Programy do analizy statyczno-ekonometrycznej

Slides:



Advertisements
Podobne prezentacje
Badania statystyczne Wykłady 1-2 © Leszek Smolarek.
Advertisements

Excel Narzędzia do analizy regresji
KORELACJA I REGRESJA WIELOWYMIAROWA
Automatyczne systemy transakcyjne na rynkach finansowych
Modelowanie kursu walutowego- perspektywa krótkookresowa
Statystyka Wojciech Jawień
Tematyka kursu z informatyki dzień 3
BUDOWA MODELU EKONOMETRYCZNEGO
Dr inż. Bożena Mielczarek
Statystyczne parametry akcji
Metody ekonometryczne
Metody ekonometryczne
Metody ekonometryczne
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Ekonometria wykladowca: dr Michał Karpuk
Pakiety statystyczne Maciej Szydłowski (dr)
Wykład nr 1: Wprowadzenie. Pojęcia podstawowe
Wprowadzenie do statystycznej analizy danych (SPSS)
KURS Z INFORMATYKI prowadzący: mgr Przemysław Głowacki.
dr inż. Piotr Muryjas Wyższa Szkoła Przedsiębiorczości i Administracji
Export danych do MS Excel z Symfonia Finanse i Księgowość Premium
Testowanie hipotez statystycznych
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
Arkusze kalkulacyjne, część 3
Analiza reszt w regresji
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Ekonometria „Jaki wpływ na wielkość sprzedaży mają wydatki na reklamę oraz wielkość zatrudnienia ?” Dagmara Płachcińska Nr albumu:
Dr hab. Dariusz Piwczyński Katedra Genetyki i Podstaw Hodowli Zwierząt
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Modelowanie ekonometryczne
Badania Operacyjne i Ekonometria. Literatura podstawowa 1.M.Anholcer, H.Gaspars, A.Owczrkowski Przykłady i zadania z badań operacyjnych i ekonometrii.
Prognozowanie (finanse 2011)
Prognozowanie i symulacje
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Elementy Rachunku Prawdopodobieństwa i Statystyki
Na lekcjach informatyki w gimnazjum
Ekonometria stosowana
Regresja wieloraka.
Konwergencja gospodarcza
Dopasowanie rozkładów
Ekonometryczne modele nieliniowe
Wnioskowanie statystyczne
Statystyka medyczna Piotr Kozłowski
D. Ciołek EKONOMETRIA – wykład 3
Weryfikacja hipotez statystycznych
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
Regresja liniowa. Dlaczego regresja? Regresja zastosowanie Dopasowanie modelu do danych Na podstawie modelu, przewidujemy wartość zmiennej zależnej na.
Testowanie hipotez Jacek Szanduła.
Model ekonometryczny Jacek Szanduła.
Model trendu liniowego
Korelacje dwóch zmiennych. Korelacje Kowariancja.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Modele nieliniowe sprowadzane do liniowych
Ekonometria Wykład III Modele wielorównaniowe dr hab. Mieczysław Kowerski.
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Metody ekonometryczne dla NLLS
KORELACJA I REGRESJA WIELOWYMIAROWA
Ekonometria stosowana
EKONOMETRIA Wykład 2 prof. UG, dr hab. Tadeusz W. Bołt
EKONOMETRIA Wykład 1a prof. UG, dr hab. Tadeusz W. Bołt
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Zmienna losowa. Wybrane rozkłady zmiennej. Przedział ufności.
Model ekonometryczny z dwiema zmiennymi
MNK – podejście algebraiczne
Korelacja i regresja liniowa
Zapis prezentacji:

Programy do analizy statyczno-ekonometrycznej Piotr Wawrzynowski Zakład Badań Operacyjnych i Zastosowań Informatyki

Programy Porównywane (prezentowane) programy: Statgraf MS Excel Spss for Windows SAS

Co porównujemy? Sposób wprowadzania danych Wielkości zbiorów możliwych do analizy Metody prezentacji wyników Dostępne funkcje statyczno-ekonometryczne Szybkość wykonywanych obliczeń Dodatkowe funkcje do analizy danych

Co porównujemy? ale po cichu…  Koszty instalacji i użytkowania Dostęp do podręczników Dostęp do kursów (koszty…)

Sposób wprowadzania danych Wprowadzanie ręczne Import danych z innych programów, plików Export danych

Wielkości zbiorów możliwych do analizy Statgraf – niewielkie MS Excel – w arkuszu max 65536 SPSS – brak danych, duże SAS – bardzo duże

Metody prezentacji wyników Przede wszystkim wykresy… SPSS, MS Excel – ok. Statgraf – brak SAS – mała intuicyjność

Dostępne funkcje statyczno-ekonometryczne MS Excel – bardzo ubogi zbiór SPSS, Statgraf – ok. SAS – duża ilość, bardzo zaawansowane

Szybkość wykonywanych obliczeń Statgraf, Ms Excel – ok. SPSS – szybciej  SAS – najszybszy mechanizm wykonywania poleceń

Dodatkowe funkcje do analizy danych Statgraf, MS Excel – brak SPSS – kostki OLAP SAS – kostki OLAP, śledzenie drill-down, klastrowanie, drzewa

Podsumowanie 

Budowa modelu ekonometrycznego Określenie celu badań modelowych Specyfikacja zmiennych (gromadzenie danych) Wybór klasy modelu Estymacja parametrów strukturalnych Weryfikacja modelu

Weryfikacja modelu Badanie koincydencji modelu Badanie współczynnika zmienności losowej modelu Badanie statystycznej istotności parametrów strukturalnych modelu Badanie własności odchyleń losowych testowanie normalności badanie symetrii składnika resztowego badanie stacjonarności wariancji badanie autokoleracji