Photo005(1)

CTTO NOM RTK I A    W 5 I' O ŁCZ ESN A

2. Zebranie danych statystycznych do modelu.

Dane są materiałem statystycznym zebranym specjalnie do celu badania (dane pierwotne), lub zebranym pierwotnie do innych celów, przykładowo przez Urząd Statystyczny, ale wykorzystywanym w badaniu (dane wtórne). Zebrany materiał liczbowy wymaga często opracowania. Na przykład szeregi czasowe przedstawiające dane z różnych okresów trzeba często przeliczyć na ceny stałe z konkretnego roku. Ponadto w modelach często wykorzystuje się wskaźniki zamiast danych bezwzględnych, na przykład tempo wzrostu płac w badanych jednostkach czasu lub wskaźnik technicznego uzbrojenia pracy zamiast wartości majątku trwałego. W wielu wypadkach (badanie wydajności pracy, analizy marketingowe) wśród zmiennych ekonomicznych występują zmienne jakościowe, mierzone na skali nominalnej. Stąd może wyniknąć potrzeba włączenia do modelu zmiennych zero-jcdynkowych, odpowiadających występowaniu lub niewystępowaniu badanej cechy. Bywają sytuacje, kiedy wśród danych liczbowych występują obserwacje nietypowe lub też mamy do czynienia z brakami w danych, które trzeba uzupełnić w drodze interpolacji. Analizując możliwe operacje na danych statystycznych badacz musi zdefiniować z jakim rodzajem kategorii ekonomicznej ma do czynienia. Rozróżniamy bowiem kategorie o charakterze zasobów (zatrudnienie, majątek trwały itp.) oraz zmienne będące strumieniami (produkcja, dochód itp.). Zasoby określają stany na dany moment czasu, natomiast strumienie odnoszą się do wielkości badanego zjawiska w ustalonych przedziałach czasu. Odpowiednio do tego mamy szeregi czasowe momentów oraz szeregi czasowe okresów.

Rodzaje danych statystycznych będących podstawą budowy modelu ckonomctryczncgo można ogólnie pogrupować następująco:

A.    Dane przekrojowe - obserwacji podlega wiele obiektów w badanej jednostce czasu, np. wielkość bezrobocia w 16 województwach w 2003 roku (wówczas obserwacja y_t stanowi wielkość bezrobocia w /-tym województwie).

B.    Szeregi czasowe - obserwuje się jeden obiekt w różnych jednostkach czasu, np. miesięczne wielkości bezrobocia w województwie mazowieckim w okresie 1988 - 2003 r. (wówczas obserwacja y, jest wielkością bezrobocia w miesiącu t).

C.    Dane przckrojowo-czasowc - obserwuje się wiele obiektów w różnych jednostkach czasu np. miesięczne wielkości bezrobocia w 16 województwach w okresie 1988-2003 r. (wówczas obserwacje x_it, Xj, stanowią wielkości bezrobocia w Mym miesiącu

odpowiednio w Mym iy-tym województwie).

3    Estymacja parametrów modelu.

Estymacja polega na szacowaniu parametrów w oparciu o próbę statystyczną wykorzystaniem odpowiednich metod. Wyróżnia się następujące metody estymacji: metoda najmniejszych kwadratów, metoda największej ^rygodnosci oraz metoda momentów. Każda z nich doczekała się wielu modyfikacji, zależnie od własności szacowanych modeli. W wyniku estymacji uzyskujemy model empiryczny.

4    Weryfikacja oszacowanego modelu. Weryfikacja modelu przebiega _w dwóch płaszczyznach:

a)    ekonomicznej - polega na badaniu wielkości i znaku parametrów a_k stojących przy zmiennych objaśniających X_k (czy badane relacje mają sens ekonomiczny?). Wskazówek jakościowych w tym zakresie dostarcza teoria ekonomii, a także znajomość rzeczywistości gospodarczej.

b)    statystycznej - polega na obliczaniu odpowiednich wskaźników statystycznych oraz weryfikacji hipotez dotyczących wybranych własności modelu.

W zakres weryfikacji statystycznej wchodzi przede wszystkim weryfikacja istotności parametrów strukturalnych modelu za pomocą testu t-Studenta oraz opisywanej relacji za pomocą testu F. Weryfikacji podlegają także własności składnika losowego, takie jak losowość, symetryczność, liniowość postaci analitycznej oraz jednorodność wariancji. Jeżeli badanie dotyczy modelu dynamicznego, opartego na szeregach czasowych dodatkowo należy zbadać autokorelację składnika losowego testem Durbinci-Watsona lub testem Boxa-Ljunga, a także stabilność opisywanych relacji w czasie (na przykład testem Chowa). Może wystąpić potrzeba wstępnego zbadania stacjonarności szeregu empirycznego lub kointcgracji szeregów, w obu przypadkach wykorzystuje się test Dickeya-Fullera. W niektórych przypadkach badanie istotności parametrów strukturalnych może być uzupełnione badaniem przyczynowości w sensie Grangera.

5. Praktyczne wykorzystanie modelu:

a)    Analiza przeszłości, na przykład badanie gospodarności przedsiębiorstwa w oparciu o model przychodów i kosztów, analiza przyczyn i wyliczanie wskaźników, sterowanie gospodarcze.

b)    Prognozowanie przyszłych wartości zmiennej objaśnianej.

^c)    Symulacja (wariantowanie), czyli badanie możliwych stanów interesującej nas rzeczywistości za pomocą eksperymentowania na modelu. Eksperymentowanie polega na obliczaniu wartości

21