Rettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1

Størrelse: px
Starte visningen fra side:

Download "Rettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1"

Transkript

1 Rettevejledning til Økonomisk Kandidateksamen 005I, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget, inklusive det afleverede SAS program. Materialet på diskette/cd bedømmes som sådan ikke, men er anvendt fx til at opklare eventuelle følgefejl og lignende i besvarelsen og til at checke at opgaven er besvaret individuelt. Ved bedømmelsen bliver der taget udgangspunkt i den anførte vægtning af opgaverne. Der indgår en vurdering af, om besvarelsen samlet set er konsistent og formår at belyse den overordnede problemstilling indenfor de angivne rammer. Besvarelsen må højest fylde 6 sider (inkl. forsiden) og derudover 5 sider bilag. Overskridelser skal vægtes negativt i den samlede bedømmelse. Hvor der udføres hypotesetest forventes der redegjort for de opstillede hypoteser, hvilken teststatistik der anvendes og dens fordeling samt signifikansniveauet for testet (i rettevejledningen benyttes 5% signifikansniveau hvis ikke andet er nævnt). Opgaven er besvaret ud fra individualiserede datasæt. I vejledningen er angivet konkrete numeriske resultater og konklusioner på grundlag af eksamensnummer. Resultater for andre eksamensnumre kan fås ved at køre det vedlagte SAS program VEJL005I.sas med de makro- og datafiler, der blev udleveret sammen med opgaven. Det kan lede til andre konklusioner på visse test, som så vil være korrekt svar for det pågældende eksamensnummer. Opgave a. i) Der skal redegøres for, at parametrene indgår i model (.) som er en lineær (i parametrene) regressionsmodel og at de kan fortolkes som en partiel alt-andet-lige effekt på den forventede værdi af vækstraten ved én enheds ændring i en forklarende variabel. Det skal gøres explicit i forhold til de enheder, som variablerne er målt i. For δ skal det også bemærkes at effekten må ses i forhold til referencekategorien for dummyen. β 0 og β må fortolkes under ét idet β er koefficient til interaktionseffekten. ii) β 4 er koefficienten til interaktionsleddet mellem ethnf og assassin. Fortegnet skal begrundes, fx således: Både etnisk fraktionalisering og attentater påvirker den økonomiske vækst negativt på grund af potentielt mere social uro og øget risiko for at udbyttet af investeringer tilfalder andre; der er ikke i materialet nogen konkrete pejlemærker for interaktionseffekten, altså om effekten af en given ændring i attentatniveauet må forventes at blive forstærket, hvis der er høj grad af etnisk fraktionalisering, men det virker plausibelt at antage β 4 < 0. β er den helt centrale interaktionseffekt mellem politik og bistand og der bør refereres til Burnside og Dollars hypotese, at jo højere policy score, jo mere effektiv er u-landsbistanden, altså at β > 0. b. i) En tabel med udvalgte karakteristika, fx gennemsnit, varians (eller standardafvigelse), evt. min og max af vigtige variable. Udvalget af variabler bør begrundes. En kort diskussion af data, fx bemærkes meget stor variation i vækstraterne, en negativ observation af u-landsbistand, og negative værdier af policyvariablen.

2 Opgave ii) Dummyvariablerne easia og ssa giver opdelingen på grupper. Beregnede gennemsnit skal opstilles i en tabel. Forskelle mellem landegrupperne og udviklingen over tid og eventuelle sammenhænge bør nævnes. Evt. angives også antallet af lande i de enkelte kategorier/perioder (antallet varierer over tid). a. i) Parameterestimater skal angives. Det er OK at kommentere fortegn med fornødne forbehold, men der bør ikke kommenteres på signifikans af estimaterne så længe gyldigheden af estimatet af OLS variansen ikke er checket. ii) Givet MLR. MLR.4 er OLS middelret og konsistent. Egenskaberne sikrer at OLS giver et godt estimat i den forstand, at man i gennemsnit vil ramme den sande værdi af parametrene, men siger ikke noget om, hvorvidt spredningen omkring den sande værdi er stor eller lille (MLR.-5 ville have givet os egenskaben bedst blandt lineære middelrette estimatorer). b. i) Grafisk analyse: Som minimum forventes et kommenteret plot af residualerne mod den predikterede vækstrate. En fuldstændig besvarelse bør også udvælge og begrunde plot imod centrale forklarende variabler. ii) Breusch-Pagan test for heteroskedasticitet: Ud over de generelle krav vedrørende rapportering af hypotesetest skal en fuldstændig besvarelse beskrive hjælperegressionen, der ligger til grund for testet (enten LM eller F-test) og redegøre konkret for, at nulhypotesen om homoskedasticitet ikke kan afvises hverken af LM- eller F-testet. c. Man skal i ord klart formulere konklusioner på baggrund af testene. Der bør gøres rede for, at man kan benytte OLS estimaterne og deres almindelige standardfejl da MLR.-5 er opfyldt. Der gælder de generelle krav vedrørende rapportering af hypotesetest. i) Der er konvergens når β < 0 hvorfor der vælges et enkeltsidet alternativ til nulhypotesen. Dette skal fremgå eksplicit. Der bør anvendes et t-test og t-størrelsen aflæses af regressionsoutput. Nulhypotesen kan ikke afvises, altså ingen konvergens. ii) Testet foretages som et F- test af restriktionerne under ét, altså β = β3 = β4 = β6 = 0 overfor at mindst én er forskellig fra nul. Hypotesen kan ikke afvises og kontrolvariablerne yder således ikke noget signifikant bidrag. iii) Testet formuleres som eksklusionsrestriktion på td og td3, δ = δ3 = 0, idet 90-3 er referencekategori. Udføres som et F- test af restriktionerne under ét. Hypotesen kan afvises, der er altså alt andet lige forskelligt niveau for vækstraten i mindst en af de to perioder i forhold til Her kan trækkes en linie til de forskelle over tid, som blev konstateret i Opgave.b og som altså ikke alene forklares af udviklingen i de forklarende variabler. Restriktionen under c.ii) pålægges i resten af opgave.

3 d. i) Bistand indgår direkte og gennem interaktionsleddet med politikvariablen. For at teste om u-landsbistand har effekt overhovedet skal begge led restrikteres til nul, β0 = β = 0. Testes overfor at en af koefficienterne er forskellige fra nul med et F-test. Nulhypotesen kan ikke afvises. Det kan bemærkes at aid variablen i sig selv er meget lidt signifikant ud fra et t-test. ii) Spørgsmålet kan fortolkes ud fra diskussionen under Opgave.a, som leder til forventningen at β > 0, derfor relevant at teste overfor et enkeltsidet alternativ. Koefficienten til interaktionsleddet er signifikant positiv. God politik svarer til en højere score, men det bør bemærkes, at policy variablen også antager negative værdier. Modellen tillader altså tilfælde, hvor politikken er så dårlig at en positiv ændring af u-landsbistanden virker dæmpende på væksten. e. Her skal testes for, om interaktionsleddet mellem aid og policy har forskellig effekt før og efter 98. Der skal konstrueres et nyt interaktionsled fx for anden halvdel af perioden: aidpol893 = ( td4 + td5 + td6)* a _ policy. Nulhypotesen er ingen forskel mellem første og andel delperiode svarende til at aidpol 893 ikke er signifikant, hvilket ikke kan afvises. f. i) Formålet med de robuste standardfejl og hovedtræk i beregningen bør forklares i ord. En fuldstændig besvarelse indeholder også en kommenteret formel for beregningen. Den gennemgående antagelse i Opgave.c-g. er at der er homoskedasticitet og dermed ikke behov for at anvende robuste standardfejl. Antagelsen kan vurderes ud fra spørgsmål c. ii) De robuste standardfejl skal beregnes og rapporteres i en tabel og sammenlignes med de almindelige OLS standardfejl. iii) Spørgsmålet vedrører begge hypoteser fra Opgave.d. Det fælles test for eksklusion af de to aid relaterede variabler er signifikant på grundlag af den robuste kovariansmatrice. Interaktionseffekten bliver isoleret set også mere signifikant. Det skal konkluderes, at resultaterne giver mere støtte til Burnside-Dollar hypotesen. g. i) Der skal foretages en konkret beregning på grundlag af de estimerede værdier af β 0 og β, hvor growth = ˆ β ˆ aid + β policy aid = + = som er udtrykt i procent. Niveaueffekten kan evt. ignoreres. ii) Beregnede gennemsnit opstilles i en tabel. Væksteffekten ved gennemsnittet for hver gruppe/periode beregnes ud fra den tilsvarende formel som under i). iii) Besvarelsen bør diskutere forskelle mellem landegrupper og udviklingen over tid i relation til den tabel, der blev opstillet i Opgave.b. Bistanden bliver over tid i højere og højere grad blevet givet til lande (Afrika syd for Sahara), hvor den beregnede effekt er lille på grund af dårlig politik. Fordelingen er i den forstand blevet mindre efficient. Et muligt forbehold overfor analysen er, at der ikke indgår de samme lande i hver periode. Udviklingen kunne således blandt andet tilskrives, at de lande der kommer ind eller forsvinder ud afviger systematisk fra resten uden at der sker nogen reel ændring for de enkelte lande. Besvarelsen bør i det mindste diskutere, om der er forbehold.

4 Opgave 3 a. Besvarelse af dette spørgsmål forudsætter, at man konstruerer variablerne aid og laid. i) Bistandseffekten er kvadratisk: α6aid + α aid. Hvis det antages at α 6 > 0 og α < 0 er * α6 det en konkav funktion med maksimum i aid =, hvor det samlede bidrag af α bistanden til vækstraten er størst. Bidraget fra bistandsleddene er nul for aid = 0 og for α6 aid =, hvilket betyder at bistand ud over sidstnævnte niveau principielt vil stille landet α ringere end uden bistand. Antagelserne om de sande værdier af α6 og α skal fremgå. ii) Opgaveteksten påpeger en udeladt variabel forklaring som kilde til korrelation mellem fejlleddet i modellen og omfanget af u-landsbistanden, som optræder på højresiden i form af aid variablerne. Hvis der er korrelation vil OLS ikke give konsistente (eller middelrette) estimater. iii) Det skal forklares at de foreslåede instrumenter () ikke må være korrelerede med fejlleddet i modellen (dvs. givet de forklarende variabler i (.) må de ikke være korrelerede med vækstraten) og () skal være korrelerede med de endogene forklarende variabler, givet de exogene forklarende variabler i (.). Desuden må instrumenterne ikke være perfekt korrelerede indbyrdes eller i forhold til de exogene forklarende variabler i (.). Betingelse () kan testes og bliver det i det følgende spørgsmål. En diskussion af betingelse () kræver et bud på, hvad der er årsag til korrelation mellem fejlleddet og aid variablerne. Den fuldstændige besvarelse bør derfor indeholde et bud (fx gamle kolonimagters forkærlighed for gamle kolonier kombineret med institutionelle forhold fra kolonitiden, hvis effekt på vækstraten kun delvist opfanges af icrge). iv) Der skal estimeres reducerede forms ligninger med OLS både for aid og aid. Det skal klart formuleres, om den nødvendige korrelation er til stede i forhold til betingelse (). v) Der skal udføres en OLS regression hvor (.) udvides med residualerne fra de reducerede former estimeret under iv). Hjælperegressionen skal beskrives og signifikansen af de tilføjede residualer skal testes. Aid variablerne kan afvises at være exogene og det er nødvendigt at bruge IV estimation for at få konsistente parameterskøn. vi) Resultaterne af IV estimationen skal rapporteres i en tabel med korrekte standardfejl. vii) Gyldigheden af to overidenticerende restriktioner skal testes med en hjælperegression af IV-residualet på samtlige exogene variabler. Teststørrelsen er nr fra hjælperegressionen, som skal beskrives. Testet kan ikke afvise gyldigheden af de overidenticerende restriktioner. viii) Der skal foretages et samlet test af signifikansen af aid og aid ud fra IV-resultaterne. Der skal konkluderes at effekterne samlet set er meget signifikante og at u-landsbistanden dermed har en effekt på vækstraten. Den marginale effekt er negativ når bistanden når ud over aid*, hvilket beregnet ud fra IV estimaterne bliver ca. 9,5 procent af BNP. Maksimum

5 for aid ligger lige akkurat under dette niveau (jf fx tabellen i Opgave.b.i). Der er altså ingen lande eller perioder i data, hvor den marginale bistandskrone decideret har medvirket til at reducere vækstraten. Det bør dog bemærkes, at estimatet for aid* bygger på et upræcist estimat af α. b. Teoriopgave: i) Within estimatoren for model (.3) er baseret på regressionsligningen: gi ( gi gi ) g g = δ ( d d) + β ( aid aid ) + u u (*) it i t it i it i hvor = + og tilsvarende for de øvrige variabler. Det er tilstrækkeligt at konstatere at Within estimatoren er OLS estimatoren for denne ligning. ii) Within estimatoren er konsistent under betingelserne FE.-4 i Wooldridge. Der bør være mere end en generel henvisning, idet opgaven kræver en diskussion af betingelserne. En fuldstændig besvarelse kræver at betingelserne gøres konkrete i forhold til modellen (.3). Det kan bemærkes at stærk exogenitetsbetingelsen FE.3 kan løsnes til et krav om at uit, t =,, er ukorrelerede med aidi og aidi, givet den individuelle effekt, a i. iii) Førstedifferens (FD) estimatoren er OLS estimatoren baseret på ligningen: g g = δ + β ( aid aid ) + u u (**) i i i i i i hvilket udnytter at d = 0 og d = for alle i. At vise at Within og FD er identiske for T= svarer til at vise at ligninger (*) og (**) er ækvivalente. Først ser vi på between ligningen for de individuelle gennemsnit som fremkommer ved at addere (.3) i de to perioder og dividere med to: gi + gi = β0 + δ( d+ d ) + β( aidi + aidi) + ai + ( ui + ui) Denne ligning trækkes fra (.3) for at få Within ligningen jf. (*), fx i periode : gi gi gi = β0 β0 + δd δ( d+ d ) + βaidi β( aidi+ aidi) + ai ai + ui ( ui + ui) gi gi = δ( d d ) + β( aidi aidi) + ( ui ui) ( id aid ) + u u gi gi = δ+ β a i i i i Som netop er FD ligningen (**). Sidste trin ganger igennem med -/ og udnytter at d = 0 og d = for alle i. Tager man udgangspunkt i Within ligningen for periode får man præcist samme udtryk. For T= er de to estimatorer OLS på identiske ligninger og derfor ækvivalente.

6 Opgave 4 iv) Sammenlignet med de modeller, der lå til grund for de empiriske analyser i Opgave og 3.a har (.3) her udeladt forklarende variabler, som viste sig at være signifikante. Det skal bemærkes at dette potentielt er kilde til inkonsistens fordi aid givetvis vil være korreleret med disse variabler. Det bør også diskuteres, at Within estimation baseret på (.3) vil være immun overfor udeladte variabler som ikke varierer over tid, men at mange af de nævnte udeladte variabler er tidsvarierende, så det afhjælper generelt ikke konsistensproblemet. a. Citatet er fra en artikel af Carl-Johan Dalgaard, Henrik Hansen og Finn Tarp i Economic Journal i 004, som blandt andet diskuterer anvendelsen af variablen andelen af landet der ligger i den tropiske zone (tropicar) og dens interaktion med aid variablen. Citatet tager udgangspunkt i, at tropicar har en direkte effekt ( direct bearing ) på vækstraten. I forhold til modellerne (.) og (.) betyder det, at der meget vel kan være udeladt variabel bias i disse regressioner. Konkret vil OLS estimatoren baseret på (.) være inkonsistent, hvis en eller flere af de forklarende variabler er korrelerede med tropicar (hvilket er sandsynligt og kan efterprøves). IV estimatoren baseret på (.) vil være konsistent, hvis det kun er de endogene forklarende variabler aid og aid der er korrelerede med tropicar. Hvis de exogene forklarende variabler og/eller instrumenterne fra Opgave 3.a er korrelerede med tropicar (hvilket igen er sandsynligt og kan efterprøves), vil resultatet igen være inkonsistens fordi tropicar indgår som en del af fejlleddet u i (.). Citatet nævner en alternativ forklaring, at effekten af tropicar alene går via institutionelle forhold, som i modellerne. og. er repræsenteret af variablen icrge. I så fald vil icrge fange effekten af tropicar som således ikke optræder som en del af fejlleddet u i (.) eller (.) og derfor ikke giver anledning til problemer. Der skal konkret tages stilling til at den bedste anvendelse af tropicar er som en forklarende variabel direkte i ligningen for at sikre konsistens blandt andet af estimatet af effektiviteten af u-landsbistanden. Citatet fastholder at variablen kan betragtes som exogen. Den bør ikke i sig selv give anledning til endogenitetsproblemer, men i det omfang at aid betragtes som endogen regressor i regressionsmodellen må dette også gælde for interaktionsleddet mellem aid og tropicar. b. Der skal tages konkret udgangspunkt i de modeller og datasæt, der blev analyseret i Opgave.d. og 3.a. Derfra er opgaven relativt åbent formuleret, men svaret skal være relateret til diskussionen i Opgave 4.a. og konkret afspejle, at tropicar og dens interaktion med aid variablen er potentielt udeladte variabler. Der skal laves to separate analyser under i) og ii), som belyser hhv. signifikans af politikafhængighed og eksistensen af en kvadratisk effekt i u-landsbistandens effektitivitet. Det vejledende SAS-program implementerer følgende forslag: i) En simpel udvidelse af (.) i restrikteret version men fortsat baseret på de antagelser, der blev gjort i Opgave. Giver som resultat, at a_policy nu ikke længere er signifikant. Det er tilgæld interaktionen a_tropicar. Med robuste standardfejl er effekten af a_policy dog tæt på at være signifikant på et 5 pct. signifikansniveau.

7 Opgave 5 ii) Analysen i Opgave 3.a. kan udvides med de to variabler i ligningen, hvor a_tropicar så må instrumenteres. Det virker naturligt at definere et yderligere instrument i form af variablen fra den foregående period, la_tropicar. Aid er nu mere signifikant ligesom a_tropicar bliver det mens der ikke er megen evidens for nogen kvadratisk effekt. a. Denne del af opgaven bør fremstå som en samlet og overskuelig konklusion på hele opgaven. I besvarelsen skal der demonstreres overblik over de forskellige modeller for vækstraten og evne til at lave overskuelige tabeller, som udvælger og sammenholder de vigtigste analyser fra Opgave, 3 og 4. Kommentaren skal være fokuseret på de centrale variabler i analysen (u-landsbistanden, politikafhængighed, marginale effekt af bistanden). Der skal være en klart formuleret konklusion for, hvad der er det (eller de) foretrukne estimat(er) og om der er en signifikant effekt af u-landsbistand på vækstraten. b. I analysen skal implikationerne diskuteres både ud fra de empiriske analyser og det udleverede bilagsmateriale. I forhold til fordelingen af u-landsbistanden over lande bør det indgå i diskussionen, hvad der er virkningen af at gøre u-landsbistanden afhængig af den førte politik, hvis den sande effekt ikke er politikafhængig, men afhænger af naturgivne forhold som fx landets geografiske placering.

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1 Rettevejledning til Økonomisk Kandidateksamen 2007II Økonometri 1 Vurderingsgrundlaget for tag-hjem eksamen er selve opgavebesvarelsen og bilaget. Programmer og data bedømmes som sådan ikke, men er anvendt

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2007II. Kvantitative Metoder 2: Tag-hjem eksamen

Rettevejledning til Økonomisk Kandidateksamen 2007II. Kvantitative Metoder 2: Tag-hjem eksamen Rettevejledning til Økonomisk Kandidateksamen 2007II Kvantitative Metoder 2: Tag-hjem eksamen Der skal for hver studerende foretages en samlet bedømmelse af tag-hjem gruppeopgaven og den individuelle 2-timers

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder Heteroskedasticitet 11. april 007 KM: F18 1 Oversigt: Heteroskedasticitet OLS estimation under heteroskedasticitet (W.8.1-): Konsekvenser af heteroskedasticitet for OLS Gyldige test

Læs mere

Økonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1

Økonometri 1. Inferens i den lineære regressionsmodel 2. oktober Økonometri 1: F8 1 Økonometri 1 Inferens i den lineære regressionsmodel 2. oktober 2006 Økonometri 1: F8 1 Dagens program Opsamling om asymptotiske egenskaber: Asymptotisk normalitet Asymptotisk efficiens Test af flere lineære

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2008II. Kvantitative Metoder 2: Tag-hjem eksamen

Rettevejledning til Økonomisk Kandidateksamen 2008II. Kvantitative Metoder 2: Tag-hjem eksamen Rettevejledning til Økonomisk Kandidateksamen 008II Kvantitative Metoder : Tag-hjem eksamen Der skal for hver studerende foretages en samlet bedømmelse af tag-hjem gruppeopgaven og den individuelle -timers

Læs mere

Økonomisk Kandidateksamen 2005I Økonometri 1. Virker u-landsbistanden?

Økonomisk Kandidateksamen 2005I Økonometri 1. Virker u-landsbistanden? Økonomisk Kandidateksamen 2005I Økonometri 1 Virker u-landsbistanden? Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang til data og bilag

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2004I, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2004I, Økonometri 1 Rettevejledning til Økonomisk Kandidateksamen 004I, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget. Programmer og data som er afleveret på diskette/cd bedømmes som sådan ikke, men

Læs mere

Økonometri 1. Dummyvariabler 13. oktober Økonometri 1: F10 1

Økonometri 1. Dummyvariabler 13. oktober Økonometri 1: F10 1 Økonometri 1 Dummyvariabler 13. oktober 2006 Økonometri 1: F10 1 Dagens program Dummyvariabler i den multiple regressionsmodel (Wooldridge kap. 7.3-7.6) Dummy variabler for kvalitative egenskaber med flere

Læs mere

Økonometri, ugeseddel 8 Hold 1 1/4-2003

Økonometri, ugeseddel 8 Hold 1 1/4-2003 1 Modeller/diagrammer med dummy er Disse tre diagrammer ligger til grund for gruppearbejdet. a) Generel regressions model g = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 +..+ β n x n + u i, Hvor i =1,.n g b) Model

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder 2 Specifikation og dataproblemer 30. april 2007 KM2: F21 1 Program for de to næste forelæsninger Emnet er specifikation og dataproblemer (Wooldridge kap. 9) Fejlleddet kan være korreleret

Læs mere

Økonomisk Kandidateksamen 2004II Økonometri 1. Læsefærdigheder hos skoleelever i Danmark

Økonomisk Kandidateksamen 2004II Økonometri 1. Læsefærdigheder hos skoleelever i Danmark Økonomisk Kandidateksamen 2004II Økonometri 1 Læsefærdigheder hos skoleelever i Danmark Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang

Læs mere

Undervisningsnoter til øvelse i Panel Modeller. %, it. E(x kjs

Undervisningsnoter til øvelse i Panel Modeller. %, it. E(x kjs 4 I afsnit 3 beskæftigede vi os med 1EC modellen og viste, hvordan den kunne estimereres med FGLS - bla under forudsætning af, at det individspecifikke stokastiske led er ukorreleret med de forklarende

Læs mere

Økonometri 1. Inferens i den lineære regressionsmodel 25. september Økonometri 1: F6 1

Økonometri 1. Inferens i den lineære regressionsmodel 25. september Økonometri 1: F6 1 Økonometri 1 Inferens i den lineære regressionsmodel 25. september 2006 Økonometri 1: F6 1 Oversigt: De næste forelæsninger Statistisk inferens: hvorledes man med udgangspunkt i en statistisk model kan

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder 2 Den multiple regressionsmodel 5. marts 2007 regressionsmodel 1 Dagens program Emnet for denne forelæsning er stadig den multiple regressionsmodel (Wooldridge kap. 3.4-3.5, E.2) Variansen

Læs mere

Økonometri 1. Gentagne tværsnit (W ): Opsamling. Gentagne tværsnit og paneldata. Gentagne Tværsnit og Paneldata II.

Økonometri 1. Gentagne tværsnit (W ): Opsamling. Gentagne tværsnit og paneldata. Gentagne Tværsnit og Paneldata II. Gentagne tværsnit (W 13.1-): Opsamling. Økonometri 1 Gentagne Tværsnit og Paneldata II Kombinerer tværsnit indsamlet på forskellige tidspunkter. Partial pooling: Tillader koefficienterne til nogle af variablerne

Læs mere

Appendiks Økonometrisk teori... II

Appendiks Økonometrisk teori... II Appendiks Økonometrisk teori... II De klassiske SLR-antagelser... II Hypotesetest... VII Regressioner... VIII Inflation:... VIII Test for SLR antagelser... IX Reset-test... IX Plots... X Breusch-Pagan

Læs mere

! Variansen på OLS estimatoren. ! Multikollinaritet. ! Variansen i misspecificerede modeller. ! Estimat af variansen på fejlleddet

! Variansen på OLS estimatoren. ! Multikollinaritet. ! Variansen i misspecificerede modeller. ! Estimat af variansen på fejlleddet Dagens program Økonometri Den multiple regressionsmodel 4. februar 003 regressionsmodel Emnet for denne forelæsning er stadig den multiple regressionsmodel (Wooldridge kap. 3.4-3.5)! Opsamling fra sidst

Læs mere

Økonometri 1. Oversigt. Mere om dataproblemer Gentagne tværsnit og panel data I

Økonometri 1. Oversigt. Mere om dataproblemer Gentagne tværsnit og panel data I Oversigt Økonometri 1 Mere om dataproblemer Gentagne tværsnit og panel data I Info om prøveeksamen Mere om proxyvariabler og målefejl fra sidste gang. Selektion og dataproblemer Intro til nyt emne: Observationer

Læs mere

Økonometri 1. Dagens program: Afslutningsforelæsning 23. maj 2007

Økonometri 1. Dagens program: Afslutningsforelæsning 23. maj 2007 Dagens program: Økonometri 1 Afslutningsforelæsning 23. maj 2007 6-trins procedure til IV estimation. Afrunding af IV: Rygning og fødselsvægt. Afrunding og perspektivering af Kvant 2. Opfølgning af introduktionsforelæsningen.

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Gentagne tværsnit og paneldata Kvantitative metoder 2 Gentagne tværsnit og panel data II 9. maj 2007 I dag: To-periode panel data: Følger de samme individer over to perioder (13.3-4) Unobserved effects

Læs mere

Økonometri: Lektion 6 Emne: Heteroskedasticitet

Økonometri: Lektion 6 Emne: Heteroskedasticitet Økonometri: Lektion 6 Emne: Heteroskedasticitet 1 / 32 Konsekvenser af Heteroskedasticitet Antag her (og i resten) at MLR.1 til MLR.4 er opfyldt. Antag MLR.5 ikke er opfyldt, dvs. vi har heteroskedastiske

Læs mere

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Anvendt Statistik Lektion 8. Multipel Lineær Regression Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder 2 Specifikation og dataproblemer 2. maj 2007 KM2: F22 1 Program Specifikation og dataproblemer, fortsat (Wooldridge kap. 9): Betydning af målefejl Dataudvælgelse: Manglende observationer

Læs mere

! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion

! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!

Læs mere

! Proxy variable. ! Målefejl. ! Manglende observationer. ! Dataudvælgelse. ! Ekstreme observationer. ! Eksempel: Lønrelation (på US data)

! Proxy variable. ! Målefejl. ! Manglende observationer. ! Dataudvælgelse. ! Ekstreme observationer. ! Eksempel: Lønrelation (på US data) Dagens program Økonometri 1 Specifikation, og dataproblemer 10. april 003 Emnet for denne forelæsning er specifikation (Wooldridge kap. 9.-9.4)! Proxy variable! Målefejl! Manglende observationer! Dataudvælgelse!

Læs mere

Økonomisk Kandidateksamen 2006II Økonometri 1. Afkastet af uddannelse for britiske tvillingepar

Økonomisk Kandidateksamen 2006II Økonometri 1. Afkastet af uddannelse for britiske tvillingepar Økonomisk Kandidateksamen 2006II Økonometri 1 Afkastet af uddannelse for britiske tvillingepar Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig, at du kan få

Læs mere

Økonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006

Økonometri 1. Dagens program. Den simple regressionsmodel 15. september 2006 Dagens program Økonometri Den simple regressionsmodel 5. september 006 Den simple lineære regressionsmodel (Wooldridge kap.4-.6) Eksemplet fortsat: Løn og uddannelse på danske data Funktionel form Statistiske

Læs mere

Lagrange multiplier test. Økonometri: Lektion 6 Håndtering ad heteroskedasticitet. Konsekvenser af Heteroskedasticitet

Lagrange multiplier test. Økonometri: Lektion 6 Håndtering ad heteroskedasticitet. Konsekvenser af Heteroskedasticitet Lagrange multiplier test Et alternativ til F -testet af en eller flere parametre. Økonometri: Lektion 6 Håndtering ad heteroskedasticitet Antag vi har model: y = β 0 + β 1 x 2 + + β k x k + u. Vi ønsker

Læs mere

Økonometri 1. Målsætning for Økonometri 1. Dagens program: Afslutningsforelæsning 16. December 2005

Økonometri 1. Målsætning for Økonometri 1. Dagens program: Afslutningsforelæsning 16. December 2005 Dagens program: Økonometri 1 Afrunding og perspektivering af Økonometri 1. Opfølgning af introduktionsforelæsningen. Wooldridge, kapitel 19: Carrying out an Empirical Project Oversigt over økonometriske

Læs mere

Wooldridge, kapitel 19: Carrying out an Empirical Project. Information og spørgsmål vedr. eksamen. Økonometri 1: Afslutningsforelæsning 2

Wooldridge, kapitel 19: Carrying out an Empirical Project. Information og spørgsmål vedr. eksamen. Økonometri 1: Afslutningsforelæsning 2 Økonometri 1 Afslutningsforelæsning 19. maj 2003 Økonometri 1: Afslutningsforelæsning 1 Evalueringer Kun 23 har udfyldt evalueringsskemaerne ud af ca. 120 tilmeldte til eksamen Resultatet kan ses på hjemmesiden

Læs mere

Økonometri: Lektion 6 Emne: Heteroskedasticitet

Økonometri: Lektion 6 Emne: Heteroskedasticitet Økonometri: Lektion 6 Emne: Heteroskedasticitet 1 / 34 Lagrange multiplier test Et alternativ til F -testet af en eller flere parametre. Antag vi har model: Vi ønsker at teste hypotesen y = β 0 + β 1 x

Læs mere

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2

Økonometri 1. Den simple regressionsmodel 11. september Økonometri 1: F2 Økonometri 1 Den simple regressionsmodel 11. september 2006 Dagens program Den simple regressionsmodel SLR : Én forklarende variabel (Wooldridge kap. 2.1-2.4) Motivation for gennemgangen af SLR Definition

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2006II, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2006II, Økonometri 1 Rettevejledning til Økonomisk Kandidateksamen 6II, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget. Programmer og data, som er aleveret elektronisk, bedømmes som sådan ikke, men er

Læs mere

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i. Repetition af vektor-regning Økonometri: Lektion 3 Matrix-formulering Fordelingsantagelse Hypotesetest Antag vi har to n-dimensionelle (søjle)vektorer a 1 b 1 a 2 a =. og b = b 2. a n b n Tænk på a og

Læs mere

Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17

Analysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17 nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvantitative metoder 2 Inferens i den lineære regressionsmodel 7. marts 2007 regressionsmodel 1 Opgave fra sidst (Gauss-Markov teoremet) Opgave: Vis at hvis M = I X X X X 1 ( ' ) ' er M idempoten dvs der

Læs mere

Referat : af Gruppearbejde Økonometri1 øvelsestime ugeseddel 7 dato 26/3 2003, Hold 4

Referat : af Gruppearbejde Økonometri1 øvelsestime ugeseddel 7 dato 26/3 2003, Hold 4 Referat : af Gruppearbejde Økonometri1 øvelsestime ugeseddel 7 dato 26/3 2003, Hold 4 Spm1 Den udvidede model med de to strukturelle variable sk og sh: g i (60-00) = B 0 + B 1 *log(y i ) + B 2 [ log(sk

Læs mere

Økonomisk Kandidateksamen 2003II Økonometri 1. Værdisætning af skov

Økonomisk Kandidateksamen 2003II Økonometri 1. Værdisætning af skov Økonomisk Kandidateksamen 2003II Økonometri 1 Værdisætning af skov Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang til data, opgavetekst

Læs mere

Fokus på Forsyning. Datagrundlag og metode

Fokus på Forsyning. Datagrundlag og metode Fokus på Forsyning I notatet gennemgås datagrundlaget for brancheanalysen af forsyningssektoren sammen med variable, regressionsmodellen og tilhørende tests. Slutteligt sammenfattes analysens resultater

Læs mere

Økonometri 1. Prediktion. Dummyvariabler 9. oktober Økonometri 1: F9 1

Økonometri 1. Prediktion. Dummyvariabler 9. oktober Økonometri 1: F9 1 Økonometri 1 Prediktion. Dummyvariabler 9. oktober 2006 Økonometri 1: F9 1 Program frem til efterårsferien Om goodness-of-fit, prediktion og residualer (kap. 6.3-4) Kvalitative egenskaber i den multiple

Læs mere

1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata

1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata 1 Intoduktion Før man springer ud i en øvelse om paneldata og panelmodeller, kan det selvfølgelig være rart at have en fornemmelse af, hvorfor de er så vigtige i moderne mikro-økonometri, og hvorfor de

Læs mere

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Økonometri: Lektion 2 Multipel Lineær Regression 1/27 Multipel Lineær Regression Sidst så vi på simpel lineær regression, hvor y er forklaret af én variabel. Der er intet, der forhindre os i at have mere

Læs mere

Vejledende besvarelser til opgaver i kapitel 14

Vejledende besvarelser til opgaver i kapitel 14 Vejledende besvarelser til opgaver i kapitel 14 Opgave 1 a) Det første trin i opstillingen af en hypotesetest er at formulere to hypoteser, hvoraf den ene støtter den teori vi vil teste, mens den anden

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Opgave fra sidst (Gauss-Markov teoremet) Kvantitative metoder Inferens i den lineære regressionsmodel 7. marts 007 Opgave: Vis at hvis M = I X X X X ( ' ) ' er M idempoten dvs der gælder gælder M = M '

Læs mere

Økonometri 1. FunktioneI form i den lineære regressionsmodel 19. oktober Dagens program

Økonometri 1. FunktioneI form i den lineære regressionsmodel 19. oktober Dagens program Dagens program Økonometri 1 FunktioneI form i den lineære regressionsmodel 19. oktober 004 Mere om funktionel form (kap 6.) Log transformation Kvadratisk form Interaktionseffekter Goodness of fit (kap.

Læs mere

Økonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006

Økonometri 1. Dagens program. Den multiple regressionsmodel 18. september 2006 Dagens program Økonometri Den multiple regressionsmodel 8. september 006 Opsamling af statistiske resultater om den simple lineære regressionsmodel (W kap..5). Den multiple lineære regressionsmodel (W

Læs mere

1 Regressionsproblemet 2

1 Regressionsproblemet 2 Indhold 1 Regressionsproblemet 2 2 Simpel lineær regression 3 2.1 Mindste kvadraters tilpasning.............................. 3 2.2 Prædiktion og residualer................................. 5 2.3 Estimation

Læs mere

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser Uge 43 I Teoretisk Statistik,. oktober 3 Simpel lineær regressionsanalyse Forudsigelser Fortolkning af regressionsmodellen Ekstreme observationer Transformationer Sammenligning af to regressionslinier

Læs mere

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning

Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning 1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion

Læs mere

Økonometri 1 Forår 2006 Ugeseddel 11

Økonometri 1 Forår 2006 Ugeseddel 11 Økonometri 1 Forår 2006 Ugeseddel 11 Program for øvelserne: Gruppearbejde og plenumdiskussion Introduktion til SAS øvelser SAS øvelser Øvelsesopgave 5: Paneldata estimation af indkomstligninger på danske

Læs mere

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3

Læs mere

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ Indhold 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) 2 1.1 Variation indenfor og mellem grupper.......................... 2 1.2 F-test for ingen

Læs mere

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen 1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ exposure) Variation indenfor og mellem grupper F-test for ingen effekt AnovaTabel Beregning af p-værdi i F-fordelingen

Læs mere

De variable, som er inkluderet i de forskellige modeller, er følgende:

De variable, som er inkluderet i de forskellige modeller, er følgende: DUL II. Undersøgelse af hvilke faktorer, der er væsentlige for at understøtte, at der er klare og veltilrettelagte mål tilstede i arbejdet med elevernes læring Følgende er en statistisk analyse af ovenstående

Læs mere

Kapitel 11 Lineær regression

Kapitel 11 Lineær regression Kapitel 11 Lineær regression Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 1 Indledning Vi modellerer en afhængig variabel (responset) på baggrund af en uafhængig variabel (stimulus),

Læs mere

Økonometri 1 Efterår 2006 Ugeseddel 11

Økonometri 1 Efterår 2006 Ugeseddel 11 Økonometri 1 Efterår 2006 Ugeseddel 11 Program for øvelserne: Gruppearbejde og plenumdiskussion Introduktion til SAS øvelser SAS øvelser Øvelsesopgave: Paneldata estimation Sammenhængen mellem alder og

Læs mere

Out-of-sample forecast samt reestimation af ADAMs lønligning

Out-of-sample forecast samt reestimation af ADAMs lønligning Danmarks Statistik MODELGRUPPEN Arbejdspapir* Peter Agger Troelsen 31. oktober 2013 Out-of-sample forecast samt reestimation af ADAMs lønligning Resumé: Papiret reestimerer ADAMs lønligning og vurderer

Læs mere

W.2 Simpel lineær regression: Egenskaber ved OLS: Forudsagte værdier og residualer: Et residual:

W.2 Simpel lineær regression: Egenskaber ved OLS: Forudsagte værdier og residualer: Et residual: W.2 Simpel lineær regression: Forudsagte værdier og residualer: Et residual: For residualerne (baseret på en OLS estimation med konstantled) gælder følgende sammenhænge mekanisk: Egenskaber ved OLS: Den

Læs mere

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Anvendt Statistik Lektion 7. Simpel Lineær Regression Anvendt Statistik Lektion 7 Simpel Lineær Regression 1 Er der en sammenhæng? Plot af mordraten () mod fattigdomsraten (): Scatterplot Afhænger mordraten af fattigdomsraten? 2 Scatterplot Et scatterplot

Læs mere

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0 Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt

Læs mere

Multipel Lineær Regression

Multipel Lineær Regression Multipel Lineær Regression Trin i opbygningen af en statistisk model Repetition af MLR fra sidst Modelkontrol Prædiktion Kategoriske forklarende variable og MLR Opbygning af statistisk model Specificer

Læs mere

Markante sæsonudsving på boligmarkedet

Markante sæsonudsving på boligmarkedet N O T A T Markante sæsonudsving på boligmarkedet 9. marts 0 Denne analyse estimerer effekten af de sæsonudsving, der præger prisudviklingen på boligmarkedet. Disse priseffekter kan være hensigtsmæssige

Læs mere

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA) Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:

Læs mere

Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere

Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere DET ØKONOMISKE RÅD S E K R E T A R I A T E T d. 20. maj 2005 SG Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere Baggrundsnotat vedr. Dansk Økonomi, forår 2005, kapitel

Læs mere

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA) Anvendt Statistik Lektion 9 Variansanalyse (ANOVA) 1 Undersøge sammenhæng Undersøge sammenhænge mellem kategoriske variable: χ 2 -test i kontingenstabeller Undersøge sammenhæng mellem kontinuerte variable:

Læs mere

Økonomisk Kandidateksamen 2004I Økonometri 1. Kvinders arbejdsudbud

Økonomisk Kandidateksamen 2004I Økonometri 1. Kvinders arbejdsudbud Økonomisk Kandidateksamen 004I Økonometri Kvinders arbejdsudbud Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri : Start med at sikre dig at du kan få adgang til data (se næste side).

Læs mere

Test for strukturelle ændringer i investeringsadfærden

Test for strukturelle ændringer i investeringsadfærden d. 6.10.2016 De Økonomiske Råds Sekretariat Test for strukturelle ændringer i investeringsadfærden Dette notat redegør for de stabilitetstest af forskellige tidsserier vedrørende investeringsadfærden i

Læs mere

Normalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ

Normalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ Normalfordelingen Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: f(x) = ( ) 1 exp (x µ)2 2πσ 2 σ 2 Frekvensen af observationer i intervallet

Læs mere

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som

MLR antagelserne. Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som MLR antagelserne Antagelse MLR.1:(Lineære parametre) Den statistiske model for populationen kan skrives som y = β 0 + β 1 x 1 + β 2 x 2 + + β k x k + u, hvor β 0, β 1, β 2,...,β k er ukendte parametere,

Læs mere

Økonometri 1. Kvalitative variabler. Kvalitative variabler. Dagens program. Kvalitative variable 8. marts 2006

Økonometri 1. Kvalitative variabler. Kvalitative variabler. Dagens program. Kvalitative variable 8. marts 2006 Dagens program Økonometri 1 Kvalitative variable 8. marts 2006 Kvalitative variabler som forklarende variabler i en lineær regressionsmodel (Wooldridge kap. 7.1-7.4) Kvalitative variabler generelt Dummy

Læs mere

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model Reminder: Hypotesetest for én parameter Antag vi har model Økonometri: Lektion 4 F -test Justeret R 2 Aymptotiske resultater y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi ønsker at teste hypotesen H

Læs mere

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P

Læs mere

Økonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater

Økonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater Økonometri: Lektion 4 Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater 1 / 35 Hypotesetest for én parameter Antag vi har model y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi

Læs mere

Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode

Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse

Læs mere

Simpel Lineær Regression

Simpel Lineær Regression Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Vi antager at sammenhængen mellem y og x er beskrevet ved y = β 0 + β 1 x + u. y: Afhængige

Læs mere

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. Eksamen i Statistik 1 Tag-hjem prøve 1. juli 2010 24 timer Alle hjælpemidler er tilladt. Det er tilladt at skrive med blyant og benytte viskelæder,

Læs mere

Center for Statistik. Multipel regression med laggede responser som forklarende variable

Center for Statistik. Multipel regression med laggede responser som forklarende variable Center for Statistik Handelshøjskolen i København MPAS Tue Tjur November 2006 Multipel regression med laggede responser som forklarende variable Ved en tidsrække forstås i almindelighed et datasæt, der

Læs mere

Simpel Lineær Regression: Model

Simpel Lineær Regression: Model Simpel Lineær Regression: Model Sidst så vi på simpel lineære regression. Det er en statisisk model på formen y = β 0 + β 1 x + u, hvor fejlledet u, har egenskaben E[u x] = 0. Dette betyder bl.a. E[y x]

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvalitative egenskaber og dummyvariabler Kvantitative metoder 2 Dummyvariabler 28. marts 2007 Vi har (hovedsagligt) set på kvantitative variabler (løn, priser, forbrug, indkomst, )... Men hvad med kvalitative

Læs mere

Statistik Lektion 4. Variansanalyse Modelkontrol

Statistik Lektion 4. Variansanalyse Modelkontrol Statistik Lektion 4 Variansanalyse Modelkontrol Eksempel Spørgsmål: Er der sammenhæng mellem udetemperaturen og forbruget af gas? Y : Forbrug af gas (gas) X : Udetemperatur (temp) Scatterplot SPSS: Estimerede

Læs mere

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven. PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve

Læs mere

Bilag S.1: Beskrivelse af beregningen af koefficienten på indvandrerbaggrund

Bilag S.1: Beskrivelse af beregningen af koefficienten på indvandrerbaggrund Bilag S.1: Beskrivelse af beregningen af koefficienten på indvandrerbaggrund Det er kun i model (1) i artiklen, at den gennemsnitlige betydning af at have indvandrerbaggrund (α 1 ) direkte kan estimeres.

Læs mere

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives

Læs mere

1 Hb SS Hb Sβ Hb SC = , (s = )

1 Hb SS Hb Sβ Hb SC = , (s = ) PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.

Læs mere

Økonometri Lektion 1 Simpel Lineær Regression 1/31

Økonometri Lektion 1 Simpel Lineær Regression 1/31 Økonometri Lektion 1 Simpel Lineær Regression 1/31 Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Statistisk model: Vi antager at sammenhængen

Læs mere

Effekten af indvandring på indfødte danskeres løn og beskæftigelse

Effekten af indvandring på indfødte danskeres løn og beskæftigelse d. 22.05.2017 Brian Krogh Graversen (DØRS) Effekten af indvandring på indfødte danskeres løn og beskæftigelse I kapitlet Udenlandsk arbejdskraft i Dansk Økonomi, forår 2017 analyseres det, hvordan indvandringen

Læs mere

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19

Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større

Læs mere

Løsninger til kapitel 14

Løsninger til kapitel 14 Opgave 14.1 a) Linjetilpasningsplottet bliver: Løsninger til kapitel 14 Idet datapunkterne ligger tæt på og jævnt fordelt omkring den rette linje, så ser det ud til, at der med rimelighed er tale om en

Læs mere

Økonometri: Lektion 2 Multipel Lineær Regression 1/33

Økonometri: Lektion 2 Multipel Lineær Regression 1/33 Økonometri: Lektion 2 Multipel Lineær Regression 1/33 Simpel Lineær Regression: Model Sidst så vi på simpel lineære regression. Det er en statisisk model på formen y = β 0 +β 1 x +u, hvor fejlledet u,

Læs mere

Uge 13 referat hold 4

Uge 13 referat hold 4 Uge 13 referat hold 4 Gruppearbejde 1a: Er variablen kvotient inkluderet på en hensigtsmæssig måde? Der er to problemer med kvotient: 1) Den er trunkeret ved 6.9 og 10.0, løsningen er at indføre dummyer

Læs mere

Forelæsning 11: Kapitel 11: Regressionsanalyse

Forelæsning 11: Kapitel 11: Regressionsanalyse Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800

Læs mere

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007 Rettevejledning til eksamen i Kvantitative metoder 1,. årsprøve. januar 007 I rettevejledningen henvises der til Berry and Lindgren "Statistics Theory and methods"(b&l) hvis ikke andet er nævnt. Opgave

Læs mere

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05

Hvis α vælges meget lavt, bliver β meget stor. Typisk vælges α = 0.01 eller 0.05 Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ

Læs mere

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse

Trin 1: Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse Statistik 7. gang 9. HYPOTESE TEST Hypotesetest ved 6 trins raket! : Trin : Formuler hypotese Spørgsmål der ønskes testet vha. data H 0 : Nul hypotese Formuleres som en ligheds hændelse H eller H A : Alternativ

Læs mere

Normalfordelingen. Statistik og Sandsynlighedsregning 2

Normalfordelingen. Statistik og Sandsynlighedsregning 2 Normalfordelingen Statistik og Sandsynlighedsregning 2 Repetition og eksamen Erfaringsmæssigt er normalfordelingen velegnet til at beskrive variationen i mange variable, blandt andet tilfældige fejl på

Læs mere

Skriftlig eksamen i samfundsfag

Skriftlig eksamen i samfundsfag OpenSamf Skriftlig eksamen i samfundsfag Indholdsfortegnelse 1. Introduktion 2. Præcise nedslag 3. Beregninger 3.1. Hvad kan absolutte tal være? 3.2. Procentvis ændring (vækst) 3.2.1 Tolkning af egne beregninger

Læs mere

Økonometri 1. Interne evalueringer af forelæsninger. Kvalitative variabler. Dagens program. Dummyvariabler 21. oktober 2004

Økonometri 1. Interne evalueringer af forelæsninger. Kvalitative variabler. Dagens program. Dummyvariabler 21. oktober 2004 Dagens program Økonometri 1 Dummyvariabler 21. oktober 2004 Emnet for denne forelæsning er kvalitative egenskaber i den multiple regressionsmodel (Wooldridge kap. 7.1-7.6) Kvalitative variabler generelt

Læs mere

1 Multipel lineær regression

1 Multipel lineær regression Indhold 1 Multipel lineær regression 2 1.1 Regression med 2 eksponeringsvariable......................... 2 1.2 Fortolkning og estimation................................ 3 1.3 AnovaTabel og multipel R

Læs mere

Kapitel 7 Forskelle mellem centraltendenser

Kapitel 7 Forskelle mellem centraltendenser Kapitel 7 Forskelle mellem centraltendenser Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 29 Indledning 1. z-test for ukorrelerede data 2. t-test for ukorrelerede data med ens

Læs mere

Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater

Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater Benchmarking af kommunernes sagsbehandling antagelser, metode og resultater Anna Amilon Materiel vurdering Ved vurderingen af en afgørelses materielle indhold vurderes afgørelsens korrekthed i forhold

Læs mere