Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski.

Prezentacja na temat: "Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski."— Zapis prezentacji:

1 Ekonometria Wykład 1 Uwarunkowania modelowania ekonometrycznego. Uogólniona metoda najmniejszych kwadratów dr hab. Mieczysław Kowerski

2 Ekonometria. Definicja

3 Istota i definicja modelu ekonometrycznego

4 Ogólna postać modelu ekonometrycznego

5 Rodzaje modeli ekonometrycznych ze względu na liczbę równań

6 Rodzaje modeli ekonometrycznych ze względu na postać analityczną modelu

7 Rodzaje modeli ekonometrycznych ze względu na rodzaj danych, które posłużyły do zbudowania modelu

8 Etapy budowy modelu ekonometrycznego

9 Zapis liniowego modelu ekonometrycznego

10 Składniki modelu ekonometrycznego

11 Zmienne

12 Parametry strukturalne

13 Parametry struktury stochastycznej

14 Zmienna objaśniana w zapisie macierzowym

15 Zmienne objaśniające w zapisie macierzowym

16 Parametry strukturalne w zapisie macierzowym

17 Składnik losowy w zapisie macierzowym

18 Estymacja parametrów modelu ekonometrycznego

19 Metoda najmniejszych kwadratów (MNK)

20 Założenia metody najmniejszych kwadratów

21 Klasyczna metoda najmniejszych kwadratów (KMNK)

22 Interpretacja założenia 1

23 Interpretacja założenia 2

24 Interpretacja założenia 3

25 Interpretacja założenia 4

26 Idea metody najmniejszych kwadratów

27

28 Twierdzenie 1 (Gaussa – Markowa)

29 Twierdzenie 2

30 Współczynnik zbieżności

31 Współczynnik determinacji

32 Współczynnik korelacji wielorakiej

33 Statystyka t

34 Badanie istotności poszczególnych parametrów za pomocą testu t – Studenta

35 Istota autokorelacji składników losowych

36 Przyczyny autokorelacji składników losowych

37 Test Durbina – Watsona. Hipotezy

38 Wnioskowanie na podstawie testu D–W

39 Test Durbina-Watsona 39  ograniczenia: –model z wyrazem wolnym –bez opóźnionej zmiennej objaśnianiej –normalny rozkład składnika losowego –wykrywa maksymalnie autokorelację rzędu 1 –posiada obszar niekonkluzywności autokorelacja ? brak ? autokorelacja dodatnia autokorelacji ujemna 0d L d U 2 4-d U 4-d L 4 współczynnik autoregresji pierwszego rzędu

40 Ilustracja zjawiska heteroscedastyczności składników losowych

41 Przyczyny heteroskedastyczności

42 Test White’a jako narzędzie wykrywania heteroskedastyczności

43 Konsekwencje heroskedastyczności składników losowych

44 Szacowanie parametrów modeli liniowych w przypadku hereoskedastyczności

45 Uogólniona Metoda Najmniejszych Kwadratów (UMNK)

46 Postać macierzy V

47 Szacowanie elementów na głównej przekątnej macierzy V

48 Metoda Cochrana-Orcutta jako przykład „radzenia sobie” z autokorelacją składników losowych

49 Model opisujący kształtowanie dywidendy

50 Wyniki estymacji

51 Interpretacja parametrów

52 Badanie istotności oszacowanych parametrów

53 Ocena dopasowania modelu do danych empirycznych

54 Badanie autokorelacji składników losowych

55 Rozkład reszt w czasie

56 Wyniki testu White’a

57 Dziękuję za uwagę