WIELORÓWNANIOWE MODELE EKONOMETRYCZNE

Slides:



Advertisements
Podobne prezentacje
KORELACJA I REGRESJA WIELOWYMIAROWA
Advertisements

Modelowanie i symulacja
Ekonometria mat. pomocnicze 3
Metody ekonometryczne
BUDOWA MODELU EKONOMETRYCZNEGO
D. Ciołek EKONOMETRIA II – wykład 1
dr Małgorzata Radziukiewicz
Metody ekonometryczne
Metody ekonometryczne
Ekonometria wykladowca: dr Michał Karpuk
Rozwiązywanie układów
Wyrównanie metodą zawarunkowaną z niewiadomymi Wstęp
Ogólne zadanie rachunku wyrównawczego
Prognozowanie na podstawie modelu ekonometrycznego
Korelacje, regresja liniowa
Metody numeryczne Wykład no 2.
Metoda różnic skończonych I
Modele wielorównaniowe - symulacja
Testowanie hipotez statystycznych
Analiza współzależności cech statystycznych
Ekonometria szeregów czasowych
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
Irena Woroniecka EKONOMIA MENEDŻERSKA - dodatek do W2
Ekonometria „Jaki wpływ na wielkość sprzedaży mają wydatki na reklamę oraz wielkość zatrudnienia ?” Dagmara Płachcińska Nr albumu:
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.
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Metody iteracyjne rozwiązywania układów równań liniowych
Finanse 2009/2010 dr Grzegorz Szafrański pokój B106 Termin konsultacji poniedziałek:
Ekonometria stosowana
Ekonometria stosowana
Ekonometryczne modele nieliniowe
Regresja wieloraka.
Ekonometryczne modele nieliniowe
 Ekonometria – dziedzina zajmująca się wykorzystaniem specyficznych metod statystycznych dostosowanych do badań nieeksperymentalnych.  Ekonometria to.
Ekonometryczne modele nieliniowe
D. Ciołek EKONOMETRIA – wykład 0
Ekonometria stosowana
D. Ciołek Analiza szeregów przekrojowo-czasowych – wykład 2
D. Ciołek EKONOMETRIA – wykład 5
D. Ciołek EKONOMETRIA – wykład 2
D. Ciołek Analiza danych przekrojowo-czasowych – wykład 5
Matematyka Ekonomia, sem I i II.
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 ekonometryczny Jacek Szanduła.
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.
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.
Modele nieliniowe sprowadzane do liniowych
Ekonometria Wykład III Modele wielorównaniowe dr hab. Mieczysław Kowerski.
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
Teoria ekonometrii dla DSL
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
Regresja wieloraka – bada wpływ wielu zmiennych objaśniających (niezależnych) na jedną zmienną objaśnianą (zależą)
Jednorównaniowy model regresji liniowej
Model ekonometryczny z dwiema zmiennymi
MNK – podejście algebraiczne
Zapis prezentacji:

WIELORÓWNANIOWE MODELE EKONOMETRYCZNE

Podział zmiennych Endogeniczne – objaśniane Egzogeniczne – nie objaśniane przez model, a mające wpływ na inne zmienne Zmienne z góry ustalone – opóźnione zm. endogeniczne oraz opóźnione i bieżące zm. egzogeniczne

Dwie postaci modeli wielorównaniowych Postać strukturalna – jest naturalną postacią modelu opisującą strukturę powiązań zmiennych Postać zredukowana – czyli taka, gdzie po prawej stronie równań występują jedynie zmienne z góry ustalone z całego modelu

Przykład budowy modelu Wiedząc, że: poziom konsumpcji (C) jest liniową funkcją dochodu narodowego (Y) oraz że na dochód narodowy składa się konsumpcja (C), inwestycje (I) oraz wydatki rządowe (G) zbuduj odpowiedni dwurównaniowy model ekonometryczny (przyjmij, że wszystkie zależności są nieopóźnione)

Przykład budowy modelu Wiedząc, że: poziom konsumpcji (C) jest liniową funkcją dochodu narodowego (Y) oraz dochód narodowy jest funkcją konsumpcji (C) i opóźnionych inwestycji (I) zbuduj odpowiedni dwurównaniowy model ekonometryczny

Zapis macierzowy modelu Postać strukturalna: BY+Z= Postać zredukowana: Y=Z+v Gdzie: Y – wektor nieopóźnionych zm. endog. o wymiarach mx1 Z – wektor zm. z góry ustalonych o wymiarach kx1 B- kwadratowa macierz parametrów stopnia m ,  - macierze parametrów o wymiarach mxk , v – wektory składników losowych o wymiarach mx1

Klasyfikacja modeli wielorównaniowych Model prosty – gdy macierz B jest diagonalna Model rekurencyjny – gdy macierz B jest trójkątna Model o równaniach współzależnych – w pozostałych przypadkach

Estymacja prostych i rekurencyjnych modeli wielorównaniowych Szacowanie MNK poszczególnych równań jeżeli składniki losowe z poszczególnych równań są niezależne Metoda Zellnera (wielorównaniowa wersja UMNK estymatora) jeżeli składniki losowe z poszczególnych równań są zależne. Zwiększamy wtedy efektywność estymatorów.

Szacowanie modeli o równaniach współzależnych Dla modeli jednoznacznie identyfikowalnych: pośrednia metoda najmniejszych kwadratów Dla modeli niejednoznacznie identyfikowalnych: podwójna metoda najmniejszych kwadratów

Identyfikowalność równań Równanie jest jednoznacznie identyfikowalne, jeśli na podstawie ocen postaci zredukowanej można wyznaczyć oceny postaci strukturalnej Równanie jest niejednoznacznie identyfikowalne jeśli na podstawie ocen parametrów postaci zredukowanej nie można wyznaczyć ocen parametrów postaci strukturalnej