Funkcja Cobba-Douglasa
1. Liczymy logarytmy z P, K i l. Dopisujemy wektor jedynek.
2. Przy pomocy macierzy CROSS wyznaczamy parametry modelu pomocniczego.
3. Odzyskujemy parametry modelu potęgowego, wyraz wolny obliczamy jako =exp(bo).
4. Interpretujemy:
Parametr w potęgach: Wzrost czynnika o 1% c.p. powoduje wzrost produkcji o tyle procent Wyraz wolny w modelu potęgowym to elastyczności!
Szacowanie wartości czynników produkcji przy zadanej wielkości produkcji:
K |
O > |
1 / a r — fi / cc |
f |
r O > |
1 'O K - a 1 /} K | |
l r ) |
L , |
l y j | ||||
Szacowanie wielkości produkcji przy zadanej zmianie czynników produkcji: Przybliżone: AP = (AK * a + AL t /?) » 100%
Dokładne: AP = [(1 + AK)a * (1 + AL)* - 1] * 100%
Test Dickeyą-Fullera
Model AR: Y,= pYt-t + et -» AY, = yK,_t + e,
Model AR z dryfem: Yt = a0 + pY(_j + £, -» AYt = a0 + yY+ £,
Model AR z dryfem i trendem: Yt = Oo + att + pYt_t + et -> AY, = a„ + a,t + yY,_, + e,
Układ hipotez:
Wartość statystyki testowej DF obliczamy jako wartość statystyki t-Studenta dla parametru y. Test: DFmodoiSDFkr^ odrzucamy Ho na rzecz Hi - szereg AY(t) jest stacjonarny.
DFm0dei>DFkryt zostajemy przy Ho - szereg AY(t) jest niestacjonarny.
1. Wyliczamy dCPI=Y(t)-Y(t-l)
2. Wyliczamy ddCPI=Y(t+l)-dCPI
3. Przepisujemy dCPI i dodajemy trend
4. Robimy =reglinp(ddCPI;[dCPI,t];l;l)
5. Wyznaczamy statystyki t = -
d
Modele AR (Autoregresia) i MA (Moyine Ayerage)
Warunki stacjonamości AR(1): \<pt\ <
AR(2): \<p2\ < 1 <P2~<Pi< 1 <P2+<Pi < 1
AR(1): y(t) = cp0 + <p,yt+i + £
MA( 1): y(t) = Q0~ + e
MA(2)\ y(t) = e0- 0,e,.t + 02e,_2 + s