Ekonometria wykłady, Statystyka, ekonometria i rachunek


WYKŁAD 1 23.09.2002

Ekonometria:

METODA NAJMNIEJSZYCH KWADRATÓW

Hipoteza

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
Y = β1X1 + β2X2 + ... + βkXk + ε

0x08 graphic

wielkość objaśniana wielkości objaśniające błąd\reszta

( zmienna )

Dane statystyczne

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic

y1 x11 x12 … x1K K - liczba zmiennych

y2 x21 x22 … x2K objaśniających ( nr.

y = ... x = ... ... … … zmiennej )

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
yr xT1 xT2 … xTK T - liczba danych ( nr

danej )

Równanie

ŷ = b1xt1 + b2xt2 + ... + bkxtk ( t = 1,2,…,T )

Szacowanie parametrów

Przykład 1

koszty ( mln zł )

-5,25

7,5

1

-2

3,25

1,5

6

temperatura ( ºC )

-4

3

1

-2

0

-1

3

produkcja ( tyś. ton )

1

2

1

0

1

2

3

  1. Zbudować liniową funkcję w której koszty zależą od wielkości produkcji i temperatury przechowywania surowców

  2. MNK oszacować parametry funkcji kosztów

  3. Ocenić dobroć dopasowania funkcji do danych rzeczywistych

0x08 graphic
0x08 graphic
0x08 graphic
Y = β1X1 + β2X2 + β3X3 + ε ( x3 = 1 )

koszty

produkcji temperatura produkcja

0x08 graphic
0x08 graphic

-5,25 -4 1 1

7,5 3 2 1

1 1 1 1

Y = -2 X = -2 0 1

3,25 0 1 1

1,5 -1 2 1

6 ( 7,1 ) 3 3 1 ( 7,3 )

0x08 graphic

wartości empiryczne

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
ŷt = b1xt1 + b2xt2 + b3xt3

wartości

teoretyczne liczby

Wartości teoretyczne mają być możliwie bliskie wartościom empirycznym

0x08 graphic

0x08 graphic

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
y

ŷ reszta \ błąd

0x08 graphic
0x08 graphic

0x08 graphic

0x08 graphic
ŷ = β1xt1 + β2xt2 ( xt2 = 1 )

0x08 graphic

X3

T

MNK = ∑ ( yt - ŷt )2 → min

T t=1

S ( b1, b2, b3 ) = ∑ ( yt - b1xt1 - b2xt2 - b3xt3 )2 → min

0x08 graphic
0x08 graphic
0x08 graphic
t=1

oceny parametrów

0x08 graphic

b1

b = b2 , ŷ = Xb, S (b) = ( y - Xb)T ( y - Xb ) → min

0x08 graphic
...

bk

wektor ocen wektor reszty

parametrów ( kolumna)

0x08 graphic
0x08 graphic

x1 2

0x08 graphic
0x08 graphic
2x1 + 3x2 + 4x3 = 2 3 4 x2 = x1 x2 x3 3

x3 4

forma liniowa

0x08 graphic
Rachunek różniczkowy w zapisie macierzowym → ksero

2

∂ L = 3

0x08 graphic
∂ x 4

wektor pochodnych cząstkowych - gradient

( niech będzie kolumnowy )

Gradient - kolumna współczynników stojących przy zmiennych

0x08 graphic
0x08 graphic
forma kwadratowa 1 2 x1 = x12 + 5x1x2 + 4x22

0x08 graphic
wektora x x1 x2 3 4 x2

macierz formy

kwadratowej

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic

∂ K (x) = 2x1 + 5x2 = 2 5 x1 = 1 2 + 1 3 x1

0x08 graphic
0x08 graphic
∂ x 5x1 + 8x2 5 8 x2 3 4 2 4 x2

gradient

yTy - yTXb - ( Xb )Ty + ( Xb )TXb → min

S (b) = yTy - yTXb - bTXTy + bTXTXb → min

gradient ∂ S(b) = - ( yTX )T - XTy + [ ( XTX ) + ( XTX )T ] b

∂ b

Warunek konieczny istnienia ekstremum :

S(b) = ( 0 ) tłuste zero

∂ b ( wektor zero )

0x08 graphic

- XTy - XTy + [ XTX + XTX ] b = 0

0x08 graphic
macierz symetryczna

bo równa się swojej

- 2 XTy + 2 ( XTX ) b = 0 transpozycji

XTXb = XTy

Gdyby XTX było macierzą nieosobliwą to mnożymy przez jej macierz

( XTX )-1 ( XTX ) b = XTy ( XTX )-1

b = ( XTX )-1 XTy

Wektor b wyznaczony z tego wzoru minimalizuje kwadraty odchyleń!

WYKŁAD 2 30.09.2002

Oszacowanie funkcji z przykładu 1

Dane

0x08 graphic
I II III0x08 graphic

-5,25 -4 1 1

7,8 3 2 1

1 1 1 1

Y = -2 X = -2 0 1

3,25 0 1 1

1,5 -1 2 1

6 3 3 1

Obliczenia

0x08 graphic
suma kwadratów iloczyn skalarny dwóch

0x08 graphic
liczb w kolumnie I wektorów I i II

0x08 graphic
(musi być dodatnia) 40 10 0

0x08 graphic
XTX = 10 20 10

0x08 graphic
0 10 7

suma kwadratów

suma iloczynów kolumny III

kolumn I i II

0x08 graphic

4 -7 10

(XTX)-1 = 1/90 -7 28 -40

10 -40 70

Obydwie macierze są symetryczne.

0x08 graphic
0x08 graphic

65 1,5

XTy = 35 b = 0,5

12 1

ŷ = 1,5X1 + 0,5X2 + 1

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
błędy przybliżenia, odchylenie

oceny (szacunki) parametrów

0x08 graphic
0x08 graphic
0x08 graphic
-5,25 -4,5 -0,75

7,8 6,5 1

1 3 -2

y = -2 ŷ = -2 e = 0

3,25 1,5 1,75

1,5 0,5 1

6 7 -1

S (b) = 10,625

min

Suma kwadratów odchyleń e jest minimalna dla danych wartości wektora b. Dla każdych innych oszacowań b, suma ta nie byłaby minimalna.

0x08 graphic

Wektor pochodnych cząstkowych, ∂ S (b)

0x08 graphic
0x08 graphic
pochodnych cząstkowych jest tyle ile = -2XTy + 2 (XTX) b

składowych ma wektor b. ∂ b

0x08 graphic

Hesjan ∂ S2 (b)

0x08 graphic
0x08 graphic
macierz drugich pochodnych = 2 (XTX)

∂ b ∂ b

Macierz A jest

(ujemnie półokreślona)

(ujemnie półokreślona)

Gdy AT = A to A jest macierzą symetryczną.

Sprawdzimy:

zT 2 XTX z > 0

zT XTX z > 0

podstawienie: zTXT = ( Xz )T = (w)T

wTw > 0 (wiersz x kolumna to liczba)

wTw = ∑ wt2 (suma kwadratów elementów wektora w)

O ile chociaż jedno wt jest różne od zera to suma jest dodatnia. Natomiast gdy wt = 0, to suma również wynosi 0.

0x08 graphic
0x08 graphic
0x08 graphic

x1 x2 xk

0x08 graphic
z1 + z2 + ... + zk = 0 liniowa kombinacja kolumn macierzy A, (Xz=0)

Jeżeli nie istnieje taki z ≠ 0, żeby to równanie było spełnione to kolumny X są liniowo niezależne. Jeżeli kolumny są liniowo niezależne to macierz jest dodatnio określona, a oceny parametrów b da się wyznaczyć jednoznacznie. Jeżeli kolumny są liniowo zależne, to macierz jest osobliwa.

Rząd macierzy X → k , jeżeli kolumny są liniowo niezależne.

0x08 graphic
0x08 graphic

rz (X(T,k)) = K ≤ T rząd tej macierzy musi być równy liczbie kolumn aby

0x08 graphic
0x08 graphic
< T XTX była dodatnio określona

liczba kolumn (rząd macierzy) liczba danych nie może być mniejsza od liczby kolumn (zmiennych)

0x08 graphic
ŷ = Xb wektor wartości teoretycznych

XTXb = XTy wektory prostopadłe

XTŷ = XTy

0x08 graphic
0x08 graphic
0x08 graphic
XT ( y - ŷ ) = 0 (-4,2) 2 (1,2)

reszty

0x08 graphic
0x08 graphic
0x08 graphic
XTe = 0

0x08 graphic

iloczyn skalarny wektorów równa się 0 -4 1

Własności hiperpłaszczyzny dopasowanej MNK do wyników obserwacji (zachodzą zawsze, dla każdego równania modelu):

0x08 graphic

0

Model z wyrazem wolnym. Jeżeli istnieje wyraz wolny ( mamy kolumny z samymi jedynkami) to:

0x08 graphic
0x08 graphic

1 1 ... 1 e = 0

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic

1 1 ... 1 ŷ = 1 1 ... 1 y

w przykładzie: yTy = 137,352 bTXTy = 127,0 1/T ( ¶Ty )2 = 20,971

Ty - wektor składowych równych średniej

DEKOMPOZYCJA WARIANCJI

0x08 graphic

OSK = ∑ ( yt - ÿ )2 = ( y - [ 1/T ¶Ty ] )T ( y - [ 1/T ¶Ty ] ) = yTy - 1/T ( ¶Ty)2 - 1/T (¶Ty)2

0x08 graphic
+ ( 1/T ¶Ty2 ) T

ogólna suma OSK = ∑ ( yt - ÿ )2 = yTy - 1/T ( ¶Ty)2

kwadratów

suma kwadratów SKO = ∑ ( yt - ŷt )2 = yTy - bTXTy minimalna wartość sumy kwadratów

odchyleń odchyleń (minimalizujemy)

_

regresyjna suma RSK = ∑ ( ŷt - ŷ )2 = bTXTy - 1/T ( ¶Ty )2 jeżeli równanie ma wyraz wolny

kwadratów

Jeżeli szacowane równanie ma wyraz wolny, to:

OSK = SKO + RSK

OSK - zakres zmienności zmiennej objaśnianej

SKO - suma kwadratów reszt

RSK - część zmienności zmiennej objaśnianej, którą dało się objaśnić

SKO RSK

0x08 graphic
0x08 graphic
1 = +

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
OSK OSK

0x08 graphic
0x08 graphic

0x08 graphic
0x08 graphic
współczynnik zbieżności φ2 R2 współczynnik determinacji

(rozbieżności) mówi o tym zakresie zmienności

mówi o tym zakresie zmienności zmiennej zmiennej objaśnianej, który został

objaśnianej, który nie został objaśniony objaśniony poprzez szacowane równanie

poprzez szacowane równanie

0x08 graphic
R współczynnik korelacji wielorakiej

mówi o skorelowaniu wszystkich

zmiennych objaśniających z jedną

zmienną objaśnianą

WYKŁAD 3 07.10.2002

Skąd biorą się dane statystyczne?

0x08 graphic
Yt = β1Xt1 + β2Xt2 + ... + βkXtk + εt

błąd, zmienna losowa, losowe zakłócenie

  1. Hipoteza deterministyczna

  2. Hipoteza probabilistyczna

  3. Hipoteza klasyczna (ekonometryczna)

Losowy składnik nakłada się na prawo czyli Yt jest zmienną losową, jej wartości to realizacje zmiennej losowej. Wszystkie wartości tego równania mają inny charakter.

znane

0x08 graphic
nieznane

losowe

Y

ε

0x08 graphic
nielosowe

X

0x08 graphic
β

składnik losowy ma odzwierciedlać

wszystkie błędy powstałe w próbie statystycznej, wszystkie błędy

łącznie odnajdują wyraz w tym

składniku losowym

ustalone w powtarzalnych próbach

(mogą być obarczone błędami) stała i szacowana

Chodzi o to aby jak najwięcej zakresu zmienności zmiennej objaśnianej objaśnić

szacowanym modelem.

Założenie 1 Hipoteza

0x08 graphic
0x08 graphic
Y(T) = X(T,K) β(K) + ε(T) wektor składników losowych

wektor macierz wartości

zm. objaśniających wektor parametrów β, kolumna o K elementach

Założenie 2

rz X(T,K) = K

Założenie 3

E (εt) = 0 wartość oczekiwana losowych zakłóceń jest 0

E (ε) = 0 wartość oczekiwana wektora jest wektorem zer

D2t) = E [ εt - E (εt) ]2 = σ2

składniki losowe mają tę samą wariancję, błędy

są jednakowo rozproszone

cov (εts) = E {[εt - E (εt)] [εs - E (εs)]} gdyby t = s to mamy wariancję

t≠s

miara współzmienności zmiennych losowych - średnia z iloczynu odchyleń od

średnich ( zakładamy że = 0, to

znaczy że błędy nie są

systematyczne, nie są powiązane ze

sobą)

εt ∼ N ( 0, σ ) przyjęcie rozkładu normalnego oznacza że często

popełniamy błędy małe, a rzadko duże.

Macierz wariancji i kowariancji

z = E [( z - E (z)) ( z - E (z))T] w wyniku otrzymamy macierz jednostkową stopnia T

macierz wektor wektor

(kolumna) (wiersz)

Własności

σ2 I → macierz skalarna, ponieważ do jej utworzenia potrzebna jest tylko jedna

liczba

Założenie 4

ε = E [( ε - E(ε)) (ε - E(ε))T] = E (ε εT) = σ2 I

Założenie 5

ε ∼ N ( 0, σ2 I ) rozkład błędu ma T-wymiarowy rozkład normalny

Przy tych 5 założeniach będziemy prowadzić wnioskowanie.

MNK

β - parametr ( stały i nieznany ), b - ocena ( szacunek ) - realizacje estymatora

0x08 graphic
b = (XTX)-1 XTy

wektor ocen parametrów odpowiadających wektorowi y

0x08 graphic
0x08 graphic
0x08 graphic
0x08 graphic
З = ( XTX )-1 XT Y Y(T) = X(T,K) β(K) + ε(T)

estymator parametru- zmienna losowa

na podstawie której szacujemy estymator,

na tymże estymatorze opiera się wnioskowanie

Interpretacje

Obydwa parametry są miarą rozproszenia od średniej. Im większe rozproszenie (odchylenie) tym estymator mniej wiarygodny i odwrotnie.

Własności estymatorów uzyskanych MNK

0x08 graphic

З = (XTX)-1 XTY = (XTX)-1 XT (Xβ + ε) = (XTX)-1 XTXβ + (XTX)-1 XTε =

= β + (XTX)-1 XTε

Estymator jest funkcją składników losowych, a uzyskany MNK jest estymatorem

liniowym.

0x08 graphic
0x08 graphic

0x08 graphic
E ( З ) = E ( β + (XTX)-1 XTε) = E (β) + E ((XTX)-1 XTε) = β + (XTX)-1 XT E(ε) = β

0x08 graphic
0x08 graphic

stała wartość oczekiwana estymatora = szacowanemu parametrowi

stąd jest to estymator nieobciążony (bez błędu systematycznego)

9

EKONOMETRIA



Wyszukiwarka

Podobne podstrony:
wykład 3 i 4+ćwiczenia, ekonomia, Rachunkowość finansowa
Ekonometria Model ekonometryczny 5, Statystyka, ekonometria i rachunek
Ekonometria Model Ekonometryczny 4, Statystyka, ekonometria i rachunek
wykład 2 i ćwiczenia, ekonomia, Rachunkowość finansowa
Ekonometria Model ekonometryczny zużycia energii elektryczne, Statystyka, ekonometria i rachunek
Ekonometria (38 stron), Statystyka, ekonometria i rachunek
Statystyka - Teoria I Zadnia Z Rozwi Zaniami (15 Stron), Statystyka, ekonometria i rachunek
ostatni wykład, ekonomia, Rachunkowość finansowa
1excel 3, Statystyka, ekonometria i rachunek
Ocena ekonomiczna i rachunek kosztów, Ekonomia i finansowanie (w wordzie)
ekonomia, RACHUNKI BANKOWE, RACHUNKI BANKOWE
PODSTAWY EKONOMIKI I RACHUNKOWOŚCI PRZEDSIĘBIORSTWA, WSZKiPZ, semestr II, różne
USTAWA o pdp - zagadnienia ogólne 2010, ekonomia, Rachunkowość i audyt podatkowy
5 - Ekonomiści, RACHUNKOWOŚC
Przychody wg ustawy o pdop 2010, ekonomia, Rachunkowość i audyt podatkowy

więcej podobnych podstron