ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

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

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

Matematikai statisztika

Statisztika elméleti összefoglaló

) ( s 2 2. ^t = (n x 1)s n (s x+s y ) x +(n y 1)s y n x+n y. +n y 2 n x. n y df = n x + n y 2. n x. s x. + s 2. df = d kritikus.

5. előadás - Regressziószámítás

Matematikai statisztika elıadás III. éves elemzı szakosoknak. Zempléni András 9. elıadásból (részlet)

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

Többváltozós lineáris regressziós modell feltételeinek

ÖKONOMETRIA. Készítette: Elek Péter, Bíró Anikó. Szakmai felelős: Elek Péter június

? közgazdasági statisztika

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

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

20 PONT Aláírás:... A megoldások csak szöveges válaszokkal teljes értékőek!

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

VÁROS- ÉS INGATLANGAZDASÁGTAN

? közgazdasági statisztika

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

Hipotézis vizsgálatok. Egy példa. Hipotézisek. A megfigyelt változó eloszlása Kérdés: Hatásos a lázcsillapító gyógyszer?

Miért pont úgy kombinálja kétfokozatú legkisebb négyzetek módszere (2SLS) az instrumentumokat, ahogy?

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

s n s x A m és az átlag Standard hiba A m becslése Információ tartalom Átlag Konfidencia intervallum Pont becslés Intervallum becslés

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Heckman modell. Szelekciós modellek alkalmazásai.

A heteroszkedaszticitásról egyszerûbben

REGIONÁLIS GAZDASÁGTAN B

Statisztika 1. zárthelyi dolgozat március 21.

Korreláció- és regressziószámítás

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Lineáris regressziószámítás 1. - kétváltozós eset

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Diagnosztika és előrejelzés

Virág Katalin. Szegedi Tudományegyetem, Bolyai Intézet

Hipotéziselmélet. Statisztikai próbák I. Statisztikai próbák II. Informatikai Tudományok Doktori Iskola

A paramétereket kísérletileg meghatározott yi értékekre támaszkodva becsülik. Ha n darab kisérletet (megfigyelést, mérést) végeznek, n darab

Tapasztalati eloszlás. Kumulált gyakorisági sorok. Példa. Értékösszegsor. Grafikus ábrázolás

A többváltozós lineáris regresszió 1.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Statisztika. Eloszlásjellemzők

1. előadás: Bevezetés. Számonkérés. Irodalom. Valószínűségszámítás helye a tudományok között. Cél

A maximum likelihood becslésről

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

Lineáris regresszió. Statisztika I., 4. alkalom

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

BIOMATEMATIKA ELŐADÁS

Megállapítható változók elemzése Függetlenségvizsgálat, illeszkedésvizsgálat, homogenitásvizsgálat

Regresszió. Fő cél: jóslás Történhet:

A szórások vizsgálata. Az F-próba. A döntés. Az F-próba szabadsági fokai

Logisztikus regresszió

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

Az átlagra vonatkozó megbízhatósági intervallum (konfidencia intervallum)

Táblázatok 4/5. C: t-próbát alkalmazunk és mivel a t-statisztika értéke 3, ezért mind a 10%-os, mind. elutasítjuk a nullhipotézist.

Feladatok és megoldások a 11. heti gyakorlathoz

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

Regresszió és korreláció

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

A standard modellfeltevések, modelldiagnosztika

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Adatok statisztikai értékelésének főbb lehetőségei

REGIONÁLIS GAZDASÁGTAN

Matematikai statisztika I. témakör: Valószínűségszámítási ismétlés

2. METROLÓGIA ÉS HIBASZÁMíTÁS

Matematikai statisztika szorgalmi feladatok

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

Izsák János. ELTE TTK Állatrendszertani és Ökológiai Tanszék. Kézirat

Regresszió és korreláció

Valószínőségszámítás

Elemi statisztika. >> =weiszd= << december 20. Szerintem nincs sok szükségünk erre... [visszajelzés esetén azt is belerakom] x x = n

Tudjuk, hogy az optimumot az ún. regressziós görbe szolgáltatja, melynek egyenlete:

y ij = µ + α i + e ij

Statisztikai módszerek a skálafüggetlen hálózatok

A matematikai statisztika elemei

Több valószínűségi változó együttes eloszlása, korreláció

Diszkrét idejű felújítási paradoxon

véletlen : statisztikai törvényeknek engedelmeskedik (Mi az ami közös a népszavazásban, a betegségek gyógyulásában és a fiz. kém. laborban?

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

[Biomatematika 2] Orvosi biometria

Regresszióanalízis. Példák. A regressziószámítás alapproblémája. A regressziószámítás alapproblémája. Informatikai Tudományok Doktori Iskola

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

Statisztika Elıadások letölthetık a címrıl

földtudományi BSc (geológus szakirány) Matematikai statisztika elıadás, 2014/ félév 6. elıadás

Regressziós vizsgálatok

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Tanult nem paraméteres próbák, és hogy milyen probléma megoldására szolgálnak.

Autoregresszív és mozgóátlag folyamatok

Bevezetés a hipotézisvizsgálatokba

6. feladatsor. Statisztika december 6. és 8.

Többváltozós lineáris regresszió 3.

Regresszió számítás az SPSSben

Excel segédlet Üzleti statisztika tantárgyhoz

Intervallum Paraméteres Hipotézisek Nemparaméteres. Statisztika december 2.

Kettőnél több csoport vizsgálata. Makara B. Gábor

Átírás:

ÖKONOMETIA Készült a TÁMOP-4.1.-08//A/KM-009-0041pályázat projet eretébe Tartalomfejlesztés az ELTE TáTK Közgazdaságtudomáy Taszéé az ELTE Közgazdaságtudomáy Taszé az MTA Közgazdaságtudomáy Itézet és a Balass Kadó özreműödésével Készítette: Ele Péter, Bíró Aó zama felelős: Ele Péter 010. júus

ÖKONOMETIA 7. hét Becslése összefoglalása és agymtás elmélet Készítette: Ele Péter, Bíró Aó zama felelős: Ele Péter y = α + β 1 x 1 + β x + + β x + u, =1 egresszós modell eltevése: 1. E(u = 0. u, u j függetlee mde j-re 3. x, u j függetlee mde, j-re (exogetás 4. cs töéletes olleartás 5. Var(u = mde -re 6. u ormáls eloszlású 1 5.: Gauss Marov-feltétele 1 6.: lasszus leárs modell feltétele

eltétele máshogya (agymtás elmélethez sztochasztus magyarázó változó 1. A populácós modell: y = α + β 1 x 1 + β x + + β x + u.. {(x 1,x,,x,y, = 1,,} függetle véletle mta a modellből 3. Egy magyarázó változó sem ostas, és a magyarázó változó özött cs töéletes multolleartás 4. Exogetás: E(u x 1,,x = 0 5. Homoszedasztctás: Var(u x 1,,x = σ 6. u függetle a magyarázó változótól, és eloszlása ormáls 1 5.: Gauss Marov feltétele 1 6.: lasszus leárs modell feltétele Többváltozós regresszó becslés Becslés: mometumo módszere vagy legsebb égyzetösszeg alapjá (de ormáls hbatag eseté ML-becslés s m Q ( y 1x1 x..., x Mátrx y Xβ u -1 β ( X' X ( X' y Egyváltozós eset xy yy xy x x x x x x y y x y y y y y x y x u y y y x y xy 3

Többváltozós regresszó értelmezés Együttható értelmezése Parcáls hatás ( ceters parbus : adott magyarázó változó hatása függő változóra, több magyarázó változó fxe tartása mellett Többszörös determácós együttható: = yy (1 Becslés smtás tulajdosága Az 1 4. feltétele teljesülése eseté az OL-becslés torzítatla. Az 1 5. (Gauss Marov feltétele teljesülése eseté a becslés BLE, és a paraméterbecslése szoásos varacája helyes Var ( Az 1 6. (lasszus leárs modell feltétele eseté a t-, -statszta t-, ll. -eloszlású (mde mtaelemszám eseté. Többváltozós regresszó, t-próba Kétoldal próba: pl. H 0 : β = 0, H 1 : β 0 Egyoldal próba: pl. H 0 : β = 0, H 1 : β > 0 Normáls hbatago eseté: ~ t E( 1 Var ( 1 4

Egyváltozós eset 1/ x / / ~ t ~ t Többváltozós regresszó, -próba Egymásba ágyazott hpotézse tesztelése Több orlátozás együttes tesztelése ( / r ( /( (1 yy (1 / r ~ /( yy (1 r,( egresszóhaszálhat haszálhatatlasága atlasága: H 0 : 1... 0 (1 0 / ~ /(,( Varacaaalízs zórás Négyzet- zabads.- Átl. forrása összeg fo égyzetö. egr. yy yy / = M 1 = = M 1 /M Maradé (1 yy 1 (1 yy /( = = M Teljes yy 1 5

Nagymtás eredméye 1. Kozszteca Az 1 4. feltétele teljesüléseor az OL becslés ozsztes. Egyváltozós esetre a bzoyítás xy plm Cov(x,y Var(x Cov( x, u Var( x Cov( x, x u Var( x Nagymtás eredméye. Aszmptotus ormaltás Az 1 5. (Gauss Marov feltétele teljesülése eseté az OL becslés aszmptotusa ormáls ~ N0, c aszmpt c Var( T (1 (1 x Tehát a szórás 1/ agyságredbe tart ullához. A σ szoásos becslése ozsztes, így a szoásos t-teszt aszmptotusa érvéyes (még a 6. ormaltás feltétel élül s! Nagymtás eredméye 3. -teszt és hasoló Az 1 5. feltétele eseté (tehát em ell a 6. (ormaltás feltétel az -teszt aszmptotusa érvéyes. 6

Tovább agymtás teszte (csa aszmptotusa érvéyese: Wald-teszt: ( / ~ χ r a regresszó haszálhatatlaságára: /(1 ~ χ Lagrage-multplátor (LM teszt: ( / ~ χ r a regresszó haszálhatatlaságára: ~ χ Korrgált 1 1 (1 1 Modellszelecó Egymásba ágyazott hpotézse: t- és -próba Nem egymásba ágyazott hpotézs, függő változó azoos: orrgált, formácós rtérumo (AIC, BIC log-lelhood alapjá Léyeges változó hagyása Khagyott változó orrelál behagyott változóal: torzított becslés (edogetás Kétváltozós regresszó Téyleges modell: y = β 1 x 1 + β x + u Becsült modell: y = γ 1 x 1 + u Torzítás: Corr(x 1,x >0 Corr(x 1,x <0 β >0 + β <0 + 7

Léyegtele változó bevoása Téyleges modell: y = β 1 x 1 + β x + u Becsült modell: y = β 1 x 1 + β x + β 3 x 3 + u, β 3 = 0 Torzítatlaságot em befolyásolja (cs edogetás Varaca ő: Var( Egyéb témá Előrejelzés Outlere Alteratív függvéyformá tabltás teszte Dummy változó Négyzetes tago, teracó Heteroszedasztctás stb. Gyaorlat Zárthely dolgozat 8