1 / 19

Ökonometrie I

Ökonometrie I. Lineare Restriktionen. Cobb-Douglas Produktionsfunktion. Q(K,L) = A K a L b Q: Output ( value added ) K: eingesetzter Kapitalbestand ( capital stock ) L: geleistete Arbeit ( labor input ) Funktion f(x) heißt homogen vom Grad r, wenn f(px)=p r f(x)

guy
Download Presentation

Ökonometrie I

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. Ökonometrie I Lineare Restriktionen

  2. Cobb-Douglas Produktionsfunktion Q(K,L) = A Ka Lb Q: Output (value added) K: eingesetzter Kapitalbestand (capital stock) L: geleistete Arbeit (labor input) Funktion f(x) heißt homogen vom Grad r, wenn f(px)=pr f(x) Produktion mit konstanten Skalenerträgen Q(pK,pL) = A (pK)a (pL)b = pa+b Q(K,L) = p Q(K,L) d.h., die Produktionsfunktion ist homogen vom Grad 1 Die Parameter erfüllen die Beziehung (lineare Restriktion) a + b = 1 Ökonometrie I

  3. Produktionsfunktion: Daten Nach Hildebrand & Liu (1957), Aigner et al. (1977) LOGQ: log(Q) LOGK: log(K) LOGL: log(L) Ökonometrie I

  4. Lineare Restriktionen: Fragen • Wenn die Annahme unterstellt wird, dass eine Restriktion, beispielsweise a + b = 1, zutrifft, wie können wir dieKoeffizienten, a und b, schätzen, so dass auch die Schätzer diese Restriktion erfüllen? • Wie können wir überprüfen, ob eine vermutete Restriktion auch tatsächlich zutrifft? Ökonometrie I

  5. Produktionsfunktion: Forts. OLS-Anpassung von Q*=log Q = g + a log K + b log L + u (mit g = log A) gibt Für die Summe der Koeffizienten ergibt sich a + b = 0.376+0.603 = 0.979 95%-iges Konfidenzintervall: 0.850 ≤ a + b ≤ 1.108 Deutlicher Hinweis auf konstante Skalenerträge! Ökonometrie I

  6. Lineare Restriktionen: Notation Spezifiziertes Modell: y = Xb + u g lineare Restriktion: Hb = h H hat Ordnung gxk, h ist g-Vektor Ökonometrie I

  7. Beispiel Die Koeffizienten sollen erfüllen • b1 + b2 = 0 • b3 = 1 Matrixform: Hß = h mit Ökonometrie I

  8. Beispiel Vergleich von [X: nx(k-g), Z: nxg] y = Xb + u und y = Xb + Zg + v Restriktion g = 0 oder mit Ökonometrie I

  9. Restringierte Schätzer Methoden: • Substitutionsmethode: Berücksichtigen der Restriktionen durch Eliminieren von Regressionskoeffizienten • Lagrange-Methode: Erweitern der Summe der Fehlerquadrate zur Lagrange-Funktion, Minimieren der Lagrange-Funktion Ökonometrie I

  10. Produktionsfunktion: Forts. Berücksichtigen der Restriktion a + b = 1 durch Eliminieren von b = 1 – a: Anpassen von Q* = log Q – log L = g + a (logK-logL) + u Restringierte Schätzer aR = 0.363 (a = 0.376) und bR = 1- 0.363 = 0.637 (b = 0.603) Ökonometrie I

  11. Lagrange-Methode Gesucht sind Schätzer für b aus y = Xb + u mit Hb=h Minimieren der Lagrange-Funktion liefert die restringierten OLS-Schätzer Je schlechter die nicht-restringierten Schätzer die Restriktionen erfüllen, umso größer ist die Abweichung zwischen dem nicht-restringierten und dem restringierten Schätzer (die Korrektur)! Ökonometrie I

  12. Konsequenzen von Restriktionen Irrtümlich restringierter OLS-Schätzer • Schätzer verzerrt • Minimale Varianz des Schätzer • Überschätzte Varianz der Störgrößen Irrtümlich nicht restringierter OLS-Schätzer • Schätzer unverzerrt • Varianz des Schätzer zu groß Ökonometrie I

  13. Test von Restriktionen Test von H0: Hb = h 1. Wald‘sche Teststatistik: auf Basis von d = Hb-h mit nicht-restringiertem OLS-Schätzer b: Unter H0 sollte einen kleinen Wert haben 2. Modellvergleich mittels F-Test (siehe „Missspezifikation: Konsequenzen und Tests“) Ökonometrie I

  14. Wald-Test Test von H0: Hb = h mittels Wald‘scher Teststatistik Die Chi-Quadrat-Verteilung gilt unter H0 näherungsweise (großes n) Die Teststatistik F = W/g ist näherungsweise F-verteilt mit g und n-k Freiheitsgraden Verwerfen von H0 bei kleinem p-Wert Ökonometrie I

  15. Modellvergleich Test durch Vergleich des restringierten Modells mit dem nicht-restringierten Modell Die F-Verteilung gilt unter H0 näherungsweise (großes n) Ausführen der Tests: • Berechnung der nicht-restringierten Schätzer b und Ermitteln von S = e'e • Berechnung der restringierten Schätzer bR und Ermitteln von SR = eR'eR • Einsetzen in F Wald‘sche Teststatistik kann man berechnen als W = gF Ökonometrie I

  16. Asymptotische Tests • Wald-Test: überprüft, inwieweit die nicht-restringierten Schätzer die Restriktionen erfüllen • Lagrange-Multiplier-Test (LM-Test): untersucht, ob die Ableitung der Likelihood-Funktion (die score-Funktion), an der Stelle der restringierten Schätzer einen Wert nahe bei Null hat • Likelihood-Quotienten-Test (LR-Test): untersucht, ob das logarithmierte Verhältnis der Likelihood-Funktionen, die sich an der Stelle der restringierten und der nicht-restringierten Schätzer ergeben, nahe bei Null liegt Die Teststatistiken aller drei Tests folgen unter H0näherungsweise (großes n) der Chi-Quadrat-Verteilung mit g Freiheitsgraden Ökonometrie I

  17. Asymptotische Tests Ökonometrie I

  18. Asymptotische Tests: Berechnung • Wald-Test: W = gF siehe oben • Lagrange-Multiplier-Test (LM-Test): Re2:Bestimmtheitsmaß der Regression der restringierten Residuen eR auf X • Likelihood-Quotienten-Test (LR-Test): Ökonometrie I

  19. Produktionsfunktion: Tests Wald-Test von H0: a+b=1: W=0.116, p-Wert: 0.734 Ökonometrie I

More Related