Materiały pomocnicze
Transkrypt
Materiały pomocnicze
Weryfikacja oszacowanego modelu Weryfikacja merytoryczna oszacowanego modelu polega na konfrontacji otrzymanych wyników oraz dotychczasowej wiedzy o badanych zjawiskach ekonomicznych. Weryfikacja formalno-statystyczna oszacowanego modelu - ma na celu ocenę, czy otrzymane wyniki są zgodne z przyjętą procedurą. Badanie dopasowania modelu do danych empirycznych. A. Dokładność szacunku równania Miary te informują o tym z jaką dokładnością oszacowane równanie wyznacza w obrębie próby wartości zmiennej objaśnianej. 1 Współczynnik zbieżności ϕ2 n 2 ( y − y ) ˆ ∑ t φ 2 = t =n1 2 ( ) y − y ∑ t t =1 W zapisie macierzowym: ∑ ϕ = 2 2 yt − ( X y ) αˆ T 2 ( y − y ) ∑ t T Współczynnik zbieżności określa jaka część całkowitej zmienności zmiennej objaśnianej nie została wyjaśniona przez dany model ekonometryczny przez zmienne objaśniające występujące w modelu, przybiera wartości z p przedziału [[0,1] , ] Model ekonometryczny y y jjest lepiej p j dopasowany do danych empirycznych jeżeli φ2 jest bliższe zeru. 2.Współczynnik determinacji R2 n ∑ ( yˆ t − y ) 2 R 2 = t =n1 2 ( ) y − y ∑ t =1−φ 2 t =1 W zapisie i i macierzowym: i R2 = 1 − ϕ 2 = 1 − T T 2 y − X y ) αˆ ( ∑ t ∑ ( yt − y ) 2 Współczynnik ten jest miarą dopasowania liniowego modelu do danych rzeczywistych. Określa on jaka część całkowitej zmienności zmiennej objaśnianej bj ś i j została t ł wyjaśniona j ś i przez dany d model d l ekonometryczny (przez zmienne objaśniające występujące w modelu ). Współczynnik determinacji jest odwrotnością współczynnika zbieżności i przybiera wartości z przedziału [0,1] Model ekonometryczny jest lepiej dopasowany do danych empirycznych jeżeli R2 jest bliższe jedności. 3. Wariancja reszt modelu ( S e2 lub σ e2 ) oraz 3 standardowy błąd oceny ( S e lub σ e ) Wariancja reszt modelu: n ∑ yt − yˆ t σ e2 lub S e2 = t =1 n − (k + 1) W zapisie p macierzowym: y σ e2 lub S e2 n 1 T = e eˆ = ˆ ∑ n − (k + 1) i =1 ( 1 y T y − yˆ T yˆ n − (k + 1) ) Standardowy błąd oceny σ e lub S e = σ e2 Se - odchylenie standardowe reszt ukazuje o ile przeciętnie odchylają się wartości teoretyczne zmiennej objaśniającej (Y) od wartości empirycznych tych zmiennych 4. Współczynnik zmienności resztowej Ve Se Ve = ∗ 100% y Współczynnik ten informuje nas jaką część średniego poziomu zmiennej zależnej Y stanowi odchylenie standardowe resztowe (jaką część średniego poziomu zmiennej zależnej Y stanowią wahania przypadkowe). Mniejsza wartość współczynnika Ve wskazuje na lepsze dopasowanie modelu do danych empirycznych. empirycznych Dokładność szacunku parametrów Standardowe St d d bł d szacunku błędy k estymatorów t t ó W przypadku gdy zmienne objaśniające są nielosowe, macierz kowariancji MNK-estymatora MNK estymatora wyraża się wzorem: 2 2 ( D (α) =σ ⋅ X X T ) −1 Ponieważ nie znamy wariancji zakłóceń σ 2 zastępujemy ją wariancją reszt 2 2 modelu d l (Se lubσ e ) otrzymując t j w ten t sposób ób 2 macierz (Sα ) będącą ę ą ą oszacowaniem macierzyy kowariancji MNK-estymatorów. 2 Sα = 2 Se ( ⋅ X X T ) −1 Elementy leżące na głównej przekątnej tej macierzy są wariancją charakteryzującą oczekiwany kwadrat błędu estymatora. Pierwiastek z tych wariancji jest odchyleniem standardowym estymatorów zwanym również średnim lub standardowym błędem szacunku: σ α lub l b Sα = 2 Se Przykład: Oszacowaliśmy model dla którego wariancja reszt modelu jest równa: (Se2 lubσ e2 ) = 0,7176 ( T ) −1 Znane są również Z ó i ż elementy l t macierzy i odwrotnej d t j X X . Żeby wyznaczyć odchylenia standardowe estymatorów należy l ż wykonać k ć działania: d i ł i ⎡ 347,75807 2 D (α ) = 0,7176⋅ ⎢− 24,22513 ⎢⎣− 24,13729 − 24,22513 − 24,13729⎤ 1,70659 1,65713 1,65713 1,71003 ⎥ ⎥⎦ 9 1 1 5 5 , 9 4 2 − 17,38395 − 17,32092⎤ 5 6 4 2 2 , 1 1,18916 1,18916 ⎥ ⎥⎦ 2 1 7 2 2 , 1 ⎡ = ⎢ − 17,38395 ⎢⎣ − 17,32092 Pierwiastki elementów leżących na głównej przekątnej powyższej macierzy to właśnie średnie błędy ocen parametrów, a zatem: σ α 0 = 249,55119 = ±15,79719 σ α1 = 1,22465 = ±1,10664 σ α 2 = 1,22712 = ±1,10775