Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Analiza szeregów przekrojowo-czasowych Wykład 0: Informacje o przedmiocie.

Podobne prezentacje


Prezentacja na temat: "Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Analiza szeregów przekrojowo-czasowych Wykład 0: Informacje o przedmiocie."— Zapis prezentacji:

1 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Analiza szeregów przekrojowo-czasowych Wykład 0: Informacje o przedmiocie dr Dorota Ciołek Katedra Ekonometrii Wydział Zarządzania UG Konsultacje: p

2 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Informacje o przedmiocie Forma zajęć: Wykłady: 15 godzin Ćwiczenia: 15 godzin Laboratorium: 15 godzin Forma zaliczenie: 1) Test zaliczeniowy na koniec semestru – 90 minut, 2) Samodzielnie wykonane badanie z wykorzystaniem danych panelowych. 3) Sprawdziany ze znajomości artykułów + aktywność

3 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Zakres tematyczny  Charakterystyka i przykłady danych panelowych, korzyści z ich wykorzystania i problemy z tym związane. Metody analizy danych panelowych: modele przekrojowe i analiza szeregów czasowych, SUR – metoda pozornie niezależnych regresji.  Statyczne modele panelowe: sformułowanie modelu, założenia modelu, efekty indywidualne i okresowe, efekty losowe i ustalone. Testowanie losowości efektów indywidualnych i okresowych.  Model pooled, modele jednokierunkowe i dwukierunkowe z efektami ustalonymi, modele z efektami losowymi. Metody szacowania modeli statycznych MNK, MNK ze zmiennymi sztucznymi, UMNK, MNW, estymacja modelu w postaci pierwszych różnic.

4 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Zakres tematyczny  Procedury weryfikacji modeli panelowych. Weryfikacja założeń modelu, estymatory odporne na niespełnienie założeń o sferyczności składnika losowego. Problem brakujący obserwacji w danych panelowych.  Modele z binarną zmienną objaśnianą: logit i probit w modelach z danymi panelowymi.  Modele dla danych przestrzenno-czasowych:, testowanie autokorelacji przestrzennej, wybór macierzy sąsiedztwa, mapy zmiennych przestrzennych.

5 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Literatura 1) Maddala G.S., (2006), Ekonometria, PWN Warszawa. 2) Osińska M. (red) (2007), Ekonometria współczesna, TNOiK, Toruń. 3) Kufel T., (2004), Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, Wydawnictwo Naukowe PWN, Warszawa. 4) Kopczewska K., T. Kopczewski, P. Wójcik. (2009), Metody ilościowe w R, CeDeWu 5) Greene W.H. (2003), Econometric analysis, Macmillan, New York. 6) Baltagi B.H. (2003), Econometric analysis of panel data, John Wiley & Sons Ltd., Chichester.

6 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Oprogramowanie 1) Program GNU Regression Econometrics Time-Series Library - GRETL: 2) Pakiet R-Cran; 3) EViews 7 4) Ekonometryczny pakiet STATA 12.

7 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Analiza szeregów przekrojowo-czasowych Wykład 1: Metody analizy danych panelowych. dr Dorota Ciołek Katedra Ekonometrii Wydział Zarządzania UG Konsultacje: p

8 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Definicja danych panelowych dane przekrojowe - y i i=1,...,N szeregi czasowe - y t t=1,...,T dane przekrojowo-czasowe - y it i=1,...,N, t=1,...,T  dane panelowe  longitudinal data

9 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Przykłady danych panelowych  Dane miesięczne o wydatkach konsumpcyjnych dla 1000 gospodarstw domowych obserwowanych przez 5 lat – analiza preferencji konsumentów, badania skuteczności kampanii reklamowej.  Makroekonomiczne wskaźniki dla 25 krajów UE w ostatnich 10 lat publikowane przez Eurostat – badanie skuteczności europejskich funduszy strukturalnych.  Penn World Tables skonstruowana przez Summersa i Hestona baza porównywalnych danych makroekonomicznych zawierająca informacje dla ponad 200 krajów dla lat analiza czynników wzrostu gospodarczego, weryfikacja hipotezy konwergencji gospodarczej.

10 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Przykłady danych panelowych  Wskaźniki zatrudnienia i wynagrodzeń w Polsce w podziale na województwa za ostatnie 15 lat – badanie skuteczność polityki makroekonomicznej, szukanie czynników determinujących zmiany na rynku pracy.  Liczba inwestorów zagranicznych inwestujących w poszczególnych województwach w latach – modelowanie częstotliwości występowania określonego zdarzenia – badanie atrakcyjności inwestycyjnej poszczególnych województw.  Dane firmy ubezpieczeniowej o ubezpieczeniach komunikacyjnych dotyczące np. szkodowości klientów w różnych latach – możliwość wykorzystania wyników do budowy systemu Bonus-Malus.

11 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Przykłady danych panelowych  Informacje banków o kredytach konsumpcyjnych, hipotecznych i ich spłacalności na przestrzeni kilkunastu miesięcy lub lat – budowa modeli skoringowych – modeli wstępnej oceny ryzyka kredytowego.  Informacje firmy odzieżowej o przychodach i kosztach poszczególnych sklepów w sieci w różnych miastach lub dzielnicach dla szeregu miesięcy – ocena skuteczności poszczególnych kampanii reklamowych, szczegółowa analiza indywidualnej specyfiki poszczególnych sklepów lub miast.

12 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Problem dostępności danych  Zbilansowane panele  Niezbilansowane panele Nie jest wskazane ograniczanie badania tylko do tych jednostek, dla których znane są obserwacje we wszystkich okresach – obciążenie wynikające z nieuwzględnienia przeżywalności poszczególnych jednostek – survivorship bias.

13 Copyright by Dorota Ciołek

14 D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Dlaczego warto stosować dane panelowe  Dane panelowe pozwalają na analizę zjawiska równocześnie w czasie jak i wymiarze przekrojowym lub przestrzennym.  Dane panelowe pozwalają na wyodrębnienie indywidualnej specyfiki poszczególnych obiektów.  Zastosowanie paneli danych pozwala na większą heterogeniczność (większe zróżnicowania) jednostek badania.  Zapewnia większą liczbę stopni swobody oraz zwiększa efektywność oszacowania.  Wyodrębnienie efektów okresowych ułatwia badanie dynamiki dostosowania.  Dane panelowe pozwalają na wyodrębnienie wpływu nieobserwowalnych zmiennych lub efektów.

15 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Specyfika danych panelowych Obserwacje dotyczące tej samej jednostki mogą (najprawdopodobniej są ze sobą skorelowane). Obserwacje dotyczące tego samego okresu mogą (najprawdopodobniej są ze sobą skorelowane). Czasami mamy do czynienia z przypadkami, gdzie nie występuje ani jeden, ani drugi rodzaj korelacji.

16 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Ogólny zapis modelu panelowego Model statyczny: i=1,...,N, t=1,...,T

17 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Rodzaje modeli panelowych 1a) Jeżeli efekty indywidualne i efekty okresowe są nieistotne, oznacza to, że mamy do czynienia z tzw. homogenicznym panelem – analizowana przez nas relacja jest taka sama w każdym okresie i dla każdej badanej jednostki – Model Łącznej Regresji (ang. pooled model).

18 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Rodzaje modeli panelowych 1a) Jeżeli efekty indywidualne i efekty okresowe są nieistotne, oznacza to, że mamy do czynienia z tzw. homogenicznym panelem – analizowana przez nas relacja jest taka sama w każdym okresie i dla każdej badanej jednostki – Model Łącznej Regresji (ang. pooled model). 2a) Jeżeli zarówno efekty indywidualne jak i efekty okresowe są istotne, mamy do czynienia z heterogenicznym panelem – Dwukierunkowy Model Panelowy (ang. two- way model).

19 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Rodzaje modeli panelowych 1a) Jeżeli efekty indywidualne i efekty okresowe są nieistotne, oznacza to, że mamy do czynienia z tzw. homogenicznym panelem – analizowana przez nas relacja jest taka sama w każdym okresie i dla każdej badanej jednostki – Model Łącznej Regresji (ang. pooled model). 2a) Jeżeli zarówno efekty indywidualne jak i efekty okresowe są istotne, mamy do czynienia z heterogenicznym panelem – Dwukierunkowy Model Panelowy (ang. two- way model). 3a) Jeżeli tylko jedna grupa efektów jest istotna – Jednokierunkowy Model Panelowy (ang. one-way model).

20 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Rodzaje modeli panelowych 1b) Efekty indywidualne i (lub) okresowe mogą być efektami ustalonymi, czyli stałymi w czasie lub dla danej jednostki, nie zależą od czynników losowych – Model z Efektami Ustalonymi – (ang. Fixed Effects Model ) - FE. 2b) Efekty indywidualne i (lub) okresowe mogą być efektami losowymi, czyli zależą od czynników losowych i mogą się zmieniać, są zmiennymi losowymi o określonych rozkładach – Model z Efektami Losowymi – (ang. Random Effects Model) – RE.

21 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Pozornie Niezależne Regresje (1) Czasem dysponując danymi panelowymi nie jesteśmy zainteresowani budową jednego modelu ekonometrycznego dla wszystkich posiadanych informacji. Szacowane są wówczas oddzielne regresje dla każdej jednostki badania, ale dla podniesienia dokładności (efektywności) oszacowania, wykorzystywana jest dodatkowa informacja wynikająca faktu, że dla wszystkich jednostek badania można określić pewną strukturę stochastyczną, - stosujemy Model Pozornie Niezależnych Regresji (ang. Seemingly Unrelated Regressions Model) – SUR, zaproponowany przez Zellnera [1962].

22 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Pozornie Niezależne Regresje (2) Modele SUR szacuje się UMNK w taki sposób, aby uwzględnić skorelowanie składników losowych między różnymi jednostkami przekrojowymi. W modelu SUR zakłada się, że składniki losowe są niezależne w czasie, ale są skorelowane pomiędzy różnymi jednostkami: Taki schemat korelacji może mieć miejsce również wówczas, gdy istnieją pominięte zmienne, wspólne dla wszystkich równań.

23 Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 1 Pozornie Niezależne Regresje (3) Estymacja SUR przebiega w następujący sposób: 1) Szacujemy każde z N równań (dla poszczególnych jednostek przekrojowych) za pomocą MNK. 2) Wyznaczamy reszty dla wszystkich równań u it 3) Obliczamy: 4) Po otrzymaniu stosujemy UMNK do wszystkich N równań łącznie. Jeżeli N jest duże, a T małe metody tej nie można zastosować. Jeżeli korelacja pomiędzy składnikami losowymi dla różnych jednostek wynika z pominięcia istotnych zmiennych SUR niekoniecznie jest lepszy niż MNK dla każdego równania oddzielnie.


Pobierz ppt "Copyright by Dorota Ciołek D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0 Analiza szeregów przekrojowo-czasowych Wykład 0: Informacje o przedmiocie."

Podobne prezentacje


Reklamy Google