Ekonometria zajmuje się ustaleniem i szacowaniem na podstawie danych statystycznych, ilościowych zależności zachodzących w sferze zjawisk gospodarczych.
Model ekonometryczny to funkcja Y zmiennych objaśniających X o postaci analitycznej funkcji Y = f (X,b), której parametry „b” wyznaczono z dokładnością liczbową na podstawie materiałów statystycznych opisującego kształtowanie się zmiennej objaśnianej i zmiennych objaśniających.
Etapy budowy modelu ekonometrycznego:
ustalenie zmiennej objaśnianej
ustalenie listy zmiennych objaśniających
ustalenie postaci analitycznej modelu
zebranie materiału statystycznego o zmiennych objaśnianej i objaśniających
wyznaczenie parametrów
weryfikacja modelu
wykorzystanie modelu
Ustalenie listy zmiennych objaśniających.
Powinny być silnie skorelowane ze zmienną objaśnianą, a słabo ze sobą.
Ustalenie postaci analitycznej modelu:
Odwołujemy się do: wskazań teorii, intuicji, współczynników innych badań, własności funkcji matematycznych, testów statystycznych.
Weryfikacja modelu:
merytoryczna (zdrowy rozsądek)
statystyczna
Wykorzystanie modelu:
prognozowanie - wypowiedź o wartości zjawiska w ustalonym momencie czasu w przyszłości
symulacja i scenariusze
syntetyczny opis zależności zmiennych zmiennej objaśnianej od zmiennej objaśniającej
Klasyfikacja modeli ekonometrycznych:
ze względu na liczbę zmiennych objaśniających:
z jedną zm. objaśniającą;
z wieloma zm. objaśniającymi
ze względu na postać analityczną:
liniowe;
nieliniowe (wykładnicze, potęgowe)
ze względu na liczbę zm. objaśnianych:
z jedną zm. objaśnianą - jednorównianiowe;
modele dla układu zm. objaśnianych (wielorównianiowe)
ze względu na interpretację zm. objaśniających:
modele o interpretacji parametryczno-skutkowej, w których wszystkie zm. objaśniające są przyczynami kształtowania się zm. objaśnianej
modele sympatomatyczne, w których występują zmienne będące symptomami zjawiska, będących przyczynami zmiennej objaśnianej
trendy - jedyną zmienną objaśniającą jest zmienna czasowa
Modele klasyczne - gdy powiązanie między zm. objaśnianą a zm. objaśniającymi jest stabilne czyli takie samo co do postaci analitycznej zm. objaśniających - wartości parametrów
Model jest segmentowy gdy w zbiorze wyników obserwacji pojawiają się niepuste i rozłączne podzbiory takie, że:
dla danego podzbioru powiązanie jest klasyczne
przynajmniej dwa podzbiory różnią się albo postacią analityczną albo (i) zestawieniem zmiennych objaśniających albo (i) wartościami parametrów
Model lokalny - powiązanie zm. objaśnianej ze zm. objaśniającymi jest różne ze względu na postać analityczną, listę zm. objaśniających, wartości parametrów.
Klasyczna metoda MNK polega na takim wyznaczeniu parametrów modelu aby SKR między zaobserwowanymi wartościami zmiennej objaśnianej, a odpowiednimi wartościami teoretycznymi (niemodelowanymi) były jak najmniejsze
y - empiryczne, y' - teoretyczne
MNK dla modelu z jedną zm. objaśniającą
Wsp. kierunkowy
Wyraz wolny
T - numery obserwacji
Obliczanie MNK
zrobić tabelę CROSS - zawiera sumy iloczynów wartości wszystkich par zmiennych występujących w modelu:
|
Y |
X |
1 |
Y |
|
|
|
X |
|
|
|
1 |
|
|
|
|
XTY |
XTX |
obliczyć
np.
obliczyć
podstawić do wzoru
Weryfikacja modelu
weryfikacja merytoryczna (czy model jest zgodny z teorią ekonometrii). Badamy znaki i skalę parametrów, czy model można ekstrapolować
Dopasowanie modelu - badany przy pomocy współczynnika determinacji
Współczynnik rozbieżności - mierzy tę część zaobserwowanej zmienności zm. objaśnianej, która nie została przez model wyjaśniona
SKR - suma kwadratów reszt
OSK - ogólna suma kwadratów
wr jest najmniejsze, ale powinno być<0,1 (czyli mniejsze niż 10%)
Współczynnik determinacji (zgodności) wskazuje jaka część ogólnej zaobserwowanej zmienności zm. objaśnianej została wyjaśniona przez model ekonometryczny
R2=1-wr (jeśli wr≤1)
Współczynnik determinacji ma wartość z przedziału <0,1> i powinien być większy od 0,9 (90%)
Obliczanie:
OSK
SKR
wr
R2=1-wr
Istotność zm. objaśniających
Wszystkie zm. objaśniające modelu ekonometrycznego muszą być istotne (a są istotne gdy parametr przy nich stojący jest istotnie różny od zera).
Obliczanie istotności zam. objaśniających
obliczamy empiryczną tk statystyką Studenta dla badanej zm. objaśniającej:
bk - parametr stojący przy zmiennej
dk - szacunkowy błąd średni
ck - to k-ty element przekątniowy macierzy odwrotnej (XTX)-1
s - odchylenie standardowe składników
Q - liczba stopni swobody
Q = T - K
T - liczba obserwacji
K - liczba szacowanych parametrów
ustalamy krytyczną wartość statystyki Studenta tkR (z tablic)
jeżeli │tk│>tkR moduł empirycznej statystyki Studenta jest większy od wartości krytycznej to zmienną objaśniającą uznajemy za istotną.
Przykład:
Empiryczna statystyka Studenta dla dochodu wynosi 3 i jest większa od wartości krytycznej. Dochód jest więc istotną zmienną objaśniającą.
Gdy któraś zmienna jest nieistotna to trzeba ją wykluczyć z modelu i powtórnie oszacować model - zapewne zmienią się wartości parametrów.
Linearyzacja funkcji
Nazwa funkcji |
Wzór funkcji |
Model |
Liniowy |
|
|
Potęgowa |
|
|
Wykładnicza |
|
|
Typu S |
|
|
Hiperbola |
|
|
Podwójna hiperbola |
|
|
Pierwiastkowa |
|
|
logarytmiczna |
|
|
Praca pochodzi z serwisu www.e-sciagi.pl