Model ekonometryczny cen kawy - notatki - Ekonometria - część 2, Notatki'z Ekonometria. Poznan University of Economics
Helena_84
Helena_8426 lutego 2013

Model ekonometryczny cen kawy - notatki - Ekonometria - część 2, Notatki'z Ekonometria. Poznan University of Economics

PDF (844 KB)
19 strona
2Liczba pobrań
766Liczba odwiedzin
Opis
Notatki na temat modelu ekonometrycznego cen kawy, część 2. W pracy tej omówiono definicje związane z kawą, jej historią oraz produkcją. W częścipraktycznej przedstawiono definicje modelu ekonometrycznego, zasady jego bu...
20punkty
Punkty pobierania niezbędne do pobrania
tego dokumentu
Pobierz dokument
Podgląd3 strony / 19
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument

ANOVA

Tabela 1

Suma

kwadratów df

Średni

kwadrat F Istotność

Regresja (REGRESSION) 293050,10

8 3

97683,36

9 66,445 ,000

Reszta 552769,21

8 376 1470,131

Ogółem 845819,32

6 379

Źródło: Obliczenia na podstawie programu SPSS.

H0:αk=0

H1: αk≠0

Możemy zauważyć ze istotność kształtuje się na poziomie 00 wiec niższa niż 0,05, co

oznacza, że odrzucamy H0 na rzecz hipotezy alternatywnej. Przynajmniej jedna zmienna

objaśniająca istotnie wpływa na zmienną objaśnianą, co obrazuje tabela poniżej.

docsity.com

Współczynniki

Tabela 2

Współczynniki

niestandaryzowane

Współczynnik

i

standaryzowa

ne

t Istotność B

Błąd

standardowy Beta

Sekwencja

obserwacji ,634 ,180 1,474 3,514 ,000

Case Sequence**2 -,007 ,001 -6,611 -6,574 ,000

Case Sequence**3 1,62E-

005 ,000 5,375 8,559 ,000

(Stała) 128,861 7,946 16,217 ,000

Źródło: Obliczenia na podstawie programu SPSS.

Z powyższej tabeli możemy wywnioskować ze model trendu kwadratowego będzie

przedstawiał się następująco:

Y=128,861 +0,634t - 0,007t2 + 1,62E-005t3

Natomiast jego wykres:

docsity.com

Wykres 1

Model trendu dla wskaźnika cen dla Brazylijskie oraz pozostałych kaw Arabika

Podsumowanie modelu

Tabela 3

R R-kwadrat

Skorygowane

R kwadrat

Błąd

standardowy

oceny

,619 ,383 ,378 41,302

Źródło: Obliczenia na podstawie programu SPSS.

H0:αk=0

H1: αk≠0

Na podstawie danych zawartych w tabeli możemy zauważyć że współczynnik korelacji

wynosi 0, 619 – istnieje duża zależność pomiędzy zmienną zależna, a zmiennymi

niezależnymi, a model wyjaśnia zmiany x3 w czasie w 37,8%. Błąd standardowy

oszacowania wynosi 41,302 co oznacza że wartości teoretyczne modelu odchylają się

przeciętnie od wartości rzeczywistych o 41,302.

0 50

100 150 200 250 300 350

sty 80sie 81mar 83paź 84maj 86sty 88sie 89mar 91paź 92maj 94sty 96sie 97mar 99paź 00maj 02sty 04sie 05mar 07paź 08maj 10sty 12

Ty tu

ł o si

Trend dla x2

trend

dolna linia

górna linia

x2

docsity.com

ANOVA

Tabela 4

Suma

kwadratów df

Średni

kwadrat F Istotność

Regresja (REGRESSION) 395950,46

3 3

131983,4

88 77,369 ,000

Reszta 638003,89

7 374 1705,893

Ogółem 1033954,3

59 377

Źródło: Obliczenia na podstawie programu SPSS.

H0:αk=0

H1: αk≠0

Możemy zauważyć ze istotność kształtuje się na poziomie 00 wiec niższa niż 0,05, co

oznacza, że odrzucamy H0 na rzecz hipotezy alternatywnej. Przynajmniej jedna zmienna

objaśniająca istotnie wpływa na zmienną objaśnianą, co obrazuje tabela poniżej.

docsity.com

Współczynniki

Tabela 5

Współczynniki

niestandaryzowane

Współczynnik

i

standaryzowa

ne

t Istotność B

Błąd

standardowy Beta

Sekwencja

obserwacji -,306 ,197 -,639 -1,553 ,121

Case Sequence**2 -,003 ,001 -2,218 -2,251 ,025

Case Sequence**3 9,17E-

006 ,000 2,740 4,459 ,000

(Stała) 181,008 8,757 20,671 ,000

Źródło: Obliczenia na podstawie programu SPSS.

Z powyższej tabeli możemy wywnioskować ze model trendu kwadratowego będzie

przedstawiał się następująco:

Y=181,08-0,306t-,003t2 + 9,17E-006t3

Natomiast jego wykres:

docsity.com

Wykres 2

Źródło: Obliczenia własne na podstawie programu Excel.

Model trendu dla wskaźnika cen dla Robusty

Podsumowanie modelu

Tabela 6

R R-kwadrat

Skorygowane

R kwadrat

Błąd

standardowy

oceny

,673 ,452 ,448 27,400

Źródło: Obliczenia na podstawie programu SPSS.

Na podstawie danych zawartych w tabeli możemy zauważyć że współczynnik korelacji

wynosi 0, 673 – istnieje duża zależność pomiędzy zmienną zależna a zmiennymi

niezależnymi a model wyjaśnia zmiany x4 w czasie w 44,8%. Błąd standardowy oszacowania

wynosi 27,400 co oznacza że wartości teoretyczne modelu odchylają się przeciętnie od

wartości rzeczywistych o 27,400.

-50

0

50

100

150

200

250

300

350

sty 80sie 81mar 83paź 84maj 86sty 88sie 89mar 91paź 92maj 94sty 96sie 97mar 99paź 00maj 02sty 04sie 05mar 07paź 08maj 10sty 12

Ty tu

ł o si

Trend dla x3

górna linia

dolna linia

x3

trend

docsity.com

ANOVA

Tabela 7

Suma

kwadratów df

Średni

kwadrat F Istotność

Regresja (REGRESSION) 233298,139 3

77766,04

6 103,586 ,000

Reszta 282278,535 376 750,741

Ogółem 515576,674 379

Źródło: Obliczenia na podstawie programu SPSS.

H0:αk=0

H1: αk≠0

Możemy zauważyć ze istotność kształtuje się na poziomie 00 wiec niższa niż 0,05, co

oznacza, że odrzucamy H0 na rzecz hipotezy alternatywnej. Przynajmniej jedna zmienna

objaśniająca istotnie wpływa na zmienną objaśnianą, co obrazuje tabela poniżej.

docsity.com

Współczynniki

Tabela 8

Współczynniki

niestandaryzowane

Współczynnik

i

standaryzowa

ne

t Istotność B

Błąd

standardowy Beta

Sekwencja

obserwacji -,146 ,129 -,436 -1,135 ,257

Case Sequence**2 -,002 ,001 -2,691 -2,923 ,004

Case Sequence**3 6,57E-

006 ,000 2,787 4,849 ,000

(Stała) 131,050 5,678 23,079 ,000

Źródło: Obliczenia na podstawie programu SPSS.

Z powyższej tabeli możemy wywnioskować ze model trendu kwadratowego będzie

przedstawiał się następująco:

Y=131,05-0,146t-,002t2 + 6,57E-006t3

docsity.com

Natomiast jego wykres:

Wykres 3

2.4 Autokorelacja

„1Autokorelacja jest to zależność wartości bieżących obserwowanych w czasie t od

wartości wcześniejszych obserwowanych w czasie t-1.”

Autokorelacja dla parametru cena kawy

Opis modelu

Tabela 9

Nazwa modelu MOD_1

Nazwa szeregu 1 cenakawywgICO

Przekształcenie Brak

Różnicowanie niesezonowe 0

11 Ekonometria współczesna pod red. nauk. Magdalny Osińskiej. - Toruń : Towarzystwo Naukowe Organizacji i

Kierownictwa "Dom Organizatora", 2007.s82

-50

0

50

100

150

200

Ty tu

ł o si

Trend dla x4

trend

górna linia

dolna linia

x4

docsity.com

Różnicowanie sezonowe 0

Długość okresu sezonowego 12

Maksymalna liczba opóźnień 16

Proces przy założeniu obliczania błędów

standardowych dla autokorelacji

Niezależność (biały

szum)(a)

Pokaż i wykreśl Wszystkie opóźnienia

Zastosowano specyfikację modelu z MOD_1

a Nie stosowane dla obliczenia błędów standardowych autokorelacji cząstkowych.

Źródło: Obliczenia na podstawie programu SPSS.

Autokorelacje cząstkowe

Tabela 10

Opóźnienie

Autokorelacja

cząstkowa

Błąd

standardowy

1 ,978 ,051

2 -,191 ,051

3 -,095 ,051

4 -,049 ,051

5 ,033 ,051

6 ,105 ,051

7 ,012 ,051

8 ,000 ,051

9 -,020 ,051

10 -,060 ,051

11 -,013 ,051

docsity.com

12 -,079 ,051

Źródło: Obliczenia na podstawie programu SPSS.

Rysunek 1

Źródło: Obliczenia na podstawie programu SPSS.

Na podstawie powyższych obliczeń możemy wywnioskować, że rząd opóźnień wynosi – 2.

121110987654321

Przesunięcie

0,9

0,6

0,3

0,0

-0,3

-0,6

-0,9

F u

n kc

ja a

u to

ko re

la cj

i c zą

st ko

w yc

h

cenakawywgICO

Dolna granica przedziału ufności

Granice przedziału ufności

Współczynnik

docsity.com

Autokorelacja X1-Wskaźnika cen dla Kolumbińskiej Arabiki

Opis modelu

Tabela 11

Nazwa modelu MOD_1

Nazwa szeregu 1 x1

Przekształcenie Brak

Różnicowanie niesezonowe 0

Różnicowanie sezonowe 0

Długość okresu sezonowego 12

Maksymalna liczba opóźnień 16

Proces przy założeniu obliczania błędów

standardowych dla autokorelacji

Niezależność (biały

szum)(a)

Pokaż i wykreśl Wszystkie opóźnienia

Zastosowano specyfikację modelu z MOD_1

a Nie stosowane dla obliczenia błędów standardowych autokorelacji cząstkowych.

Źródło: Obliczenia na podstawie programu SPSS.

Autokorelacje cząstkowe

Tabela 12

Opóźnienie

Autokorelacja

cząstkowa

Błąd

standardowy

1 ,968 ,053

2 -,106 ,053

3 -,089 ,053

4 -,102 ,053

docsity.com

5 ,053 ,053

6 ,126 ,053

7 ,012 ,053

8 -,034 ,053

9 -,004 ,053

10 -,024 ,053

11 -,010 ,053

12 -,094 ,053

Źródło: Obliczenia na podstawie programu SPSS. Rysunek 2

Źródło:

Obliczenia na podstawie programu SPSS.

121110987654321

Przesunięcie

0,9

0,6

0,3

0,0

-0,3

-0,6

-0,9

F u

n kc

ja a

u to

ko re

la cj

i c zą

st ko

w yc

h

x1

Dolna granica przedziału ufności

Granice przedziału ufności

Współczynnik

docsity.com

Na podstawie powyższych obliczeń możemy wywnioskować, że rząd opóźnień wynosi – 6.

Autokorelacja dla X2-Wskaźnika cen dla łagodnej Arabiki

Opis modelu

Tabela 13

Nazwa modelu MOD_2

Nazwa szeregu 1 x2

Przekształcenie Brak

Różnicowanie niesezonowe 0

Różnicowanie sezonowe 0

Długość okresu sezonowego 12

Maksymalna liczba opóźnień 16

Pokaż i wykreśl Wszystkie opóźnienia

Zastosowano specyfikację modelu z MOD_2

Źródło: Obliczenia na podstawie programu SPSS.

Autokorelacje cząstkowe

Tabela 14

Opóźnienie

Autokorelacja

cząstkowa

Błąd

standardowy

1 ,972 ,051

2 -,200 ,051

3 -,108 ,051

4 -,048 ,051

docsity.com

5 ,032 ,051

6 ,086 ,051

7 -,004 ,051

8 -,014 ,051

9 ,002 ,051

10 -,051 ,051

11 -,015 ,051

12 -,074 ,051

Źródło: Obliczenia na podstawie programu SPSS. Rysunek 3

Źródło:

Obliczenia na podstawie programu SPSS.

121110987654321

Przesunięcie

0,9

0,6

0,3

0,0

-0,3

-0,6

-0,9

F u

n kc

ja a

u to

ko re

la cj

i c zą

st ko

w yc

h

x2

Dolna granica przedziału ufności

Granice przedziału ufności

Współczynnik

docsity.com

Na podstawie powyższych obliczeń możemy wywnioskować, że rząd opóźnień wynosi – 2.

Autokorelacja X3-Wskaźnika cen dla Brazylijskie oraz innych kaw Arabika

Opis modelu

Tabela 15

Nazwa modelu MOD_3

Nazwa szeregu 1 x3

Przekształcenie Brak

Różnicowanie niesezonowe 0

Różnicowanie sezonowe 0

Długość okresu sezonowego 12

Maksymalna liczba opóźnień 16

Pokaż i wykreśl Wszystkie opóźnienia

Zastosowano specyfikację modelu z MOD_3

Źródło: Obliczenia na podstawie programu SPSS.

Autokorelacje cząstkowe

Tabela 16

Opóźnienie

Autokorelacja

cząstkowa

Błąd

standardowy

1 ,961 ,051

2 ,086 ,051

3 ,003 ,051

4 -,243 ,051

docsity.com

5 ,065 ,051

6 ,041 ,051

7 ,084 ,051

8 -,025 ,051

9 -,019 ,051

10 ,009 ,051

11 -,016 ,051

12 -,076 ,051

Źródło: Obliczenia na podstawie programu SPSS. Rysunek 4

__

Źródło: Obliczenia na podstawie programu SPSS.

Na podstawie powyższych obliczeń możemy wywnioskować, że rząd opóźnień wynosi – 4.

121110987654321

Przesunięcie

0,9

0,6

0,3

0,0

-0,3

-0,6

-0,9

F u

n kc

ja a

u to

ko re

la cj

i c zą

st ko

w yc

h

x3

Dolna granica przedziału ufności

Granice przedziału ufności

Współczynnik

docsity.com

Autokorelacja X4-Wskaźnika cen dla Robusty

Opis modelu

Tabela 17

Nazwa modelu MOD_4

Nazwa szeregu 1 x4

Przekształcenie Brak

Różnicowanie niesezonowe 0

Różnicowanie sezonowe 0

Długość okresu sezonowego 12

Maksymalna liczba opóźnień 16

Pokaż i wykreśl Wszystkie opóźnienia

Zastosowano specyfikację modelu z MOD_4

Źródło: Obliczenia na podstawie programu SPSS.

Autokorelacje cząstkowe

Tabela 18

Opóźnienie

Autokorelacja

cząstkowa

Błąd

standardowy

1 ,985 ,051

2 -,218 ,051

3 -,072 ,051

4 -,023 ,051

5 ,006 ,051

6 ,101 ,051

7 ,015 ,051

docsity.com

8 ,002 ,051

9 -,056 ,051

10 -,107 ,051

11 -,018 ,051

12 -,062 ,051

Źródło: Obliczenia na podstawie programu SPSS.

Rysunek 5

__ Źródło:

Obliczenia na podstawie programu SPSS.

Na podstawie powyższych obliczeń możemy wywnioskować, że rząd opóźnień wynosi – 2.

121110987654321

Przesunięcie

0,9

0,6

0,3

0,0

-0,3

-0,6

-0,9

F u

n kc

ja a

u to

ko re

la cj

i c zą

st ko

w yc

h

x4

Dolna granica przedziału ufności

Granice przedziału ufności

Współczynnik

docsity.com

komentarze (0)
Brak komentarzy
Bądź autorem pierwszego komentarza!
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument