ˆα i 1
Transkrypt
ˆα i 1
Praca laboratoryjna #1 03/11/2010 1. Ze strony http://coin.wne.uw.edu.pl/lmorawsk pobierz plik lab1.rar 2. Plik ten zawiera dane roczne dla gospodarki amerykańskiej za lata 1970-79: a. realny dochód rozporządzalny (inc), b. realna konsumpcja (cons). 3. Stata nie czyta bezpośrednio plików .xls. Aby zaimportować dane do Staty musimy je wpierw zapisać w formacie .csv (comma separated values czyli wartości rozdzielone przecinkami) lub tab (tab delimited data)- wybierz jeden z formatów przy zapisie pliku w Excelu 4. Uruchom Statę. 5. Utwórz plik „log”. File/Log/Begin/”nazwa pliku”/enter 6. zaimportuj plik - w tym celu z menu File wybierz punkt Import, podpunkt ASCII data created by a spreadsheet. W okienku, które się ukaże wpisz nazwę pliku w polu ASCII dataset filename. W okienku Variables powinny pokazać się nazwy wczytanych zmiennych (obs, inc i cons). 7. Wyświetl statystyki opisowe zmiennych (średnia, odchylenie standardowe, minimum, maximum). W tym celu z menu Statistics, wybierz punkt Summaries, tables& tests ) Summary statistics ) Summary statistics. Alternatywnie możesz wpisać komendę summarize w okienku poleceń (o nazwie Stata Command). 8. Zwróć uwagę na brak wartości dla zmiennej inc. Dlaczego ? Ponieważ jest to zmienna tekstowa. Aby się o tym przekonać skorzystaj na przykład z polecenia codebook. 9. Zmień format zmiennej inc z tekstowego na numeryczny. Możesz użyć polecenia „destring” lub „encode”. Skorzystaj z „help”a. Tylko jedno z poleceń zadziała w tym przypadku ! 10. Oszacuj model tłumaczący konsumpcję za pomocą stałej i dochodu: const = 0 + 1inct +t 11. Jaka jest interpretacja parametrów 0 i 1 ? Jakie są oczekiwana znaki tych parametrów? 12. W celu oszacowania tej regresji wybierz punkt Statistics=>Linear regression and related => Linear regression. Uwaga - Stata sama dodaje stalą do modelu. Alternatywnie możesz skorzystać z polecenia regress wpisanego bezpośrednio do okna poleceń. Aby dowiedzieć się więcej o składni tego polecenia wpisz help regress . 13. Na wydruku regresji odnajdź: a. wartości α̂ 0 i α̂ 1 (czy są zgodne z oczekiwaniami ?), b. liczbę obserwacji na której szacowano model, c. RSS, ESS i TSS. d. R2 14. Utwórz szereg wartości teoretycznych i szereg reszt. Skorzystaj z polecenia predict: a. predict yhat - zapisuje na zmiennej yhat szereg wartości teoretycznych. b. predict resids, residuals - zapisuje na zmiennej resids szereg reszt. 15. Zrób wykres konsumpcji z nałożonymi wartościami dopasowanymi ( na osi X: inc, a na osi Y wartości obserwowane i teoretyczne) 16. Zrób wykres reszt od X 17. Zrób histogramy dla cons i reszt 18. Oblicz średnią wartość empiryczną (dane) i średnią wartość teoretyczną (dopasowaną) 19. Zweryfikuj, że suma reszt jest równa 0 20. Zamknij log-file (log close) 21. Wyślij log-file na adres [email protected] do 09.11 do godz.8.00 (czas odbioru poczty) KONIEC