1 / 40

Ekonometria. Co wynika z podejścia stochastycznego?

Ekonometria. Co wynika z podejścia stochastycznego?. Repetytorium z rachunku prawdopodobieństwa, czyli. co to jest zmienna losowa?. Prawdopodobieństwo liczba z zakresu <0,1> określająca siłę przekonania, że zajdzie niepewne zdarzenie. Zmienna losowa

lane
Download Presentation

Ekonometria. Co wynika z podejścia stochastycznego?

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. Co wynika z podejścia stochastycznego?

  2. Repetytorium z rachunku prawdopodobieństwa, czyli co to jest zmienna losowa? Prawdopodobieństwo liczba z zakresu <0,1> określająca siłę przekonania, że zajdzie niepewne zdarzenie Zmienna losowa zmienna, która przyjmuje różne wartości wyznaczone przez los funkcja

  3. N(m,s) Charakterystyki zmiennej losowej

  4. Charakterystyki zmiennej losowej Dystrybuanta

  5. Klasyczna Metoda Najmniejszych Kwadratów

  6. Ekonometria n - liczba obserwacji k - liczba zmiennych objaśniających y - wektor obserwacji empirycznych zmiennej objaśnianej (endogenicznej, zależnej) X - macierz obserwacji zmiennych objaśniających (egzogenicznych, niezależnych)

  7. Klasyczna Metoda Najmniejszych Kwadratów - wektor obserwacji teoretycznych (z modelu) b - wektor parametrów modelu e- składnik resztowy (reszta)

  8. Co to jest podejście stochastyczne?

  9. Podejście stochastyczne Y= F + e Y - zmienna objaśniana F - składnik systematyczny e - składnik przypadkowy (losowy)

  10. Linia regresji populacji generalnej

  11. Podejście stochastyczne Wszystkie możliwe wyniki obserwacji Model hipotetyczny Posiadane wyniki obserwacji Model ekonometryczny (oszacowanie modelu hipotetycznego)

  12. Podejście stochastyczne Wnioskowanie z określonym prawdopodobieństwem y

  13. Podejście stochastyczne Dobre estymatory b: metody szacowania parametrów

  14. Założenia modelu standardowego KMNK

  15. Założenia modelu standardowego Wykorzystanie reguł elementarnej statystyki 1. Zmienna objaśniająca ( X ) jest nielosowa Wnioskowanie statystyczne w oparciu o rozkład t-Studenta i F 2. Składnik losowy ma rozkład normalny e : N(m,s) 3. Zakłócenia mają tendencję do wzajemnej redukcji E(e) = 0 Uchylenie => estymatory nie są nieobciążone 4. Składnik losowy jest sferyczny: - brak autokorelacji - homoskedastyczność Utrata efektywności estymatorów

  16. Założenia modelu standardowego Autokorelacja Brak autokorelacji składnika losowego cov( ei, ej ) = 0

  17. Założenia modelu standardowego Autokorelacja Podstawowe przyczyny autokorelacji składnika losowego: - pominięcie sezonowości - błędny dobór postaci funkcji.

  18. Postępowanie w przypadku autokorelacji p - pewna liczba N gi- współczynniki autokorelacji ut- proces czysto losowy E(ut)=0, su2 Proces czysto losowy: proces stacjonarny, w którym - w czasie dyskretnym- wszystkie zmienne losowe są wzajemnie niezależne Obniżenie efektywności estymatorów KMNK Problematyczne stosowanie testów istotności t i F Możliwe większe błędy - szacunki dodatkowych parametrów g

  19. Homoskedastyczność Składnik losowy jest o takiej samej wariancji D2(e) = s2 homoskedastyczny

  20. IV. Weryfikacja modelu czyli jak ocenić model?

  21. Etapy budowy modelu ekonometrycznego I. Specyfikacja zmiennych II. Konstrukcja modelu III. Estymacja parametrów IV. Weryfikacja modelu V. Prognoza

  22. Weryfikacja modelu Weryfikacja merytoryczna Weryfikacja statystyczna Badanie istotności zmiennych Ocena jakości modelu Badanie Rozkładu reszt

  23. Co oznacza weryfikacja merytoryczna? • znaki parametrów • skala parametrów • konsekwencje prognostyczne • konsekwencje modelowe Co oznacza badanie istotności zmiennych ? Zmienna objaśniająca jest istotna jeżeli w zauważalny (wyraźny) sposób wpływa na zmienną objaśnianą • Wszystkie zmienne objaśniające muszą być istotne • Metoda - wnioskowanie statystyczne w oparciu o statystykę t-Studenta • a - poziom istotności (a=0,05 a=0,10)

  24. V. Prognoza czyli jak wykorzystać model?

  25. Przedziały ufności dla linii regresji y y

  26. Odpowiedzi wynikające z podejścia stochastycznego: - Jaką metodę najlepiej zastosować przy szacowaniu parametrów modelu? - Jaki błąd może zostać popełniony przy szacowaniu? - Na jaki błąd się narażamy dokonując prognozy?

  27. Next: Wybrane metody taksonomii, czyli jak dobierać zmienne do modelu?

  28. Literatura A. Aczel Statystyka w zarządzaniuPWN 2000 A.Welfe Ekonometria, PWE’95 Z.Czerwiński Dylematy ekonomiczne, PWE’92 Z. Czerwiński Moje zmagania z ekonomią, Wydawnictwo AE Poznań 2002 A. Zeliaś Teoria prognozyPWE’97 J.Gajda Prognozowanie i symulacja a decyzje gospodarcze, Wydawnictwo C.H. Beck 2001 K.Jajuga (red.) Ekonometria. Metody i analiza problemów ekonomicznych, Wydawnictwo Akademii Ekonomicznej im. O.Langego we Wrocławiu’99 W.Kordecki Rachunek prawdopodobieństwa i statystyka matematyczna. Definicje twierdzenia wzory.Oficyna Wydawnicza GIS 2001 B.Guzik (red.) Ekonometria i badania operacyjne. Zagadnienia podstawowe. Materiały dydaktyczne AE Poznań’2000 W.Samuelson, S.Marks Ekonomia menedżerska, PWE’98 W.Sadowski (red.) Elementy ekonometrii i programowania matematycznego. PWN’80 M.Cieślak (red.) Prognozowanie gospodarcze. Metody i zastosowania.PWN’97 G.Chow Ekonometria, PWN’95

More Related