ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó. 2010. június

Hasonló dokumentumok
GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

Heckman modell. Szelekciós modellek alkalmazásai.

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

ELTE TáTK Közgazdaságtudományi Tanszék MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június

Több diszkrét kimenet multinomiális és feltételes logit modellek

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

VÁROS- ÉS INGATLANGAZDASÁGTAN

VÁROS- ÉS INGATLANGAZDASÁGTAN

REGIONÁLIS GAZDASÁGTAN B

BEVEZETÉS A PSZICHOLÓGIÁBA

BEVEZETÉS A PSZICHOLÓGIÁBA

EGÉSZSÉG-GAZDASÁGTAN

Bevezetés, tudnivalók, ökonometriai alapok

Matematikai statisztika c. tárgy oktatásának célja és tematikája

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív és mozgóátlag folyamatok

ELTE TáTK Közgazdaságtudományi Tanszék ESSZÉÍRÁS. Készítette: Reich Orsolya. Szakmai felelős: Wessely Anna június

MUNKAGAZDASÁGTAN. Készítette: Köllő János. Szakmai felelős: Köllő János január

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

EGÉSZSÉG-GAZDASÁGTAN

SZOCIÁLPOLITIKA. Készítette: Gál Róbert Iván, Nyilas Mihály. Szakmai felelős: Gál Róbert Iván, Nyilas Mihály június

OLS regresszió - ismétlés Mikroökonometria, 1. hét Bíró Anikó A tantárgy tartalma

Bevezetés az SPSS program használatába

VÁROS- ÉS INGATLANGAZDASÁGTAN

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

VÁROS- ÉS INGATLANGAZDASÁGTAN

KÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely június

VÁROS- ÉS INGATLANGAZDASÁGTAN Készült a TÁMOP /2/A/KMR pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

JOG ÉS KÖZGAZDASÁGTAN

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Első fejezet. Budapesti Corvinus Egyetem

ELTE TáTK Közgazdaságtudományi Tanszék MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter

Ökonometria. Dummy változók használata. Ferenci Tamás 1 tamas.ferenci@medstat.hu. Hetedik fejezet. Budapesti Corvinus Egyetem. 1 Statisztika Tanszék

Többváltozós lineáris regressziós modell feltételeinek

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

ELTE TáTK Közgazdaságtudományi Tanszék ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

Számítógépes döntéstámogatás. Statisztikai elemzés

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

MIKROÖKONÓMIA I. Készítette: Kőhegyi Gergely, Horn Dániel. Szakmai felelős: Kőhegyi Gergely június

OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia Szakmai felelős: Varga Júlia június

Az 1998-as szakiskolai reform hatása

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

VÁROS- ÉS INGATLANGAZDASÁGTAN

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

Többváltozós lineáris regressziós modell feltételeinek tesztelése II.

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

MIKROÖKONÓMIA II. B. Készítette: K hegyi Gergely. Szakmai felel s: K hegyi Gergely február

MEZŐGAZDASÁGI ÁRAK ÉS PIACOK

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

TUDOMÁNYOS MÓDSZERTAN ÉS ÉRVELÉSTECHNIKA

VÁROS- ÉS INGATLANGAZDASÁGTAN

GAZDASÁGSZOCIOLÓGIA I.

MAKROÖKONÓMIA. Készítette: Horváth Áron, Pete Péter. Szakmai felelős: Pete Péter február

A statisztika alapjai - Bevezetés az SPSS-be -

A statisztika oktatásáról konkrétan

Uniós források és hatásuk -- mennyiségek és mérési lehetőségek Major Klára. HÉTFA Kutatóintézet és Elemző Központ

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

VÁROS- ÉS INGATLANGAZDASÁGTAN

GAZDASÁGSZOCIOLÓGIA I.

Korreláció számítás az SPSSben

LOGIKA ÉS ÉRVELÉSTECHNIKA

Korreláció és lineáris regresszió

Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió

VÁROS- ÉS INGATLANGAZDASÁGTAN

ELTE TáTK Közgazdaságtudományi Tanszék OKTATÁSGAZDASÁGTAN. Készítette: Varga Júlia. Szakmai felelős: Varga Júlia június

ELTE TáTK Közgazdaságtudományi Tanszék KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

Idősoros elemzés. Ferenci Tamás, január 7.

FEJLŐDÉSGAZDASÁGTAN. Készítette: Szilágyi Katalin. Szakmai felelős: Szilágyi Katalin január

Idősoros elemzés minta

GAZDASÁGSZOCIOLÓGIA I.

Bevezetés a Korreláció &

2013 ŐSZ. 1. Mutassa be az egymintás z-próba célját, alkalmazásának feltételeit és módszerét!

Heckman modell. Szelekciós modellek alkalmazásai. Mikroökonometria, 12. hét Bíró Anikó Emlékeztető

KÖZGAZDASÁGTAN I. Készítette: Bíró Anikó, K hegyi Gergely, Major Klára. Szakmai felel s: K hegyi Gergely június

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

MEZŐGAZDASÁGI ÁRAK ÉS PIACOK

AZ EURÓÁRFOLYAM VÁLTOZÁSÁNAK HATÁSA NYUGAT- MAGYARORSZÁG KERESKEDELMI SZÁLLÁSHELYEINEK SZÁLLÁSDÍJ-BEVÉTELEIRE, VENDÉGFORGALMÁRA 2000 ÉS 2010 KÖZÖTT

Adatelemzés SAS Enterprise Guide használatával. Soltész Gábor solteszgabee[at]gmail.com

KÖZGAZDASÁGTAN II. Készítette: Lovics Gábor. Szakmai felelős: Lovics Gábor június

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

Az OECD PISA adatbázis elemzése

Biostatisztika VIII. Mátyus László. 19 October

A természetes szövetségesek: urbanisztika és statisztika MUT50 konferencia

Ökonometria BSc Gyakorló feladatok a kétváltozós regresszióhoz

Ökonometria gyakorló feladatok 1.

ELTECON MA Keresztmetszeti és panel ökonometria tematika

MIKROÖKONÓMIA I. B. Készítette: K hegyi Gergely, Horn Dániel és Major Klára. Szakmai felel s: K hegyi Gergely június

Átírás:

GAZDASÁGSTATISZTIKA

GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi Intézet, és a Balassi Kiadó közreműködésével.

ELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA Készítette: Bíró Anikó Szakmai felelős: Bíró Anikó 2010. június

GAZDASÁGSTATISZTIKA 9. hét Osztott késleltetésű modellek Bíró Anikó

2. zh. Megbeszélése

Idősorelemzés Keresztmetszeti vs. idősoros adatok Nehézségek idősorelemzésben Késleltetett hatások dinamikus modell Nem stacioner változók hamis regresszió Excel nehézkes helyette: EViews (alapokról: gyakorlaton)

Késleltetett változók Y, t t X W Z t t t 1,..., T, t 1,..., T X X t t 1 j, t T megfigyelés s T megfigyelés s 2,..., T T -1 megfigyelés s, t j 1,..., T T - j megfigyelés s Y regressziója W-re: T 1 megfigyelés OLS: mint korábban (feltéve: stacionárius változók) Példák Kamatcsökkentés infláció Tanfolyamon részvétel kereset

1. példa munkavédelmi oktatás safety.xls egy vállalat idősoros adatai 60 hónapon át Y: balesetek miatti veszteség (GDP/hó) X: munkavédelmi oktatás (óra/fő/hó) 4 időszaki osztott késleltetésű modell: Yt 0Xt 1Xt 1 2Xt 2 3Xt 3 4Xt 4 e t Késleltetés EViews-ban: X( 1)

Becslés eredménye Megfigyelések száma: kiigazítás után 56 Változó Koefficines t-stat. P-érték. C 91173.32 46.759 0.0000 Oktatás 131.99 2.783 0.0076 Oktatás( 1) 449.86 9.459 0.0000 Oktatás( 2) 422.52 9.032 0.0000 Oktatás( 3) 187.10 3.927 0.0003 Oktatás( 4) 27.77 0.583 0.5627 Együtthatók értelmezése Képzés hatása j hónap múlva, ceteris paribus Összeg: teljes hatás U-alak

2. példa szabadalmak 1960 1993 USA éves adatok (forrás: Gretl Ramanathan) Y: szabadalmak száma (ezer) X: R&D kiadások (mrd USD) Szükségesek-e késleltetett változók? Hány időszaki késleltetés?

Becslés eredménye Függő változó: szabadalom Módszer: OLS Minta(kiigazítva): 1964 1993 Megfigyelések száma: kiigazítás után 30 Változó Koefficiens Std. hiba t-stat. P-érték C 26.327 4.148 6.347 0.000 RD 0.597 0.459 1.298 0.207 RD( 1) 0.867 0.971 0.893 0.381 RD( 2) 0.013 1.098 0.012 0.991 RD( 3) 0.640 0.995 0.649 0.526 RD( 4) 1.347 0.494 2.727 0.012 R-négyzet 0.964

Késleltetés hosszának megválasztása Leghosszabb, még ésszerű késleltetés megválasztása, q max Becslés, q max szignifikanciájának tesztelése. Ha szignifikáns: végeztünk. Ha nem szignifikáns: késleltetés hosszának csökkentése. 2. pont ismétlése q max 1, q max 2, késleltetéssel

Összefoglalás Osztott késleltetésű modell Modell felírása Együtthatók értelmezése Késleltetés hosszának megválasztása

Gyakorlat EViews használat

Az EViews és más szoftverek Statisztikai ökonometriai szoftver Felhasználóbarát, idősoros elemzésre nagyon jó Help fájlok (User s guide) Stata Több beépített eljárása van, jobban programozható Keresztmetszeti és panel elemzésre jobban használható Gretl Ingyenesen letölthető Panel- és többváltozós idősor-modellekre hiányos Excel Idősorelemzésre nem alkalmas Nagy adatbázisokra nehézkes

Adatok betöltése 1. Példa: educ.xls File/new/workfile annual Objects/new object/series edit Copy paste Name

Adatok betöltése 2. Példa: safety.xls File/new/workfile undated Procs/Import/Read text-lotus-excel Forrásfájl legyen bezárva! Excel sheet name: safety Upper-left data cell: pl. A2 Names for series: pl. loss train mindkét adatsort beolvassa

Változók kezelése Megnyitás, deskriptív statisztikák, grafikonok View/Descriptive statistics View/Graph Több adatsor együttesen is kijelölhető (open as group) Változó generálás (genr) Minta: smpl smpl 1 20 smpl @all Vagy: quick/sample

Regresszió Quick/estimate equation Konstanst feltüntetni! Vagy: equation name.ls Output formátuma, view opciók

Gyakorlás Educ.xls fájl importálása EViews-ba Y: GDP éves növekedés X: oktatási kiadás/fő 16 éven aluliakra Deskriptív statisztika GDP éves növekedéséről Osztott késleltetésű modell becslése, 5 éves késleltetéssel (késleltetés: X( 1)) Késleltetés hosszának megválasztása (feltételezés: max. 10 év)

Késleltetés hosszának megválasztása Leghosszabb, még ésszerű késleltetés megválasztása, q max Becslés, q max szignifikanciájának tesztelése. Ha szignifikáns: végeztünk. Ha nem szignifikáns: késleltetés hosszának csökkentése. 2. pont ismétlése q max 1, q max 2, késleltetéssel

Gyakorló feladat 8.1, 8.2 EViews programmal! Safety.xls fájl max. késleltetés legyen 6 hónap

Házi feladat (egyéni) Egy tetszőleges (de közgazdaságilag ésszerű) keresztmetszeti modell becslése EViews programmal Modell rövid ismertetése Függő változó deskriptív statisztikája, hisztogramja Korreláció két tetszőleges változó között Becslés, együtthatók értelmezése