P O B I E R Z
Transkrypt
P O B I E R Z
Modele nieliniowe sprowadzalne do liniowych Modele liniowe względem parametrów – przykłady, zastosowania Modele hiperboliczne i wykładnicze Związek kształtu modelu z celem analizy ekonometrycznej NajwaŜniejsze typy modeli liniowych względem parametrów - c.d. 1. Model hiperboliczny Y = β1 + β2 +Z X 1 Przypadek a) to np. krzywa długookresowych średnich kosztów stałych producenta procentowy wzrost płac [%] Przypadek b) to np. krzywa Philipsa Naturalna stopa bezrobocia stopa bezrobocia [%] 2 Przypadek c) często wykorzystywany jest w opisach popytu konsumpcyjnego Są to tzw. krzywe Engla (Ernst Engel, 1821-1896 ) Związki między postacią modelu a interpretacją parametrów strukturalnych 2. Model log-log : ln Y = β1 + β 2 ln( X ) + Z Interpretacja: β2 to elastyczność Y względem X ; E X = Y ' 3. Model log-lin: Interpretacja: β2 = X dY X = Y dX Y ln Y = β1 + β 2 X + Z względny przyrost Y przyrost X względny przyrost Y =β1 przyrost X Wyjaśnić skąd to się wzięło i dlaczego warto zmienić postać modelu ? 3 Związki postaci modelu z estymacją wybranych wskaźników analizy marginalnej Typ modelu równanie przyrost krańcowy Model liniowy Y = β1 + β 2 X + Z β2 Model log-log ln Y = β1 + β 2 ln X + Z β2 Model log-lin ln Y = β1 + β 2 X + Z Model lin-log Y = β1 + β 2 ln X + Z Model hiperboliczny Y = β1 + Y X β 2Y 1 X β2 β2 +Z X 1 − β2 2 X elastyczność X Y β2 β2 β2 X 1 Y β2 1 − β2 XY Przykład Model wydatków konsumpcyjnych Przeprowadzono badania dotyczące wydatków konsumpcyjnych w rodzinach zamieszkujących pewien region przemysłowy. Przedstawione dane podają roczne wydatki na pewne dobra (W) oraz roczne dochody w tych rodzinach per capita (DC) DC 20800. 64400. 72800. 19600. 40200. 43300. 91700. 76100. 94800. 44700. 80500. 104300. 40600. 46400. 26800. 22000. 19800. 15500. 69300. 69300. W 10218. 18362. 21042. 11077. 17556. 18082. 23125. 20849. 23360. 17260. 21367. 22592. 17049. 18608. 14108. 11572. 8938. 4269. 19139. 20741. DC 23500. 45900. 76900. 54600. 56100. 83800. 35300. 76700. 52900. 42000. 55000. 44600. 70200. 71500. 88600. 100100. 64200. 58800. 57500. 87800. W 11206. 17626. 21631. 19726. 19690. 19669. 16198. 20915. 20017. 18512. 18452. 17673. 20583. 22752. 22412. 22316. 19249. 18870. 20333. 20881. 4 Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu Etap I: Propozycja postaci modelu - propozycja modelu liniowego W = β1 + β 2DC + Z Etap II: Estymacja parametrów b1 = 9257 , b 2= 0.155 Etap III : Weryfikacja modelu - A - wskaźniki jakości modelu 1. Współczynnik determinacji: R2 =0.77 2. Wskaźnik wyrazistości: V=11% 3. Standardowe błędy ocen parametrów: Sb1 = 844, Sb2 = 0.0135 Przykład Model wydatków konsumpcyjnych Etap III : Weryfikacja modelu - etap C - test serii - 7389.7, - 1216.95, - 3386.94, - 2261.88, - 1093.81, - 1692.22, 698.485, 1471.5, 2070.3, 1501.32, 2747.41, 2115.99, 1505.57, 1077.07, 1257.14, 2161.68, 2563.57, 2009.17, 673.197, 1740.76, 2166.85, 502.428, 44.7557, - 873.232, - 855.435, 746.565, 449.12, 2416.7, 505.278, - 199.022, - 225.985, 459.027, - 362.755, - 2572.05, - 1979.81, - 572.763, - 340.075, - 585.387, - 2450.56, - 2825.31 ------+++++++++++++++++--++++--+-------- Liczba plusów N+=22, liczba minusów N_=18. Liczba serii Ns= 7. 5 Przykład Model wydatków konsumpcyjnych Etap III : Weryfikacja modelu - etap C - graficzna analiza reszt W 25000 2000 20000 40000 60000 80000 100000 -2000 15000 -4000 10000 T -6000 20000 40000 60000 80000 100000 DC Diagram korelacyjny Wykres: reszty vs. zmienna objaśniająca DC Odrzucamy model Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu - inna postać – wersja 2. Etap I: Propozycja nowej postaci modelu W = β1 + β 2 1 +Z DC 6 Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu - inna postać – wersja 2. Etap II: Estymacja parametrów Dane: DC W 1/DC 1 20800. 10218. 64400. 18362. ... 1 X= ... 1 20800 1 64400 ... 69300. 20741. 1 ... 1 69300 10218. 18362. Estymator MNK b = (XTX)-1XTW W= ... 20741. Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu - inna postać – wersja 2. Etap II: Estymacja parametrów b1 = 25107 , b 2= -310 740 000 Etap III : Weryfikacja modelu - A - wskaźniki jakości modelu 1. Współczynnik determinacji: R2 =0.96 2. Wskaźnik wyrazistości: V=5% 3. Standardowe błędy ocen parametrów: Sb1 = 277, Sb2 = 10 696 000 7 Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu - inna postać – wersja 2. Etap III : Weryfikacja modelu - C - test serii 463.605, 312.61, 1530.16, 1405.97, 811.539, - 687.505, - 1730.57, 119.44, 564.148, - 141.315, - 175.373, 202.723, 1990.33, - 98.1882, - 1484.7, 117.299, - 1920.53, - 1018.5, - 952.989, 629.491, 121.355, - 1005.86, 309.526, 783.42, 197.301, - 711.747, - 896.003, - 467.416, 150.763, 802.891, - 404.986, 178.171, - 106.846, 595.1, - 678.695, 588.872, 49.7509, - 475.732, 1823.41, - 790.924 +++++--++--++--+---++-+++---++-+-+-++-+- Liczba plusów N+=22, liczba minusów N_=18. Liczba serii Ns= 22. Nie ma podstaw do odrzucenia hipotezy o liniowości modelu. Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu - inna postać – wersja 2. Etap III : Weryfikacja modelu - C - graficzna analiza reszt 2000 20000 1000 15000 20000 40000 60000 80000 100000 10000 -1000 20000 40000 60000 80000 100000 -2000 Diagram korelacyjny Wykres: reszty vs. zmienna objaśniająca DC 8 30000 25000 20000 15000 10000 5000 25000 50000 75000 Otrzymaliśmy krzywą Engla 100000 125000 150000 175000 200000 W = 25107 − 310740000 DC Przykład Model wydatków konsumpcyjnych Wybrane części procesu budowy modelu - inna postać – wersja 3. Proponowana postać ln W = β1 + β 2 ln DC + Z Postać ta umoŜliwi nam precyzyjniejsze (?) oszacowanie elastyczności dochodowej popytu na to dobro Otrzymujemy oszacowany model (juŜ trochę na skróty) ln W = 3.55 + 0.57 ln DC Oznacza to, Ŝe elastyczność dochodowa popytu na to dobro wynosi 0.57 Jak nazywamy takie dobra? Kwestie do rozwaŜenia czy model jest poprawny, czy moŜna go było wykorzystać w opisanym celu? czy elastyczność dochodowa jest dla tego dobra stała? 9 Przykład Model popytu PoniŜsze dane* przedstawiają obserwacje wielkości spoŜycia kawy w USA w latach 1970-1980 CP 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 2.57 2.5 2.35 2.3 2.25 2.2 2.11 1.94 1.97 2.06 2.02 DP 0.77 0.74 0.72 0.73 0.76 0.75 1.08 1.81 1.39 1.2 1.17 gdzie CP to wielkość spoŜycia mierzona w filiŜankach na dzień per capita , zaś DP to cena kawy w dolarach za funt ( w dolarach z roku 1969) *Dane z Summary of National Coffee Drinking Study, Data Group, Inc., Elkins Park, Penn., !981 Przykład Model popytu Proponowana postać modelu CP = β1 + β 2 DP + Z Oszacowania i podstawowe wskaźniki modelu: CP = 2.69 − 0.48DP (0.12) (0.11) Współczynnik determinacji r2=0.66 W teście serii otrzymujemy ciąg + + + - - - - + - - - co nie przeczy hipotezie o liniowości modelu. 10 Przykład Model popytu, wersja 2 Proponowana teraz postać modelu to ln CP = β1 + β 2 ln DP + Z Oszacowania i podstawowe wskaźniki modelu: ln CP = 0.77 − 0.25 ln DP (0.015) (0.05) Współczynnik determinacji r2=0.74 + + - - W teście serii otrzymujemy ciąg co nie przeczy hipotezie o liniowości modelu. Który model wybrać? Dyskusja - - + - - - ? Tak czy owak, jeszcze do tego wrócimy na kolejnym wykładzie, na razie tylko jedno: Przykład Model popytu, wersja 2 Postać ln CP = 0.77 − 0.25 ln DP (0.015) (0.05) modelu popytu na kawę umoŜliwia nam lepszą ocenę elastyczności dochodowej popytu. Po co nam ona? Przypomnijmy, Ŝe ułatwia ona pewne decyzje producenckie, np. ocenę opłacalności zmiany cen. 11 Przykład Modele hiperboliczne cd. procentowy wzrost płac [%] Krzywa Philipsa Naturalna stopa bezrobocia stopa bezrobocia [%] Przykład. ZaleŜność wzrostu płac od stopy bezrobocia. Dane brytyjskie PoniŜsze dane przedstawiają procentowy wzrost płac (increase of wages) i wielkość stopy bezrobocia (unemployment rate) w UK w latach 1950-1966 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 IW UR 1.8 8.5 8.4 4.5 4.3 6.9 8. 5. 3.6 2.6 2.6 4.2 3.6 3.7 4.8 4.3 4.6 1.4 1.1 1.5 1.5 1.2 1 1.1 1.3 1.8 1.9 1.5 1.4 1.8 2.1 1.5 1.3 1.4 12 Zgodnie z teorią Philipsa budujemy model hiperboliczny: IW = β1 + β2 +Z UR W wyniku estymacji otrzymujemy model IW = −1.428 + 8.724 (2.07) (2.85) 1 UR Otrzymana krzywa jest zgodna z teorią - nie tylko jej przebieg, ale takŜe znaki współczynników modelu. Współczynnik determinacji dla modelu R2=0.38 procentowy wzrost płac [%] IW = −1.428 + 8.724 I co z tego? 1 UR 6 4 Naturalna stopa bezrobocia 2 22 44 8 66 stopa bezrobocia [%] Krzywa Philipsa dla danych brytyjskich z lat 1950-66 ZauwaŜmy, Ŝe oszacowanie tzw. naturalnej stopy bezrobocia wynosi w tym przypadku 6.1% 13 IW = −1.428 + 8.724 1 UR procentowy wzrost płac [%] 8 6 4 Naturalna stopa bezrobocia 2 22 44 8 66 stopa bezrobocia [%] Krzywa Philipsa dla danych brytyjskich z lat 1950-66 Przykład. ZaleŜność wzrostu płac od stopy bezrobocia. Dane polskie PoniŜsze dane przedstawiają procentowy wzrost inflacji i wielkość stopy bezrobocia w Polsce w latach 1991-2006 WI 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 170.3 143 135.3 132.2 127.8 119.9 114.9 111.8 107.3 110.1 105.5 101.9 100.8 103.5 102.1 101 WSB 6.6 12.1 14.2 16.7 16.1 15.4 13.1 10.7 11.4 13.7 15.7 18.1 18.6 20.6 19.4 18 14 Ponownie, stosując się do teorii Philipsa budujemy model hiperboliczny: WI = β1 + β2 +Z WSB W wyniku estymacji otrzymujemy model WI = −23.6 + 578.2 (10.5) 1 WSB (138.3) Otrzymana krzywa takŜe jest zgodna z teorią - tak jej przebieg, jak i znaki współczynników modelu. Współczynnik determinacji dla modelu R2=0.56 procentowy wzrost inflacji [%] WI = −23.6 + 578.2 1 WSB 150 125 100 75 Naturalna stopa bezrobocia 50 25 55 10 10 15 15 20 25 30 stopa bezrobocia [%] Krzywa Philipsa dla danych polskich z lat 1991-2006 ZauwaŜmy, Ŝe oszacowanie naturalnej stopy bezrobocia wynosi w tym przypadku 24.5% 15 Przykład. ZaleŜność wzrostu płac od stopy bezrobocia. Dane USA PoniŜsze dane przedstawiają procentowy wzrost inflacji i wielkość stopy bezrobocia w USA w latach 1976-1995 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 procentowy wzrost inflacji [%] WI = 5.8 − 3.2 WI 5.8 6.5 7.6 11.3 13.5 10.3 6.2 3.2 4.3 3.6 1.9 3.6 4.1 4.8 5.4 4.2 3 3 2.6 2.8 WSB 7.7 7.1 6.1 5.8 7.1 7.6 9.7 9.6 7.5 7.2 7 6.2 5.5 5.3 5.6 6.8 7.5 6.9 6.1 5.6 1 WSB 8 7 6 5 4 3 66 88 10 10 12 stopa bezrobocia [%] Krzywa „Philipsa” dla danych amerykańskich z lat 1976-1995 Oczywiście Ŝadne wskaźniki tego modelu nie są zadowalające – nawet gorzej ZauwaŜmy, absolutną niezgodność z teorią ! 16 Przykład: model wzrostu dochodu narodowego USA (growth of real GNP) PoniŜsze dane przedstawiają wielkość dochodu narodowego USA w latach 1962-1981 (miliardy dolarów) GNP 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 560.3 590.5 632.4 684.9 749.9 793.9 865. 931.4 992.7 1077.6 1185.9 1326.4 1434.2 1549.2 1718. 1918.3 2163.9 2417.8 2633.1 2937.7 Przykład Model dochodu narodowego USA Proponowana postać modelu GNP = β1 + β 2Year + Z Oszacowania i podstawowe wskaźniki modelu: GNP = −229122 + 116.9Year (16632) (8.44) Współczynnik determinacji r2=0.91 Wskaźnik wyrazistości modelu V=16% 17 Przykład Model dochodu narodowego USA, wersja 2 Proponowana teraz postać modelu to ln GNP = β1 + β 2Year + Z Oszacowania i podstawowe wskaźniki modelu: ln GNP = −165.4 − 0.088Year (3.29) (0.0017) Współczynnik determinacji r2=0.99 Wskaźnik wyrazistości modelu V=16% Który model wybrać? Interpretacja parametrów: 18