Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski

Ekonometria. Definicja

Istota i definicja modelu ekonometrycznego

Ogólna postać modelu ekonometrycznego

Rodzaje modeli ekonometrycznych ze względu na liczbę równań

Rodzaje modeli ekonometrycznych ze względu na postać analityczną modelu

Rodzaje modeli ekonometrycznych ze względu na rodzaj danych, które posłużyły do zbudowania modelu

Etapy budowy modelu ekonometrycznego

Zapis liniowego modelu ekonometrycznego

Składniki modelu ekonometrycznego

Zmienne

Parametry strukturalne

Parametry struktury stochastycznej

Zmienna objaśniana w zapisie macierzowym

Zmienne objaśniające w zapisie macierzowym

Parametry strukturalne w zapisie macierzowym

Składnik losowy w zapisie macierzowym

Estymacja parametrów modelu ekonometrycznego

Metoda najmniejszych kwadratów (MNK)

Założenia metody najmniejszych kwadratów

Klasyczna metoda najmniejszych kwadratów (KMNK)

Interpretacja założenia 1

Interpretacja założenia 2

Interpretacja założenia 3

Interpretacja założenia 4

Idea metody najmniejszych kwadratów

Twierdzenie 1 (Gaussa – Markowa)

Twierdzenie 2

Współczynnik zbieżności

Współczynnik determinacji

Współczynnik korelacji wielorakiej

Statystyka t

Badanie istotności poszczególnych parametrów za pomocą testu t – Studenta

Istota autokorelacji składników losowych

Przyczyny autokorelacji składników losowych

Test Durbina – Watsona. Hipotezy

Wnioskowanie na podstawie testu D–W

Test Durbina-Watsona 39  ograniczenia: –model z wyrazem wolnym –bez opóźnionej zmiennej objaśnianiej –normalny rozkład składnika losowego –wykrywa maksymalnie autokorelację rzędu 1 –posiada obszar niekonkluzywności autokorelacja ? brak ? autokorelacja dodatnia autokorelacji ujemna 0d L d U 2 4-d U 4-d L 4 współczynnik autoregresji pierwszego rzędu

Ilustracja zjawiska heteroscedastyczności składników losowych

Przyczyny heteroskedastyczności

Test White’a jako narzędzie wykrywania heteroskedastyczności

Konsekwencje heroskedastyczności składników losowych

Szacowanie parametrów modeli liniowych w przypadku hereoskedastyczności

Uogólniona Metoda Najmniejszych Kwadratów (UMNK)

Postać macierzy V

Szacowanie elementów na głównej przekątnej macierzy V

Metoda Cochrana-Orcutta jako przykład „radzenia sobie” z autokorelacją składników losowych

Model opisujący kształtowanie dywidendy

Wyniki estymacji

Interpretacja parametrów

Badanie istotności oszacowanych parametrów

Ocena dopasowania modelu do danych empirycznych

Badanie autokorelacji składników losowych

Rozkład reszt w czasie

Wyniki testu White’a

Dziękuję za uwagę