[ ]n - Ekonometria
Transkrypt
[ ]n - Ekonometria
KARTKÓWKA 1 [08.10.08] 1. Co to jest „model ekonometryczny” ? 2. Czym zajmuje się ekonometria ? 3. Niech macierz P=A(A’A)-1A’. Pokazać, że M=I-P jest macierzą idempotentną 4. Niech macierz P=A(A’A)-1A’. Pokazać, że MP=0. KARTKÓWKA 2 [15.10.08] 1. 2. Czym różni się szereg czasowy od próby przekrojowej? Zapisz równanie modelu liniowego o K zmiennych objaśniających. Opisz każdy z elementów równania Wyjaśnić różnicę między parametrami i oszacowaniami parametrów oraz między odchyleniami losowymi i resztami Podać wzajemne relacje między wartościami obserwowanymi zmiennej zależnej, oszacowaniami parametrów, wartościami dopasowanymi i resztami Niech y = x12 + 4 x 22 + x1 x 2 − 1 . Policzyć gradient i Hesjan. Czy dla tej funkcji istnieje ekstremum lokalne ? 3. 4. 5. 6. Policzyć ∂α ' β , gdzie α = [α 1 ,..., α n ] i β = [β 1 ,..., β n ] ∂β ' KARTKÓWKA 3 [ 22.10.08] 1. 2. 3. 4. 5. Skąd bierze się nazwa Metoda Najmniejszych Kwadratów Wyprowadź estymator MNK dla modelu ze stałą i jedną zmienną objaśniającą Co to jest układ równań normalnych Wyprowadź estymator MNK dla modelu z wieloma zmiennymi objaśniającymi Dlaczego nie da się uzyskać oszacowań MNK, jeśli liczba zmiennych objaśniających w modelu jest większa od liczby obserwacji 6. Pokazać, że w modelu ze stałą suma reszt jest równa zero KARTKÓWKA 4 [29.10.08] 1. Pokazać, że w modelu ze stałą średnia wartość zmiennej zależnej równa jest średniej z wartości dopasowanej 2. Udowodnij, że w modelu ze stałą TSS=ESS+RSS 3. Wyjaśnić dlaczego R2 nie można używać do porównywania modeli ? 4. Podać interpretację R2. KARTKÓWKA 5 [05.11.08] 1. Kiedy mówimy, że model można sprowadzić do modelu liniowego względem przekształconych zmiennych 2. Wyjaśnić co to jest efekt cząstkowy 3. Podać definicję elastyczności cząstkowej KARTKÓWKA 6 [12.11.08] – takiej jak na Kartkówce 3 KARTKÓWKA 7 [19.11.08] 1. Podać postać przekształcenia Boxa-Coxa i wyjaśnić, do czego jest stosowane ekonometrii 2. Dlaczego zmienną dyskretną rozkodowujemy na zmienne zerojedynkowe ? 3. Dlaczego w modelu nie powinno się umieszczać stałej i wszystkich zmiennych zerojedynkowych, związanych z poziomami zmiennej dyskretnej ? 4. Porównaj zastosowania znanych Ci kontrastów ze standardowym sposobem rozkodowywania zmiennej dyskretnej ? KARTKÓWKA 8 [26.11.08] 1. Wyjaśnić, co to znaczy, że między zmiennymi w modelu występują interakcje 2. Opisać sposoby przybliżania zależności nieliniowej za pomocą modelu liniowego 3. Wymienić założenia Klasycznego Modelu Regresji Liniowej (KMRL) Zadania 1. W modelu ze stałą y = β 0 + xi β + ε i pokazać, że spełniona jest zależność: y = b0 + xb , gdzie b0 i b są oszacowaniami MNK parametrów strukturalnych 2. Oszacowano MNK model postaci o y = Xβ + ε . Następnie oszacowano regresję uzyskanych wartości teoretycznych ŷ na X. Podać czemu jest równy estymator MNK w tej regresji oraz jakie jest R2 ? KARTKÓWKA 9 [03.12.08] 1. Udowodnić, że w KMRL estymator b jest nieobciążone. 2. Wyprowadzić postać macierzy wariancji kowariancji b i podać interpretację jej elementów 3. Podać treść twierdzenia Gaussa-Markowa i wyjaśnić jego znaczenie. 4. Pokazać, że s2 jest nieobciążonym estymatorem σ2 5. Udowodnij, że s 2 ( X ' X )−1 jest nieobciążonym estymatorem var(b) Zadania 1. Szacujemy model, w którym zmienną objaśnianą jest logarytm wynagrodzenia, a zmienną objaśniającą jest wykształcenia pracownika (zmienna edu) przyjmujące następujące wartości: 1 – podstawowe, 2-gimnazjum, 3-średnie, 4 – wyższe. Podać prawidłową formę modelu i zinterpretować jego współczyniki KARTKÓWKA 10 [10.12.08] 1. Podać postać estymatora dla kombinacji liniowej δ ' β i udowodnić, że jest on nieobciążony 2. Co to jest prognoza ? Udowodnić, że prognoza postaci x f β jest nieobciążona 3. Podać dwa źródła błędu prognozy i wzór na wariancję błędu prognozy. 4. Co to oznacza, że estymator jest nieobciążony i dlaczego jest to ważne ? 5. Wyjaśnić, w jaki sposób porównujemy wariancje dal estymatorów wektora parametrów i w jaki sposób można to uzasadnić 6. Wyprowadzić rozkład małopróbkowy estymatora MNK. Jakie założenia poza standardowymi założeniami KMRL należy w tym przypadku przyjąć ? 7. Jaką postać ma statystyka służąca do testowania hipotezy o tym, że β K = β K* KARTKÓWKA 11 [17.12.08] 1. Mając oszacowanie b K oraz oszacowanie odchylenia standardowego tego oszacowania se(bs ) wyjaśnić, w jaki sposób należy zbudować przedział ufności dla parametru β K . Ilość obserwacji wynosi N, ilość szacowanych parametrów K, a poziom ufności 1 − α 2. Czym różnią się przedziały ufności dla wartości oczekiwanych i realizacji prognoz 3. Jak należy stosować hipotezę postaci H 0 : Hβ = h , używając do tego sumy kwadratów reszt z modelu bez ograniczeń i z ograniczeniami 4. Wyjaśnić jakie korzyści i niebezpieczeństwa łączą się z narzuceniem ograniczeń na model. 5. Dla pewnej hipotezy statystycznej uzyskano wartość p na poziomie α * . Przyjmując poziom istotności α wyjaśnić kiedy hipotezę H0 odrzucamy, a kiedy nie będziemy mieli podstaw do tego. 6. Do czego służą testy diagnostyczny ? 7. Za pomocą jakiego testu testujemy prawidłowość formy funkcyjnej ? Jakiemu założeniu KMRL odpowiada H0 w tym teście ? Jaka jest hipoteza alternatywna w tym teście ? 8. Za pomocą jakiego testu weryfikowana jest normalność składnika losowego ? Jakiemu założeniu KMRL odpowiada H0 w tym teście ? Jaka jest hipoteza alternatywna w tym teście ? Jakie są konsekwencje dla własności MNK, jeśli H0 jest fałszywe ? 9. Za pomocą jakich testów można testować heteroscedastyczność ? Jakiemu założeniu KMRL odpowiada H0 w tych testach ? Jakie są hipotezy alternatywne w tych testach ? KARTKÓWKA 12 [07.01.09] 1. Za pomocą jakich testów testuje się autokorelację ? Jakiemu założeniu KMRL odpowiada H0 w tych testach ? Jakie są hipotezy alternatywne w tych testach ? 2. Jaki skutek może mieć pominięcie istotnej zmiennej w modelu ? 3. W jakim szczególnym przypadku można uzyskać prawidłowe oszacowania parametrów mimo, że w modelu pominięto istotne zmienne ? 4. Dlaczego z modelu powinno się usuwać zmienne nieistotne ? 5. Parametry przy zmiennych x1 i x 2 są dodatnie. Zmienne są ujemne skorelowane, jaki będzie wpływ pominięcia zmiennej x1 na oszacowanie parametru przy zmiennej x 2 ? KARTKÓWKA 13 [14.01.09] 1. Co to jest obserwacja nietypowa ? Kiedy obserwację nietypową można uznać za błędną ? 2. W jakim przypadku obserwacja nietypowa będzie miała znaczący wpływ na wynik regresji ? 3. Jakich statystyk używamy do wykrywania obserwacji nietypowych i błędnych ?