1 / 11

MODELY S UMELÝMI PREMENNÝMI

MODELY S UMELÝMI PREMENNÝMI. Umelé premenné ( DUMMY VARIABLES ). umožňujú do modelu zaradiť kategorické premenné počet umelých premenných závisí od počtu kategórií (počet kategórií - 1) binárne premenné, nadobúdajú hodnotu 0 a 1

obert
Download Presentation

MODELY S UMELÝMI PREMENNÝMI

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. MODELY S UMELÝMI PREMENNÝMI

  2. Umelé premenné( DUMMY VARIABLES) • umožňujú do modelu zaradiť kategorické premenné • počet umelých premenných závisí od počtu kategórií (počet kategórií - 1) • binárne premenné, nadobúdajú hodnotu 0 a 1 • v ČR môžu umelé premenné modelovať sezónne kolísanie (kvartálne -počet UP 3, mesačné - 11 UP) • V ČR môžeme pomocou UP modelovať štrukturálne zmeny, kvalitatívne zmeny ekonomického prostredia

  3. Koeficienty pri umelých premenných nie sú preukazné yt yt =b0+ b1xt Δ yt Δ yt =b1 Δ xt b0 Δ xt xt Nedochádza k zmene lokujúcej konštanty (b0) a taktiež k zmene smernice (b1) pri zmene kategórie.

  4. Koeficient umelej premennnej b2je signifikantný yt yt =b0+ b1xt+b2D b1 Δ yt Δ yt b1 b0 + b2 b0 Δ xt t Pri zmene kategorickej premennej dochádza k zmene lokujúcej konštanty (b0 + b2), smernica (b1) zostáva konštantná.

  5. Koeficientb2v interakčnom člene je signifikantný yt =b0+ b1xt+b1Dxt yt Δ yt2 b1+b2 Δ yt1 b1 b0 Δxt xt Pri zmene kategorickej premennej dochádza k zmene smernice (b1 + b2), ale lokujúca konštanta (b0) sa nemení.

  6. Koeficienty umelej premennejb2ajb3sú signifikantné yt =b0+ b1xt+b2D +b3Dxt yt Δ yt2 b1+b2 Δ yt1 b1 b0 + b2 b0 Δ t t Pri zmene kategorickej premennej dochádza k zmene lokujúcej konštanty (b0 + b2) a zároveňk zmene smernice (b1+b3).

  7. Chow test • Slúži na zistenie opodstatnenia zaradenia umelých premenných do regresie, t.j. umelých premenných na zmenu úrovne a zmenu smernice napr. Pri lineárnom trende. Otázkou je či použiť jeden súvislý spoločný trend, alebo dva trendy? • Chow test sa opiera o porovnanie reziduálnych súčtov štvorcov odchýlok, ktorý hovorí o nevysvetlenej variabilite. • Náhodné chyby v regresiách majú mať normálne rozdelenie, s nulovou strednou hodnotou a konštantným rozptylom (2) a majú byť vzájomne nezávislé. Ej (1).......N(0,2) Ej (2).......N(0,2)

  8. Postup Chow-testu • spoločná regresia: yt = bo + b1t po spojení oboch súborov do jedného (n1 + n2), kde n1 a n2 predstavujú rozsahy súborov S1=SSE stupne voľnosti (n1+n2-k) počet odhadovaných parametrov

  9. Pokračovanie 1 • 2 izolované regresie: samostatné regresie s rozsahmi súborov n1 a n2 stupne voľnosti: n1-k , n2 -k S2=SSE (1) S3=SSE (2) yt (1) = bo + b1xt1S2 yt (2) = bo´ + b1´ xt2 S3

  10. Pokračovanie 2 • S4=S2+S3 stupne voľnosti: n1+n2-2k • S5 = S1 - S4 nevysvetlená variabilita pri 2 izolovaných regresiách prírastok vo vysvetlení nevysvetlená variabilita variability závisle premennej závisle premennej pri 1 spoločnej regresii

  11. Hypotézy: H0:priebeh závislosti 2 modelov nie je rozdielny ani v úrovni ani v smernici  stačí použiť 1 regresiu pre oba modely H1: priebeh závislosti u 2 modelov sa líši (v smernici alebo v úrovni), a preto je potrebné použiť 2 izolované regresie. Má tiež význam zaradenie umelých premenných. Fvyp =S5/k S4/(n1+n2-2k) Ftab pre (,k,n1+n2-2k) FvypFtab Hozamietame, prijímame alternatívnu hypotézu H1 a tvrdíme, že regresie prebiehajú v 2 podsúboroch t.j., že neexistuje zhoda v smernici alebo v úrovni a má zmysel zaradenie umelých premenných. Záver Chow-testu

More Related