



Studiuj dzięki licznym zasobom udostępnionym na Docsity
Zdobywaj punkty, pomagając innym studentom lub wykup je w ramach planu Premium
Przygotuj się do egzaminów
Studiuj dzięki licznym zasobom udostępnionym na Docsity
Otrzymaj punkty, aby pobrać
Zdobywaj punkty, pomagając innym studentom lub wykup je w ramach planu Premium
Społeczność
Odkryj najlepsze uniwersytety w twoim kraju, według użytkowników Docsity
Bezpłatne poradniki
Pobierz bezpłatnie nasze przewodniki na temat technik studiowania, metod panowania nad stresem, wskazówki do przygotowania do prac magisterskich opracowane przez wykładowców Docsity
Notatki z ekonomii obejmujące tematy takie budowa modelu ekonometrycznego, test Durbina – Watsona.
Typologia: Notatki
1 / 7
Ta strona nie jest widoczna w podglądzie
Nie przegap ważnych części!
losowego.
Stawiamy hipotezę H 0 : E(Ut Ut’) = 0 czyli, że nie występuje autokorelacja. Następnie
obliczamy statystykę dla oszacowanych reszt modelu:
Obliczone d porównujemy z dL i dU tablic dla odpow iedniej liczby obserwacji i poziomu
ufności.
Nierów ność dL > d wskazuje na to, że autokorelacja nie występuje.
Nierów ność dU < d wskazuje na to, że autokorelacja występuje.
W przypadku gdy d (^) L d dU , to w oparciu o stosowany test nie jesteśmy w stanie
jednoznacznie wyrokować o autokorelacji. W takiej sytuacji możemy posłużyć się
współczynnikiem autokorelacji , który z d powiązany jest następująco:
Jednoznacznie dla danej liczby obserwacji n i poziomu ufności można odczytać z tablic
wartość istotnego współczynnika autokorelacji.
n
t
t
n
r
t t
1
2
2
2 1
Budowa mode lu e konometrycznego
Badamy kształtowanie się liczby widzów w kinach na 1000 mieszkańców (Y (^) t) w
zależności od liczby miejsc na widow ni w kinach stałych na 1000 mieszkańców (x1t) i
abonentów telewizyjnych na 1000 mieszkańców (x2 t).
ekonometrycznego z wieloma zmiennymi objaśniającymi dla danych rocznych klasyczną
metodą najmniejszych kwadratów (KMNK).
Lata Yt y X0t X1t X2t 1992 2,509 2,550458 1 28,391 22, 1993 2,89 2,86294 1 28,38 22, 1994 2,838 2,849081 1 28,903 22, 1995 2,629 2,640405 1 29,106 22, 1996 2,36 2,301097 1 29,486 22, 1997 1,826 1,765722 1 29,727 22, 1998 1,831 1,93049 1 30,061 23, 1999 2,35 2,331955 1 30,388 23, Suma 19, Średnia 2,
Lata X3t Yt-y (Yt-y)^2 Yt-śrYt (Yt-śrYt)^ 1992 15,357 -0,04146 0,001719 0,105 0, 1993 15,118 0,02706 0,000732 0,486 0, 1994 15,282 -0,01108 0,000123 0,434 0, 1995 15,486 -0,01141 0,00013 0,225 0, 1996 15,842 0,058903 0,00347 -0,044 0, 1997 16,295 0,060278 0,003633 -0,0578 0, 1998 16,267 -0,09949 0,009898 -0,573 0, 1999 16,069 0,018045 0,000326 -0,054 0, Suma 0,020031 1, Średnia
Model, którego parametry szacujemy, ma postać:
Zapis macierzowy modelu:
Wyznaczamy wektor Y obserwacji zmiennej objaśnianej oraz macierz X obserwacji
zmiennych objaśniających.
Vs = 0,
Współczynnik determinacji ma postać:
Stawiamy hipotezę
H 0 : (^) i = 0.
H 1 : (^) i 0
Wyliczamy standardowe błędy szacunku.
W celu obliczenia macierzy wariancji i kowariancji ocen parametrów strukturalnych
szacujemy wg wzoru:
D^2 ( ) = S^2 (xT^ x)-
2
1
2 2
t
n
i
t
1
2
1
2 2 n
t
t
n
t
t
i
i
D^2 ( (^) i)= 0, 0, 0,
Standardowe błędy szacunku wynoszą:
D( 0 )= 4,
D( 1 )= 0,
D( 2 )= 0,
D( 3 )= 0,
Mając wszystkie dane, możemy przejść do obliczania istotności.
t( 0 )= 3,
t( 1 )= 1,
t( 2 )= -0,
t( 3 )= -11,
Rozdział IV
Interpretacja uzyskanych wyników
Se= 0,
Przeciętne wartości empiryczne osób bezrobotnych na milion mieszkańców odchylają się
od wartości teoretycznych osób bezrobotnych o +/- 0,063294 miliona osób.
Vs = 0,