiczne, Wykłady-stare, Wykłady
Ekonomia. wykład 2. 16.10.2006, Studja, Ekonomia SGGW, Wykłady
Mikroekonomia - wyklad 10 [13.12.2001], Ekonomia, ekonomia, Mikroekonomia

więcej podobnych podstron