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

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

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

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

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Regresszió-számítás. 2. előadás. Kvantitatív statisztikai módszerek. Dr.

Gazdaságtudományi Kar. Gazdaságelméleti és Módszertani Intézet. Korreláció-számítás. 1. előadás. Döntéselőkészítés módszertana. Dr.

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

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

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

Gyakorló feladatok a Kísérletek tervezése és értékelése c. tárgyból Lineáris regresszió, ismétlés nélküli mérések

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

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

Többváltozós Regresszió-számítás

Lineáris regresszió. Statisztika I., 4. alkalom

) ( 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.

Statisztikai próbák. Ugyanazon problémára sokszor megvan mindkét eljárás.

Statisztika feladatok

Minősítéses mérőrendszerek képességvizsgálata

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

Statisztika elméleti összefoglaló

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

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

Több valószínűségi változó együttes eloszlása, korreláció

Biológiai anyagok hatásának értékelése, ha közvetlen fizikai vagy kémiai analízis nem alkalmazható.

Panel adatok elemzése

Idősorok elemzése előadás. Előadó: Dr. Balogh Péter

Regresszió. Fő cél: jóslás Történhet:

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

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

Empirikus nehézségek. Termelési és költségfüggvények - elmélet. Termelési és költségfüggvények elmélet, folyt. Becslés három megközelítés

[Biomatematika 2] Orvosi biometria

Variancia-analízis (ANOVA) Mekkora a tévedés esélye? A tévedés esélye Miért nem csinálunk kétmintás t-próbákat?

Adatelemzés és adatbányászat MSc

Statisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre

Autoregresszív és mozgóátlag folyamatok. Géczi-Papp Renáta

Autoregresszív és mozgóátlag folyamatok

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

A multikritériumos elemzés célja, alkalmazási területe, adat-transzformációs eljárások, az osztályozási eljárások lényege

A maximum likelihood becslésről

Többváltozós lineáris regressziós modell feltételeinek

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

5. előadás - Regressziószámítás

Lineáris regressziószámítás 1. - kétváltozós eset

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

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

Heckman modell. Szelekciós modellek alkalmazásai.

Kísérlettervezési alapfogalmak:

Elméleti közgazdaságtan I.

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

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

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

4 2 lapultsági együttható =

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

Alkalmazás: hatásvizsgálatok

Gyakorlat 8 1xANOVA. Dr. Nyéki Lajos 2016

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

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

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

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

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

Nemparaméteres eljárások

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

Bevezetés a biometriába Dr. Dinya Elek egyetemi tanár. PhD kurzus. KOKI,

Nemparaméteres módszerek. Krisztina Boda PhD SZTE ÁOK Orvosi Fizikai és Orvosi Informatikai Intézet

ADATREDUKCIÓ I. Középértékek

Hatékonyságvizsgálat az egészségügyben Relatív hatékonyságvizsgálat (DEA) alkalmazása a mozgásszervi rehabilitációs osztályokon

y ij = µ + α i + e ij

Gyakorló feladatok a kétváltozós regresszióhoz 2. Nemlineáris regresszió

Intervallumbecsle s Mintave tel+ Hipote zisvizsga lat Egyminta s pro ba k Ke tminta s pro ba k Egye b vizsga latok O sszef.

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

Boros Daniella Nappali tagozat Kereskedelem és marketing 2. évfolyam Gödöllő Neptun kód: OIPGB9

VÁROS- ÉS INGATLANGAZDASÁGTAN

1. Adatok kiértékelése. 2. A feltételek megvizsgálása. 3. A hipotézis megfogalmazása

Intelligens elosztott rendszerek

Statisztika II előadáslapok. 2003/4. tanév, II. félév

Jövedelem és szubjektív jóllét: az elemzési módszer megválasztásának hatása a levonható következtetésekre

Bevezetés a hipotézisvizsgálatokba












Számítógépes döntéstámogatás. Statisztikai elemzés

STATISZTIKA I. Mintavétel fogalmai. Mintavételi hiba. Statisztikai adatgyűjtés Nem véletlenen alapuló kiválasztás

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

IBNR számítási módszerek áttekintése

Hogyan készüljünk fel? Az orvosi biofizika matema0kai és fizikai alapjai

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI EMELT SZINT Egyenletek, egyenletrendszerek

KÖVETKEZTETŐ STATISZTIKA

A többváltozós lineáris regresszió 1.

VARIANCIAANALÍZIS (szóráselemzés, ANOVA)

Diagnosztika és előrejelzés

A sokaság/minta eloszlásának jellemzése

A statisztikai vizsgálat tárgyát képező egyedek összességét statisztikai sokaságnak nevezzük.

ADATREDUKCIÓ I. Középértékek

Átírás:

OLS regresszó - smétlés Mroöonometra,. hét Bíró Anó A tantárg tartalma Leggaorbb mroöonometra problémá és azo ezeléséne megsmerése Egén vag vállalat adato Keresztmetszet és panel elemzés Vállalat, pacelemzés alalmazáso Módszere: Instrumentáls változó Panel modelle Probt, logt modelle Multnomáls logt modell Szelecós, cenzorált és Tobt modelle A tantárg tartalma, folt. Mroöonometra: egéne vag vállalato gazdaság döntésene vzsgálata Hangsúl az alalmazásoon Nem tartalma a tantárgna: Idősorelemzés Pénzüg öonometra Elmélet öonometra Követelmén, rodalom 5 ház feladat (5x5=5 pont zárthel dolgozat és eg félév vég házdolgozat (x3=6 pont Eg selőadás a megadott rodalomból (5 pont Kötelező rodalom: Jeffe M. Wooldrdge: Introductor Econometrcs. A modern approach. 9 Peter Davs, Elana Garcés: Quanttatve Technques for Competton and Antrtrust Analss. Felhasznált szoftver: EVews Egváltozós regresszó = α + βx Feltevése: Lneartás Véletlen mnta E(u x = Var(x > Homoszedasztctás: Var(u = σ

Legsebb négzete módszere: OLS becslés mn Q = ( ˆ α -4. feltétel fennállása esetén: OLS becslés torzítatlan Többváltozós regresszó =α +β x +β x + +β x +u Becslés: + normálegenlet Egüttható értelmezése: ceters parbus hatás = SSE/SST = -SS/SST Mátrx felírásban OLS becslés: ˆ α, ˆ β ˆ β = ˆ α = Feltevése: Lneárs modell Véletlen mnta E(u x,x,,x = Nncs töéletes ollneartás Homoszedasztctás: Var(u = σ Normaltás: u ~N(, σ n = n = ˆ βx x BLUE tulajdonság -4. tulajdonság: OLS torzítatlan -5. tulajdonság: Gauss-Marov tétel: OLS legsebb varancájú torzítatlan lneárs (BLUE becslőfüggvén Khagott magarázó változó matt torzítás 3. feltétel: exogentás nehézség: nem tesztelhető! ( x ( x x ˆ - β = (X' X X' Var(β ˆ = (X' X ˆ βx eleváns magarázó változó hagása, am orrelál valamel magarázó változóval: Exogentás (3. feltétel sérül Mndeg becsült egüttható torzított - σ

Hpotézsvzsgálat, onfdencantervallum Normáls eloszlású hbatag esetén (s mnta, + paraméter: ˆ β β ~ t SE( ˆ β n Kétoldal próba: H : β =, H : β p-érté: legsebb szgnfancasznt, am mellett nullhpotézst elutasítju Konfdencantervallum: ˆ ± c SE( ˆ β β H : β -q+ ( SS F = SS SS ( F = ( =, β -q+ SS / q ~ F /( n = SST( =,..., β = / q ~ F /( n F-próba Teszt: regresszó használhatatlan? (mnden meredeség egüttható nulla Mérés hba Mérés hba magarázó változóban: hagott változóhoz hasonló hatása lehet Torzított OLS becsléshez vezethet = β + β x +... + β x Megfgelt: = = β + β x +... + β x SS r,( n r,( n Mérés hba függő változóban + e Feltevése: E(e=, e független magarázó változótól Követezmén: OLS torzítatlan, csa becsült egüttható szórása nő + e = SST(

= β + β x Mérés hba magarázó változóban = x + e = β + β x +... + β x Megfgelt : x +... + β x β e Követezmén: Ha cov(x,e, OLS becslés torzított Classcal errors-n-varables EVews használatána smétlése Adato beolvasása pl. Excelből: Fle/new/worfle undated Procs/Import/ead text-lotus-excel vag Objects/new object/seres edt Cop paste Desrptív statsztá, grafono Vew/Descrptve statstcs Vew/Graph EVews használatána smétlése, folt. Változó generálás (genr Mnta: smpl smpl smpl @all egresszó becslése: Quc/estmate equaton Konstanst feltüntetn! Vag: equaton name.ls Gaorló feladato W.: leíró statsztá, egváltozós eresetregresszó becslése és becslés értelmezése W 3.7: mlen eseteben lesz OLS becslés torzított W 3.4, 4.4: többváltozós regresszó becslése és értelmezése házára modellje alapján W 4.: mlen eseteben nem használható a t-statszta

Termelés függvén becslése - alapo Z. Grlches: Specfcaton bas n estmates of producton functons (J. of Farm Economcs, 957 Alap: Mérés hba magarázó változóban Khagott releváns magarázó változó Mérethatéonság becslése Cobb-Douglas termelés függvén: log = b + b x + b x Mérethatéonság : j= b +... + b x j >? Nncs torzítás, ha hagott magarázó változó azonos aránban változ bevont magarázó változó módosításával Felülbecsüljü mérethatéonságot ha nagobb, mnt arános változás a hagott változóban Tpusan hagott változó: vállalatvezetés szolgáltatása Mérethatéonság becslése, folt. Tpus mérés hba: Mnőség ülönbsége fgelmen ívül hagása Pl.: muna mérése munaórával elvégzett muna mnősége?; termőföld területe föld mnősége? Javasolt megoldás: termelés ténező özött aggregálás érdőjeles (pl. csa muna és tőe szerepeljen a modellben! De: felvetett problémá jelentőse lehetne!