D. Ciołek EKONOMETRIA – wykład 4

Slides:



Advertisements
Podobne prezentacje
Modelowanie i symulacja
Advertisements

Analiza współzależności zjawisk
Skale pomiarowe – BARDZO WAŻNE
BUDOWA MODELU EKONOMETRYCZNEGO
D. Ciołek EKONOMETRIA II – wykład 1
Prezentacja wyników badania nt
Jak mierzyć asymetrię zjawiska?
Analiza szeregów czasowych
dr Małgorzata Radziukiewicz
Jak mierzyć zróżnicowanie zjawiska? Wykład 4. Miary jednej cechy Miary poziomu Miary dyspersji (zmienności, zróżnicowania, rozproszenia) Miary asymetrii.
CECHY CHARAKTERYSTYCZNE SZEREGU CZASOWEGO SZEREG CZASOWY jest zbiorem obserwacji zmiennej, uporządkowanych względem czasu (dni,
Analiza współzależności
Krzysztof Jurek Statystyka Spotkanie 4. Miary zmienności m ó wią na ile wyniki są rozproszone na konkretne jednostki, pokazują na ile wyniki odbiegają
Modele logitowe i probitowe
Metody ekonometryczne
Metody ekonometryczne
PRZYROSTY WZGLĘDNE.
Ekonometria wykladowca: dr Michał Karpuk
Prognozowanie na podstawie modelu ekonometrycznego
Metoda simpleks opracowanie na podstawie „Metody wspomagające podejmowanie decyzji w zarządzaniu” D. Witkowska, Menadżer Łódź Simpleks jest uniwersalną.
Wprowadzenie do statystycznej analizy danych (SPSS)
Człowiek - najlepsza inwestycja Projekt K apitał ludzki i społeczny jako czynniki rozwoju regionu łódzkiego" Dr Paweł Kubiak.
Barbara Bobrowicz Konferencja: Praca zawodowa a obowiązki rodzinne
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Podstawy statystyki, cz. II
Ekonometria stosowana
Ekonometria stosowana
Regresja wieloraka.
Wykład - Badania panelowe.
D. Ciołek Modelowanie popytu konsumpcyjnego – wykład 2
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 0
 Ekonometria – dziedzina zajmująca się wykorzystaniem specyficznych metod statystycznych dostosowanych do badań nieeksperymentalnych.  Ekonometria to.
D. Ciołek EKONOMETRIA – wykład 0
Ekonometria stosowana
D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 2
D. Ciołek Modelowanie popytu konsumpcyjnego – wykład 3
D. Ciołek EKONOMETRIA – wykład 5
D. Ciołek EKONOMETRIA – wykład 6
D. Ciołek EKONOMETRIA – wykład 3
D. Ciołek EKONOMETRIA – wykład 2
D. Ciołek Analiza danych przekrojowo-czasowych – wykład 5
1 D. Ciołek Analiza danych przekrojowo-czasowych – wykład 7 Analiza danych przekrojowo-czasowych Wykład 7: Testowanie integracji dla danych panelowych.
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
Dr Ewelina Sokołowska, UG prof. dr hab. Jerzy Witold Wiśniewski, UMK
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
D. Ciołek BADANIA OPERACYJNE – wykład 2
Jak mierzyć asymetrię zjawiska? Wykład 5. Miary jednej cechy  Miary poziomu  Miary dyspersji (zmienności, zróżnicowania, rozproszenia)  Miary asymetrii.
Statystyczna analiza danych
Statystyczna analiza danych
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
STATYSTYKA – kurs podstawowy wykład 13 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Rozpatrzmy następujące zadanie programowania liniowego:
Koło Naukowe Metod Ilościowych
Jak mierzyć zróżnicowanie zjawiska?
Ekonometria stosowana
EKONOMETRIA W3 prof. UG, dr hab. Tadeusz W. Bołt
EKONOMETRIA Wykład 2 prof. UG, dr hab. Tadeusz W. Bołt
EKONOMETRIA W2 dr hab. Tadeusz W. Bołt, prof. UG
EKONOMETRIA Wykład 1a prof. UG, dr hab. Tadeusz W. Bołt
Regresja wieloraka – służy do ilościowego ujęcia związków między wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą) Regresja.
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Model ekonometryczny z dwiema zmiennymi
MIARY STATYSTYCZNE Warunki egzaminu.
Korelacja i regresja liniowa
Zapis prezentacji:

D. Ciołek EKONOMETRIA – wykład 4 Wykład 4: Zmienne zerojedynkowe w modelowaniu ekonometrycznym dr Dorota Ciołek Katedra Ekonometrii Wydział Zarządzania UG http://wzr.pl/dc dorota.ciolek@ug.edu.pl

D. Ciołek EKONOMETRIA – wykład 4 Zastosowanie zmiennych zerojedynkowych szerzej tzw. zmienne sztuczne (dummy variables) Zmienna przyjmuje wartość 1 dla niektórych obserwacji, a 0 dla pozostałych obserwacji. Często wykorzystywane w modelach jednocześnie obok zmiennych ilościowych. Uwzględnienie wpływu zmiennych jakościowych w modelu, Odzwierciedlenie zmian strukturalnych lub załamań strukturalnych, Sezonowość w szeregach czasowych dla danych o częstotliwości większej niż rok.

D. Ciołek EKONOMETRIA – wykład 4 Cechy jakościowe (raczej dla danych przekrojowych) Zmienne dychotomiczne (dwuwariantowe) np.: płeć, rodzaj stanowiska pracownika (kierownicze, niekierownicze), członkostwo w określonym ugrupowaniu (Unii Europejskiej), kraje anglo- i nieanglojęzyczne, położenie kraju lub regionu nad morzem, lotnisko na obszarze danego regionu itp.. 1 dla krajów należących do UE, D = 0 dla krajów nie należących do UE.

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia i=1,…,N gdzie: Wi – wynagrodzenie i-tego pracownika, Si – staż pracy pracownika, Ai – wiek pracownika 1 dla kobiet, Di = 0 dla mężczyzn.

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia - interpretacja i=1,…,N Parametr 3 interpretujemy następująco: Wynagrodzenie kobiet jest niższe (prawdopodobnie) średnio o 3 od wynagrodzenia mężczyzn o tym samym stażu pracy i wieku (ceteris paribus). Uwaga: Zmiennych zerojedynkowych nigdy nie logarytmujemy.

D. Ciołek EKONOMETRIA – wykład 4 Cechy jakościowe (raczej dla danych przekrojowych) Zmienne wielowariantowe np.: poziom wykształcenia (podstawowe, średnie, wyższe), stopień naukowy pracownika dydaktycznego (magister, doktor, dr habilitowany, profesor) wyznawana religia (chrześcijanin, muzułmanin, żyd, inna) 1 dla magistrów, D1= 0 pozostałe stopnie naukowe. 1 dla doktorów, 1 dla profesorów D2= D4= 0 pozostałe stopnie naukowe. 0 pozostałe stopnie naukowe. 1 dla doktorów habilitowanych, D3=

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia cd gdzie: i=1,…,N; Wi – wynagrodzenie i-tego pracownika, Si – staż pracy pracownika, zmienne D – jak poprzednio Macierz obserwacji na zmiennych objaśniających: Suma czterech ostatnich kolumn (dla zmiennych D) jest równa kolumnie jedynak, czyli tyle samo, co zmienna reprezentująca wyraz wolny. Mamy do czynienia z dokładną współliniowością zmiennych. Nie da się oszacować takiego modelu. Aby oszacować model – pomijamy jedną ze zmiennych D.

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia cd gdzie: i=1,…,N; Wi – wynagrodzenie i-tego pracownika, Si – staż pracy pracownika, zmienne D – jak poprzednio Macierz obserwacji na zmiennych objaśniających: Suma czterech ostatnich kolumn (dla zmiennych D) jest równa kolumnie jedynak, czyli tyle samo, co zmienna reprezentująca wyraz wolny. Mamy do czynienia z dokładną współliniowością zmiennych. Nie da się oszacować takiego modelu. Aby oszacować model – pomijamy jedną ze zmiennych D.

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia cd - interpretacja Po oszacowaniu modelu MNK oceny parametrów  interpretujemy następująco: 3: Wynagrodzenie doktorów jest wyższe średnio o 3 od wynagrodzenia magistrów o tym samym stażu pracy. 4: Wynagrodzenie doktorów habilitowanych jest wyższe średnio o 4 od wynagrodzenia magistrów o tym samym stażu pracy. 5: Wynagrodzenie profesorów jest wyższe średnio o 5 od wynagrodzenia magistrów o tym samym stażu pracy. Uwaga: oceny parametrów interpretujemy w stosunku do pominiętej kategorii zmiennej jakościowej.

D. Ciołek EKONOMETRIA – wykład 4 Znaczące zmiany w szeregu czasowym np. tzw. załamania strukturalne (structural breakes): Wprowadzenie nowej technologii w przedsiębiorstwo, Przystąpienie do określonego stowarzyszenia lub unii, Odzwierciedlenie nietypowych obserwacji w czasie: okres wojny, okres kryzysu, okres zarządzania komisarycznego, okres remontu. Dla zdefiniowanego okresu wprowadzamy zmienną sztuczną: 1 w wyróżniony okresie, Dt = 0 pozostałych okresach.

D. Ciołek EKONOMETRIA – wykład 4 Funkcja konsumpcji w okresie 1940-1950 w USA 1 w latach wojny 1942-1945, Dt = 0 poza latami wojny.

D. Ciołek EKONOMETRIA – wykład 4 Sposoby wprowadzenia zmiennych sztucznych 1) Powyżej zaprezentowane modele polegały na zmianie wartości wyrazu wolnego w modelu: 2 0 - Wprowadzamy iloczyn parametru i zmiennej sztucznej.

D. Ciołek EKONOMETRIA – wykład 4 Sposoby wprowadzenia zmiennych sztucznych 2) Jeżeli przypuszczamy, że wpływ zmiennej objaśniającej np. stażu pracy, zależy od wariantu zmiennej jakościowej, możemy w modelu wprowadzić zmianę współczynnika kierunkowego prostej, czyli parametru mówiącego o sile odziaływania zmiennej ekonomicznej na zmienną objaśnianą. - Wprowadzamy różne parametry  w zależności od wariantu zmiennej jakościowej.

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia cd gdzie: i=1,…,N; Wi – wynagrodzenie i-tego pracownika, Si – staż pracy pracownika, zmienne D – jak poprzednio. Interpretacja: Dla magistrów wzrost stażu pracy o jeden rok powoduje wzrost wynagrodzenia średnio o 1 jednostek. Dla doktorów wzrost stażu pracy o jeden rok powoduje wzrost wynagrodzenia średnio o (1+ 2) jednostek. Dla doktorów habilitowanych wzrost stażu pracy o jeden rok powoduje wzrost wynagrodzenia średnio o (1+ 3) jednostek. Dla profesorów wzrost stażu pracy o jeden rok powoduje wzrost wynagrodzenia średnio o (1+ 4) jednostek.

D. Ciołek EKONOMETRIA – wykład 4 Sposoby wprowadzenia zmiennych sztucznych 3) Jeżeli przypuszczamy, jedocześnie zachodzi zmiana wyrazu wolnego i współczynnika kierunkowego: - Wprowadzamy różne parametry  przy zmiennej ilościowej oraz różne wartości wyrazów wolnych w zależności od wariantu zmiennej jakościowej.

D. Ciołek EKONOMETRIA – wykład 4 Model wyjaśniający zróżnicowanie wynagrodzenia cd gdzie: i=1,…,N; Wi – wynagrodzenie i-tego pracownika, Si – staż pracy pracownika, zmienne D – jak poprzednio. Interpretacja: Przy zerowym stażu pracy wynagrodzenia doktorów różnią się od wynagrodzenia magistrów średnio o 5 jednostek. …

D. Ciołek EKONOMETRIA – wykład 4 Model tendencji rozwojowej dla danych kwartalnych: w pierwszych kwartałach, w pozostałych kwartałach. w drugich kwartałach, w trzecich kwartałach, w czwartych kwartałach,

D. Ciołek EKONOMETRIA – wykład 4 Model tendencji rozwojowej dla danych kwartalnych: w pierwszych kwartałach, w pozostałych kwartałach. w drugich kwartałach, w trzecich kwartałach, w czwartych kwartałach, Pomijamy jeden kwartał – interpretacja w stosunku do pominiętego kwartału.

D. Ciołek EKONOMETRIA – wykład 4 Model tendencji rozwojowej dla danych kwartalnych: Jeżeli chcemy oszacować oceny efektów sezonowych względem średniej w danym roku, a nie pominiętego kwartału, definiujemy nowe zmienne (różnice między zmiennymi zerojedynkowymi). Wówczas szacujemy następujący model: A suma efektów sezonowych jest równa zero: