Wprowadzenie do statystycznej analizy danych (SPSS)

Slides:



Advertisements
Podobne prezentacje
Modele szeregów czasowych z tendencją rozwojową
Advertisements

Regresja i korelacja materiały dydaktyczne.
Excel Narzędzia do analizy regresji
KORELACJA I REGRESJA WIELOWYMIAROWA
SYMULACYJNA ANALIZA SZEREGU CZASOWEGO
Ekonometria mat. pomocnicze 3
Analiza współzależności zjawisk
dr Małgorzata Radziukiewicz
Elastyczność popytu.
BUDOWA MODELU EKONOMETRYCZNEGO
D. Ciołek EKONOMETRIA II – wykład 1
Gospodarka Rynkowa RYNEK – podstawowy mechanizm gospodarki rynkowej. Rynek jest miejscem, zorganizowanym zazwyczaj w sensie instytucjonalnym, miejsce na.
dr Małgorzata Radziukiewicz
Dane dotyczące sprzedaży wody mineralnej
Analiza współzależności
Wartość empiryczna (obserwowana) zmiennej
1 Dane dotyczące sprzedaży wody mineralnej Tygodnie Ilość sprzedanej wody mineralnej Y (litrów) Cena jednego litra X (płn.) 1101,3 262,0 351,7 4121,5 5101,6.
Symulacja zysku Sprzedaż pocztówek.
Ekonometria prognozowanie.
Metody ekonometryczne
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Prognozowanie na podstawie modelu ekonometrycznego
Analiza szeregów czasowych
Prognozowanie na podstawie szeregów czasowych
Giełda Papierów Wartościowych W Warszawie
czyli jak analizować zmienność zjawiska w czasie?
i jak odczytywać prognozę?
Jak mierzyć i od czego zależy?
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Prognozowanie z wykorzystaniem modeli ekonometrycznych
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:
Metody badawcze wykorzystywane w analizach – ĆW 2
Wprowadzenie do zaawansowanych elementów popytu i podaży
POPYT na dobro lub usługę zależy od:
Popyt i podaż jako regulatory rynku
Regresja wieloraka.
Konwergencja gospodarcza
D. Ciołek Modelowanie popytu konsumpcyjnego – wykład 2
Przedmiot: Ekonometria Temat: Szeregi czasowe. Dekompozycja szeregów
 Ekonometria – dziedzina zajmująca się wykorzystaniem specyficznych metod statystycznych dostosowanych do badań nieeksperymentalnych.  Ekonometria to.
Ekonometria stosowana
Dr Zofia Skrzypczak Wydział Zarządzania UW 1. 2 Elastyczność popytu.
D. Ciołek EKONOMETRIA – wykład 5
D. Ciołek EKONOMETRIA – wykład 6
D. Ciołek EKONOMETRIA – wykład 2
D. Ciołek EKONOMETRIA – wykład 4
Cykl koniunkturalny Model niedoskonałej informacji Lucasa
Dynamika zjawisk. Tendencja rozwojowa dr hab. Mieczysław Kowerski
Ekonometria Metody estymacji parametrów strukturalnych modelu i ich interpretacja dr hab. Mieczysław Kowerski.
Model trendu liniowego
Ekonometria Wykład II Modele nieliniowe - metody ich estymacji i praktyczne zastosowania dr hab. Mieczysław Kowerski.
Treść dzisiejszego wykładu l Weryfikacja statystyczna modelu ekonometrycznego –błędy szacunku parametrów, –istotność zmiennych objaśniających, –autokorelacja,
PROGNOZY I SYMULACJE 1 Katarzyna Chudy – Laskowska konsultacje: p. 400Aśroda12-14 czwartek strona internetowa: Forecasting.
Logistyka – Ćwiczenia nr 6
Treść dzisiejszego wykładu l Klasyfikacja zmiennych modelu wielorównaniowego l Klasyfikacja modeli wielorównaniowych l Postać strukturalna i zredukowana.
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.
KORELACJA I REGRESJA WIELOWYMIAROWA
EKONOMETRIA Wykład 2 prof. UG, dr hab. Tadeusz W. Bołt
EKONOMETRIA W2 dr hab. Tadeusz W. Bołt, prof. UG
Regresja wieloraka – służy do ilościowego ujęcia związków między wieloma zmiennymi niezależnymi (objaśniającymi) a zmienną zależną (objaśnianą) Regresja.
Zasady funkcjonowania rynku
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Model ekonometryczny z dwiema zmiennymi
Korelacja i regresja liniowa
Zapis prezentacji:

Wprowadzenie do statystycznej analizy danych (SPSS) Analiza popytu

Liniowa funkcja popytu: -zmienna objaśniana (popyt) -parametr przy zmiennej objaśniającej, określa silę i kierunek oddziaływania X na Y. -zmienna objaśniająca (czynnik popytotwórczy) -składnik losowy -stała

Zadanie 1 Zebrano dane dotyczące wielkości sprzedawanych samochodów pewnej marki w poszczególnych kwartałach ’95-’02: Zmienna objaśniana: Y – wielkość sprzedaży w tys. sztuk, Zmienne objaśniające: P – cena samochodu w tys. zł. Oszacowany model liniowy: Y = 101,29 – 2,96P + e Interpretacja: (-2,96) – jeżeli cena samochodu wzrośnie o 1 tys. zł. to sprzedaż spadnie średnio o 2,96 tys. sztuk.

Dopasowanie modelu do danych empirycznych: Współczynnik determinacji (dopasowania): 81% zmienności popytu (sprzedaż - Y) została wyjaśniona przez oszacowany model (cenę - P), natomiast pozostałe 19 % przypada na wahania losowe.

Prognoza ex ante na 3 kwartały do przodu:

Modele nieliniowe: Model potęgowy: Model wykładniczy: gdzie: e – podstawa logarytmu naturalnego ln Model wykładniczy: Model logarytmiczny:

Oszacowany model potęgowy: Zadanie 2 Oszacować wybrane modele nieliniowe dla popytu na pewną markę samochodu (Y), gdzie zmienną objaśniającą jest średni dochód ludności (X) w tys. zł. Oszacowany model potęgowy: (0,61) – jeżeli dochód wzrośnie o 1% to popyt wzrośnie średnio o 0,61% 94% zmienności popytu zostało wyjaśnione przez cenę danego produktu (w modelu potęgowym), natomiast pozostałe 6% przypada na wahania losowe.

Oszacowany model wykładniczy: (0,53) – jeżeli dochód wzrośnie o 1 tys. zł. to popyt wzrośnie średnio o 53%

Oszacowany model logarytmiczny: (1,98) – jeżeli log(dochód) wzrośnie o 1 tys. zł. (jeżeli dochód wzrośnie o 10 tys. zł.) to popyt wzrośnie średnio o 1,98 tys. sztuk.