Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1

Størrelse: px
Starte visningen fra side:

Download "Rettevejledning til Økonomisk Kandidateksamen 2006I, Økonometri 1"

Transkript

1 Rettevejledg tl Økoomsk Kaddateksame 6I, Økoometr Vurdergsgrudlaget er selve opgavebesvarelse og blaget. Programmer og data, som er afleveret på dskette/cd, bedømmes som såda kke, me er avedt f.eks. tl at opklare evetuelle følgefejl og lgede besvarelse, og tl at checke at opgave er besvaret dvduelt. Ved bedømmelse er der taget udgagspukt de vægtg af opgavere, der er aført opgavetekste. I de samlede bedømmelse dgår desude e vurderg af, om besvarelse samlet set er kosstet og defor de agve rammer formår at belyse de overordede problemstllg, der rejses opgave. I opgavetekste er det aført, at besvarelse højest må fylde 5 sder og derudover 5 sder blag. Overskrdes omfaget af opgavebesvarelse, skal det vægtes egatvt de samlede bedømmelse. Hvor der udføres hypotesetest forvetes der redegjort for de opstllede hypoteser, de avedte teststatstk og fordelg samt sgfkasveauet for testet ( rettevejledge beyttes 5% sgfkasveau hvs kke adet er ævt). Hevsger rettevejledge hevser tl læreboge Wooldrdge Itroductory Ecoometrcs hvs tet adet er ævt. Der er e llle fejl opgave det der datadokumetatoe står at varable ejmoto er e dummyvarabel. Der skulle have stået at varable er et deks. Dette har ge betydg for løsge af opgave. Opgave besvares ud fra dvdualserede datasæt. Hvor der vejledge er agvet kokrete umerske resultater og koklusoer, er dsse baseret på eksamesummer 8. Resultater for adre eksamesumre ka fås ved at køre det vedlagte SAS program VEJL6I.sas med det relevate eksamesummer, samt de udleverede macro- og data-fle. Koklusoere med adre eksamesumre ka derfor afvge fra dee besvarelse. Opgave Spørgsmål a: Fortolkg af modelle ) De studerede skal gøre rede for, at modelle (.) er e leær ( parametree) regressosmodel, som beskrver sammehæge mellem persoes plalagte tlbagetrækgsalder og e række forklarede varable, som beskrver persoes helbred, uddaelse, erhvervserfarg og økoomske forhold ved peso. Der ka evt. gves kommetarer vedr. hvlke type af forklarede varable, som dgår modelle. ) Fortolkge af parametere β : β er atal år de forvetede tlbagetrækgsalder ædres med for e perso med dårlgt helbred forhold tl e perso, som kke har dårlgt helbred alt adet lge. Fortolkge af parametere β 6 er størrelse af de absolutte ædrg ( år) de forvetede tlbagetrækgsalder ved e ædrg de offetlge pesoer på kr alt adet lge. ) Varable d6 er e dummyvarabel for år. Data dee opgave stammer fra to forskellge år, 997 og. Varable er medtaget for at kue fage, hvs der sker e geerel ædrg tlbagetrækgsaldere mellem de to år (pga. f.eks. lovædrger).

2 Spørgsmål b: Beskrvelse af data ) Data beskrves ved e tabel, som agver geemst, varas (eller stadardafvgelse) evt. m og max. Kommetarer vedr. tabelle bør deholde e kort dskusso af, om der er oplagte problemer med data (det er der kke). Det ka bemærkes, at der er e rmelg varato de plalagte tlbagetrækgsalder. ) E tabel med geemst, stadardafvgelse, m og max opstlles for hvert af de to år. Det ka bemærkes, at de geemstlge tlbagetrækgsalder stger ca. år fra 997 tl, og at atal års arbejdsmarkedserfarg stger med 5 år for alle persoer. Der er ldt flere med dårlgt helbred ed 997. Opgave Spørgsmål a I dette spørgsmål rapporteres OLS estmatere af model (.). Der bør kke kommeteres på evt. sgfkas af estmatere, da ma edu kke har checket for gyldghede af OLS varase (da MLR 5 mulgvs kke er opfyldt). Spørgsmål b ) Whte test for udføres ved at lave følgede hjælperegresso: uˆ δ ˆ ˆ + δy+ δy + fejl, hvor û er resdualere og ŷ de forvetede værd fra OLS regressoe af (.). Hvs regressoe har sgfkat forklargsgrad, er det teg på heteroskedastctet. ulhypotese H: δ δ er e hypotese om homoskedastctetet. Testet ka udføres som et F-test for hjælperegressoes forklargsgrad. Teststørrelse er F- teststørrelse F,4 og er approx. F(,65)-fordelt med p-værde p,444. Udføres testet stedet som et LM test fås teststørrelse tl LM R 68*,,8. Teststørrelse er asymp. χ (), og p-værde er her p,44. I begge tlfælde ka ulhypotese kke afvses. Altså kke teg på heteroskedastctet. Det ka bemærkes, at ma beytter asymptotske fordelger for Whte test, og at det derfor forudsætter et stort atal observatoer. ) Breush-Paga testet for om helbred er e varasstyrede varabel udføres ved at lave følgede hjælperegresso û τ + τhelbred + w. Homoskedastctet ka testes ved et t-test for hypotese H : τ. t-test er bereget tl -,39 og t-fordelt med 66 frhedsgrader. De tlsvarede p-værd er p,69. Hypotese om homoskedastctet ka kke afvses. De studerede bør udover at komme frem tl de rgtge koklusoer vedr. heteroskedastctet også være stad tl præcst at formulere de hypotese, de tester. Desude bør det her bemærkes, at ma, år ma har homoskedastske fejlled, ka avede stadardfejl fra OLS regressoe, og at t- og F-test er påldelge (hvlket kke vl være tlfældet, hvs der er heteroskedastctet). Desude ka det bemærkes, at datasættet deholder relatvt mage observatoer, og v derfor ka tllade os at avede de asymptotske resultater. Så selvom

3 atagelse MLR 6 æppe er opfyldt (ormalfordelt fejlled), tllader v at bruge t- og F-teststørrelser, hvs asymptotske fordelg approxmeres med t- og F-fordelger. Spørgsmål c ) De studerede bør kue formulere hypotese for Chow testet ete ved brug af teraktosled (med e dummy for kvde) eller ved opskrvg af regressosmodelle, hvor parametree afhæger af, hvlket kø persoe har. Regressosmodelle med brug af teraktosled er: tbalder β + βelg + βhelbred + β3dudd+ β4dudd + β5erfar + β6peso + β7kpebelob + β8d6 + δkvde + δkvde* elg + δkvde* helbred + δ3kvde* dudd + δ4kvde* dudd + δ5kvde* erfar + δ kvde* peso + δ kvde* kpebelob + δ8 kvde* d + v 6 7 ) Hypotese ka formuleres som H : δ δ... δ8. Dee hypotese agver, at der kke er forskel på mæds og kvders tlbagetrækgsadfærd. Chow testet ka udføres ete ved OLS regresso af oveståede regressosmodel, og hypotese ka testes ved et F-test. F-teststørrelse er 8,6, og er F-fordelt med (9,5) frhedsgrader. p-værde for testet er <.. Testet ka stedet udføres ved at lave tre OLS regressoer: e på hele datasættet, e på ku mæd og e på ku kvder. Teststørrelser og p-værd er detske med oveståede beregger. De studerede bør gøre rede for hvlke hypotese, som er testet, og hvad koklusoe er. Svaret bør deholde et udsag om, at på baggrud af Chow testet ka v afvse hypotese om ge forskel tlbagetrækgsadfærde for mæd og kvder. Spørgsmål d De studerede skal redegøre for at model (.) er et specaltlfælde af modelle fra spørgsmål c med δ δ... δ5 δ7 δ8. Desude bør det æves, at model (.) tllader, at der er forskel på mæds og kvders tlbagetrækgsalder, og at mæd og kvder ka reagere forskellgt på e ædrg de offetlge pesoer, me at betydge af de øvrge forklarede varable er de samme for mæd og kvder. I spørgsmål c) er koklusoe, at de foretruke model er modelle med alle teraktosled. Derfor testes hypotese H : δ δ... δ5 δ7 δ8, hvlket svarer tl, at modelle ka reduceres tl model (.). Hypotese testes som et F-test med (7,5) frhedsgrader. F-teststørrelse ka bestemmes tl,44, og de tlsvarede p-værd er p,86. Koklusoe er, at hypotese kke afvses. Altså modelle fra.c ka reduceres tl model (.). Spørgsmål e De studerede bør tl spørgsmål ) og ) formulere påstade som e hypotese vedr. parametree modelle og efterfølgede udføre testet. ) Hypotese er : H β. Hypotese testes ved et t-test (t-fordelt med 57 frhedsgrader). t-teststørrelse ka bestemmes tl 4,5, og hypotese ka derfor forkastes. 3

4 ) Hypotese er H : β6 + β. Hypotese testes ved et F-test (F-fordelt med (,57) frhedsgrader). F-teststørrelse bestemmes tl 5,78 med e tlhørede p-værd på p,64. Hypotese ka derfor forkastes. ) På baggrud af parameterestmatere og modelle ka de forvetede tlbagetrækgsalder 997 for e mad, som er gft, med godt helbred, ufaglært, 38 års erfarg, ge kaptalpeso og offetlge peso på 36.5 kr. bereges tl 6,73 år. For e kvde med tlsvarede karakterstka er de forvetede tlbagetrækgsalder 59,9 år. v) I dette spørgsmål bør de studerede kue sammefatte koklusoere og beskrve de vgtgste resultater ord. Besvarelse bør deholde følgede betragtger: Resultatere fra )-) vser, at størrelse af de offetlge peso har forskellg betydg for mæd og kvders tlbagetrækgsalder. For mæd gælder, at der er e sgfkat egatv effekt af størrelse af offetlge pesoer på de forvetede tlbagetrækgsalder. For kvder har størrelse af offetlge pesoer også e sgfkat betydg, me her er effekte postv. Kvder udskyder således tlbagetrækge, hvs størrelse af de offetlge peso stger. Bereggere vser, at med e offetlg peso på 36.5 kr. (tæt på de geemstlge størrelse) vl mæd geemst trække sg tlbage,8 år seere. E mulg forklarg på at kvder trækker sg tdlgere tlbage ka være, at kvder geerelt er gft med mæd, som er ældre ed dem. Hvs ægtefæller geerelt forsøger at stoppe med at arbejde samtdgt, vl det føre tl, at kvder har e lavere tlbagetrækgsalder ed mæd. Adre rmelge forklarger ka også godtages. Spørgsmål f De studerede bør gøre rede for, hvorda ma bereger de forvetede forskel de geemstlge tlbagetrækgsalder mellem årgagee og Besvarelse kue deholde følgede: De forvetede geemstlge tlbagetrækgsalder for årgagee er gvet ved: tbalder55 59 β + βelg βhelbred β3dudd β4dudd β5erfar β6peso β7kpebelob β9kvde β( kvde* elg) hvor x55 59 er de geemstlge værd af x for årgag Her beyttes, at modelle er leær de forklarede varable. Tlsvarede ka de forvetede geemstlge tlbagetrækgsalder opskrves for årgagee Da det atages, at de geemstlge værder af alle karakterstka med udtagelse af uddaelse er de samme for de to grupper fås: tbalder55 59 tbalder45 49 β3( dudd55 59 dudd 45 49) + β4( dudd55 59 dudd 45 49) Det bemærkes, at dudd55 59 er et geemst af e dummyvarabel for ufaglærte for årgagee Dette geemst vl være lg med adele af ufaglærte for årgagee (hvlket er opgjort tabel ). Tlsvarede gælder for de øvrge geemst af dummyvarablee. For at kue udrege de forvetede forskel erstattes de sade parameter med de estmerede parameter: tbalder55 59 tbalder45 49,84(,34,348), 49(,37, 45), 8 Bereggere vser, at det højere uddaelsesveau for årgag sammelget med årgag vl betyde, at de forvetede tlbagetrækgsalder stger med ca.,3 år. I vurderge af om beregge gver et realstsk bud, ka det æves, at de forbehold, som der tages blag vedr. helbred, kke umddelbart er et problem for dee aalyse. I blaget æves, at helbred og uddaelse er korreleret, så derfor ka der være e tedes tl at overvurdere betydge af 4

5 uddaelse. Dette er kke et problem for deværede aalyse, da der her eksplct er taget højde for helbredet. Spørgsmål g De studerede skal gøre rede for udreggere, der avedes samt e fortolkg af resultatere. I model (.) ka ma fde de partelle effekt af de offetlge pesosstørrelse for mæd som parametere β6. Ædrge de forvetede tlbagetrækgsalder, som følge af e ædrg de offetlge pesoer (og de øvrge forklarede varable er uædret) er gvet ved: E( tbalder) β6 peso Ud fra oveståede lgg ka ma bestemme de ædrg offetlge pesoer, som vl medføre at tbalder stger med et år: peso β6 pesoreform + peso før β6 Ved at erstatte parametere med estmatet for parametere ka pesoes størrelse udreges tl peso reform Pesoes størrelse skal følge modelle falde tl kr. om året, hvs tlbagetrækgsaldere skal hæves med et år. Desude ka det bemærkes, at for alle mæd skal størrelse af de offetlge pesoer falde med ca. 8, kr. (uaset størrelse af de offetlge pesoer), for at de forvetede pesosaldere hæves med et år. Da der er ogle, som faktsk får e lavere pesosydelse ed 8, kr., vl det betyde e egatv ydelse. Ma ka derfor stlle spørgsmål ved, om modelle er korrekt specfceret (f.eks. ved at pesoere dgår leært). Det er dog klart ud fra modelle og estmatere, at de offetlge pesos størrelse har e begræset betydg for tlbagetrækgsmøsteret. Opgave 3 Spørgsmål a De studerede skal gøre rede for, hvorda de udfører de forskellge estmatoer og test. Desude skal de på baggrud af testee være stad tl at drage de rgtge koklusoer. ). De studerede bør komme med mdst e grud tl at helbred ka være e edoge varabel. I dskussoe af hvorfor helbred ka være e edoge varabel, ka æves begrudelser fremført blag : justfcato bas (det at persoer agver dårlgt helbred for at retfærdggøre beslutge om tdlg tlbagetrækg), uobserverbar heterogetet, som er korreleret med helbred f.eks. lyste tl (præferecer for) at arbejde og rapportergsheterogetet (ogle dvder rapporterer bedre (selvvurderet) helbred ed de faktsk har, og rapportergsfejlee er korreleret med arbejdsmarkedsstatus). Edelg ka også æves, at der ka være målefejl helbredsvarable. I dee opgave skal der laves e IV-estmato, hvor varablee for_lve, ejmoto og hjaelp avedes som strumeter. For at dsse varable skal kue avedes som strumeter, skal følgede to atagelser være opfyldt 5

6 . cov( for _ lve, v) cov( ejmoto, v) cov( hjaelp, v). helbred π + πelg + πdudd π9( peso* kvde) + π for _ lve + πejmoto + πhjaelp + v hvor π el. π el. π De krtske atagelse er atagelse, det de kke ka testes vha. data. Så derfor øskes e dskusso af, hvad atagelse mplcerer. Argumetatoe dette spørgsmål bør være kosstet med begrudelse for edogetet af helbred. ). De studerede bør redegøre for de reducerede form regresso (betgelse spørgsmål 3.) og opstlle og teste følgede hypotese: H : π π π Teststørrelse er F-fordelt med (3,55) frhedsgrader. F-teststørrelse er bestemt tl 3,43 med e tlhørede p-værd,7. Hypotese afvses, hvlket betyder, at atagelse ka atages at være opfyldt. ). IV-estmatoe ka udføres ved at kludere resduale ˆv fra de reducerede form regresso spørgsmål 3..: tbalder β + βelg + βhelbred + β3dudd+ β4dudd+ β5erfar + β6peso + β ˆ 7kpebelob + β8d6 + β9kvde + β( kvde* peso) + λv + fejl Dee OLS regresso gver IV-estmatere (dog med forkert stadardfejl), samt mulghed for at udføre et test for exogetet. Testet udføres ved at testet om hypotese H : λ (helbred er exoge). Teststørrelse t-fordelt. Teststørrelse er her bestemt tl -,, og de tlhørede p-værd er,67. Heraf sluttes at hypotese kke ka afvses, altså det tyder kke på at helbred er edoge, hvlket betyder, at OLS estmatere bør avedes frem for IV estmatere, da de er mere effcete. v). Testet for overdetfkato udføres ved at dae resdualere fra IV-estmatoe og estmere e hjælperegresso med resdualere som de afhægge varabel og alle varablee fra (.) udtage helbred, samt strumetere som forklarede varable. R fra dee regresso skal beyttes tl udregg af teststørrelse: * R. Teststørrelse er χ - fordelt ( frhedsgrader ford v har strumeter flere ed edogee varable). Teststørrelse er bereget tl,547 med e p-værd på,76. Test for overdetfkato tyder på, at strumetere er ukorreleret med fejlleddet. Det bør dog bemærkes, at dette test er udført uder atagelse af, at mdst et strumet er gyldgt. v). IV estmatere og stadard fejl opskrves. Det bemærkes, at testet for exogetet kke kue afvses, hvlket tyder på, at helbred er e exoge varabel, og OLS estmato derfor bør foretrækkes. () Spørgsmål b I dee delopgave skal de studerede udlede forskellge udtryk. E korrekt besvarelse kræver, at der præcst blver redegjort for, hvorledes de ekelte udregger er lavet. I rettevejledge er redegjort for e mulg besvarelse, adre måder at udlede de relevate størrelser på ka også være korrekte. 6

7 ). Udledg : IV-estmatore e smpel model med e edoge forklarede varabel og et strumet er gvet ved (se formel 5.9 sde 56): ˆ IV β ( z z)( y y). ( z z)( x x) Fra de to hjælperegressoer fås flg. OLS estmater: ˆ γ ˆ og π. OLS estmatet e smpel leær regressosmodel er gvet ved (se formel.9 sde 9): ˆ γ uder atagelse af at uder atagelse af at π ( z ) ( ) z z z z z >. Heraf følger at ( z z)( y y) ( z z)( x x) ˆ, ( ) ˆ γ ( z z)( y y) ˆ β ˆ π ( z z)( x x) ( z )( ) z x x. IV ). Udledg : OLS estmatere e smpel regressosmodel med e dummyvarabel d er gvet ved (se formel.9 sde 9): ˆ δ ( d ) ( ) d d d ( d d)( y y) ( d d) y hvor de sdste lghedsteg følger af formel A.7 og A.8 sde 677. Da d er e dummyvarabel, gælder der følgede d d og d / hvor d og ( ) d. Beyttes dsse udtryk fås ævere ka u udreges tl ˆ ( d d) y d y d y δ d ( ) d, d d ( ) Tl udregg af tællere beyttes følgede udregger: y ( ( ) ) ( ) d y d y yd y + + d hvor yd og yd er deferet som opgavetekste. Tællere ka u skrves som dy ( ) d y ( ) yd yd y + d ( ) yd yd Heraf følger det at ˆ y y. δ d d 7

8 ). Ved at kombere resultatere fra 3.b. og 3.b. fås ˆ β IV yz yz. xz xz Hvs y er tlbagetrækgsaldere, x er et mål for helbred, og z er e dummy for om ma har fået hjælp tl regørg, fremkommer IV-estmatet af parametere tl helbredet, ved at ma udreger forskelle de geemstlge tlbagetrækgsalder for dem, der får hjælp, og dem der kke får hjælp. Tlsvarede udreges de geemstlge forskel helbredet mellem dem, som får hjælp, og dem der kke gør det. Ved sammelgg (dvso) får ma IVestmatore for betydge af helbred på tlbagetrækgsaldere. Opgave 4 Spørgsmål a I dee opgave estmeres model (.3) som e radom effekt model. ). De studerede bør æve faktorer, som ka tækes at være deholdt de tdsvarate del, a. Hvs de studerede æver faktorer, som kke per defto er tdsvarate, bør de argumetere for, at de over e relatv kort tdsperode ka atages at være kostate. Ma kue æve lyste tl at arbejde (preferecer for ar arbejde) og type af arbejde. ). Forudsætgere for at radom effekt estmatoe gver kosstete estmater er, at atagelsere FE., FE., RE.3 og RE.4 (se sde ) er opfyldt. Alteratvt ka de studerede hevse tl atagelse (4.8) sde 469. De cetrale atagelser er:. Eu ( t a, Xt ). cov( xtj, a ) Atagelsere gver, at både det tdsvarerede fejlled og det tdsvarate fejlled skal være ukorreleret med de forklarede varable. De studerede skal så gøre rede for, om de meer, at de faktorer, som de udpegede spørgsmål 4.a., er ukorreleret med f.eks. helbred. Faktorer som lyste tl at arbejde og typer af arbejde ka ma forestlle sg er korreleret med helbred, og derfor er atagelse kke opfyldt. ). Radom effekt estmatoe udføres og parameter estmater og stadard fejl rapporteres. Spørgsmål b I dee del af opgave estmeres model (.3) som e fxed effekt estmator. ). Først ka det bemærkes, at med data fra to tdsperoder vl de tre fxed effekt estmatorer: Wth, dummy varabel og frst dfferece estmator være detske. Forudsætgere for at frst dfferece estmatoe (og herved alle fxed effekt estmatoer) gver kosstete estmater er, at atagelsere FD., FD., FD.3 og FD.4 (se sde 459) er opfyldt. Alteratvt ka de studerede hevse tl sde 44, de cetrale atagelse er, at cov( xtj, ut ). De studerede bør bemærke, at det er færre atagelser, der skal tl, for at fxed effekt estmatore er kosstet sammelget med radom effekt estmatore. Ma behøver kke at lave atagelser om de tdsvarate del af fejlledet. ). De studerede bør kue gøre rede for at fxed effekt estmatoe ku ka estmere 8

9 parameter tl varable, hvor der er varato over td. Det betyder, at parametere tl kvde, dudd og dudd kke ka estmeres. Yderlgere model (.3) gælder der, at parametere tl varablee erfar og d kke begge er detfceret. Da varable erfar stger med 5 år for alle persoer datasættet fra 997 tl vl erfar 5. Desude gælder der, at d, hvlket betyder, at der er perfekt multkollartet modelle. For at estmere modelle skal e af varablee udelades. Dette betyder dog, at ma skal være varsom med at lave e fortolkg af parametere tl erfar, da ma kke ka skele om det er e effekt af erfarg eller et (makro) skft fra 997 tl (jvf. spørgsmål.a.). ). De studerede bør bemærke at alle fxed effekt estmatorere er detske, ford der ku er to tdsperoder. Estmatosresultatere skal rapporteres. v). De studerede bør bemærke, at fxed effekt estmatosresultatere adskller sg e del fra radom effekt og OLS estmatoere. Specelt de partelle effekt af helbred er estmeret tl at være væsetlg mdre ved e fxed effekt estmato. Dette ka tyde på, at atagelsere for radom effekt estmatoe (og OLS estmatoe) kke er opfyldt. Spørgsmål c De studerede bør bemærke, at data er udvalgt således, at stkprøve ku omfatter persoer født 945, og at persoere skal være beskæftgelse alle åree Det første udvælgelseskrterum er mdre problematsk, det der er tale om exoge dataudvælgelse. Ma ka selvfølgelg overveje hvor høj grad koklusoere for årgag 945 ka udstrækkes tl også at gælde adre fødselsårgage, specelt fødselsårgage som er meget ygre. Det adet udvælgelseskrterum er lagt mere problematsk, ford der her er tale om edoge dataudvælgelse, det persoer, som vælger at trække sg tlbage mellem 997 og, vl blve udeladt af data. Ma ka også se, at de geemstlge plalagte tlbagetrækgsalder stger ca. et år fra 997 tl, og at de mdste plalagte tlbagetrækgsalder er 5 997, mes de er 57. jvf. spørgsmål.b.. Det betyder geerelt, at alle estmatere vl være based og kosstete. Specelt ka ma forestlle sg, at estmatet af parametere tl varable d er opad based, det der er e tedes tl, at de geemstlge tlbagetrækgsalder stger på grud af dataudvælgelse. Opgave 5 Dee del af opgave bør fremstå som e samlet kokluso på hele opgave. De studerede behøver kke at ddrage oget yt her me blot på e overskuelg måde at sammefatte deres hovedkoklusoer fra hele opgave. Spørgsmål a I dette spørgsmål skal de studerede vse, at de har overblk over de forskellge modeller, og at de er stad tl at lave overskuelge tabeller, som sammeholder de vgtgste aalyser, de har lavet opgave -4. Desude skal de kue gøre rede for, hvorda de ekelte modeller forholder sg tl hade. De studerede skal aføre, hvlke model de foretrækker, og aføre hvorfor dee foretrækkes. I opgave 3.a fadt ma at OLS estmatoe bør foretrækkes frem for e IV-estmato (da helbred er exoge). Ma ka også argumetere for, at gvet data er pael data bør ma foretrække estmatosmetoder, der tager højde for paelstrukture. Hvorvdt ma foretrækker e radom effekt model frem for fxed effekt model afhæger af, om atagelse om at det tdsvarate del af fejlleddet er ukorreleret med de forklarede varable. Pesum dækker kke 9

10 formelle test for, om atagelse er opfyldt, så de studerede ka her ete argumetere va økoomsk tuto om, hvad de tdsvarate del deholder eller ved at lave e sammelgg af parameter estmater mellem radom effekt og fxed effekt estmato. E stor afvgelse ka være teg på, at atagelse kke er opfyldt, hvorfor fxed effekt estmatoe er at foretrække. Spørgsmål b I dette spørgsmål skal de studerede dskutere, hvlke faktorer som er bestemmede for tlbagetrækgsaldere Damark. På grudlag af estmatoere f.eks. pege på: Uddaelse har betydg for tlbagetrækgsaldere. Jo højere uddaelse jo lægere blver folk på arbejdsmarkedet. Dårlgt helbred har geerelt e egatv effekt på tlbagetrækgsaldere. Størrelse af effekte ka dskuteres, det effekte blver mdre fxed effekt estmatoe og sgfkat ved IV-estmatoe. Størrelse af offetlge pesoer har ku e meget llle betydg for tlbagetrækgsaldere. Tlbagetrækgsadfærde er forskellg for mæd og kvder. Mæd har geerelt e højere tlbagetrækgsalder ed kvder (for alle rmelge værder af de offetlge peso). Me for mæd vl e edsættelse af de offetlge pesoer betyde e seere tlbagetrækgsalder, hvor mod det for kvder betyder e tdlgere tlbagetrækgsalder. På baggrud af dsse estmatoer er det kke rmelgt at drage koklusoer om, hvorda det geerelle tlbagetrækgsmøster har ædret sg fra 997 tl.

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS y = cy ( c 0 ) Pla for IV geemgag Økoometr Istrumetvarabelestmato 6. ovember 004 F9: Hvad er IV estmato: Bvarat model, et strumet: Kap.5. + afst -4 ote. F0: IV estmato det multple tlfælde (eksakt detfceret):

Læs mere

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004

Økonometri 1. For mange variable i modellen. For få variable. Dagens program. Den multiple regressionsmodel 21. september 2004 Dages program Økoometr De multple regressosmodel. september 004 Emet for dee forelæsg er stadg de multple regressosmodel (Wooldrdge kap. 3.4-3.5) Praktske bemærkg Opsamlg fra sdst Irrelevate varable og

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvattatve metoder Iferes de leære regressosmodel 9. marts 007 Opsamlg vedr. feres e leær regressosmodel uder Gauss-Markov atagelser (W.4-5) Eksempel med flere restrktoer (F-test) Lagrage

Læs mere

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005

Økonometri 1. Funktionel form. Funktionel form (fortsat) Dagens program. Den simple regressionsmodel 14. september 2005 Dages program Økoometr De smple regressosmodel 4. september 5 Dee forelæsg drejer sg stadg om de smple regressosmodel (Wooldrdge kap.4-.6) Fuktoel form Hvorår er OLS mddelret? Varase på OLS estmatore Regressosmodelle

Læs mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 21. september 2005 Dages program Økoometr De multple regressosmodel. september 005 Emet for dee forelæsg er de multple regressosmodel (Wooldrdge kap 3.-3.3+appedx E.-E.) Defto og motvato Fortolkg af parametree de multple

Læs mere

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik. Epdemolog og bostatstk. Uge, trsdag. Erk Parer, Isttut for Bostatstk. Geerelt om statstk Dataaalyse - Deskrptv statstk - Statstsk feres Sammelgg af to grupper med kotuerte data - Geemst og spredg - Parametre

Læs mere

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation Statstk Lekto 4 Smpel Leær Regresso Smpel leær regresso Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures ( ad Sales ( Et scatterplot vser par (, af observatoer.

Læs mere

BEVISER TIL KAPITEL 7

BEVISER TIL KAPITEL 7 BEVISER TIL KAPITEL 7 A. Komplemetærhædelse Det er klart, at e hædelse A og de komplemetære hædelse A udgør hele udfaldsrummet U, dvs. A A = Da fås P(U = U P(A A = P (A + P(A = da de to hædelser er dsjukte

Læs mere

Hvorfor n-1 i stikprøvevariansen?

Hvorfor n-1 i stikprøvevariansen? Erk Vestergaard www.matematkfysk.dk Hvorfor - stkprøvevarase? Lad os sge, at e fabrk producerer e bestemt type halogepærer. Det vser sg, at levetde for e såda elpære varerer efter e ormalfordelg. Nogle

Læs mere

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser

Vi ønsker også at teste hypoteser om parametrene. F.eks: Kan µ tænkes at være 0 (eller anden fast, kendt værdi)? Eksempel: dollarkurser Uge 37 I Teoretsk Statstk, 9.sept. 003. Fordelger kyttet tl N-ford. Gvet: uafhægge observatoer af samme N(µ,σ )-fordelte stokastske varabel. Formelt: X,X,,X uafhægge, alle N(µ,σ )-fordelt. Mddelværd µ

Læs mere

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ. χ test matematkudervsge χ - test gymasets matematkudervsg I jauar ummeret 8 af LMFK bladet havde jeg e artkel, hvor jeg harcelerede ldt over, at regresso og sær χ fordelg havde fudet dpas matematkudervsge

Læs mere

Variansanalyse. på normalfordelte observationer af Jens Friis

Variansanalyse. på normalfordelte observationer af Jens Friis Varasaalyse på ormalfordelte observatoer af Jes Frs Esdg varasaalyse Model eelt ormalfordelt observatosræe Lad X, X, X er dbyrdes uafhægge N(μ, σ ) - fordelt stoastse varable Det tlhørede observatossæt

Læs mere

Simpel Lineær Regression - repetition

Simpel Lineær Regression - repetition Smpel Leær Regresso - repetto Spørgsmål: Afhæger leært af?. Model: β + β + ε ε d N(0, σ 0 ) Sstematsk kompoet + Stokastsk kompoet Estmato - repetto Vha. Mdste Kvadraters Metode fder v regressosle hvor

Læs mere

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer.

Spørgsmål 1 (5 %) Bestem sandsynligheden for at batteriet kan anvendes i mere end 5 timer. TATITIK krftlg evaluerg, 3. semester, fredag de 4. jauar 3 kl. 9.-3.. Alle hjælpemdler er tlladt. Opgaveløsge forsyes med av og CR-r. OGAVE Et batter har e levetd tmer med de tlkyttede tæthedsfukto f (

Læs mere

Repetition. Forårets højdepunkter

Repetition. Forårets højdepunkter Repetto Forårets højdepukter Forårets højdepukter Smpel Leær Regresso Smpel leær regresso: Mdste kvadraters metode Kovaras og Korrelato Scatterplot Scatterplot kf Advertsg Epedtures (X ad Sales (Y Et scatterplot

Læs mere

Scorer FCK "for mange" mål i det sidste kvarter?

Scorer FCK for mange mål i det sidste kvarter? Uge 7 I Teoretsk Statstk, 9. aprl 2004. Hvor er v? Hvor var v: opstllg af statstske modeller Hvor skal v he: tro om estmato og test 2. Eksempel: FCK Estmato (tutvt) Test Maksmum lkelhood estmato Scorer

Læs mere

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj) Betækg om kommueres udgftsbehov Blag (med metodedskusso af professor Aders Mlhøj) Betækg r. 36 Oktober 998 Kommueres Udgftsbehov Betækg om kommueres udgftsbehov - Redegørelse fra arbejdsgruppe uder Idergsmsterets

Læs mere

Kvalitet af indsendte måledata

Kvalitet af indsendte måledata Notat ELT2004-112 Aktørafregg Dato: 23. aprl 2004 Sagsr.: 5584 Dok.r.: 185972 v1 Referece: NIF/AFJ Kvaltet af dsedte måledata I Damark er det etvrksomhederes opgave at måle slutforbrug, produkto og udvekslg

Læs mere

Induktionsbevis og sum af række side 1/7

Induktionsbevis og sum af række side 1/7 Iduktosbevs og sum af række sde /7 Skrver ma,,,...,,..., =, 2, 3,... 2 3 taler ma om e talfølge, eller blot e følge. Adre eksempler på følger er, -,, -,, -,..., (-) +,..., =, 2, 3,..., 2, 3, 4,...,,...,

Læs mere

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005 Vderegåede Algortmk Davd Psger, DIKU Reeksame, Aprl 5 Bsecto problemet Gvet e uvægtet graf G = (V, E) samt et heltal k. E bsecto af grafe G er e opdelg af kudere V to lge store mægder S og T. MAX-BISECTION

Læs mere

Notato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som

Notato: k grupper observeret tl tdspuktere (logartmerede) t1;t2;:::;t k. Tl tdspukt observeres et atal ( ) ph-vρrder, 1 ; 2 ;:::;. V opfatter dem som Statstk 1, torsdag de 15. marts Leρr regressosaalyse, afst 5.2.1 ffl Problemstllg ffl Data Model Estmato og test Dages program: Hvad ka v? 1 V ka sammelge grupper af observatoer, hvor data hver gruppe

Læs mere

1.0 FORSIKRINGSFORMER

1.0 FORSIKRINGSFORMER eam Lv forskrgsakteselskab Bereggsgrudlaget sgrp217 tl præmeberegg for gruppeforskrg e-am Lv forskrgsakteselskab 1. FORIKRINGFORMER 1.1 Oblgatorske ordger Alle gruppeforskrgsordger teget på dette grudlag

Læs mere

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1

Økonometri 1. Heteroskedasticitet 27. oktober Økonometri 1: F12 1 Økonometr 1 Heteroskedastctet 27. oktober 2006 Økonometr 1: F12 1 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.3-4) Sdste gang: I dag: Konsekvenser af heteroskedastctet for OLS Korrekton af varansen

Læs mere

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter:

Statistisk analyse. Vurdering af usikkerhed i forbindelse med statistiske opgørelser forudsætter: Statstsk aalyse Vurderg af uskkerhed forbdelse med statstske opgørelser forudsætter: Kvattatve mål for varato og spredg forbdelse med statstske opgørelser varas og stadardafvgelse Kvattatve mål for tlfældgheder

Læs mere

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005

Økonometri 1. Test for heteroskedasticitet. Test for heteroskedasticitet. Dagens program. Heteroskedasticitet 26. oktober 2005 Dagens program Økonometr Heteroskedastctet 6. oktober 005 Emnet for denne forelæsnng er heteroskedastctet (Wooldrdge kap. 8.3-8.4) Konsekvenser af heteroskedastctet Hvordan fnder man en effcent estmator?

Læs mere

x-klasserne Gammel Hellerup Gymnasium

x-klasserne Gammel Hellerup Gymnasium SANDSYNLIGHEDSREGNING OG KOMBINATORIK x-klassere Gammel Hellerup Gymasum Idholdsfortegelse SANDSYNLIGHEDSREGNING... 3 Sadsylghedsfelt... 3 Edelge sadsylghedsfelter (sadsylghedsfordelger):... 3 Uedelge

Læs mere

Indeks over udviklingen i biltrafikken i Danmark

Indeks over udviklingen i biltrafikken i Danmark Ideks over udvklge bltrafkke Damark Afdelgsgeør Alla Crstese, Vejdrektoratet, og cvlgeør, p.d. Crsta Overgård ase, TetraPla A/S. Baggrud og formål. Baggrud Vejdrektoratet ar sde 978 regelmæssgt udgvet

Læs mere

Kvantitative metoder 2 Forår 2007 Ugeseddel 9

Kvantitative metoder 2 Forår 2007 Ugeseddel 9 Kvanttatve metoder 2 Forår 2007 Ugeseddel 9 Program for øvelserne: Introdukton af problemstllng og datasæt Gruppearbejde SAS øvelser Paneldata for tlbagetræknngsalder Ugesedlen analyserer et datasæt med

Læs mere

Kvantitative metoder 2 Forår 2007 Ugeseddel 10

Kvantitative metoder 2 Forår 2007 Ugeseddel 10 Kvanttatve metoder 2 Forår 2007 Ugeseddel 0 Program for øvelserne: Gennemgang af teoropgave fra Ugesedel 9 Gruppearbejde og plenumdskusson SAS øvelser, spørgsmål -4. Sdste øvelsesgang (uge 2): SAS øvelser,

Læs mere

Brugen af R 2 i gymnasiet

Brugen af R 2 i gymnasiet Bruge af R gymaset Per Bruu Brockhoff, DTU Compute, Erst Hase, KU Matematk og Claus Thor Ekstrøm, KU Bostatstk Der lader tl at være e vs forvrrg bladt og ueghed mellem forskellge faggrupper omkrg R værde,

Læs mere

Elementær Matematik. Sandsynlighedsregning

Elementær Matematik. Sandsynlighedsregning lemetær Matematk Sadsylghedsregg Ole Wtt-Hase Køge Gymasum 008 INDHOLD KAP. KOMBINATORIK.... MULTIPLIKATIONS- OG ADDTIONSPRINCIPPT.... PRMUTATIONR... 3. KOMBINATIONR...3 KAP. NDLIGT SANDSYNLIGHDSFLT...7.

Læs mere

Supplement til sandsynlighedsregning og matematisk statistik

Supplement til sandsynlighedsregning og matematisk statistik Supplemet tl sadsylghedsregg og matematsk statstk 1. Bevs for lgg (4b) 22.4 ( 23.3) 8. (7.) udgave. Teorem 3 (4): Atallet af forskellge kombatoer med k elemeter, der ka daes ud af forskellge elemeter,

Læs mere

Bilag 6: Økonometriske

Bilag 6: Økonometriske Marts 2015 Blag 6: Økonometrske analyser af energselskabernes omkostnnger tl energsparendsatsen Energstyrelsen Indholdsfortegnelse 1. Paneldataanalyse 3 Specfkaton af anvendte panel regressonsmodeller

Læs mere

Kontrol af udledninger ved produktion af ørred til havbrugsfisk

Kontrol af udledninger ved produktion af ørred til havbrugsfisk Kotrol af udledger ved produto af ørred tl havbrugsfs Notat fra DCE - Natoalt Ceter for Mljø og Eerg Dato: 19. december 013 Rettet: 4. jauar 014 og de 8. marts 014 Søre Er Larse 1 & Lars M. Svedse 1 Isttut

Læs mere

Økonometri 1 Efterår 2006 Ugeseddel 13

Økonometri 1 Efterår 2006 Ugeseddel 13 Økonometr 1 Efterår 2006 Ugeseddel 13 Prram for øvelserne: Gruppearbejde plenumdskusson SAS øvelser Øvelsesopgave: Vækstregressoner (fortsat) Ugeseddel 13 fortsætter den emprske analyse af vækstregressonen

Læs mere

Lineære Normale Modeller

Lineære Normale Modeller Note tl Leære Normale Modeller Bo Rosbjerg. marts 009 Tegger udført af Herk Ve Chrstese Idhold E smpel leær ormal model 5. Modelbestemmelse........................... 5. Mdste kvadraters estmat......................

Læs mere

Pearsons formel for χ 2 test. Den teoretiske forklaring

Pearsons formel for χ 2 test. Den teoretiske forklaring Pearsos formel for χ test De teoretse forlarg Ole Wtt-Hase 04 Idhold. Normalfordelge og χ.... Pearsos formel for χ test... 3. Forlarg på Pearsos formel....4 Pearsos formel for χ test. Normalfordelge og

Læs mere

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006

Økonometri 1. Definition og motivation. Definition og motivation. Dagens program. Den multiple regressionsmodel 15. februar 2006 Dages program Økoometri De multiple regressiosmodel 5. februar 006 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.-3.3+appedix E.-E.) Defiitio og motivatio Fortolkig af parametree

Læs mere

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model) Statstk 9. gag REGRESSIONSANALYSE Korrelato kotrol af model Regresso tlpasg af model Statstk 9. gag KORRELATIONS ANALYSE. Grad af fælles varato mellem X og Y. Område og fordelg af sample data 3. Optræde

Læs mere

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( ) FORDELINGER: HYERGEOMETRIS FORDELING, BINOMIALFORDELING MIDDELVÆRDI Mddelværd MIDDELVÆRDI (TYS: ERWARTUNGSWERT ) DEFINITION X er e stokastsk varabel på et edelgt sadsylghedsfelt U, ( ) Mddelværde af X

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Kvanttatve metoder 2 Instrumentvarabel estmaton 14. maj 2007 KM2: F25 1 y = cy ( c 0) Plan for resten af gennemgangen F25: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 y = cy ( c 0) Plan for resten af gennemgangen Kvanttatve metoder Instrumentvarabel estmaton 4. maj 007 F5: Instrumentvarabel (IV) estmaton: Introdukton tl endogentet og nstrumentvarabler En regressor,

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dagens program: Heteroskedastctet (Wooldrdge kap. 8.4) Kvanttatve metoder Heteroskedastctet 6. aprl 007 Sdste gang: Konsekvenser af heteroskedastctet for OLS Whte s korrekton af OLS varansen Test for heteroskedastctet

Læs mere

Lineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ

Lineær regression lidt mere tekniske betragtninger om R^2 og et godt alternativ Dowloaded from orbt.dtu.dk o: Dec 0, 08 Leær regresso ldt mere tekske betragtger om R^ og et godt alteratv Brockhoff, Per B.; Ekstrøm, Claus Thor; Hase, Erst Publshed : LMFK-Bladet Publcato date: 07 Documet

Læs mere

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1

Økonometri 1. Avancerede Paneldata Metoder I 24.november F18: Avancerede Paneldata Metoder I 1 Økonometr 1 Avancerede Paneldata Metoder I 24.november 2006 F18: Avancerede Paneldata Metoder I 1 Paneldatametoder Sdste gang: Paneldata begreber og to-perode tlfældet (kap 13.3-4) Uobserveret effekt modellen:

Læs mere

Økonometri 1 Efterår 2006 Ugeseddel 9

Økonometri 1 Efterår 2006 Ugeseddel 9 Økonometr 1 Efterår 006 Ugeseddel 9 Program for øvelserne: Opsamlng på Ugeseddel 8 Gruppearbejde SAS øvelser Ugeseddel 9 består at undersøge, om der er heteroskedastctet vores model for væksten og så fald,

Læs mere

Økonometri 1. Interne evalueringer. Interne evalueringer. Dagens program. Heteroskedaticitet (Specifikation og dataproblemer) 2.

Økonometri 1. Interne evalueringer. Interne evalueringer. Dagens program. Heteroskedaticitet (Specifikation og dataproblemer) 2. Dagens program Øonometr 1 Heterosedatctet (Specfaton og dataproblemer). november 005 dataproblemer 1 Interne evaluernger Emner for denne forelæsnng: Heterosedastctet (ap 8.4-8.5) Egensaber ved FGLS Esempel

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne

Læs mere

Ikke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala

Ikke-parametriske tests af forskel i central tendens. Tests for forskel i central tendens for data på ordinal- og intervalskala Statstk for bologer 5-6, moul 7: Tests for forskel cetral tees for ata på oral- og tervalskala Ikke-parametrske tests af forskel cetral tees Vægter forskel mea ve hjælp af ragtal Data skal være på mst

Læs mere

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON IE-ONTINUERTE (DISRETE) STOASTISE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRIS, BINOMIAL, POISSON Edelgt sadsylghedsfelt V reeterer: Et sadsylghedsfelt ( P ) U, kaldes edelgt, hvs

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvanttatve metoder Den smple regressonsmodel 9. februar 007 Regressonsmodel med en forklarende varabel (W..3-5) Varansanalyse og goodness of ft Enheder og funktonel form af varabler modellen

Læs mere

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag

6. SEMESTER Epidemiologi og Biostatistik Opgaver til 3. uge, fredag Afdelng for Epdemolog Afdelng for Bostatstk 6. SEESTER Epdemolog og Bostatstk Opgaver tl 3. uge, fredag Data tl denne opgave stammer fra. Bland: An Introducton to edcal Statstcs (Exercse 11E ). V har hentet

Læs mere

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval.

Fordelingen af gentagne observationer (målinger) kan beskrives ved hjælp af et histogram, der viser antallet af målinger i et givet interval. H:\excerc\geodstat.doc, sdste ædrg: ov. 5, 3.. 3. Geodætsk statstk og mdste kvadraters metode. 3.. Statstske grudbegreber. 3.. Fordelger. Fordelge af getage observatoer (målger ka beskrves ved hælp af

Læs mere

SUPPLEMENT til Anvendt statistik

SUPPLEMENT til Anvendt statistik SUPPLEMET tl Avedt statstk IDHOLD A BEVISER VEDRØREDE ORMALFORDELIGE 3A χ - FORDELIE 3 3B t - FORDELIGE 6 3C F - FORDELIGE 7 4A DEFIITIOER OG EKSEMPLER PÅ CETRALE OG EFFEKTIVE ESTIMATORER 9 4B BEVISER

Læs mere

Kombinatorik. 1 Kombinationer. Indhold

Kombinatorik. 1 Kombinationer. Indhold Kombator, marts 04, Krste Roselde Georg Mohr-Kourrece Kombator Kombator går ud på at tælle atallet af ombatoer af et eller adet, og for at ue tælle atallet af ombatoer smart har ma brug for forsellge tællestrateger

Læs mere

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)?

Økonometri 1. Lineær sandsynlighedsmodel. Hvad nu hvis den afhængige variabel er en kvalitativ variabel (med to kategorier)? Dagens program Økonometr Heteroskedastctet 6. oktober 004 Hovedemnet for denne forelæsnng er heteroskedastctet (kap. 8.-8.3) Lneære sandsynlghedsmodel (kap 7.5) Konsekvenser af heteroskedastctet Hvordan

Læs mere

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ )

13. februar Resumé: En statistisk analyse resulterer ofte i : Et estimat ˆ θ med en tilhørende se( ˆ θ ) 3. februar 003 Epidemiologi og biostatistik. Uge, torag d. 3. februar 003 Morte Frydeberg, Istitut for Biostatistik. Type og type fejl Nogle specielle metoder: Test i RxC tabeller Test i x tabeller Fishers

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2007I, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2007I, Økonometri 1 Rettevejlednng tl Økonomsk Kanddateksamen 2007I, Økonometr Vurderngsgrundlaget er selve opgavebesvarelsen og blaget. Programmer og data, som er afleveret elektronsk, bedømmes som sådan kke, men er anvendt

Læs mere

Ugeseddel 8. Gruppearbejde:

Ugeseddel 8. Gruppearbejde: Ugeseddel 8 Gruppearbejde: 1. Ved at nkludere en dummyvarabel for et bestemt landeområde, svarer tl at konstatere, at dsse lande har nogle unkke karakterstka, som har betydnng for væksten, som kke gør

Læs mere

FACITLISTE TIL KOMPLEKSE TAL

FACITLISTE TIL KOMPLEKSE TAL FACITLISTE TIL KOMPLEKSE TAL Kaptel Opgave Opgave Opgave Det emmeste check af lgge er at opløfte begge sder tl. potes. Bombells metode gver følgede lgger: a a b = 5 ( ) b a b = 09 = 7. Løs dem med et CAS

Læs mere

Kvantitative metoder 2

Kvantitative metoder 2 Dages program Kvatitative metoder De multiple regressiosmodel 6. februar 007 Emet for dee forelæsig er de multiple regressiosmodel (Wooldridge kap 3.- 3.+appedix E.) Defiitio og motivatio Fortolkig af

Læs mere

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder FY0 Oblgatorsk laboratoreøvelse O p t k Hold E: Hold: D Jacob Chrstase Alevergsdato: 3. aprl 003 Morte Olese Adreas Lyder Idholdsortegelse Idholdsortegelse Forål...3 Måleresultater...4. Salelser...4. Spredelse...5.3

Læs mere

Rettevejledning til Økonomisk Kandidateksamen 2003II, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2003II, Økonometri 1 Rettevejledig til Økoomisk Kadidateksame 003II, Økoometri Vurderigsgrudlaget er selve opgavebesvarelse og bilaget. Programmer og data som er afleveret på diskette/cd bedømmes som såda ikke, me er avedt

Læs mere

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags. Praktisk ifo Liste med rettelser og meigsforstyrrede trykfejl i DS på Absalo. Statistisk aalyse af e ekelt stikprøve: kedt eller ukedt varias Sadsylighedsregig og Statistik (SaSt) Helle Sørese Projekt

Læs mere

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i Normalfordeliger For at e stokastisk variabel X ka være ormalfordelt, skal X agive værdie af e eller ade målig, f.eks. tid, lægde, vægt, beløb osv. Notatioe er: Xi ~ N( μ, σ hvor i er observatiosummeret,

Læs mere

Pension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag

Pension PO1 PO2 FO1 FO2 GRL 7) Arbejds markeds pension 5) ATPbidrag Løbehadlgsoversgt De 4 koloer 'opsamlg tl løatk' vser, hvorda lødele/-feltet dgår løatkkere. Neder oversgte fder du e forklarg tl opsamlge af de ævte ILtyper Lødele/-feltet ka bruges eidkom med/: pegegvede

Læs mere

Motivation. En tegning

Motivation. En tegning Motivatio Scatter-plot at det mådelige salg mod det måedlige reklamebudget. R: plot(salg ~ budget, data = salg) Økoometri Lektio Simpel Lieær Regressio salg 400 450 500 550 20 25 30 35 40 45 50 budget

Læs mere

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test

Opsamling. Simpel/Multipel Lineær Regression Logistisk Regression Ikke-parametriske Metoder Chi-i-anden Test Opsamlng Smpel/Multpel Lneær Regresson Logstsk Regresson Ikke-parametrske Metoder Ch--anden Test Opbygnng af statstsk model Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen

Læs mere

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros

Branchevejledning. ulykker indenfor. lager. området. Branchearbejdsmiljørådet for transport og engros Brachevejledig ulykker idefor lager området Brachearbejdsmiljørådet for trasport og egros Baggrud Udersøgelser på lager- og trasportområdet har vist, at beskrivelse af hædelsesforløbet ved udfyldelse

Læs mere

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen Landbrugets efterspørgsel efter Kunstgødnng Angelo Andersen.. Problemformulerng I forbndelse med ønsket om at reducere kvælstof udlednngen fra landbruget kan det være nyttgt at undersøge hvordan landbruget

Læs mere

Overlappende stationsoplande: Bestemmelse af passagerpotentialer

Overlappende stationsoplande: Bestemmelse af passagerpotentialer Resumé Overlappede statosoplade: Bestemmelse af passagerpotetaler Valdemar Warburg, stud.polyt., valde@post.com Ibe Rue, stud.polyt., berue@hotmal.com Ceter for Trafk og Trasport (CTT), Damarks Tekske

Læs mere

Lineær regressionsanalyse8

Lineær regressionsanalyse8 Lneær regressonsanalyse8 336 8. Lneær regressonsanalyse Lneær regressonsanalyse Fra kaptel 4 Mat C-bogen ved v, at man kan ndtegne en række punkter et koordnatsystem, for at afgøre, hvor tæt på en ret

Læs mere

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol Økonometr lekton 7 Multpel Lneær Regresson Testbaseret Modelkontrol MLR Model på Matrxform Den multple lneære regressons model kan skrves som X y = Xβ + Hvor og Mndste kvadraters metode gver følgende estmat

Læs mere

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/

Regressions modeller Hvad regresserer vi på og hvorfor? Anders Stockmarr Axelborg statistikgruppe 6/ Regressos modeller Hvad regresserer v på og hvorfor? Aders Sockmarr Aelborg saskgruppe 6/ 0 Geerel Regresso Y f( ) ε f er e UKENDT fuko der beskrver relaoe mellem de uafhægge varabel og de afhægge varabel

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Forår 00 Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer

Læs mere

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kvanttatve metoder 2 Forår 2007 Oblgatorsk opgave 2 Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Opgavens prmære formål er at lgne formen på tag-hjem delen af eksamensopgaven. Der

Læs mere

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007

Mikroøkonomi, matematik og statistik Eksamenshjemmeopgave 14. 20. december 2007 Mikroøkoomi, matematik og statistik Eksameshjemmeopgave 14. 20. december 2007 Helle Buzel, Tom Egsted og Michael H.J. Stæhr 14. december 2007 R E T N I N G S L I N I E R F O R E K S A M E N S H J E M M

Læs mere

Økonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006

Økonometri 1. Avancerede Paneldata Metoder II Introduktion til Instrumentvariabler 27. november 2006 Økonometr 1 Avancerede Paneldata Metoder II Introdukton tl Instrumentvarabler 27. november 2006 Paneldata metoder Sdste gang: Paneldata med to eller flere peroder og fxed effects estmaton. Første-dfferens

Læs mere

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik.

29. januar Epidemiologi og biostatistik Forelæsning 2 Uge 1, torsdag 2. februar 2006 Michael Væth, Afdeling for Biostatistik. Epidemiologi og biostatistik Forelæsig Uge 1, torsdag. februar 006 ichael Væth, Afdelig for Biostatistik. Sammeligig af to middelværdier sikkerhedsitervaller statistisk test Sammeligig af to proportioer

Læs mere

Kogebog: 5. Beregn F d

Kogebog: 5. Beregn F d tattk 8. gag KONFIDENINERVALLER Kofdetervaller: kaptel Valg og tet af fordelgfukto tattk 8. gag. KONFIDEN INERVALLER Et kofde terval udtrykker tervallet hvor de rgtge værd af parametere K, med γ % adylghed

Læs mere

9. Binomialfordelingen

9. Binomialfordelingen 9. Biomialfordelige 9.. Gekedelse Hvert forsøg ka ku resultere i to mulige udfald; succes og fiasko. I modsætig til poissofordelige er atallet af forsøg edeligt. 9.. Model X : Stokastisk variabel, der

Læs mere

Renteformlen. Erik Vestergaard

Renteformlen. Erik Vestergaard Reteformle Erik Vestergaard 2 Erik Vestergaard www.matematikfysik.dk Erik Vestergaard, 2010. Billeder: Forside: istock.com/ilbusca Side 4: istock.com/adresrimagig Desude ege illustratioer. Erik Vestergaard

Læs mere

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik.

24. januar Epidemiologi og biostatistik. Forelæsning 1 Uge 1, tirsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Epidemiologi og biostatistik. Forelæsig Uge, tirsdag. Niels Trolle Aderse, Afdelige for Biostatistik. Geerelt om kurset: - Formål - Forelæsiger - Øvelser - Forelæsigsoter - Bøger - EpiBasic: http://www.biostat.au.dk/teachig/software

Læs mere

Generelle lineære modeller

Generelle lineære modeller Geerelle lieære modeller Regressiosmodeller med é uafhægig itervalskala variabel: Y e eller flere uafhægige variable: X,..,X k De betigede fordelig af Y givet X,..,X k atages at være ormal med e middelværdi,

Læs mere

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006

Økonometri 1. Lineær sandsynlighedsmodel (Wooldridge 8.5). Dagens program: Heteroskedasticitet 30. oktober 2006 Dagens program: Øonometr 1 Heterosedastctet 30. otober 006 Effcent estmaton under heterosedastctet (Wooldrdge 8.4): Sdste gang: Kendte vægte - Weghted Least Squares (WLS) Generalzed Least Squares (GLS)

Læs mere

DLU med CES-nytte. Resumé:

DLU med CES-nytte. Resumé: Danmarks Statstk MODELGRUPPEN Arbejdspapr* Grane Høegh 17. august 2006 DLU med CES-nytte Resumé: Her papret undersøges det om en generalserng af den bagvedlggende nyttefunkton DLU fra Cobb-Douglas med

Læs mere

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik.

30. august Epidemiologi og biostatistik. Forelæsning 3 Uge 2, torsdag d. 8. september 2005 Michael Væth, Afdeling for Biostatistik. 30. august 005 Epidemiologi og biostatistik. Forelæsig 3 Uge, torag d. 8. september 005 Michael Væth, Afdelig for Biostatistik. Mere om kategoriske data Test for uafhægighed I RxC tabeller Test for uafhægighed

Læs mere

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA)

Statistik II Lektion 4 Generelle Lineære Modeller. Simpel Lineær Regression Multipel Lineær Regression Flersidet Variansanalyse (ANOVA) Statstk II Lekton 4 Generelle Lneære Modeller Smpel Lneær Regresson Multpel Lneær Regresson Flersdet Varansanalyse (ANOVA) Logstsk regresson Y afhængg bnær varabel X 1,,X k forklarende varable, skala eller

Læs mere

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2

1 Punkt- og intervalestimation Punktestimatorer: Centralitet(bias) og efficiens... 2 Idhold 1 Pukt- og itervalestimatio 2 1.1 Puktestimatorer: Cetralitet(bias) og efficies.................... 2 2 Kofidesiterval 3 2.1 Kofidesiterval for adel................................ 4 2.2 Kofidesiterval

Læs mere

Binomialfordelingen: april 09 GJ

Binomialfordelingen: april 09 GJ Bnomalfordelngen: aprl 09 GJ Spm A 14: Sandsynlghedsregnng og statstk. Efter en kort ntrodukton af grundlæggende begreber sandsynlghedsregnng og statstk skal du skal ntroducere bnomalfordelngsmodellen

Læs mere

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelsøgning Modelkontrol Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelsøgnng Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E[ y] = α...

Læs mere

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol

Anvendt Statistik Lektion 10. Regression med både kvantitative og kvalitative forklarende variable Modelkontrol Anvendt Statstk Lekton 0 Regresson med både kvanttatve og kvaltatve forklarende varable Modelkontrol Opsummerng I forbndelse med multpel lneær regresson så v på modeller på formen E y] = α... [ 3 3 4 4

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne

Læs mere

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen

Vægtet model. Landmålingens fejlteori - Lektion4 - Vægte og Fordeling af slutfejl. Vægte. Vægte: Eksempel. Definition: Vægtrelationen Vægtet model Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - kkb@mathaaudk http://peoplemathaaudk/ kkb/undervsnng/lf3 Insttut for Matematske Fag Aalborg Unverstet Gvet n uafhængge

Læs mere

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse

Prøveeksamen Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Kommenteret vejledende besvarelse Økonometr Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Kommenteret vejledende besvarelse Resultaterne denne besvarelse er fremkommet ved brug af eksamensnummer 7. Dne

Læs mere

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori

Note til Spilteori Mikro 2. år 2. semester Erik Bennike. Note til Spilteori Note tl Splteor Mkro. år. semester Erk Beke Note tl Splteor Gos s. - Splteor eskæftger sg med sttoer hvor der er strtegsk fhægghed geter mellem. Nytte for de ekelte get fhæger således kke lee f ege hdlger

Læs mere

Vejledende besvarelser til opgaver i kapitel 15

Vejledende besvarelser til opgaver i kapitel 15 Vejledede besvarelser til opgaver i apitel 5 Opgave a) De teststatistier, ma aveder til at teste om to middelværdier er es, består af et estimat på forselle mellem middelværdiere,, divideret med et udtry

Læs mere

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians: ,,,,,,,,,, Stattk for bologer -, modul og : Korrelato og regreo: Aale af bvarate data: korrelato og regreo Korrelato: llutrerer v.h.a. e koeffcet hvlke grad to varable er dbrde afhægge: - (perfekt egatv

Læs mere

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse

Anvendt Statistik Lektion 3. Punkt- og intervalestimater Konfidensintervaller Valg af stikprøvestørrelse Avedt Statistik Lektio 3 Pukt- og itervalestimater Kofidesitervaller Valg af stikprøvestørrelse Pukt- og itervalestimater: Motivatio Motiverede eksempel: I e udersøgelse er adele af rygere 0.27. Det aslås

Læs mere