Ekonometria wykladowca: dr Michał Karpuk 1. S.Bartasiewicz. Ekonometria. – Warszawa. Państwowe Wydawnictwo Ekonomiczne. 1976. 2. A.Welfe. Ekonometria. – Warszawa. Państwowe Wydawnictwo Ekonomiczne. 1995. 3. Z.Czerwiński, B.Guzik. Prognozowanie ekonometryczne. – Warszawa. Państwowe Wydawnictwo Ekonomiczne. 1980. 4. R.Barczyk, B.Guzik, A.Korzeniowski, Z.Romanow. Ekonometria i badania operacyjne. Zagadnienia podstawowe. Wydanie 3. – Poznań. Wydawnictwo Akademii Ekonomicznej. 2000. 5. T.Szapiro i inni. Decyzje menedżerskie z Excel’em. - Warszawa. Państwowe Wydawnictwo Ekonomiczne. 2000. 6. J.Buga, W.Grabowski, J.Greń i inny. Ekonometria i badania operacyjne. – Warszawa. Państwowe Wydawnictwo Naukowe. 1980. 7. Ekonometria. Metody i analiza problemów ekonomicznych. Pod redakcją K.Jajugi. – Wrocław. Wydawnictwo Akademii Ekonomicznej. 1998. 8. L.Gajek, M.Kałuszka. Wnioskowanie statystyczne. Modele i metody. Wydanie 3. - Warszawa. Wydawnictwo Naukowo-Techniczne. 1996. Ekonometria jest nauką o mierzeniu zależności zjawisk ekonomicznych od innych zjawisk ekonomicznych oraz od zjawisk przyrodniczych, technicznych, demograficznych i socjologicznych w celach poznawczych i predykatywnych. cel poznawczy: opis mechanizmu kształtowania się zjawisk ekonomicznych; cel predykatywny: przewidywanie dalszego w sensie czasowym przebiegu zjawisk ekonomicznych; cel decyzyjny: sterowanie dalszym w sensie czasowym przebiegom zjawisk ekonomicznych.

Model ekonometryczny i ego elementy. Model ekonometryczny jest sformalizowanym opisem badanego fragmentu rzeczywistości ekonomicznej uwzględniającym tylko istotne jej elementy i pomijającym mniej istotne. Y = f(X) + x, gdzie Y jest zmienną objaśnianą (zależna), X jest zmienną objaśniającą (niezależna). W ogólnym przypadku Y i X są wektor–funkcji: Y = (Y1, Y2, ..., Yn), (X1, X2, ..., Xm). Źródła uwzględnienia składnika losowego x są następujące: po pierwsze, reguły, panujące w świecie realizują się przez losowość. To jest podstawowa właściwość wszechświata; po drugie, rzadko mamy do czynienia z dokładnym modelem ekonometrycznym. Możliwe, że postać funkcyjna modelu nie jest poprawna lub brakuje ważnych zmiennych objaśniających; po trzecie, występują błędy pomiarów zmiennych.

1) Y = aX + b + x lub Y = a0+a1X + x W skład modelu wchodzą: zmienne, parametry i elementy (zmienne) losowe. Przykłady 1) Y = aX + b + x lub Y = a0+a1X + x 2) Y = a0+a1X1 + a2X2 + … amXm + x Istnieją zmienne dwóch rodzajów: zmienne objaśniane (zależne) i zmienne objaśniające (niezależne). Wszystkie te zmienne Y, X1, X2, ..., Xm są zmiennymi losowymi. Dzielimy też występujące w modelu zmienne na endogeniczne i egzogeniczne. Pierwszą grupą tworzą wszystkie objaśniane (mogą one w niektórych innych funkcjach modelu występować jako objaśniające). Zmienne, które występują w modelu jedynie w roli objaśniających, nazywamy egzogenicznymi. Czas t zawsze jest zmienną egzogeniczną. Parametry a0, a1, … nazywamy parametrami strukturalnymi. Określenie parametrów strukturalnych na podstawie danych statystycznych jest jednym z podstawowych zagadnień ekonometrii, bo właśnie parametry te określają równanie, czyli model badanego zjawiska. Przykład. W modelu Y = F1(X1,X2) + x1, X1 = F2(X2,t) + x2, X1 jest zmienną endogeniczna, a X2, t — są egzogeniczny.

Klasy modeli Ze względu wartości poznawczych 1. Modele przyczynowo-skutkowe są modele, w których między zmienną objaśnianą zmiennymi objaśniającymi zachodzi związek przyczynowo-skutkowy. Zmienna objaśniana modelu odgrywa wówczas rolę skutku, a zmienne objaśniające — rolę przyczyn. 2. Modele symptomatyczne — są modele, w których rolę zmiennych objaśniających odgrywają zmienne silnie skorelowane w sensie statystycznym ze zmienną objaśnianą. 3. Modele autoregresyjne — to takie modele, w których w roli zmiennych objaśniających występują opóźnione w czasie zmienne objaśniane. Na przykład, Y=f(X, t, Y) + x – model autoregresyjny. 4. Modele tendencji rozwojowej — to modele opisujące rozwój zjawisk w czasie. Na przykład, Y=f(X, t, Y) + x – model również tendencji rozwojowej. Ze względu na liczbę zmiennych objaśnianych: 1. Jednorównaniowe — opisujące kształtowanie się jednej zmiennej objaśnianej. Na przykład, Y=f(X, t, Y) + x – model jednorównaniowy. 2. Wielorównaniowe — opisujące kształtowanie się wielu zmiennych jednocześnie. Na przykład, Y1 = f1(X, Y2) + x1 Y2 = f2(t, Y2) + x2 – model wielorównaniowy.

Ze względu na postać analityczną modela: 1. Liniowe — w których zmienna objaśniana jest liniową funkcją zmiennych objaśniających i odchylenia losowego; Na przykład, Y = a0 + a1*X1 + a2*X2 + x 2. Nieliniowe. Na przykład, Y = a0 + a1*X1 + a2*sin(X2) + x Ze względu na rodzaj danych statystycznych, które posłużyły do zbudowania modelu: 1. Modele budowane przy użyciu danych przekrojowych; 2. Modele budowane przy użyciu danych czasowych. Ze względu na role czasu w badanych zależnościach: 1. dynamiczne Na przykład, Y1 = f1(t, X, Y2) + x1 2. statyczne; Na przykład, Y1 = f1(X, Y2) + x1 Ze względu na stopień wiedzy badacza o elemencie losowym: 1. stochastyczne (probabilistyczne; statystyczne) 2. deterministyczne. Ze względu na wielkość rzędu: (makroekonomiczne; mikroekonomiczne).

Schemat badań ekonometrycznych 1. Specyfikacja zmiennych 2. Konstrukcja modelu 3. Estymacja parametrów 4. Weryfikacja modelu 5. Zastosowanie modelu W pierwszym etapie należy dokonać wyboru zmiennych objaśniających spośród wielu czynników wpływających na zmienną objaśniana Drugi etap to wybór postaci analitycznej modelu, a więc określonej postaci matematycznej funkcji opisującej zależność zmiennej objaśnianej od zmiennych objaśniających Trzecim etapem jest szacowanie parametrów (Estymacja) modelu, które sprowadza się do wyznaczenia wartości ocen poszczególnych parametrów. W czwartym etapie należy przeprowadzić weryfikację modelu, której celem jest sprawdzenie, czy zbudowany model dostatecznie dobrze opisuje rzeczywistość ekonomiczną. Ostatnim piątym etapem jest wnioskowanie na podstawie modelu, a więc jego praktyczne wykorzystanie.