plik


ÿþ1. Ekonometria (gr. Ikonomia  administracja, metron  miara). Prekursorzy: a) William Petty  twórca arytmetyki politycznej, ekonomista i naczelny lekarz armii angielskiej w Iralndii. Twórca dziaBu nauki  statystyki. b) Ernest Engel  niemiecki statystyk i ekonomista. Twórca prawa dotyczcego bud|etów gospodarstw domowych  PRAWO ENGLA. c) Ragnar Frisch  norweski ekonomista, który wprowadziB pojcie ekonometrii w znaczeniu dzisiejszym. Pierwszy w historii laureat Nagrody Nobla w dziedzinie ekonomii. Pionier w dziedzinie modelowania ekonometrycznego. Definicja ekonometrii wg Frischa:  Dziecko z maB|eDstwa ekonometrii matematycznej ze statystyk, poczte dla rozwoju nauki ekonomii d) Trygve Haavelmo  przypisywana jest mu zasBuga wprowadzenia podej[cia probabilistycznego do ekonometrii i teorii ekonomicznej. ( Teorie ekonomiczne nale|y traktowa jako teorie probablistyczne, nie opisujce dokBadnych relacji, a jedynie relacje probablistyczne. ). 2. Ekonometria (aktualna definicja)  nauka o mierzeniu i modelowaniu zjawisk ekonomicznych, w tym ich zale|no[ci od innych zjawisk ekonomicznych, demograficznych i socjologicznych oraz od zjawisk przyrodniczych i technicznych w celach poznawczych, symulacyjnych i predyktywnych. 3.Model ekonometryczny  formalny opis stochastycznej zale|no[ci wyró|nionej wielko[ci, zjawiska lub przebiegu procesu ekonomicznego ( zjawisko, procesów) od czynników, które je ksztaBtuj, wyra|ony w formie pojedynczego równania bdz ukBadu równaD. Lub UkBad równaD ( funkcji ) aproksymujcych z pewn, akceptowaln przez u|ytkownika dokBadno[ci, procesy (zale|no[ci) zmiennych ekonomicznych od innych zmiennych uznawanych (hipotetycznie) za przyczyny ( instrumenty decyzyjne) lub za ich symptomy. Podstawowa cecha modeli  symplifikacja ( uproszczenie ) opisywanych przez nie obiektów. Ka|dy model mo|na uzna za prototyp rzeczywisto[ci, którego funkcj jest najlepsze odwzorowanie tych wBa[ciwo[ci rzeczywisto[ci, które s istotne z punktu prowadzonej analizy, a zignorowa cz[ciowo lub te| caBkowicie te z nich, które s wa|ne. 4. Analiza regresji  zestaw technik analizy danych, które stosuje si do badania wzajemnych zwizków wystpujcych pomidzy zmiennymi. (najpowszechniej wykorzystywane narzdzie statystyczne, do analizy danych wieloczynnikowych) Etapy: 1. Postawienie problemu 5. Wybór metody dopasowania modelu 2. Selekcja zmiennych, istotnych dla problemu 6. Krytyczna ocena modelu 3. Zgromadzenie danych 7. Wykorzystanie modelu do rozwizania 4. Specyfikacja modelu postawionego problemu 5. MNK ( Metoda Najmniejszych Kwadratów )  metoda oszacowania parametrów równania, polegajca na wyznaczeniu minimum sumy kwadratów reszt. Reszty  ró|nice midzy rzeczywistymi a teoretycznymi warto[ciami zmiennej obja[nianej. ei=yi-y^ 6. Model liniowy  najprostszy i najcz[ciej wykorzystywany model ekonometryczny Posta ogólna: Y=±0 + ±1X1 + ±2X2 + & + ±mXm + µ Y- zmienna obja[niana, ±  i-ty parametr modelu, Xi  i-ta zmienna obja[niajca, µ  skBadnik losowy. Posta po oszacowaniu argumentów: y^=±0 ^+ ±1 ^x1 + & + ±m ^xm PrzykBad: Y^=-0,65x2 + 6,60x5 + 0,03 Interpretacja: Je|eli warto[ maszyn i urzdzeD wzro[nie o 1000 zB, to mo|na si spodziewa wzrostu produkcji przedsibiorstwa przecitnie o 0,65 tys. zB. ( 650 zB) pod warunkiem, |e wydajno[ pracy si nie zmieni. Je|eli wydajno[ pracy wzro[nie o 1000 zB. To przecitny wzrost produkcji powinien wynie[ 6,6 tys. zB. pod warunkiem, |e warto[ maszyn i urzdzeD nie zmieni si. 7. WspóBczynnik korelacji Pearsona  czyli rxy okre[la warto[ liniowej zale|no[ci pomidzy dwoma zmiennymi x i y. Aby zweryfikowa istotno[ skorelowania przeprowadzany jest test istotno[ci t- Studenta. Na nim opiera si analiza korelacji. 8. Klasyfikacja MODELI: 1) liczba równaD w modelu a) modele jednorównaniowe b) modele wielorównaniowe ( ka|de równanie obja[nia jedn zmienn) 2) posta analityczna zale|no[ci funkcyjnych modelu a) modele liniowe ( wszystkie zale|no[ci modelu maj charakter liniowy) b) modele nieliniowe ( przynajmniej jedna zale|no[ modelu ma charakter nieliniowy; wyró|nia si - modele sprowadzalne do liniowego - niesprowadzalne do liniowego) 3) rola czynnika czasu w równaniach modelu a) Modele statystyczne ( nie uwzgldniaj czynnika czasu w[ród zmiennych obja[niajcych, nie wystpuj zmienne opóznione ani zmienna czasowa) b) Modele dynamiczne ( uwzgldnia si czynnik czasu, modelem dynamicznym jest model trendu lub model autoregresyjny, w którym w[ród zmiennych obja[niajcych wystpuj jedynie opóznione w czasie zmienne obja[niane) 4) ogólnopoznawcze cechy modelu a) Modele przyczynowo - opisowe (wyra|ajce zwizki przyczynowo skutkowe midzy zmiennymi obja[nianymi a obja[niajcymi) b) Modele symptomatyczne ( rol zmiennych obja[niajcych w tych modelach peBni zmienne skorelowane z odpowiednimi zmiennymi obja[nianymi a nie wyra|ajce zródeB zmienno[ci zmiennych obja[nianych) 5) charakter powizaD midzy nieopóznionymi zmiennymi endogenicznymi w modelu wielorównaniowym a) Modele proste ( nie wystpuj |adne powizania midzy zmiennymi endogenicznymi [z okresu t]) b) Modele rekurencyjne (zale|no[ci midzy zmiennymi w równaniach modelu s jednokierunkowe i tworz pewnego rodzaju BaDcuch powizaD) c) Modele o równaniach wspóBzale|nych ( midzy zmiennymi endogenicznymi [z okresu t] wystpuje przynajmniej jedno sprz|enie zwrotne bezpo[rednie lub po[rednie) 6) stopieD wiedzy o elemencie losowym. Modele: a) probablistyczne ( je|eli przynajmniej jeden parametr w modelu jest zmienn losow o znanym rozkBadzie prawdopodobieDstw) b) statystyczne ( o nieznanym rozkBadzie prawdopodobieDstwa) c) strategiczne ( je|eli przynajmniej jeden parametr tego modelu jest tzw. zmienn strategiczn ) d) deterministyczne ( je|eli wszystkie parametry wystpujce w modelu maj warto[ci znane i staBe) 7) zakres przedmiotu badania. Modele a) makroekonomiczne (opisuj obiekty wy|szych rzdów, bdcych agregatami obiektów ni|szych rzdów) b) mikroekonomiczne (opisuj obiekty ni|szych rzdów) 9. Klasyfikacja ZMIENNYCH 1) Ze wzgldu na role peBnion przez poszczególne zmienne w modelu a) Zmienne obja[niane b) Zmienne obja[niajce ( zbiory tych zmiennych nie wykluczaj si ) 2) Rozpatrujc model ekonometryczny jako caBo[ zmienne dzieli si na: a) zmienne endogeniczne b) zmienne egzogeniczne (wystpuj jedynie w roli zmiennych obja[niajcych w poszczególnych równaniach; w[ród nich specyficzn zmienn jest czas) 3) W[ród zmiennych endogenicznych i egzogenicznych a) Zmienne nieopóznione w czasie b) zmienne opóznione w czasie 10. Szczególne rodzaje zmiennych a) Zmienne zero  jedynkowe (uwzgldnienie sezonowo[ci) b) Zmienna czasowa (model trendu) c) Zmienne deterministyczne, stochastyczne i losowe d) Deflatory ( uwzgldnienie inflacji ) e) Transformacje zmiennych ( logarytmy, potgi, itp.) 11. Obserwacje - kryt wyró|niajcym te obserwacje s skutki ich oddziaBywania na model ekonometryczny a) Nietypowe  du|a reszta, czyli ró|nica pomidzy warto[ci rzeczywist zmiennej obja[nianej a warto[ci teoretyczn tej zmiennej, wynikajc z modelu ekonometrycznego b) WpBywowe  je[li w wyniku nieznacznej zmiany jej warto[ci lub usunicia z danych znacznie zmieniaj si oszacowane parametry modelu. Warto[ci reszt obserwacji wpBywowych nie s du|e 12. Ocena równania regresji a) Precyzja szacunku parametrów strukturalnych. Rozpoczyna si od wyznaczenia reszt modelu ( ei), które s oszacowaniem skBadnika losowego µ. Na ich podstawie wyznacza si wariancj reszt. ·ð Standardowe bBdy szacunku parametrów - informuje o ile [rednio ró|ni si oszacowana warto[ parametru od jego nieznanej warto[ci rzeczywistej E. (Odczytywane po przektnej macierzy) ·ð PrzedziaBy ufno[ci - informuje, |e z prawdopodobieDstwem 1  ± nieznana warto[ parametru mie[ci si w tym przedziale. b) DokBadno[ dopasowania równania do danych empirycznych ·ð WspóBczynnik determinacji R2 Test istotno[ci a) Test f  Snedecora - na jego podstawie sprawdza si czy przynajmniej jeden z oszacowanych parametrów jest istotny. Hipoteza zerowa zakBada, |e wszystkie parametry modelu s równe zeru, Hipoteza alternatywna, |e przynajmniej jeden z nich jest istotnie ró|ny od zera. Sprawdzian hipotezy zerowej: Gdy F jest > od warto[ci teoretycznej, to s podstawy do odrzucenia hipotezy zerowej, a zatem mo|na sdzi, |e przynajmniej jeden z parametrów jest istotnie ró|ny od zera b) Test t- Studenta - Pozwala stwierdzi czy parametr ± jest istotnie ró|ny od zera. Hipoteza zerowa zakBada, |e parametr ± jest równy zeru, Hipoteza alternatywna, |e ± jest istotnie ró|ny od zera. Statystyk testow w tym te[cie jest |T|= tn-k-1 Jest to statystyka o rozkBadzie Studenta z (n-k-1) stopniami swobody Je|eli warto[ empiryczna (co do warto[ci bezwzgldnej) jest wiksza od warto[ci teoretycznej, to s podstawy do odrzucenia hipotezy zerowej, a zatem mo|na sdzi, |e parametr ± jest istotny 14. Pojcia a) Szereg czasowy- zawiera kolejne warto[ci przyjmowane przez dan zmienn w ró|nych momentach. b) Dane przekrojowe - warto[ wybranej zmiennej w ró|nych miejscach dla jednej chwili czasowej. c) Agregacja  sumowanie pierwotnych danych i tworzenie zbiorowych, tzw. Agregatów. d) Sezonowo[ zjawisk - okresowa zmienno[ zjawisk wywoBana okresow zmienno[ci warunków klimatycznych. ( innymi sBowy : okresowe wahania wywoBane periodyczn zmienno[ci pewnych zjawisk nie tylko klimatycznych. ) e) Stopa wzrostu - (danej zmiennej) to zmiana procentowa jej poziomu w danym okresie ( najcz[ciej w cigu roku ) f) Deflator  Wskaznik wyra|ajcy koszt nabycia dóbr i usBug finalnych uwzgldnianych w produkcie narodowym brutto w danym roku, w stosunku do kosztu nabycia tych samych pozycji w roku przyjtym za bazowy. Jest miernikiem inflacji lub deflacji w badanym okresie. g) Wielko[ci nominalne - mierzone w aktualnych jednostkach pieni|nych ( np. koszty nominalne). h) Wielko[ci realne- warto[ci nominalne skorygowane przez wskaznik poziomu cen. Koszty realne ( niekiedy nazywane kosztami wzgldnymi). i) SiBa nabywcza pienidza  wskaznik ilo[ci dóbr, które mo|na naby za jednostk pieni|n ( zBoty, euro, dolar, funt). 15. Test Durbina  Watsona- Bada autokorelacje reszt, skB losowego, hipotezy zerowe+statystyka testowa Hipoteza zerowa Ho p(e) = 0 brak autokoleracji skB losowego Hipoteza alternatywna H1 p(e) = 0 [& 0& 0] wystpuje autokoleracja Test jest oparty na statystyce Durbina-Watsona oznaczona liter D, które je|eli: ·ð > 2 , to je|eli D o >4  d1 to jest autokorelacja ujemna o =4  du < D <4 - d1 obszar niekonkluzywno[ci o <4  du to brak autokorelacji ·ð = 2, to brak autokorelacji ·ð < 2 to je|eli D o <d1 to jest autokorelacja dodatnia o d1 < D < du to obszar niekonkluzywno[ci o > du to brak autokorelacji 16. Test Shapiro  Wilka - sprawdza normalno[ skBadnika losowego, Hipoteza zerowa mówi |e skB losowy ma rozkBad normlany Hipoteza alternatywna zakBada brak normalno[ci skB losowego je[li w(warto[ empiryczna) < w*(wart teoretyczna)->odrzucenie hipotezy zerowej 17. Test serii (Walda-Wolfowitza) -weryfikuje losowo[ skBadnika losowego Hipoteza zerowa- losowo[ skBadnika losowego Hipotreza alternatywna-brak losowo[ci Przeprowadzanie testu: 1. Dzielimy reszty na dodatnie i ujemne 2. Poszczególnym warto[ciom przypisuje si symbol A, gdy dana reszta ei jest dodatnia (n1-liczba symboli A) a symbol B, gdy jest ujemna (n2-liczba symboli B) 3. Liczb empiryczn serii-K okre[la liczba podcigów zBo|onych z tych samych symboli ·ð max {n1, n2} < 20 korzystamy z tablic K1 <= K <= K2  brak podstaw do odrzucenia Ho ·ð max{n1, n2} > 20 korzystamy ze wzoru Z. testy Walda-Wolfozitza Gdy Z < - 1,96 lub >1,96 hipotez zerow (zakBada losowo[) odrzucamy 18. Test symetrii - bada symetrie skBadnika losowego. RozkBad t-Studenta dla n-1 stopni swobody H. zerowa  przyjmuje | skB losowy jest symetryczny  jego prawdopodobieDstwo |e jest dodatni = |e skB losowy bdzie ujemny. Odrzucamy gdy |T| > t* H. alternatywna  stwierdza brak symetrii. 19. Test Goldfelda  Quandta - Weryfikuje staBo[ wariancji skBadnika losowego Hipoteza zerowa  staBo[ skBadnika losowego, czyli skBadnik jest homoscedastyczny Hipoteza alternatywna- skBadnik heteroscedastyczny Test oparty na statystyce testowej, równej ilorazowi wariancji próbkowych 21. Metoda Hellwiga Majc dany zbiór zmiennych obja[niajcych postaci x1,x1& xn mo|na z jego elementów utworzy ró|ne kombinacje, których liczba jest równa: L=2n-1 Po uporzdkowaniu tych kombinacji w kolejno[ci leksykograficznej, powstanie cig K1,K2,Km,& ,K2n-1 Ka|dej kombinacji odpowiada macierz korelacji oraz równanie regresji. W ka|dym z równaD kombinacja liniowa wyró|niajcych zmiennych obja[niajcych aproksymuje w pewien sposób zmienn obja[nian Y. Powstaje w tym momencie pytanie, który z tych|e sposobów uzna nale|y za  najlepszy . Procedura wyboru optymalnego zbioru zmiennych obja[niajcych, pozwoli zbudowa optymalny model, polega na tym, |e dla ka|dej zmiennej z kombinacji wyznaczana jest indywidualna pojemno[ no[ników informacji k-numer kombinacji (k=1,2,...,2m-1) j-numer zmiennej w rozpatrywanej kombinacji rj  wspóBczynnik korelacji potencjalnej zmiennej obja[niajcej o numerze j ze zmienn obja[nian rlj- wspóBczynnik korelacji midzy l-t i j-t potencjaln zmienn obja[niajc 22. Metoda grafowa Opiera si na regule mini maksowej. Na podstawie macierzy R ustalana jest krytyczna warto[ wspóBczynnika : r*=min max |rij|, dla j `" i Je|eli zachodzi warunek |rij| d" r* to wówczas wszystkie elementy speBniajce t nierówno[ nale|y zastpi zerami w macierzy R. Macierz t oznacza si jako R W dalszej kolejno[ci, opierajc si na macierzy R , budowany jest graf, w którym potencjalne zmienne obja[niajce s wierzchoBkami. WizadBami s natomiast niezerowe elementy macierzy R W efekcie mo|na otrzyma graf spójny , kilka podgrafów lub te| punkty odosobnione Pierwszym sposobem jest wyznaczenie jego warto[ci korzystajc ze wzoru: r*= gdzie t- warto[ statystyki z testu t- Studenta dla zadanego poziomu istotno[ci ± oraz dla n-2 stopni swobody. 23. Metoda Schwarza Gideon Schwarz przedstawiB kryterium wyboru modelu (bayesian Information Criterion BIC): Mj(X1,& ,Xn) - log n SzczegóBowe wyliczenia Scharz przedstawiB w artykule  Estimating the dimension of a model KLASYCZNE METODY PROGNOZOWANIA ZAPOTRZEBOWANIA (popytu) ·ð metody jako[ciowe o m. ekksperckie o badania rynku o historyczna analogia o m. dyfuzji o grupy fokusowe o proces Markowa ·ð metody ilo[ciowe o bazujce na szaregach czasowych o przyczynowe §ð m. [redniej ruchomej §ð regresja §ð wygBadzanie wykBadnicze §ð m. ekonometryczne §ð analiza trendu §ð wej[cie/wyj[cie §ð metody dekompozycji §ð m. dezagregacji §ð zaawansowane metody szeregów §ð sieci neuronowe czasowych 26. Metoda Costona CR Je|eli w badanym okresie nie wystpuje popyt, to poziom zapotrzebowania nie jest zmieniany. Je|eli natomiast wystpi zapotrzebowanie, wówczas prognozy s aktualizowane. 27. Metoda SBA - Syntetos i Boylan zaproponowali, wzór na prognoz zapotrzebowania z metody CR:

Wyszukiwarka

Podobne podstrony:
Ekonomia i ZarzÄ…dzanie wyklad 2nowy
Ekonometria II wykład 5 13
Ekonomika elektroenergetyczna wykład1 [tryb zgodności]
Ekonomia społeczna Wyklady zaoczne
Ekonomia pracy wykład popyt na prace
Ekonomia pracy wykład wzrost zatrudnienia, reforma emerytalna(2)
Ekonomia pracy wykład podaz pracy
Ekonometria wszystkie wykłady
Ekonomia pracy wykład klin podatkowy, płaca minimlana, system negocjacji
Zarządzanie projektami ekonomicznymi i organizacyjnymi wykłady, prof dr hab Adam Stabryła(1)
Ekonomia ostatni wykład Google Docs
Podstawy ekonomii matematycznej wyklady
Ekonomia skrypt z wykładów

więcej podobnych podstron