1 / 27

Pseudo (fiktyvūs) kintamieji

Pseudo (fiktyvūs) kintamieji . 20 14 - 04 - 10. V. Boguslauskas.(2008) Ekonometrika 7. Regresijos modeliai su pseudokintamaisiais. Kaunas, psl.223-252 D.Gujaraty (1995) Basic Econometrics, Part 3, ch.15 Regression on Dummy Variables, p. 499-540 . Pseudo (f iktyvūs ) kintamieji .

sharis
Download Presentation

Pseudo (fiktyvūs) kintamieji

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Pseudo (fiktyvūs) kintamieji 2014-04-10 V. Boguslauskas.(2008) Ekonometrika 7. Regresijos modeliai su pseudokintamaisiais. Kaunas, psl.223-252 D.Gujaraty (1995) Basic Econometrics, Part 3, ch.15 Regression on Dummy Variables, p. 499-540

  2. Pseudo (fiktyvūs) kintamieji • Pseudo kintamųjų samprata ir naudojimo atvejai • Nepriklausomi pseudo kintamieji • Priklausomas pseudo kintamasis

  3. Pseudo kintamųjų samprata • Pseudo kintamasis – tai į regresijos lygtį įtraukiamas veiksnys, įgyjantis ne tikrąsias, o pagal tam tikrus požymius suformuotas fiktyvias reikšmes Yi = 0+1X1i+2X2i+3D1i+4D2i+….. i, D1 ir D2 yra fiktyvūs kintamieji, įgyjantys 1 arba 0 reikšmes

  4. Porinė regresija su pseudo kintamuoju • Reiškinys turi tik dvi būsenas • Pvz., studentųūgiai 0, kai būsena A 1, kai būsena B D= 0, mergina 1 vaikinas DV/M=

  5. Pvz. Studentų ūgiai (2010) YSŪ=_____ +____DV/M+e

  6. Pvz. Studentų ūgiai SŪ YSŪ=_____ +_____DV/M+e Vaikino ūgių regresija Y=_______+e · · · · · · · · · · · Merginos ūgių regresija Y=_____ +e · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · V/M

  7. Regresija su nepriklausomais pseudo kintamaisiais • Pseudo kintamųjų tipai • Poslinkio • Posūkio

  8. Poslinkio pseudo kintamsis

  9. Posūkio pseudo kintamasis

  10. Poslinkio ir posūkio efektas

  11. Regresija su pseudo kintamaisiais • Reiškinys turi 3 būsenas (A,B ir C) 1, kai būsena A 0, kai būsena B arba C DA= 1, kai būsena B 0, kai būsena A arba C DB= Jeigu yra m būsenų, į regresiją įtraukiame m-1 pseudo kintamąjį

  12. Regresija su pseudo kintamaisiais •• • • • •• •• • • •

  13. Pseudo kintamųjų taikymo atvejai • Kokybinių veiksnių poveikis • Koeficientų stabilumo analizė • Netipinių reikšmių eliminavimas • Sezoniškumo įtaka • Laiko ir skerspjūvio duomenų jungimas

  14. Pseudo kintamieji Kokybinių veiksnių poveikis

  15. Pvz. Studentų ūgiai Yvū= _____+_____Xmū + ____Xtū+ei R2=____ t Ymgū= _____+_____Xmū + ___Xtū+ei R2=____ t

  16. Pvz. Regresijos lygtis be fiktyvių kintamųjų YSŪ=____ + ____XMŪ+ ____XTŪ+eR2=___ t Regresijos lygtis su fiktyviais kintamaisiais YSŪ=____ + ___XMŪ+___XTŪ+___Dvm+ eiR2=___ t

  17. Koeficientų stabilumo analizėPosūkio psedo kintanieji • Tarkim turim laiko duomenis, kurie apima du periodus: (pvz.Lietuvos eksporto lygis iki ES ir ES • YExp =b0 +b1X +e • ESYExp =b0 +b1X +e • Įsivedam pseudo kintamąjį DEU 0 laikotarpis iki ES 1 ES laikotarpis DEU = • YExp =b0 +b1X +b2D +b3·D·X +e Jeigu koeficientai b2 ir b3 yra statistiškai reikšmingi, tuomet eksporto priklausomybė nuo X po ES skiriasi ir yra lygi b1 +b3. Skiriasi ir ekportolygis, nepriklausantis nuo veiksnio X t.y regresijos laisvasis narys po įstojimo į ES yra b0 +b2

  18. Pseudo kintamieji netipinių reikšmių eliminavimas • Krizės • Lito įvedimas • Įstojimas į ES ir kt.

  19. Pseudo kintamieji Sezoniškumo įtaka

  20. Pseudokintamieji Sezoniškumo įtaka R2= t t t R2=

  21. Pseudokintamųjų privalumai ir trūkumai • Privalumai • Visos statistikos: koeficientai, SE, t-stat, p-value, pasiklautini intervalai, R2 ir kt. Skaičiuojami pagal tas pat taisykles, kaip ir kiekybiniai kintamieji • Trūkumai • Pseudo kintamųjų spąstai • Intepretavimas log-lin modelio (procentinis pokytis=eb-1) • Paklaidų heteroskedastiškumas

  22. Fiktyvus priklausomas kintamasisLPM –tiesinis tikimybės modelis Yi = 0+1Xi+t yi – važiuos ar ne i-asis studentas į JAV vasarą dirbti:Yi =0 , jei nevažiuos Yi =1, jei važiuos xi- i- studentopajamos per paskutinius tris mėnesius Yi = p(YilXi) p(YilXi)= 0+1Xi+t 0 ≤ p(YilXi) ≤ 1 Y

  23. Fiktyvus priklausomas kintamasisLPM • Problemos: • Kaip apskaičiuoti koeficientų skaitines reikšmes. MKM? Svertinis MKM • Kaip patikrinti koeficientų statistinį reikšmingumą • Kaip patikrinti regresijos statistinį reikšmingumą • Kaip interpretuoti koeficientus

  24. Fiktyvus priklausomas kintamasisLPM • Įvertinimo problemos: • Netenkinama IV prielaida ei~ N (0, σ) • Netenkinama IX prielaida. Būdingas heteroskedastiškumas. • Determinacijos koeficiento reikšmė nedidelė: 0,2-0,6 • Reikšmės Yi = p(YilXi) gali įgyti neigiamas ir didesnes už 1 reikšmes

  25. Svertinis MKM • Apskaičiuojame regresiją: • Apskaičiuotas reikšmes prilyginame • Surandame svorio koeficientą: • Perskaičiuojame regresiją su svertiniais duomenimis

  26. Kaip patikrinti koeficientų statistinį reikšmingumą? • Kaip patikrinti koeficientų statistinį reikšmingumą? • Galima taikyti stjudento t-testą • Kaip patikrinti regresijos statistinį reikšmingumą? • Galima taikyti F-kriterijų • Kaip interpretuoti koeficientus? • Koreguojami koeficientai: b • X padidėjus 1 vnt, Y veiksnio tikimybė pakinta

  27. Fiktyvus priklausomas kintamasisLOGIT • Modelio išraiška: • Regresijos reikšmingumui tikrinti taikomas suderinamumo X2 kriterijus • Įvykio tikimybė apskaičiuojama

More Related