EKONOMETRIA WZORY, szkoła


II. Funkcja produkcji o stałej elastyczności substytucji (CES lub SMAC):

0x01 graphic

lub 0x01 graphic
gdzie 0x01 graphic

dla ρ→1 CES odpowiada doskonałej substytucyjności (wykres - prosta)

dla ρ→0 CES odpowiada funkcji Cobb-Douglasa (wykres hiperboliczny)

dla ρ→-∞ CES odpowiada technologii Leontieffa (doskonała komplementarność - wykres L)

Produkcyjność krańcowa i-tego czynnika:0x01 graphic

Elastyczność względem i-tego czynnika:0x01 graphic

Efekt skali (suma elastyczność jak w modelu Cobb-Douglasa): 0x01 graphic

Krańcowa stopa substytucji: 0x01 graphic

Elastyczność substytucji: 0x01 graphic

dla Cobba-Douglasa stała i równa 1,

Informuje w przybliżeniu o ile procent wzrasta zj/zi jeśli Rji wzrasta o 1% (mówi o ile powinno wzrosnąć techniczne uzbrojenie pracy, aby krańcowa stopa substytucji wzrosła o 1%)

Metoda Kmenty - historyczna i nienajlepsza, ale pozwalająca oszacować punkty startowe do algorytmu Gaussa-Newtona:

0x01 graphic

jeżeli oznaczymy kolejno paramtry od beta 0 do beta 3 i oszacujemy zwykłą MNK to otrzymamy punkty startowe:

0x01 graphic

III. Translogarytmiczna funkcja produkcji (Translog)

Liczba swobodnych parametrów:0x01 graphic
Funkcja translogarytmiczna nie jest jednorodna ! (brak globalnego efektu skali)

0x01 graphic

Dwa pierwsze składniki sumy odpowiadają technologii Cobba-Douglasa

Elastyczności najlepiej liczyć z pochodnej logarytmicznej i analogicznie współczynnik efektu skali (sumy elastyczności)

Podobnie produkcyjności krańcowe i elastyczności substytucji:

0x01 graphic
0x01 graphic

Estymacja funkcji produkcji: - na podstawie danych przekrojowych lub szeregów czasowych

Do Cobba-Douglasa i Translogu wystarczy MNK i KMRL, do CES należy stosować metodę Kmenty i algorytm Gaussa-Newtona

W przypadku CES i Translogu należy jeszcze zweryfikować hipotezę, że model Cobba-Douglasa jest wystarczający:

CES) 0x01 graphic
- test t-Studenta dla regresji nieliniowej

wystarczy C-D CES

Translog) 0x01 graphic
- test F dla układu współczynników regresji

wystarczy C-D Translog

W przypadku szeregów czasowych bierze się jeszcze pod uwagę postęp techniczno-organizacyjny

0x01 graphic

gdzie  ⋅  - informuje w przybliżeniu o ile % wzrasta prdukcja z okresu na okres wyłącznie na skutek usprawnień techniczno-organizacyjnych (neutralnego postępu techniczno-organizacyjnego)

Zmienna objaśniająca losowa - stosujemy zwykłą MNK

Regresja liniowa dla danych czasowych - nie można stosować zwykłej MNK dla autokorelacji, ani dla modeli wielorównaniowych, natomiast można zwykłą MNK szacować proces autoregresyjny ze względu na zmienną objaśniającą:

Model autoregresyjny rzędu 1 (AR(1)): 0x01 graphic

Modele wielorównaniowe:

Statyczne (bez opóźnień) i dynamiczne (z opóźnieniami)

Yt - wektor zmiennych łącznie współzależnych

Xt - wektor zmiennych ustalonych z góry (wraz z wyrazami wolnymi - kolumna 1)

Ut - wektor równoczesnych składników losowych wszystkich równań

0x01 graphic

Rodzaje modeli wielorównaniowych:

Estymacja prostych i rekurencyjnych modeli - zwykła MNK (estymator jest zgodny asymptotycznie)

Postacie modeli:

Badanie identyfikalności modelu:

Otrzymujemy układ równań z przemnożenia:

0x01 graphic
i - nr kolumny (równania)

Elementy macierzy pi traktujemy jako parametry, parametry modelu jako zmienne

Ze względu na ilość rozwiązań tego układu równań otrzymujemy, że równanie:

Pośrednia MNK:

Szacuje się: 0x01 graphic
, a parametry równań oblicza się z powyższego układu równań (będą zależne od elementów macierzy 

Podwójna MNK:

Dla danego równania wyprowadzamy postać:

0x01 graphic
gdzie Y,X,,γ są odpowiednimi macierzami i wektorami tych X,Y,,γ które występują w równaniu, analogicznie składnik losowy; Y ma wymiar T x mi X ma wymiar T x ki

Wyprowdzamy teoretyczne Y: 0x01 graphic
tworzymy macierz z: 0x01 graphic

Wektor parametrów przy X i Y: 0x01 graphic
i szacujemy go: 0x01 graphic

Błędy średnie szacunku z macierzy: 0x01 graphic
a wariancja: 0x01 graphic

Przy czym teorytyczny składnik losowy jest liczony z równania oryginalnego: 0x01 graphic

Można to zapisać gotowymi wzorami:

Analiza mnożnikowa

Uogólniony model regresji liniowej (UMRL)

Copyright SGP

Ekonometria

Rachunek macierzowy:

Klasyczny model regresji linowej (KMRL):

Założenia normalnie zapisane

Założenia w rachunku macierzowym

  1. 0x01 graphic

  1. 0x01 graphic

  1. Wartości 0x01 graphic
    są znanymi wartościami nielosowymi

  1. X jest znaną macierzą nielosową

  1. Między 0x01 graphic
    nie ma dokładnej zależności liniowej

  1. r (X) = k (gdzie 0x01 graphic
    )

  1. Składniki losowe 0x01 graphic
    są zmiennymi losowymi o zerowych wartościach oczekiwanych

  1. 0x01 graphic

  1. I. Rozproszenie mierzone odchylenie standardowym (S) jest takie samo dla wszystkich = wariancje (S2) składników losowych poszczególnych obserwacji są skończone i jednakowe: 0x01 graphic

Składniki losowe poszczególnych obserwacji są między sobą nieskorelowane: 0x01 graphic

  1. 0x01 graphic

Szacowanie wartości w KMRL:

0x01 graphic
0x01 graphic
- znane nam 0x01 graphic
0x01 graphic
- nieznane

Macierze X,Y dla specyficznych modeli:

Model wielomianowy (może być wyższa potęga niż 2): 0x01 graphic
0x01 graphic
Y - bez zmian

Model hiperboliczny: 0x01 graphic
0x01 graphic
Y - bez zmian

Modele potęgowe i wykładnicze należy zlogarytmować obustronnie i podastawić - dalej regresja liniowa.

Twierdzenie Gaussa i Markowa (estymacja metodą MNK):

^ ^

0x01 graphic
z macierzą kowariancji 0x01 graphic

^ ^ ^ ^ ^ ^ ^

0x01 graphic
0x01 graphic

^

przyjmuje się, że: 0x01 graphic
błędy ocen parametrów: 0x01 graphic

korelacja: 0x01 graphic
- wartości z macierzy V()

współczynnik zbieżności: 0x01 graphic
współczynnik determinacji R2=1-2

Klasyczny model normalnej regresji liniowej: (KMNRL):

KMRL + założenie 6: ε ma wielowymiarowy rozkład normalny (Gaussa)

Budowa przedziałów ufności dla parametrów regresji:

^ ^ ^ ^

0x01 graphic
gdzie t to rozkład t-studenta o T-k stopniach swobody (0x01 graphic
)

Uzyskany przedział liczbowy jest realizacją najkrótszego przedziału o końcach losowych w którym z zadanym prawdopodobieństwem (1-) zawiera się nieznany parametr

Testowanie istotności parametrów regresji:

0x01 graphic
(najczęściej testuje się dla i* = 0 - testowanie istotności wpływu zmiennej objaśniajacej na objaśnianą)

sprawdzian testu: 0x01 graphic
- jeżeli moduł sprawdzianu testu (statystyki) jest większy od wartości krytycznej (t) to odrzucamy H0 na korzyść H1, jeżeli statystyka jest mniejsza od wartości krytycznej to brak podstaw do odrzucenia H0 (zdarzenie wysoce prawdopodobne przy H0); uwaga: dotyczy: testu dwustronnego

Testowanie istotności układu współczynników regresji:

Macierz X dzielimy na dwie części: X=[X1, X2] o wymiarach k1 i k2 (k1+k2=k), analogicznie macierz  na (1) i (2)

Model ma wówczas postać: 0x01 graphic

0x01 graphic
- w H1 zakładamy, że przynajmniej jedna zmienna objaśniająca z X2 ma wpływ na zmienna objaśnianą (Y)

sprawdzian testu: 0x01 graphic
- SSEi - suma kwadratów reszt dla Hi, reszta analogicznie

Przypadek szczególny: - model regresji z wyrazem wolnym (macierz X ma kolumnę jedynek)

Testujemy wszystkie parametry regresji z wyjątkiem wyrazy wolnego (k2=k-1) - H0, H1 - jw.

sprawdzian testu: 0x01 graphic

Testowanie stałości wariancji:

Obserwacje, w których spodziewamy się mniejszej S2 grupujemy w Y(1) (wymiary T1 x 1) i odpowiadające im X1 (T1 x k)

Obserwacje, w których spodziewamy się większej S2 grupujemy w Y(2) (wymiary T2 x 1) i odpowiadające im X2 (T2 x k)

Jeżeli T>T1+T2 to pozostałe obserwacje tworzą zbiór środkowy, jeżeli są sobie równe - brak zbioru środkowego

Budujemy dwa modele regresji i szacujemy ich parametry zwykłą MNK oraz liczymy S2 dla obu grup obserwacji.

0x01 graphic

sprawdzian testu: 0x01 graphic

Regresja nieliniowa - algorytm Gaussa - Newtona:

  1. Punkty startowe dobieramy arbitralnie (w praktyce korzystając z jakiegoś przybliżenia)

  2. W kolejnych krokach obliczamy kolejne przybliżenia parametrów: 0x01 graphic

gdzie: 0x01 graphic
- macierz pochodnych cząstkowych,

a 0x01 graphic
- wektor reszt, przy czym 0x01 graphic
- wektor funkcji rzeczywistych

  1. Sprawdzamy za każdym razem kryterium stopu:

0x01 graphic
δ - przyjęte kryterium stopu (ustalona mała liczba)

0x01 graphic
- bo nie ma różnicy j czy j+1 jeżeli zatrzymaliśmy się na kryterium stopu - statystycznie nierozróżnialne

^ ^ ^ ^ ^ ^

0x01 graphic
i 0x01 graphic
, gdzie cii = V(); testowanie jak KMRL

I funkcja Törquista (krzywa Engla dla dobra podstawowego):

0x01 graphic
po przekształceniach: 0x01 graphic
,  > 0

dobór punktu startowego:0x01 graphic
lub 0x01 graphic

elastyczność: 0x01 graphic
mówi o ile procent zmieni się Dt przy gdy Mt wzrośnie o 1%

w tym przypadku: 0x01 graphic
- interpretacja 2; interpretacja 1 - poziom nasycenia

II funkcja Törquista (krzywa Engla dla dobra wyższego rzędu):

0x01 graphic
 - poziom nasycenia, γ - poziom od którego można nabyć dane dobro

III funkcja Törquista (krzywa Engla dla dobra luksusowego):

0x01 graphic
γ - poziom od którego można nabyć dane dobro, asymptoty ukośne

Ekonometryczne funkcje produkcji:

Definicje charakterystyczne dla procesu produkcji:

  1. Produkcyjność krańcowa i-tego czynnika produkcji

0x01 graphic
- informuje nas o ile jednostek wzrasta produkcja (Q), gdy nakład i-tego czynnika (zi) wzrasta o jednostkę przy ustalonych nakładach pozostałych czynników

Powinna spełniać dwa postulaty:0x01 graphic

  1. Elastyczność produkcji względem nakładu i-tego czynnika

0x01 graphic
- informuje nas w przybliżeniu o ile procent wzrośnie produkcja (%), jeżeli nakład i-tego czynnika produkcji wzrośnie o 1% przy ustalonych nakładach pozostałych czynników

  1. Lokalny współczynnik efektu skali

0x01 graphic
- informuje nas o ile w przybliżeniu wzrośnie produkcja (%), jeżeli nakłady wszystkich czynników produkcji wzrosną naraz o 1%

dla funkcji jednorodnych stopnia  lokalny współczynnik efektu skali jest równy globalnemu: 0x01 graphic

  1. Izokwanty (krzywe / powierzchnie jednakowego produktu) - wszystkie te kombinacje czynników produkcji, które dają w efekcie tę samą produkcję

  2. Krańcowa (techniczna stopa substytucji)

0x01 graphic
- informuje w przybliżeniu ile dodatkowych jednostek nakładu czynnika j należy zaangażować, aby wycofać jednostkę czynnika i nie zmieniając produkcji (przy ustalonych nakładach pozostałych czynników) - w książce jest odwrotnie R i / j

Funkcje produkcji:

    1. Funkcja Cobba i Douglasa

0x01 graphic
lub 0x01 graphic

Elastyczność:0x01 graphic
Produkcyjność krańcowa: 0x01 graphic

Efekty skali (globalny równy lokalnemu): 0x01 graphic
- efekt skali i elastyczności są niezmienne

>1 - rosnący 1 - stały 1 - malejący efekt skali

Izokwanta: 0x01 graphic
Krańcowa stopa substytucji: 0x01 graphic

Postać jawna izokwanty dla pracy i kapitału: 0x01 graphic

    1. Funkcja o stałej elastyczności substytucji (CES / SMAC)

0x01 graphic
lub 0x01 graphic

gdzie j>0, η>0, ρ<1 (ρ nie może być zerem) lub 0x01 graphic

dla ρ=1 - doskonała substytucyjność (prosta)

dla ρ→  funkcja Cobba i Douglasa (0x01 graphic
, krzywa)

dla ρ→−∞ - technologia Leontieffa (doskonała komplementarność, wykres - L)

0x08 graphic

0x08 graphic
0x08 graphic
K

0x08 graphic

0x08 graphic

0x08 graphic
L

Zależności w analizie przepływów międzygałęziowych dla gospodarki zamkniętej

Tablica PM dla gospodarki zamkniętej

i

Xi

1

2

...

n

Yi

1

X1

x11

x12

...

x1n

Y1

2

X2

x21

x22

...

x2n

Y2

...

...

...

...

...

...

n

Xn

xn1

xn2

...

xnn

Yn

amortyzacja

xn+2,1

xn+2,2

...

xn+2,n

xoj

x01

x02

...

x0n

Zj

Z1

Z2

...

Zn

Xj

X1

X2

...

Xn

Przykładowa tablica PM

i

Xi

1

2

3

Yi

1

500

50

195

0

255

2

300

100

0

90

110

3

150

80

45

15

10

amortyzacja

15

30

10

x0j

200

30

15

Zj

55

0

20

Xj

500

300

150

Tablica PM dla gospodarki otwartej

i

Xi

1

2

...

n

Yi(1)

Yi(2)

Yi(3)

Yi(4)

1

X1

x11

x12

...

x1n

Y1(1)

Y1(2)

Y1(3)

Y1(4)

2

X2

x21

x22

...

x2n

Y2(1)

Y2(2)

Y2(3)

Y2(4)

...

...

...

...

...

...

...

...

...

n

Xn

xn1

xn2

...

xnn

Yn(1)

Yn(2)

Yn(3)

Yn(4)

n + 1

import

xn+1,1

xn+1,2

...

xn+1,n

xn+1(1)

xn+1(2)

xn+1(3)

xn+1(4)

n + 2

amort.

xn+2,1

xn+2,2

...

xn+2,n

x0j

x01

x02

...

x0n

Zj

Z1

Z2

...

Zn

Xj

X1

X2

...

Xn

Oznaczenia:

Zależności w analizie przepływów międzygałęziowych dla gospodarki otwartej

Rachunek dochodu narodowego

Wskaźniki efektywności gospodarki

Oznaczenia:

Lj - liczba pracowników zatrudnionych w j-tej gałęzi,

STj - wartość produkcyjnych środków trwałych w gałęzi j-tej.

Model Leontiewa

  1. Wprowadzenie do ekonometrii.

  2. Model ekonomiczny i ekonometryczny.

  3. Klasyfikacja modeli ekonometrycznych.

  4. Klasyfikacja ekonometrycznych modeli wielorównaniowych.

1. Czym jest ekonometria?

Ekonometria - zastosowanie metod statystycznych i matematycznych do analizy danych empirycznych, w celu dostarczenia teoriom ekonomicznym materiału empirycznego oraz weryfikacji lub obalenia tych teorii.

2. Prawo popytu

q = a + bp, b < 0 lub

q = apb, b < 0, gdzie

q - wielkość popytu, p - cena.

3. Modelowanie

Model - uproszczone przedstawienie rzeczywistych procesów.

Jak szczegółowy powinien być model?

prosty,

złożony.

W praktyce: uwzględniamy w modelu wszystkie czynniki, które uważamy za ważne dla naszego problemu, a pomijamy wszystkie pozostałe.

4. Model ekonomiczny i ekonometryczny

Model ekonomiczny - zbiór założeń, które w przybliżeniu opisują zachowanie się gospodarki.

Model ekonometryczny - formalny opis stochastycznej zależności wyróżnionego zjawiska ekonomicznego (wyróżnionych zjawisk) od czynników, które je kształtują, a wyrażony w formie pojedynczego równania bądź układu równań.

5. Prawo popytu

6. Cele ekonometrii

7. Analiza ekonometryczna

0x08 graphic

7. Analiza regresji jest narzędziem do opisu i oszacowania ilościowego związku między daną zmienną objaśnianą (zależną), a jedną lub więcej zmiennymi objaśniającymi (niezależnymi).

8. Cele stosowania analizy regresji

9. Typy zależności

y = f(x),

gdzie f jest funkcją x.

deterministyczna,

stochastyczna.

f(x) = a + bx.

f(x) = a + bx + e,

gdzie e jest „składnikiem losowym” o znanym rozkładzie prawdopodobieństwa.

y = a + a1x1 + a2x2 + ... + akxk + e, gdzie

czynnik deterministyczny: a + a1x1 + a2x2 + ... + akxk,

czynnik stochastyczny: e,

parametry strukturalne: a, a1, a2, ... , ak.

10.Dlaczego uwzględniamy składnik losowy?

11. Dane do modelu

12. Inflacja - szereg czasowy

13. Mieszkania - dane przekrojowe

14. Klasyfikacja zmiennych

15.Klasyfikacja zmiennych- przykład

Model wielorównaniowy:

PKBt = a0 + a1Zt + a2It-1 + a3It-2 + et1

It = b0 + b1PKBt + et2

Klasyfikacja zmiennych:

A = {PKB, I} B = {Z}

C = {PKBt, It} C = {Zt, It-1, It-2, PKBt}

16.Klasyfikacja modeli ekonometrycznych

KRYTERIUM 1. Liczba równań w modelu:

KRYTERIUM 2. Postać analityczna modelu:

KRYTERIUM 3. Czynnik czasu w modelu:

KRYTERIUM 4. Ogólnopoznawacze cechy modelu:

KRYTERIUM 5. Powiązania w modelach wielorównaniowych:

17. Dobór zmiennych objaśniających do modelu ekonometrycznego

Y - zmienna objaśniana,

X = {X1, X2, ..., Xm} - zbiór „kandydatek” na zmienne objaśniające,

rij - współczynnik korelacji liniowej Pearsona między „kandydatkami” na zmienne objaśniające,

rj - współczynnik korelacji liniowej Pearsona między zmiennymi Xj i Y,

s = 1, 2, ..., 2m-1 - numer niepustych kombinacji zmiennych ze zbioru X,

Cs - zbiór numerów zmiennych tworzących s-tą kombinację.

18. Metoda Hellwiga

indywidualna pojemność informacyjna nośnika Xj w s-tej kombinacji:

0x08 graphic

integralna pojemność informacyjna s-tej kombinacji:

0x08 graphic

reguła decyzyjna:

0x08 graphic

  1. Metoda Najmniejszych Kwadratów (MNK)

  2. Współczynnik determinacji

  3. Koincydencja

  4. Kataliza

  5. Współliniowość zmiennych

1. Jednorównaniowy model ekonometryczny

Y = a0 + a1X1 + a2X2 + ... + akXk + e

yt = a0 + a1x1t + a2x2t + ... + akxkt + et, t = 1,...,n

y = Xa + e

2. Estymatory MNK

0x08 graphic
0x08 graphic

0x08 graphic

0x08 graphic

a = (XTX)-1XTy

3. Założenia MNK

4. Własności estymatorów MNK

5. Estymator MNK - przykład

0x08 graphic

0x08 graphic
Oszacowanie modelel:

Y - roczna pensja (tysiące $)

X1 - lata nauki po zakończeniu szkoły średniej

X2 - staż pracy w przedsiębiorstwie

6. Własność koincydencji

sgn ri = sgn ai

para (R,R0)

0 < r1 £ r2 £ ... £ rk

7. Zapis korelacyjny modelu ekonometrycznego

8. Koincydencja - przykład

współczynnik korelacji X1 i X2: r12 = 0,949

model nie jest koincydentny, gdyż

sgn a1 ¹ sgn r1

0x08 graphic

9.Miary jakości modelu

Współczynnik determinacji:

0x08 graphic

Skorygowany współczynnik determinacji

0x08 graphic

Niescentrowany współczynnik determinacji (model bez wyrazu wolnego)

0x08 graphic

10.Interpretacja R2

11.Efekt katalizy

dla regularnej pary korelacyjnej, zmienna Xi z pary (Xi,Xj) jest katalizatorem, jeżeli

rij < 0 lub rij > ri/rj

12.Pomiar zjawiska katalizy

h = R2 - H,

gdzie H jest integralną pojemnością informacyjną zestawu zmiennych objaśniających.

Wh = h / R2 x 100%

13. Współliniowość zmiennych

14. Dokładna współliniowość

15. Przybliżona współliniowość - co robić?

  1. Weryfikacja statystyczna modelu ekonometrycznego

  • Zmienne zero-jedynkowe

  • 1. Weryfikacja statystyczna modelu

    2. Błędy szacunku parametrów

    Macierz kowariancji estymatora a:

    D2(a) = s2(XTX)-1

    Estymator wariancji s2 składnika losowego:

    0x08 graphic

    Estymator macierzy kowariancji estymatora a:

    0x08 graphic

    Średni błąd szacunku parametru aj:

    0x08 graphic

    Średni względny błąd szacunku parametru aj:

    0x08 graphic

    3. Przykład

    Oszacowany model:

    0x08 graphic

    Oszacowanie wariancji składnika losowego:

    S2 = 0.75 S = 0.87

    Średnie błędy szacunku dla zmiennej

    X1: 0.68

    X2: 0.87

    Oszacowany model:

    0x08 graphic

    Średnie względne błędy szacunku dla zmiennej

    X1: 272%

    X2: 16%

    4. Przykład

    0x08 graphic

    5. Istotność zmiennych objaśniających

    Para hipotez:

    H0: aj = 0,

    H1: aj ¹ 0.

    Statystyka testowa

    0x08 graphic

    : ma rozkład t-Studenta z n = n - (k + 1) stopniami swobody.

    Wnioskowanie:

    6. Przykład

    Oszacowany model:

    0x08 graphic

    Liczba stopni swobody: n = 2.

    Poziom istotności: a = 0,05.

    Wartość krytyczna: t0.05;n = 4,3027.

    Wartości testowe:

    X1: -0,37,

    X2: 6,35.

    Zmienne istotne: tylko X2.

    7. Istotność zmiennych objaśniających

    Istotność zmiennych - test F:

    Para hipotez:

    H0: a1 = a2 = ... = ak = 0,

    H1: a1 ¹ 0 lub a2 ¹ 0 lub ... lub ak ¹ 0.

    0x08 graphic
    Statystyka testowa:

    ma rozkład F-Snedecora z r1 = k i r2 = n - (k + 1) stopniami swobody.

    Wnioskowanie:

    jeśli F > Fa,r1,r2 Þ odrzucamy H0 Þ przynajmniej jedna zmienna objaśniająca

    jest istotna,

    jeśli F £ Fa,r1,r2 Þ nie ma podstaw do odrzucenia H0 Þ żadna zmienna

    objaśniająca nie jest istotna.

    8. Przykład

    9. Autokorelacja składników losowych

    10. Schemat autoregresyjny pierwszego rzędu: AR(1)

    Założenia:

    Macierz kowariancji składników losowych

    0x08 graphic

    0x08 graphic

    11. Schemat autoregresyjny pierwszego rzędu: AR(1)

    Założenie:

    et = ret-1 + ht, gdzie

    r - współczynnik autokorelacji,

    h - składnik losowy spełniający: E(h) =0, D2(h) = sh2I.

    Wariancja składnika losowego:

    D2(et) = s2 = sh2/(1 - r2)

    Macierz kowariancji składników losowych:

    0x08 graphic

    12. Skutki autokorelacji

    13. Uogólniona MNK

    Założenie: D2(e) = s2W i wszystkie parametry są znane.

    Estymator UMNK (estymator Aitkena) jest BLUE:

    a = (XTW-1X)-1XTW-1y

    W przypadku procesu AR(1):

    0x08 graphic

    14. Estymatory współczynnika autokorelacji

    współczynnik korelacji reszt

    0x08 graphic

    skorygowany współczynnik korelacji reszt:

    0x08 graphic

    estymator nieobciążony

    0x08 graphic

    15. Testowanie zjawiska autokorelacji

    Test Durbina-Watsona

    0x08 graphic

    16. Przykład

    Statystyka testowa: DW = 2,083.

    0

    dL = 0,946

    dU = 1,543

    4 - dU = 2,457

    4 - dL = 3,054

    4

    Wniosek: brak autokorelacji.

    17. Heteroskedastyczność

    18. Testowanie heteroskedastyczności

    Test Goldfelda - Quandta

    H0: s12 = s22,

    H1: s12 ¹ s12.

    19. Przykład

    20. Zmienne zero - jedynkowe

    Zmienna zero -jedynkowa - zmienna, która przyjmuje tylko dwie wartości jeden lub zero.

    Wykorzystywane są do:

    zastępowania zmiennych niemierzalnych,

    wyróżniania pewnych okresów,

    ...

    UWAGA: Możliwa dokładna współliniowość!

    1. Prognozowanie na podstawie jednorównaniowego modelu ekonometrycznego

    2. prognoza punktowa,

    3. prognoza przedziałowa.

    4. Modele nieliniowe.

    5. Funkcja produkcji.

    1. Klasyfikacja prognoz

    Prognozowanie ekonometryczne - wnioskowanie o przyszłych wartościach zmiennej endogenicznej na podstawie modelu wyjaśniającego kształtowanie się tej zmiennej.

    0x08 graphic

    2. Prognoza punktowa

    0x08 graphic

    0x08 graphic

    0x08 graphic

    0x08 graphic

    0x08 graphic

    3. Przykład

    0x08 graphic

    x16 = 5,

    x26 = 12.

    0x08 graphic

    0x08 graphic

    4. Prognoza przedziałowa

    0x08 graphic

    0x08 graphic

    0x08 graphic

    (t = n + s):

    0x08 graphic

    5. Przykład

    6. Dokładność prognoz ex post

    średni absolutny błąd predykcji:

    0x08 graphic

    współczynnik Theila:

    0x08 graphic

    7. Modele liniowe

    8. Nieliniowości modeli

    np. Y = a0 + a1X + a2X2 + e,

    proste, bo podstawiamy Z = X2 i Y = a0 + a1X + a2Z + e.

    np. Y = a0 + a12X + a2Z + e,

    trudne metody estymacji,

    czasami pomaga linearyzacja modelu,

    sprawdzian: jeśli każda pochodna cząstkowa zmiennej Y względem parametrów modelu jest niezależna od wszystkich parametrów modelu, to taki model jest liniowy względem parametrów.

    9. Typowe modele nieliniowe

    Model wielomianowy:

    Y = a0 + a1X + a2X2 + ... + akXk + e.

    Model logarytmiczny: Y = a0 + a1lnX + a2lnZ + e.

    Model hiperboliczny: Y = a0 + a1/X + a2Z + e.

    Model z interakcjami:

    Y = a0 + a1X + a2Z + a3XZ + e.

    0x08 graphic
    Model potęgowy:

    Model wykładniczy:

    0x08 graphic

    Model S-krzywej:

    0x08 graphic

    10. Funkcja produkcji

    Funkcja produkcji - zależność między nakładami czynników produkcyjnych w pewnym procesie, a wielkością wytworzonego produktu.

    Ekonometryczna funkcja produkcji - model jednorównaniowy, w którym zmienną objaśnianą jest produkcja Y, a zmiennymi objaśniającymi są nakłady J czynników produkcji Xj:

    Y = f(X1,X2,...,XJ)

    Nakłady:

    kapitału:K,

    pracy: L.

    11. Założenia o funkcji produkcji

    Y > 0, K > 0, L > 0,

    izokwanty produkcji (linie stałego produktu), tj. linie którym odpowiada ta sama wartość produkcji, czyli Y0 = f(K,L), są wypukłe,

    funkcja produkcji jest ciągła i dwukrotnie różniczkowalna.

    12. Własności funkcji produkcji

    fK > 0, fL > 0.

    fKK < 0, fLL < 0.

    fKL > 0, fLK > 0.

    12. Własności funkcji produkcji

    f(lK,lL) = lrf(K,L),

    r = 1 - stałe korzyści skali,

    r > 1 - rosnące korzyści skali,

    r < 1 - malejące korzyści skali.

    KSS = dK/dL = - fL/fK - substytucja pracy przez kapitał.

    13. Funkcja Cobba - Douglasa

    0x08 graphic

    Y = aKbLce, a > 0, b > 0, c >0,

    fK = abKb - 1L > 0, fL = acKbLc -1 > 0,

    fKK = ab(b - 1)Kb -2Lc < 0, fLL = ac(c -1)KbLc - 2 < 0,

    14. Dwuczynnikowa funkcja produkcji Cobba - Douglasa

    f(lK,lL) = l b + c f(K,L), 1 - alfa

    KSS = - c/b * K/L,

    EKY = b, ELY = c.

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic

    0x01 graphic



    Wyszukiwarka

    Podobne podstrony:
    Ekonometria wzory cz.1, EKONOMETRIA
    ekonomia wzory
    ekonometria wzory 2, Ekonometria
    ekonometria, Ekonometria-wzory2, EKONOMETRIA - WZORY
    EKONOMETRIA WZORY 3 STR , Inne
    EKONOMETRIA WZORY KOLOS II
    Geografia ekonomiczna - testy, Szkoła, wypracowania, ściągi
    analiza ekonomiczna ściąga, SZKOŁA, FINANSE i rachunkowość, finanse
    Analiza ekonomiczna wzory
    ekonometria - wzory (3 str), Ekonomia, ekonomia
    geografia ekonomicznaPierwsze 16stron, SZKOŁA, szkola 2011
    Analiza ekonomiczna - wzory

    więcej podobnych podstron