Ekonometria - Wprowadzenie do modelowania ekonometrycznego
Transkrypt
Ekonometria - Wprowadzenie do modelowania ekonometrycznego
Sprawy organizacyjne Czym jest ekonometria? KMNK Ekonometria Wprowadzenie do modelowania ekonometrycznego Estymator KMNK Jakub Mućk Katedra Ekonomii Ilościowej Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 1 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Agenda 1 Sprawy organizacyjne Literatura Zaliczenie przedmiotu 2 Czym jest ekonometria? Model ekonometryczny 3 KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 2 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Literatura Zaliczenie przedmiotu Literatura Literatura polskojęzyczna Gruszczyński M., Kuszewski T. i Podgórska M. (red), (2010), Ekonometria i badania operacyjne. Podręcznik dla studiów licencjackich., PWN, Warszawa. Literatura angielskojęzyczna Greene W.H., (2011), Econometric Analysis, Prentice Hall. Hill R.C., Griffiths W. E. i Lim G.C, (2011), Principle of Econometrics, Willey. Wooldridge J. M., (2012), Introductory Econometrics: A Modern Approach, Cengage Learning. Oprogramowanie MS Excel. Gretl [wersja polskojęzyczna, wersja angielskojęzyczna]. Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 3 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Literatura Zaliczenie przedmiotu Oficjalne sprawdziany (×2): 9 grudnia i 13 stycznia. Na każdym sprawdziane można uzyskać 6 pkt. Planowane dwie prace domowe (po 3 pkt.) Łącznie z ćwiczeń można uzyskać 18 pkt. Egzamin w sesji Na egzaminie można uzyskać 32 pkt. Aby podejść do egzaminu należy uzyskać przynajmniej 6 pkt. z ćwiczeń. Skala ocen liczba punktów do od od od od od Jakub Mućk Ekonometria 24 24 30 35 40 45 Ćwiczenia 1 ocena niedostateczna dostateczna dostateczna plus dobra dobra plus bardzo dobra Estymator KMNK 4 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Model ekonometryczny Czym jest ekonometria? Ekonometria to zbiór metod statystycznych i matematycznych pozwalających na empiryczną weryfikację teorii ekonomicznej. Inaczej Ekonometria pozwala na pomiar siły (istotności) i kierunku zjawisk i procesów ekonomicznych. Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 5 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Model ekonometryczny Rodzaje danych wykorzystywanych w ekonometrii/naukach ekonomicznych Dane przekrojowe Szeregi czasowe Dane panelowe Konsekwencje Rodzaj danych ma znaczenie w wyborze zarówno i) postaci funkcyjnej oraz ii) metody estymacji. Rodzaje zmiennych: Zmienna ilościowa i jakościowa. Zmienna bieżąca i opóźniona (szeregi czasowe; dane panelowe) Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 6 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Model ekonometryczny Model ekonometryczny Załóżmy, że zmienna y jest funkcją x1 , x2 , . . ., xk , t. że y = F (x1 , x2 , . . . , xk ) (1) Zauważmy, że równanie (1) określa funkcję deterministyczną. Wprowadźmy, element losowy, tj. ε: y = f (x1 , x2 , . . . , xk , ε) (2) Szczególnym przypadkiem (1) jest liniowa postać. Wtedy mowa o modelu regresji liniowej: y = β0 + β1 x1 + β2 x2 + ... + βk xk + ε (3) gdzie: y – zmienna objaśniana, (endogeniczna). x1 , . . . , xk – zmienne objaśnianające, (egzogeniczne). β1 , . . . , βk – parametry strukturalne modelu. β0 – wyraz wolny. ε – składnik losowy. Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 7 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Oznaczenia Zapis ogólny: y = β0 + β1 x1 + β2 x2 + . . . + βk xk + (4) y = Xβ + ε (5) Zapis macierzowy gdzie y1 y2 y= ... yn 1 1 X= ... 1 β0 β1 β= ... βk x1,1 x2,1 .. . xn,1 ... ... .. . ... x1,2 x2,2 .. . xn,2 x1,k x2,k .. . xn,k ε1 ε2 ε= ... εn k – liczba zmiennych objaśniających; n – liczba obserwacji. Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 8 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Estymator MNK Załóżmy, że badane zjawisko można opisać modelem postaci [lub prawdziwy proces generujący zmienną y jest następujący]: y = β0 + β1 x1 + β2 x2 + ... + βk xk + ε (6) Nieznane parametry można uzyskać przy pomocy Metody Najmniejszych Kwadratów (OLS – ordinary least squares). Idea tej metody polega na znalezieniu takich wartości nieznanego wektora parametrów β, który minimalizują sumę kwadratów reszt, czyli różnic pomiędzy wartościami obserwowanymi a teoretycznymi: β̂ = arg min eT e (7) β gdzie e = y − ŷ = y − Xβ̂. Ostatecznie estymator OLS (MNK) dla wektora β: β̂ OLS = (XT X)−1 XT y (8) Szczegóły β a β̂ β oznacza nieznany i prawdziwy wektor parametrów, a β̂ jest oszacowaniem punktowym wektora parametrów. Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 9 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Załóżmy: 1 rz(X) = k + 1 ≤ n 2 Zmienne xi są nielosowe, a zatem są niezależne od składnika losowego 3 E() = 0 D2 (ε) = E(εεT ) = I σ εi ∼ N (0, σ 2 ) 4 5 Twierdzenie Gaussa - Markowa Estymator β̂ uzyskany Klasyczną Metodą Najmniejszych Kwadratów jest estymatorem BLUE [best linear unbiased estimator], tj. zgodnym, nieobciążonym i najefektywniejszy w klasie liniowych estymatorów wektora β. nieobciążoność, czyli E(β̂) = β najefektywniejszy, czyli posiadający najmniejszą wariancję w swojej klasie zgodny, czyli limn→∞ P(|β̂n − β|) < δ Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 10 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Interpretacja Załóżmy, że oszacowaliśmy parametry modelu ekonometrycznego: ŷ = β̂0 + β̂1 x1 + β̂2 x2 + . . . + β̂k xk (9) Interpretacja: Wzrost xi o jednostkę powoduje wzrost y o βi ceteris paribus jednostek. Uwagi: Należy pamiętać o zasadzie ceteris paribus. Oszacowanie wyrazu wolnego zazwyczaj nie ma interpretacji ekonomicznej (dlaczego?). Pułapka przyczynowości. Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK 11 / 16 Przykład [Greene, 2003] Funkcja konsumpcji została oszacowana dla gospodarki amerykańskiej w latach 1970-1979. Wydatki konsumpcyjne (C ) są objaśniane dochodem do dyspozycji (Y ) [obie zmienne w mln USD w cenach bieżących]: Ĉ = −67.58 + 0.979Y (10) 900 0.53924 2.4815 2.6814 800 Konsumpcja 850 8.5299 −9.78 750 −11.291 −9.3407 700 11.181 1.3359 3.6636 750 800 850 900 950 Dochod Obserwowane wartości, wartości teoretyczne, reszty. 1000 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Estymacja błędów szacunku W przypadku MNK, możemy wyznaczyć estymator macierzy wariancji-kowariancji dla parametrów β̂ OLS : D̂2 (β̂ OLS ) = S2ε (XT X)−1 (11) gdzie S2 = SSE(β̂ OLS ) εT ε = n − (k + 1) df (12) gdzie SSE(β̂ OLS ) to suma kwadratów reszt, a df to liczba stopni swobody. Element diagonalne macierzy wariancji-kowariancji (oznaczmy jako d̂ii ), stanowią wariancję estymowanych parametrów. Zatem błąd szacunku dla i-tego parametru jest równy: √ S(β̂i ) = dii (13) Względny błąd szacunku S(β̂i ) β̂i Jakub Mućk Ekonometria Ćwiczenia 1 (14) Estymator KMNK 13 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Wyprowadzenie β OLS I Przyjmijmy zapis macierzowy oraz ustalmy liczbę obserwacji równą n oraz liczbę zmiennych objaśniających równą k. Oznaczmy: macierz zmiennych objaśniających jako X (o wymiarach (n × (k + 1)); wektor zmiennej objaśnianej jako y (o wymiarach n × 1), wektor parametrów modelu jako β (o wymiarach (k + 1) × 1) oraz wektor nieobserwowalnego składnika losowego jako ε (o wymiarach n × 1). Wtedy: y = Xβ + ε (15) Chcemy, znaleź takie wartości wektora β, które będą minimalizować odchylenie wartości obserwowanych zmiennej objaśniającej y od wartosci teoretycz^ . Wektor składnika, ε jest nieobserowalny, ale obserowalny jest wektor reszt nych y e (o wymiarach n × 1), taki że ^ = y − Xβ e=y−y (16) Zawuażmy, że elementy wektora e mogą przyjmowac wartości zarówno dodatnie jak i ujemne. Dlatego minimalizowanie sumy elementów wektora e posiada pewien mankament (jaki?). Przyjmijmy sumę kwadratów reszt (SSE - error sum of squares) jako funkcję szukanego wektora parametrów β, którą chcemy minimalizować: SSE(β) = eT e = (y − ŷ)T (y − ŷ) = (y − Xβ)T (y − Xβ) Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK (17) 14 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Wyprowadzenie β OLS II Po przemnożeniu macierzy w (17), otrzymujemy: SSE(β) = yyT − 2yT Xβ + β T XT Xβ (18) Zróżniczkujmy wyrażenie (18) po β, wtedy otrzymamy: ∂SSE(β) = −2XT y + 2XT Xβ ∂β (19) Przyrównując pierwszą pochodną, tj. (19), otrzymujemy układ równań XT y = XT Xβ Ostatecznie: −1 β̂ OLS = XT X Jakub Mućk Ekonometria Ćwiczenia 1 (20) XT y Estymator KMNK (21) 15 / 16 Sprawy organizacyjne Czym jest ekonometria? KMNK Estymator MNK Twierdzenie Gaussa -Markowa Estymator macierzy wariancji-kowariancji Wyprowadzenie estymatora - kowariancji oszacowań β OLS Ogólny wzór dla estymatora macierzy wariancji-kowariancji oszacowań (β̂ OLS ): D2 (β̂ OLS ) = E h β̂ OLS − β β̂ OLS − β T i (22) Zauważmy, że β̂ OLS = XT X −1 XT y = XT X −1 XT (Xβ + ε) = β + XT X −1 XT ε (23) Wtedy D2 (β̂ OLS ) = E = E = h XT ε −1 XT εεT X XT X XT X XT X −1 XT X −1 −1 XT X XT ε T −1 i XT E εεT X XT X −1 Następnie korzystając z założenie o sferyczności macierzy wariancji-kowariancji składnika losowego, tj. D2 (ε) = E(εεT ) = σI , można uprościć wzór na estymator wariancji kowariancji oszacowań do: −1 D2 (β̂ OLS ) = σ XT X Jakub Mućk Ekonometria Ćwiczenia 1 Estymator KMNK (24) 16 / 16