KWESTIA ENDOGENICZNOŚCI

Slides:



Advertisements
Podobne prezentacje
Modele oparte o dane przekrojowo-czasowe
Advertisements

Weryfikacja klasycznych teorii struktury kapitału za pomocą ekonometrycznego modelu regresji wielorakiej Arkadiusz Guzanek Instytut Ekonomii i Zarządzania.
Jednorównaniowe modele zmienności
Metody ekonometryczne
EKONOMETRIA Prof. dr hab. Grażyna Karmowska
BUDOWA MODELU EKONOMETRYCZNEGO
D. Ciołek EKONOMETRIA II – wykład 1
Elementy Modelowania Matematycznego
dr Małgorzata Radziukiewicz
Ekonometria prognozowanie.
Metody ekonometryczne
Metody ekonometryczne
Metody ekonometryczne
Metody ekonometryczne
Ekonometria wykladowca: dr Michał Karpuk
KWESTIA ENDOGENICZNOŚCI
Prognozowanie na podstawie modelu ekonometrycznego
Metoda najmniejszych kwadratów dla jednej zmiennej objaśniającej
Testowanie hipotez statystycznych
Ekonometria szeregów czasowych
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
II Zadanie programowania liniowego PL
MATEMATYKA Mnożenie w zakresie 10.
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
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)
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Ekonometria stosowana
Planowanie badań i analiza wyników
Ekonometria stosowana
II Zadanie programowania liniowego PL
Ekonometryczne modele nieliniowe
Regresja wieloraka.
Konwergencja gospodarcza
Ekonometryczne modele nieliniowe
 Ekonometria – dziedzina zajmująca się wykorzystaniem specyficznych metod statystycznych dostosowanych do badań nieeksperymentalnych.  Ekonometria to.
D. Ciołek EKONOMETRIA – wykład 1
Ekonometria stosowana
D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 2
D. Ciołek EKONOMETRIA – wykład 5
D. Ciołek EKONOMETRIA – wykład 3
D. Ciołek Analiza danych przekrojowo-czasowych – wykład 5
WIELORÓWNANIOWE MODELE EKONOMETRYCZNE
Regresja liniowa Dany jest układ punktów
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.
Model przydziału zadań. Informacje wstępne ● Podaję tu uproszczoną wersję modelu, którą będziemy stosować w testach. ● Wszystkie trudniejsze wymagania,
Model ekonometryczny Jacek Szanduła.
Seminarium magisterskie Zajęcia siódme – wykorzystać pełnię wiedzy...
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski.
Treść dzisiejszego wykładu l Klasyfikacja zmiennych modelu wielorównaniowego l Klasyfikacja modeli wielorównaniowych l Postać strukturalna i zredukowana.
Ekonometria WYKŁAD 3 Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Treść dzisiejszego wykładu l Wprowadzenie do ekonometrii. l Model ekonomiczny i ekonometryczny. l Klasyfikacja modeli ekonometrycznych. l Klasyfikacja.
Treść dzisiejszego wykładu l Szeregi stacjonarne, l Zintegrowanie szeregu, l Kointegracja szeregów.
Modele nieliniowe sprowadzane do liniowych
STATYSTYKA – kurs podstawowy wykład 11
Metoda zmiennych instrumentalnych i uogólniona metoda momentów
Treść dzisiejszego wykładu l Metoda Najmniejszych Kwadratów (MNK) l Współczynnik determinacji l Koincydencja l Kataliza l Współliniowość zmiennych.
Metody ekonometryczne dla NLLS
EKONOMETRIA Wykład 2 prof. UG, dr hab. Tadeusz W. Bołt
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Model ekonometryczny z dwiema zmiennymi
MNK – podejście algebraiczne
Korelacja i regresja liniowa
Wybrane testy w MZI i UMM
Zapis prezentacji:

KWESTIA ENDOGENICZNOŚCI Modelowanie handlu zagranicznego

Tradycyjne modele estymacji Problem z danymi jeśli endogeniczne, MNK nie jest zgodne jeśli autoregresja, MNK niewiarygodne (błędy standardowe) Możliwe rozwiązania ( założenia ekonometryczne) Zmienne instrumentalne (2SLS, IV) błędy oraz zmienne egzogeniczne nieskorelowane 3SLS dopuszczalna równoczesna autokorelacja błędów podejść do 3SLS jest wiele

Metoda zmiennych instrumentalnych Zmienne X i Y podejrzane o endogeniczność Zmienna Z dobrze się koreluje z X (własność czysto statystyczna) i nie jest podejrzana o endogeniczność z Y Instrument: Z regresja Z na X => wartości dopasowane X (X*) regresja X* na Y => wyniki końcowe

Metoda zmiennych instrumentalnych Problemy: testy t i F mogą mieć zupełnie inne rozkłady (wręcz odwrócone funkcje gęstości) należy stosować inne, ale nikt tego nie robi co to znaczy, że coś jest instrumentem? Instrument a teoria 

IV estymacja Potrzeba tyle regresji ile zmiennych endogenicznych. Dla każdej zmiennej objaśnianej (może być ich kilka) konieczny jest inny (różniący się choć jedną zmienną) zestaw zmiennych objaśniających. Dla każdej regresji pomocniczej (pierwszego etapu) możliwy jest ten sam zestaw instrumentów.

IV w STATA Logika składni w STATA ivregress y (x1 x2 x3= z1 z2 z3 z4) x4 x5 x6 Przeprowadzamy regresję, w której y jest zmienną objaśnianą x1, x2, x3 jest są zmiennymi endogenicznymi (instrumentowanymi) z1, z2, z3 są zmiennymi egzogenicznymi (instrumentami) x3, x4 x5 są zmiennymi egzogenicznymi (nieinstrumentowanymi) MOŻNA RĘCZNIE, MOŻNA AUTOMATEM

IV w STATA Występuje w wersji xtivreg Ma różnie opcje do zabawy: 2sls, liml, gmm Ma także możliwość sprawozdawania różnych etapów estymacji estat firststage estat overid Testowanie ograniczeń nadidentyfikujących (overidentifying restrictions) overid (dla uproszczonego testu Sargan’a) overid, all (wszystkie standardowe statystyki na OIR)

Kolejne kroki Mamy dwa pliki (równanie handlu i równanie wzrostu) W pliku równania handlu mamy tylko cty1<cty2, a potrzebujemy też „drugie pół” Musimy znaleźć jakiś sposób na otrzymanie wartości przewidywanych z równania handlu dla każdego kraju i dla każdego roku Mając te przewidywane wartości handlu W PARACH, musimy jakoś przejść na wielkość handlu KAZDEGO Z KRAJÓW W DANYM ROKU Mając te wartości, musimy je jakoś połączyć z danymi dotyczącymi wzrostu gospodarczego poszczególnych krajów Zrobić sobie wreszcie równanie regresji końcowej (wzrostu)

Kolejne kroki Użyjmy pliku handlowego sort cty1 cty2 year Wyrzućmy potrzebne dane do pliku pomocniczego outfile cty1 cty2 ccode1 ccode2 year cu lvalue ldist rgdppc1 rgdppc2 pop1 pop2 comlang border regional areap ll island using pomocniczy, replace dictionary

Kolejne kroki Przygotujmy dane tak, żeby dało się je połączyć infile using pomocniczy sort cty1 cty2 year save pomocniczy1, replace rename ccode1 smiec rename ccode2 ccode1 rename smiec ccode2 rename cty1 smiec rename cty2 cty1 rename smiec cty2 rename rgdppc1 smiec rename rgdppc2 rgdppc1 rename crap rgdppc2 rename pop1 crap rename pop2 pop1 rename crap pop2 save pomocniczy2,replace

Kolejne kroki Połączmy pliki pomocniczy1 i pomocniczy2 use pomocniczy1 append using pomocniczy2 sort cty1 cty2 Co będziemy przewidywać? Można ln(trade), ale można GDP % trade /Co zrobili Frankel i Rose?/ No to wygenerujmy trochę zmiennych pomocniczych Teraz trzeba zrobić regresję i zapisać przewidziane wartości… areg lhs ldist lpop2 comlang border areap ll if (cty1<cty2), robust a(year) predict lhsf label var lhsf "Fitted LHS” Ale to jest wartość, a my zlogarytmowaliśmy handel…. gen elhsf=exp(lhsf)

Kolejne kroki No to teraz musimy to jakoś posumować po każdym kraju sort cty1 cty2 egen elhsfs=sum(elhsf), by(cty1) No i teraz już tylko połączyć dane z tymi do wzrostu Wczytajmy dane handlowe merge ccode year using pomocniczy3 Obejrzyjmy wyniki połączenia tab _merge No to już prawie możemy robić regresję – potrzebne jeszcze niektóre zmienne…

Literatura Ann Harrison, Opennes and growth: A time-series, cross-country analysis of developing countries, Journal of Development Economics, 1996 Jeffrey Frankel i David Romer, Does Trade Cause Growth?, AER 1999 Jeffrey Frankel i Andrew K. Rose, One Money, One Currency,