Készült a TÁMOP /2/A/KMR pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén

Hasonló dokumentumok
TUDOMÁNYOS MÓDSZERTAN

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

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

TUDOMÁNYOS MÓDSZERTAN

TUDOMÁNYOS MÓDSZERTAN ÉS ÉRVELÉSTECHNIKA

Kant és a transzcendentális filozófia. Filozófia ös tanév VI. előadás

y ij = µ + α i + e ij

Bizonytalan tudás kezelése

BEVEZETÉS A PSZICHOLÓGIÁBA

BEVEZETÉS A PSZICHOLÓGIÁBA

BEVEZETÉS A PSZICHOLÓGIÁBA

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

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

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

REGIONÁLIS GAZDASÁGTAN B

VÁROS- ÉS INGATLANGAZDASÁGTAN

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

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

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

A pedagógiai kutatás metodológiai alapjai. Dr. Nyéki Lajos 2015

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

Mi az adat? Az adat elemi ismeret. Az adatokból információkat

A MODELLALKOTÁS ELVEI ÉS MÓDSZEREI

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

LOGIKA ÉS ÉRVELÉSTECHNIKA

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

Korrelációs kapcsolatok elemzése

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

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

BEVEZETÉS A PSZICHOLÓGIÁBA

VÁROS- ÉS INGATLANGAZDASÁGTAN

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

STATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.

Mérhetőség, σ-algebrák, Lebesgue Stieltjes-integrál, véletlen változók és eloszlásfüggvényeik

Mikroökonómia II. B. ELTE TáTK Közgazdaságtudományi Tanszék. 6. hét AZ IDŽ KÖZGAZDASÁGTANA, 1. rész

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

BME Filozófia és Tudománytörténet Tanszék 1111 Budapest, Sztoczek J. u fsz. 2. Telefon:

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

LOGIKA ÉS ÉRVELÉSTECHNIKA

Jármőtervezés és vizsgálat I. VALÓSZÍNŐSÉGSZÁMÍTÁSI ALAPFOGALMAK Dr. Márialigeti János

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

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

Valószínűségi változók. Várható érték és szórás

REGIONÁLIS GAZDASÁGTAN B

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

A fogyasztási kereslet elméletei

Regresszió. Csorba János. Nagyméretű adathalmazok kezelése március 31.

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

A pedagógia mint tudomány. Dr. Nyéki Lajos 2015

VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA

A valószínűségszámítás elemei

Az idősorok összetevői Trendszámítás Szezonalitás Prognosztika ZH

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

VÁROS- ÉS INGATLANGAZDASÁGTAN

Adatok statisztikai értékelésének főbb lehetőségei

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles

Valószínűségszámítás összefoglaló

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

BME Filozófia és Tudománytörténet Tanszék 1111 Budapest, Sztoczek J. u fsz. 2. Telefon:

Matematikai statisztika c. tárgy oktatásának célja és tematikája

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

Statisztikai alapok. Leíró statisztika Lineáris módszerek a statisztikában

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

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Matematikai alapok és valószínőségszámítás. Normál eloszlás

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

Függetlenségvizsgálat, Illeszkedésvizsgálat

Matematika II. 1 sin xdx =, 1 cos xdx =, 1 + x 2 dx =

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

JOG ÉS KÖZGAZDASÁGTAN

sin x = cos x =? sin x = dx =? dx = cos x =? g) Adja meg a helyettesítéses integrálás szabályát határozott integrálokra vonatkozóan!

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

VÁROS- ÉS INGATLANGAZDASÁGTAN

MEZŐGAZDASÁGI ÁRAK ÉS PIACOK

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

Véletlenszám generátorok és tesztelésük HORVÁTH BÁLINT

Markov-láncok stacionárius eloszlása

GAZDASÁGSZOCIOLÓGIA I.

0. Teszt megoldás, matek, statika / kinematika

A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA

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

3/29/12. Biomatematika 2. előadás. Biostatisztika = Biometria = Orvosi statisztika. Néhány egyszerű definíció:

Matematika II képletek. 1 sin xdx =, cos 2 x dx = sh 2 x dx = 1 + x 2 dx = 1 x. cos xdx =,

FILOZÓFIA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ

PIACI SZERKEZETEK BMEGT30A hét, 1. óra: Differenciált termékes Bertrand-oligopólium

Matematika III. 2. Eseményalgebra Prof. Dr. Závoti, József

A valószínűségszámítás elemei

VÁROS- ÉS INGATLANGAZDASÁGTAN

Bevezetés, tudnivalók, ökonometriai alapok

Bevezető Mi a statisztika? Mérés Csoportosítás

Differenciál és integrálszámítás diszkréten

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

Bizalom szerepe válságban Diadikus jelenségek vizsgálata a gazdálkodástudományban

BEVEZETÉS A PSZICHOLÓGIÁBA

BEVEZETÉS A PSZICHOLÓGIÁBA

Átírás:

TUDOMÁNYOS MÓDSZERTAN

TUDOMÁNYOS MÓDSZERTAN 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 TUDOMÁNYOS MÓDSZERTAN Készítette: Kőhegyi Gergely, Kutrovátz Gábor, Margitay Tihamér, Láng Benedek, Tanács János és Zemplén Gábor Szakmai felelős: Kőhegyi Gergely 2011. január

TUDOMÁNYOS MÓDSZERTAN 3. hét Tudományos elméletek alapvető kategóriái Készítette: Kőhegyi Gergely, Kutrovátz Gábor, Margitay Tihamér, Láng Benedek, Tanács János és Zemplén Gábor Szakmai felelős: Kőhegyi Gergely

Léteznek-e minden elméletben közös alapvető kategóriák? Valószínűleg nem. De vannak közös mintázatok. Pl.: (Ismétlés): Alapelemek, vagy entitások (elektron, sejt, gén, homo oeconomicus, ösztön én, társ. csoport, stb.), azok tulajdonságainak és azok összefüggéseinek, majd viselkedésének leírása. Mit jelent a tulajdonság és a viselkedés?

Tér-idő-okság Tulajdonság: az entitás elhelyezkedése egy absztrakt térben (fizikai (3D) tér, jószágtér, minőségtér, állapottér, szociális tér, stb.) Kvalitatív és kvantitatív tulajdonságok Elvi szintű mérhetőség valamilyen skálán: Nominális (minőségi) Ordinális (sorrendi) Metrikus (mennyiségi) Különbség Arány Viselkedés: A tulajdonságok változása valamilyen absztrakt időben (vagy általánosabban: valamelyik rögzített tulajdonsághoz képest) Mi okozza a változást? (A törvény csak leírja!)

Pl.: Tér-idő-okság Mozgás leírása: Részecske helyének változása az időben Állapotváltozás: Test térfogatának, hőmérsékletének stb. változása az időben Homo oeconomicus optimális fogyasztásának változása két időszak között az árváltozás következtében Ösztön én háttérbeszorulása az emberi viselkedés irányításában Vertikális és horizontális társadalmi mobilitás Stb.

A tér és idő értelmezése Milyen a tér természete? Euklideszi vagy nem euklideszi? Termékdifferenciálás lineáris (Hotelling) vagy körkörös (Salop) modellje? Milyen a téridő természete? Abszolút vagy relatív? Van-e kitüntetett pont? Vödörkísérlet (Newton) Hajólámpa-kísérlet (Einstein) Milyen a változás (mozgás) természete? Csak a tulajdonságok változnak? T. Kuhn: Arisztotelész vs. Newton Milyen a szabályszerűségek természete? Az elméletalkotó választása a fentiek közül erősen befolyásolja az elmélet következményeit!

Az okság értelmezése Arisztotelész: formális ok anyagi ok ható ok cél ok ezek olyan faktorokat mutatnak meg, amelyek megmagyarázhatóvá tesznek egy jelenséget Vegyünk egy antik templomot! Anyagi oka: téglák és a kövek, formális ok: az építész terve, ható ok: kézművesek és ácsok munkája, cél ok: lehessen benne tisztelni az isteneket Ma ennél szűkebben értjük az ok fogalmát, már Descartes is csak a mechanikus okokat tekintette oknak.

Az okság értelmezése Hume (1711 1776) Tanulmány az emberi értelemről ( Értekezés az emberi megismerésről) Az okságról alkotott nézetünk többet implikál, mint két dolog puszta egymásra következését. Szükségszerűséget is látunk, hasonló okból hasonló okozatra számítunk. De mi alapján? Tagadja, hogy valamely dolgot valamiféle szükségszerűséggel követne egy másik dolog, a szükségszerűség látszata abból fakad, hogy a mi elménk hasonló okból hasonló okozatra számít, ez a mi elvárásunk, mi vetítjük ki. Az okot olyan dologként határozhatjuk meg, amelyet egy másik követ, éspedig olyképpen, hogy az elsőhöz hasonló összes dolgot a másodikhoz hasonló dolgok követik. Vagy másképpen fogalmazva: éspedig olyképpen, hogy ha az első nem lett volna, a második sose létezhetett volna.

Az okság értelmezése Szükségszerű = nem lehetne másképp, nem lehet hamis. Gyakran felhozott példa: Matematikai igazságok 2+2=4 (ha adott a szimbólumok jelentése) Ellentéte: esetlegesség (pl.: én itt most órát tartok) Hume szerint az okság nem szükségszerű, mert nem ismerhetjük meg a priori. Mi az az a priori? A priori = tapasztalattól függetlenül igazolható pl.: a matematikai ismeretek: 2+2=4 Ellentéte: a posteriori pl.: a víz forráspontja=100 C (ezt csak a tapasztalat pl.: a víz forráspontja=100 C (ezt csak a tapasztalat által igazolhatjuk).

Az okság értelmezése David Hume: oksági viszonyokat nem lehet a priori megismerni, tehát nem szükségszerűek Az oksági kapcsolat nem logikai kapcsolat. Az A okozza B-t nem olyan szükségszerű, mint ahogyan az A és B-ből következik A, nincsen benne logikai szükségszerűség! Immanuel Kant Az a priori és a posteriori: a tapasztalattól független, ill. függő. Analitikus és szintetikus: a fogalomból következik, ill. nem következik (ismeretelemző és -bővítő állítások) Példák: a priori analitikus: a=a, Minden test kiterjedt. (logika) a posteriori szintetikus: Ez a labda piros; ; Minden testnek súlya van. (fizika) a priori szintetikus: Mindennek oka van; Két pont között a legrövidebb út az egyenes (metafizika, matematika, fizika). Okság: a priori szintetikus ítéleten alapul.

Az okság modern értelmezése Okság a tudományos módszertanban Oksági mechanizmus C oka E-nek, ha létezik C i sorozat C-től E-ig úgy, hogy C i és C i+1 között az átmenetet egy L i törvény vezérli. Induktív szabályosság C oka E-nek, ha a K körülmények között P(E K)<P(E K C) (Rendszeres asszociáció, korreláció, rangkorreláció, vagy vegyes kapcsolat) Statisztikai következtetéselmélet Szükséges-elégséges feltétel C oka E-nek, ha C szükséges és/vagy elégséges feltétele E-nek.

Az okság modern értelmezése Okság a modern filozófiában John L. Mackie: INUS feltétel Egy C esemény INUS feltétele egy E eseménynek, ha C önmagában elégtelen (Insufficient), de szükséges (Necessary) része a feltételek egy tágabb halmazának, amely ugyan nem szükséges (Unnecessary) de elégséges (Sufficient) E bekövetkezéséhez. Pl.: A rövidzárlat önmagában elégtelen, de szükséges része egy körülményhalmaznak (gyúlékony anyagok, a közbelépés hiánya, stb.), amely nem szükséges (mert a szomszéd is felgyújthatta volna a házat), de elégséges ahhoz, hogy leégjen a ház.

Az okság modern értelmezése Okság a modern filozófiában Donald Davidson: Esemény okság Nem a kő mint tárgy töri be az ablakot, hanem az elhajított kő (egy esemény az ok). Egy esemény: egyedi és megismételhetetlen. Az események leírásai nem helyettesíthetők, csak bizonyos leírások lesznek megfelelő oksági magyarázatok. Pl.: Caesar halála (esemény) okozta Brutus bűntudatát. D. Hugh Mellor Az okság nem egyedi események (Caesar halála), hanem tények (Caesar meghalt) viszonya. Pl.: Brutus bűntudatot érzett, mert Caesar meghalt.

Az okság azonosítása Módszertani problémák Induktív szabályosság esetén: A B vagy B A (korreláció regresszió) regresszió) Az ár határozza meg a vásárolt mennyiséget, vagy a rendelkezésre álló mennyiség az árat? Kölcsönös okozás: A B Ár-bér spirál Közvetett okozás: A B C Közös ok: C A B Mindkét termékből nő a kereslet. Kiegészítők, vagy általános életszínvonal-emelkedés történt (Ceteris paribus!) Nincs oksági kapcsolat (hamis korreláció)

Az okság azonosítása Időbeliség (minimális követelmény) Granger-okság y t = k i= 1 α i k yt i+ βixt i+ u x nem Granger-oka { y } -nek, ha β i = 0( i= 1, K, k ) { } t t i= 1 t Post hoc ergo propter hoc ( ezután, tehát emiatt ) Post hoc ergo propter hoc ( ezután, tehát emiatt ) Kontrafaktuális hipotézis: kapcsolat feltételezése meg nem történt eseményekkel (gondolatkísérletek?!).

Az okság azonosítása John Stuart Mill Megegyezés módszere: Ha két vagy több esetben a vizsgált jelenségnek egyetlen közös körülménye van, akkor a megegyező körülmény a vizsgált körülmény oka (vagy okozata). Különbség módszere: Ha egyszer megjelenik, egyszer meg nem, és a két eset csak egy körülményben tér el, akkor az a jelenség oka (vagy okozata). Maradékok módszere: Ha egy kivételével minden körülmény okát vagy okozatát tudjuk, és az nem a kérdéses jelenség, akkor az lesz a maradék körülmény oka vagy okozata. Fokozás módszere: Ha a jelenségnek fokozatai vannak, akkor az a körülmény az oka vagy okozata, amely fokozati változtatásával a jelenség fokozata változik.

Alapvető kategóriák szerepe a tudományos modellekben Milyen legyen a jelenséget leíró modell jellege? Statikus vs. dinamikus Folytonos vs. diszkrét Determinisztikus vs. sztochasztikus Analitikus vs. numerikus

Az idő kezelésének módja Időkezelés módjai Statika: Nincs változás (egyensúlyi elemzés) Komparatív statika: Nincs tranziens állapot (egyensúlyi mechanizmus) Többidőszakos modellek: Intertemporális döntés, Szekvenciális játékok, stb. Dinamika: Időfüggvények: a változás leírására (Na de milyen függvények?) Idő szerinti deriváltak (folytonos időfüggvények esetén): a változás változásának leírására (Na de hányadik derivált?) Kapcsolódó adatstruktúrák Keresztmetszeti Idősoros Panel

Statikus versus dinamikus modellek Példa: Áralkalmazkodás és módszerek Dinamikus rendszer (differenciálegyenlet) Időfüggvények: Samuelson p= p(t), ahol t folytonos ( t) = µ D ( p ( t) ) µ S ( p( t) ), i 1,2, K, n p& = i i i i ( t) = µ D ( p ( t) ) µ S ( p( t) ), i 1, 2, K, n & p = i Bródy i i i i i

Statikus versus dinamikus modellek és módszerek Példa: Áralkalmazkodás Gyökeresen más kvalitatív tulajdonságok!!! x(t) Samuelson x(t) Bródy t t

Folytonos versus diszkrét mennyiségek Gyökeresen más kvalitatív tulajdonságok Folytonos vs. diszkrét idő: Pl. pókhálómodell Kvantált vagy folytonos mennyiségek? Folytonos idő, de diszkrét megfigyelés (mintavételezés)? Folytonos oszthatóság? Mat. módszer: Differencia vagy differenciál?

Sztochasztikus vs. determinisztikus modellek Determinisztikus modell értelmezése: A véletlen nem kap szerepet. Következik-e ebből, hogy a változás egyértelműen meghatározható?

Sztochasztikus vs. determinisztikus modellek A véletlen kezelése: A dolgok, amelyeket nem tudok, vagy nem akarok figyelembe venni. A világ inherens része. Valószínűségi interpretációk Matematikai konstruktum: 1. 0 P(A) 1 2. P(Ω) = 1 3. ha A és B kizáróak => P(A B) = P(A)+P(B) Objektív: relatív gyakoriság, végtelen sorösszeg (von Mieses) Szubjektív: egy képzeletbeli fogadással meghatározható (Ramsey, De Finetti) Igazából csak a kvantumelméletben létezik (Schrödinger macskája)

Analitikus vs. numerikus modellek Pl.: Analitikus integrál vs. numerikus integrál Zárt alakú (analitikus) vs. numerikus egyenletmegoldás Problémák: Végtelen ciklusok Bonyolultságelméleti nehézség (NP és P nehéz feladatok) Travelling salesman problem If a salesman starts at point A, and if the distances between any two points is known, what is the shortest round-trip the salesman can make which will visit all points once and return to point A?