1 / 9

Ekonometria stosowana

Ekonometria stosowana. Wykład 1 KMNK – estymacja i podstawowa weryfikacja modelu w arkuszu kalkulacyjnym. Ćwiczenie – rekl-baz.xls (1). Otwieramy plik rekl-baz.xls ze strony http://akson.sgh.waw.pl/~ atoroj/ES_zaoczne/

cathy
Download Presentation

Ekonometria stosowana

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. Ekonometria stosowana Wykład 1 KMNK – estymacja i podstawowa weryfikacja modelu w arkuszu kalkulacyjnym Andrzej Torój- Lato 2013/2014

  2. Ćwiczenie – rekl-baz.xls (1) • Otwieramy plik rekl-baz.xls ze strony http://akson.sgh.waw.pl/~atoroj/ES_zaoczne/ • Plik zawiera dane o sprzedaży i nakładach na reklamę w biurze turystycznym. • jakie to dane? przekrojowe, szeregi czasowe, panelowe? mikro- czy makroekonomiczne? o jakiej częstotliwości? co powiesz o wielkości próby?

  3. Ćwiczenie – rekl-baz.xls (2) • [Narzędzia – Dodatki – Analysis ToolPak] • Narzędzia – Analiza danych – Regresja • Wykres (najlepiej liniowy, na dwóch osiach) • Diagnostyka modelu – co widzimy? • Czy w danych jest sezonowość? Jak to zjawisko uwzględnić? • Czy reklama wpływa na sprzedaż z opóźnieniem? Jaka jest natura tego opóźnienia?

  4. Oszacowania parametrów; standardowe błędy oszacowań szacujemy parametry i standardowe błędy ich szacunku bez pomocy narzędzia „Regresja”, za to stosując funkcje: • macierz.iloczyn() • macierz.odw() • transponuj() Pamiętamy o kombinacji F2, Ctrl+Shift+Enter dla funkcji tablicowych.

  5. Podstawowa diagnostyka modelu obliczamy w Excelu kolejno: R2, t, F

  6. zróżnicowanie nieobjaśnione modelem zróżnicowanie całkowite zróżnicowanie objaśnione modelem Współczynnik determinacji R2 czy niskie R2 oznacza zawsze, że model jest zły?

  7. Wady R2 • im więcej zmiennych w modelu, tym lepsze dopasowanie (zawsze!) • rozwiązanie: skorygowany współczynnik determinacji (brana pod uwagę także liczba zmiennych objaśniających) „kara” za nadmiar parametrów

  8. Literatura do wykładu 1 • Welfe 2.1, 2.2, 2.5 • powtórzenie podstaw modelu regresji liniowej wielu zmiennych i KMNK (uzupełnienie wykładu) • Maddala 4.4, Welfe 2.3 • Model z dwiema zmiennymi objaśniającymi – jak „działa” wyłączenie wpływu jednej ze zmiennych objaśnianych w modelu regresji? • Welfe 2.7 • Aby dowiedzieć się więcej o R2 i skorygowanym R2

  9. Praca domowa • Dla chętnych: przeczytać tekst H. Variana zamieszczony na stronie („How to buildaneconomic model in yoursparetime”) i wybrać radę, która najbardziej przypadła Wam do gustu. Uwagi, refleksje? 

More Related