Podstawy Ekonometrii blok T i U
Transkrypt
Podstawy Ekonometrii blok T i U
LITERATURA: 1. Dziechciarz J.: Ekonometria, Metody, przykłady, zadania. Wydawnictwo AE we Wrocławiu. Wrocław 2003 2. Nowak E.: Zarys metod ekonometrii. Zbiór zadań. PWN, Warszawa 2002 3. Borkowski B., Dudek H., Szczesny W.: Ekonometria. Wybrane zagadnienia. PWN Warszawa 2003 4. Barczak A. St., Biolik J.: Podstawy ekonometrii. Wydawnictwo Akademii Ekonomicznej w Katowicach, Katowice 1998 5. Gruszczyński M., Podgórka M.: Ekonometria. Oficyna Wydawnicza SGH, Warszawa 2000 1 Wstęp Ekonometria – gr. Ekonometria iokonomia (administracja, gospodarstwo) metron (mierzenie) ekonometria bada ilościowe związki zachodzące pomiędzy zjawiskami ekonomicznymi. Przedmiotem zainteresowań są trzy grupy zagadnień: •konstrukcja modelu ekonometrycznego •estymacja jego parametrów •szeroko pojęte wnioskowanie na podstawie modelu. 2 Ekonometria Model ekonometryczny Modelem ekonometrycznym nazywamy formalny opis stochastycznej zależności wyróżnionego zjawiska ekonomicznego (wyróżnionych zjawisk) od czynników, które je kształtują. Wyrażony w formie pojedynczego równania bądź układu równań. Model ekonometryczny jest to konstrukcja formalna, która za pomocą jednego równania lub układu równań przedstawia zasadnicze powiązania ilościowe występujące pomiędzy rozpatrywanymi zjawiskami ekonomicznymi. 3 Ekonometria Model ekonometryczny Y o 1 X np. Y – produkcja żyta w (tys. t), X – powierzchnia uprawy żyta (tys. ha). Elementami modelu są: •zmienne objaśniane •zmienne objaśniające •składnik losowy •parametry strukturalne 4 Ekonometria Model ekonometryczny Zmienne objaśniane – wyróżnione zjawiska ekonomiczne, które są opisywane (wyjaśniane) przez poszczególne równania modelu. Zmienne te noszą też nazwę zmiennych endogenicznych. Zmienne objaśniające – zmienne służące do opisu, wyjaśniania zmian zmiennych objaśnianych. W modelach wielorównaniowych zmienne objaśniające dzielą się na zmienne egzogeniczne i endogeniczne innych równań. Zmienne egzogeniczne – zmienne objaśniające, które nie są wyjaśniane przez żadne równanie modelu Zmienne endogeniczne innych równań – zmienne, które w danym równaniu pełnią rolę zmiennych objaśniających i są opisywane przez inne równanie modelu. Opóźnioną zmienną egzogeniczną (endogeniczną) nazywamy zmienną odnoszącą się do wcześniejszych okresów niż okres bieżący t Zmienne z góry ustalone – zmienne opóźnione w czasie wraz ze zmiennymi egzogenicznymi. 5 Ekonometria Model ekonometryczny Parametry strukturalne modelu, to wartości wyrażające ilościowy wpływ danej zmiennej (przy której występują) na zmienną endogeniczną, są szacowane na podstawie danych statystycznych na etapie estymacji modelu. Składnik losowy w modelu wynika z konieczności uwzględnienia: 1. wpływu wszystkich czynników mało istotnych nie wyspecyfikowanych w równaniu, ale oddziałujących na zmienną endogeniczną. 2. różnic pomiędzy postacią analityczną modelu, a istniejącą zależnością w rzeczywistości 3. błędów pomiarów zmiennych 4. czynników losowych, wywierających wpływ na zmienną endogeniczną. 6 Ekonometria Model ekonometryczny – klasyfikacja modeli KRYTERIUM 1. Liczba równań w modelu: Modele jednorównaniowe Modele wielorównaniowe KRYTERIUM 2. Postać analityczna zależności funkcyjnych modelu. Modele liniowe – wszystkie zależności modelu są liniowe Modele nieliniowe – chociaż jedna zależność jest nieliniowa KRYTERIUM 3. Rola czynnika czasu w równaniach modelu. Modele statyczne – nie uwzględniają czynnika czasu, Modele dynamiczne – występuje w nich czynnik czasu. Model trendu. KRYTERIUM 4. Ogólnopoznawcze cechy modelu: Modele przyczynowo-opisowe – wyrażające związki przyczynowo skutkowe między zmiennymi objaśniającymi i objaśnianymi. Modele symptomatyczne – rolę zmiennych objaśniających pełnią zmienne skorelowane z odpowiednimi zmiennymi objaśnianymi a niewyrażające źródeł zmienności zmiennych objaśnianych. 7 Ekonometria Modelowanie ekonometryczne. Procedura wieloetapowa, na każdym etapie bardzo często wykorzystująca metody i narzędzia z innych dyscyplin. Specyfikacja modelu – określenie zmiennych, postaci analitycznej, źródeł danych statystycznych Estymacja parametrów modelu – oszacowanie parametrów modelu na podstawie danych statystycznych Weryfikacja oszacowanego modelu Formalna – zgodność wyników z procedurą Merytoryczna – zgodność z wiedzą o badanych Relacjach ekonomicznych Praktyczne zastosowanie modelu – prognozowanie, symulacja, opis zależności Ekonomia, statystyka opisowa, analiza matematyczna Statystyka matematyczna, informatyka Ekonomia, statystyka matematyczna Ekonomia, zarządzanie 8 Ekonometria Jednorównaniowy liniowy model ekonometryczny y 0 1 x1 2 x2 k xk y - zmienna objaśniana xi – zmienne objaśniające dla i = 1,2,…,k i – nieznane parametry strukturalne modelu dla i = 0,1,2,…,k – składnik losowy Zakładamy, że istnieją n-elementowe szeregi czasowe obserwacji na wszystkich zmiennych modelu. 9 Ekonometria Jednorównaniowy liniowy model ekonometryczny Wektor obserwacji zmiennej objaśnianej y1 . y . y n n1 Wektor nieznanych parametrów modelu 0 1 α . . k k 11 Macierz zaobserwowanych wartości zmiennych objaśniających 1 1 X 1 x11 x21 xn1 x12 x22 xn 2 x1k x2 k xnk nk 1 Wektor składników losowych 1 . ε . n n1 yt 0 1 xt1 2 xt 2 k xtk t y Xα ε 10 Ekonometria Estymacja parametrów – Metoda Najmniejszych Kwadratów MNK Zamierzamy znaleźć oceny a nieznanych parametrów strukturalnych modelu y 0 1 x1 2 x2 k xk Wartości zmiennej objaśnianej otrzymane przy ocenach a nazywamy wartościami teoretycznymi zmiennej objaśnianej dla t=1,2,…,n yˆ t a0 a1 xt1 a2 xt 2 ak xtk Resztą dla okresu t nazywamy różnicę pomiędzy wartością empiryczną a teoretyczną zmiennej objaśnianej et yt yˆ t 11 Ekonometria Estymacja parametrów – Metoda Najmniejszych Kwadratów MNK e1 yˆ1 Zapis wektorowy: . . e yˆ . . ˆ y n en e y yˆ y Xa yˆ Xa Idea metody najmniejszych kwadratów (MNK) polega na wyznaczeniu takiego wektora parametrów a, dla którego funkcja S(a)=eTe osiąga minimum Sa e e y Xa y Xa y T y 2a T XT y a T XT Xa T Otrzymujemy wzór: T a X X T 1 T X y 12 Ekonometria Estymacja parametrów – Metoda Najmniejszych Kwadratów MNK n 2 e t Wariancję odchyleń losowych szacuje się na podstawie wzoru e Te S t 1 n k 1 n k 1 2 e Macierz kowariancji i wariancji ocen parametrów strukturalnych szacuje się na podstawie wzoru D a S X X 2 2 e T 1 W macierzy tej elementy na głównej przekątnej są wariancjami ocen parametrów strukturalnych. Natomiast pierwiastki z tych wartości są standardowymi błędami szacunków parametrów strukturalnych. 13 Ekonometria Estymacja parametrów – Metoda Najmniejszych Kwadratów MNK Wartość oceny ai informuje o ile jednostek zmieni się zmienna objaśniana Y, jeśli zmienna objaśniająca Xi zmieni się o jednostkę, przy założeniu, że wartości pozostałych zmiennych objaśniających nie zmienią się. Pierwiastek kwadratowy z wariancji reszt nazywany jest odchyleniem standardowym reszt i wskazuje o ile przeciętnie zaobserwowane wartości różnią się od wartości teoretycznych tej zmiennej wyznaczonych z modelu inaczej standardowy błąd estymacji. Standardowe błędy szacunków parametrów strukturalnych informują o ile jednostek wartość oceny parametru różni się od rzeczywistej wartości parametru 14 Ekonometria Estymacja parametrów – Metoda Najmniejszych Kwadratów MNK Założenia Klasycznej Metody Najmniejszych Kwadratów (Z1) Zmienne objaśniające są nielosowe oraz nieskorelowane ze składnikiem losowym Uchylenie założenia (Z1) powoduje utratę istotnych własności estymatorów Z(2) Liczebność próby jest większa niż liczba szacowanych parametrów rz(X)=k+1 oraz k<n Założenie (Z2) zapewnia, że estymator można wyznaczyć w sposób jednoznaczny Z(3) wartości oczekiwane składników losowych są równe zeru Założenie (Z3) stanowi, że zakłócenia redukują się wzajemnie. Z(4) wariancje składników losowych są stałe (homoskedastyczność) – macierz wariancji i kowariancji pomiędzy składnikami resztowymi jest postaci 2 T D ε E ε ε 2 I Założenie (Z4) zapewnia, ze wartość wariancji zakłóceń nie zależy od numeru obserwacji oraz zakłócenia w modelu nie są skorelowane pomiędzy różnymi obserwacjami Z(5) Każdy ze składników losowych ma rozkład normalny Założenie (Z5) dotyczące normalności rozkładu składnika losowego mają znaczenie przy wnioskowaniu statystycznym 15 Ekonometria Estymacja parametrów – Metoda Najmniejszych Kwadratów MNK Twierdzenie Gaussa Markowa Estymator a wyznaczony KMNK jest estymatorem: liniowym, zgodnym, nieobciążonym i najefektywniejszym w klasie liniowych i nieobciążonych estymatorów wektora parametrów α modelu liniowego jednorównaniowego. Estymator jest: -- estymatorem zgodnym, jeśli jest zbieżny stochastycznie do α -- estymatorem nieobciążonym, jeśli E(a)=α -- estymatorem najefektywniejszym – jeśli na w określonej klasie najmniejszą wariancję -- estymatorem liniowym – ponieważ każda składowa wektora a jest liniową funkcją składowych wektora y o współczynnikach iloczynu (XTX)-1XT 16 Ekonometria Weryfikacja modelu Proces weryfikacji modelu opiera się na zbadaniu własności: •Stopnia zgodności z danymi empirycznymi •Własności rozkładu odchyleń losowych 17 Ekonometria Weryfikacja modelu – badanie dopasowania Współczynnik zmienności losowej Se Ve 100% y Im mniejsze wartości współczynnika, tym model lepiej dopasowany. Przyjmuje się, że powyżej wartości 10% współczynnik ten informuje, że dopasowanie modelu do danych jest zbyt słabe. Informuje jaki procent średniej arytmetycznej zmiennej objaśnianej stanowi odchylenie standardowe reszt. 18 Ekonometria dr Adam Sojda Weryfikacja modelu – badanie dopasowania •Współczynnik zbieżności n 2 2 e t t 1 n 2 y y t t 1 •Współczynnik determinacji n R2 yˆ t y y t y t 1 n t 1 2 2 T T T T e e y y a X y R2 1 T 1 y y ny 2 y T y ny 2 19 Ekonometria dr Adam Sojda Weryfikacja modelu – badanie dopasowania Współczynnik korelacji wielorakiej R det W R 1 det R 1 W R 0 R T0 R Określa on siłę związku korelacyjnego liniowego zmiennej endogenicznej ze wszystkimi zmiennymi egzogenicznymi. Można go wyznaczyć jako pierwiastek ze współczynnika determinacji. 20 Ekonometria Weryfikacja modelu – badanie dopasowania Badanie istotności współczynnika determinacji. Hipotezy: H0: R=0 |1|=|2|=…=|k|=0 H1: R≠0 |1|+|2|+…+|k|≠0 Wartość krytyczna Statystyka/procedura F R n k 1 k 1 R2 2 F* - odczytana z tablicy rozkładu F Snedecora dla poziomu istotności oraz stopni swobody: m1=k m2 = n-k-1 Decyzja: jeśli F ≤ F* , to brak podstaw do odrzucenia hipotezy H0 jeśli F > F*, to hipotezę H0 odrzucamy 21 Ekonometria Weryfikacja modelu – badanie dopasowania Badanie istotności poszczególnych parametrów. Hipotezy: H0: i=0 H1: i≠0 Wartość krytyczna Statystyka/procedura I* - odczytana z tablicy testu t Studenta Ii ai dla poziomu istotności oraz stopni swobody: n-k-1 S ai Decyzja: jeśli Ii ≤ I* , to brak podstaw do odrzucenia hipotezy H0 jeśli Ii > I*, to hipotezę H0 odrzucamy 22 Ekonometria dr Adam Sojda Weryfikacja modelu – badanie własności reszt Badanie losowości Hipotezy: H0: Ymodel = f(X1,X2,…,Xk) H1: Ymodel ≠ f(X1,X2,…,Xk) Statystyka/procedura oraz wartość krytyczna Dla ciągu reszt obliczamy liczbę serii r pojawiania się reszt dodatnich i ujemnych. Dla wartości n1 oraz n2 oznaczających liczbę reszt dodatnich albo ujemnych (bądź odwrotnie) odczytujemy z tablicy testu serii lewostronnego oraz prawostronnego wartości: r*min oraz r*max. Jeśli: r*min < r < r*max, nie ma podstaw do odrzucenia hipotezy Ho. w przeciwnym przypadku hipotezę H0 należy odrzucić przyjmując H1 23 Ekonometria Weryfikacja modelu – badanie własności reszt Normalność rozkładu – test Hellwiga Hipotezy: H0: F() = FN() H1: F() ≠ FN() ut et e 1 n e et n t 1 1 n 2 e e t n t 1 Statystyka/procedura 1. Standaryzujemy reszty zgodnie ze wzorem: 2. Wyznacza się wartości dystrybuanty rozkładu N(0,1) - (ut) 3. Wyznacza się tzw. cele, którymi są przedziały liczbowe powstałe z podziału odcinka [0,1] na n równych części o długości 1/n każda. 4. Wartości dystrybuanty (ut) przyporządkowuje się odpowiednim celom, następnie zlicza się liczbę cel pustych K. 5. Z tablic testu Hellwiga odczytuje się wartości krytyczne K1 oraz K2 dla zadanego poziomu istotności Jeśli K1 ≤ K ≤ K2 , to nie ma podstaw do odrzuceniu H0 w przeciwnym przypadku H0 odrzucamy na korzyść H1 24 Ekonometria Weryfikacja modelu – badanie własności reszt Badanie autokorelacji rzędu Hipotezy: H0: r = 0 H1: r ≠ 0 Statystyka/Procedura Wyznaczany współczynnik korelacji Pearsona pomiędzy resztami z okresu t a okresu t- . n r e t 1 n e t 1 t t et et et n Wyznaczana jest wartość I et et et 2 2 I t 1 r n 2 1 r2 Odczytywana jest wartość I* z tablic testu t Studenta dla poziomu istotności oraz stopni swobody m = n--2. Decyzja: jeśli I ≤ I* , to brak podstaw do odrzucenia hipotezy H0 jeśli I > I*, to hipotezę H0 odrzucamy 25 Ekonometria Weryfikacja modelu – badanie własności reszt Badanie stałości wariancji – istotność współczynnika korelacji pomiędzy resztami a zmienną czasową Hipotezy: H0: rt = 0 H1: rt ≠ 0 Statystyka/Procedura Wyznaczany współczynnik korelacji Pearsona pomiędzy modułami reszt a zmienną czasową t oraz wyznacza się wartość statystyki It n rt e t t 1 e n t 1 t et t t et t t 2 n 2 It t 1 rt n2 1 rt 2 Odczytywana jest wartość I* z tablic testu t Studenta dla poziomu istotności oraz stopni swobody m = n - 2. Decyzja: jeśli It ≤ I* , to brak podstaw do odrzucenia hipotezy H0 jeśli It > I*, to hipotezę H0 odrzucamy 26 Ekonometria Weryfikacja modelu - badanie własności reszt Badanie stałości wariancji S 2 e.1 n1 1 et e1 2 n1 k 1 t 1 2 e.2 n 1 et e2 2 n2 k 1 t nn2 1 Hipotezy: H0: 2e.1 = 2e.2 2 2 H1: e.1 < e.2 Statystyka/Procedura Wyznaczana jest wartość: S e2.2 F 2 S e .1 S 1 e1 n1 1 e2 n2 n1 e t 1 t n e t t n n2 1 Z tablic rozkładu F – Snedocora dla zadanego poziomu istotności oraz stopni swobody m1=n2-k-1 oraz m2 = n1 – k -1 odczytujemy wartość krytyczną F*. Decyzja: jeśli F ≤ F* , to brak podstaw do odrzucenia hipotezy H0 jeśli F > F*, to hipotezę H0 odrzucamy 27 Ekonometria Weryfikacja modelu - badanie własności reszt Badanie nieobciążoności odchyleń resztowych – dla modeli nieliniowych ze względu na parametry strukturalne. Hipotezy: H0: E() = 0 H1: E() ≠ 0 Statystyka/Procedura e n 1 I Sˆ e gdzie 1 n e et n t 1 1 n 2 ˆ Se e e t n t 1 Odczytywana jest wartość I* z tablic testu t Studenta dla poziomu istotności oraz stopni swobody m = n - 1. Decyzja: jeśli It ≤ I* , to brak podstaw do odrzucenia hipotezy H0 jeśli It > I*, to hipotezę H0 odrzucamy 28 Ekonometria Predykcja na podstawie modelu liniowego Dany jest model liniowy jednorównaniowy yˆ a0 a1 x1 a2 x2 ak xk Warunkiem dokonania predykcji jest znajomość wartości zmiennych objaśniających: x*T1, x*T2,…, x*Tk, Prognoza: yˆ* a0 a x a x a x * 1 T1 Średni błąd prognozy: gdzie: * 2 T2 * k Tk S pT xTT D 2 a xT S e2 xTT 1, xT1 , xT 2 ,, xTk 29 Ekonometria Predykcja na podstawie modelu liniowego Przedział prognozy: - wiarygodność prognozy: dy T T gy T T P dy yT gy - dolna granica przedziału prognozy: - górna granica przedziału prognozy: T T T T dy y u S pT gy y u S pT u 0.95 1,96 0,90 1,65 30