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

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Starte visningen fra side:

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

Transkript

1 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) Uendt form for heterosedastctet: Feasble Generalzed Least Squares (FGLS) Lneær sandsynlghedsmodel (Wooldrdge 8.5). Øonometr 1: F13 1 Øonometr 1: F13 1

2 Hvordan fnder man en mere effcent estmator end OLS? Hvs man nu onstruerer et nyt fejlled som u h vl den betngede varans vl være onstant: 1 1 1,, = ( 1,, ) = σ = σ ( ) h h h u V x x x V u x x x h Forudsætter at h-funtonen er endt! Uendt form af heterosedastctet (som sal estmeres) I mange tlfælde er den esate form for heteros. uendt (dvs. h er uendt) men h an modelleres og efterfølgende estmeres Ved at benytte hˆ stedet for h an man gen transformere den oprndelge model. I den transformerede model benyttes så OLS. Denne procedure aldes Feasble ( ladsggørlg ) GLS (FGLS) Øonometr 1: F13 3 Øonometr 1: F13 4

3 Uendt form af heterosedastctet (som sal estmeres) Der fndes mange måder at modellere heterosedastctet. Her er gennemgået en verson. Antag at varansen er gvet ved Vu ( x) = σ exp( δ0 + δ1x1+ + δx) (*) Bemær: Varansen er altd postv Varansen er proportonal med exp( δ0 + δ1x δx) For at unne orrgere er det nødvendgt at ende værden af parametrene. δ Uendt form af heterosedastctet (som sal estmeres) Hvs varansen er gvet ved (*) gælder der følgende: u = σ exp( δ0 + δ1x1+ δx + δx) v Ev ( x) = 1 Gvet uafhængghed mellem x og v an parametrene estmeres ved OLS følgende regressonsmodel: log( ) α0 δ1 1 δ δ u = + x + x + x + e hvor modellen opfylder MLR.1 MLR.4, så OLS vl gve mddelrette estmatorer. Men: Fejlleddet observeres e. Øonometr 1: F13 5 Øonometr 1: F13 6 3

4 Uendt form af heterosedastctet (som sal estmeres) Når parametrene sal estmeres erstattes fejlledene med OLS resdualerne hjælpelgnngen uˆ = α + δ x + δ x + δ x + e log( ) (**) Ud fra parameterestmaterne udregnes h hˆ = exp( gˆ ) = exp( ˆ α + ˆ δ x + ˆ δ x + ˆ δ x ) WLS an så udføres med hˆ stedet for h Alternatvt an hjælperegressonen (**) erstattes med log( uˆ ) = α + δ yˆ + δ yˆ + fejl 0 1 Hypotesetest med FGLS estmater FGLS er onsstent og asymptots mere effcent end OLS F- og t-test er asymptots hhv. F- og t-fordelte. Når man laver F-test med WLS er det vgtgt at den restrterede og den urestrterede model er estmeret med de samme vægte Proceduren for F-test med FGLS Estmer den urestrterede model med OLS Udregn vægtene Estmer den urestrterede model med dsse vægte: WLS Estmer den restrterede model med samme vægte Udfør F-testet Øonometr 1: F13 7 Øonometr 1: F13 8 4

5 FGLS WLS (FGLS) og OLS Procedure for FGLS 1. Estmer den oprndelge model med OLS: y = β + β x + + β x + u. Udregn OLS resdualerne og onstruer log( ) 3. Estmer hjælperegressonen: log( )= uˆ uˆ α δ x + + δ x + e 4. Udregn de predterede værder gˆ fra regressonen 3 5. Udregn derefter hˆ: hˆ= exp( gˆ ) 6. Estmer modellen y = β + β x + + β x + u med WLS hvor vægten er 1/ hˆ Sammenlgnng af WLS og OLS OLS og WLS estmater an være (meget) forsellge Hvs OLS og WLS er statsts sgnfant forsellge, bør man være varsom med at fortole resultaterne. Dette an være tegn på msspecfaton (specelt at antagelse MLR.4 e er opfyldt). Øonometr 1: F13 9 Øonometr 1: F

6 Lneær sandsynlghedsmodel NB er I den lneære sandsynlghedsmodel er der heterosedastctet: V ( y x) = p( x)*(1 p( x)) p( x) = β0 + β1x1+ + βx Det følger så hvordan h sal onstrueres nemlg som h ˆ ˆ = y(1 y) Problem: Det an foreomme at Ad hoc orreton: yˆ yˆ Eller brug OLS og heteros. robuste standardfejl. yˆ = 0.99 hvs yˆ > 1 = 0.01 hvs yˆ < 0 > 1 eller yˆ < 0 En effcent estmator tllægger hver observaton/resdual en vægt, der er omvendt proportonal med varansen på fejlleddet. Parametrene er de samme som den oprndelge model og sal fortoles ud fra den. Øonometr 1: F13 11 Øonometr 1: F13 1 6

7 Næste gang: Mandag den 6. november Specfaton og dataproblemer: Kaptel Funtonel form msspecfaton Proxyvarabler Øonometr 1: F

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

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

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

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

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

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 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 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. 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

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

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

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

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

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

Kvantitative metoder 2

Kvantitative metoder 2 Program for dag: Kvanttatve metoder Opsamlng vedr. nferens uden MLR.5: Beregnng af robuste standardfejl og kovarans under heteroskedastctet (W8.) W.6: Flere emner en multpel regressonsmodel Inferens den

Læs mere

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller

Statikstik II 3. Lektion. Multipel Logistisk regression Generelle Lineære Modeller Statkstk II 3. Lekton Multpel Logstsk regresson Generelle Lneære Modeller Defntoner: Repetton Sandsynlghed for at Ja tl at være en god læser gvet at man er en dreng skrves: P( God læser Ja Køn Dreng) Sandsynlghed

Læs mere

Statikstik II 4. Lektion. Generelle Lineære Modeller

Statikstik II 4. Lektion. Generelle Lineære Modeller Statkstk II 4. Lekton Generelle Lneære Modeller Generel Lneær Model Y afhængg skala varabel X 1,,X k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet X + k = E( Y X ) = α + β x + + β

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

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 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

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression

Statistik Lektion 15 Mere Lineær Regression. Modelkontrol Prædiktion Multipel Lineære Regression Statstk Lekton 15 Mere Lneær Regresson Modelkontrol Prædkton Multpel Lneære Regresson Smpel Lneær Regresson - repetton Spørgsmål: Afhænger y lneært af x?. Model: y = β + β x + ε ε d N(0, σ 0 1 2 ) Systematsk

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

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

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

Rettevejledning til Økonomisk Kandidateksamen 2005II, Økonometri 1

Rettevejledning til Økonomisk Kandidateksamen 2005II, Økonometri 1 Rettevejlednng tl Økonomsk Kanddateksamen 005II, Økonometr 1 Vurderngsgrundlaget er selve opgavebesvarelsen og blaget, nklusve det afleverede SAS program. Materalet på dskette/cd bedømmes som sådan kke,

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

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

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 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

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

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

! 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

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

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

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

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

Regressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder

Regressionsanalyse. Epidemiologi og Biostatistik. 1.Simpel lineær regression (Kapitel 11) systolisk blodtryk og alder Regressonsanalyse Epdemolog og Bostatstk Mogens Erlandsen, Insttut for Bostatstk Uge, torsdag (forelæsnng) 1.Smpel lneær regresson (Kaptel 11) systolsk blodtryk og alder. Multpel lneær regresson (Kaptel

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

Morten Frydenberg Biostatistik version dato:

Morten Frydenberg Biostatistik version dato: Morten Frydenberg Bostatstk verson dato: -4- Bostatstk uge mandag Morten Frydenberg, Afdelng for Bostatstk Resume: Hvad har v været gennem ndtl nu Lneær (normal) regresson en kontnuert forklarende varabel

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

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

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Opbygnng af statstsk model Eksploratv data-analyse Specfcer model Lgnnger og antagelser Estmer parametre Modelkontrol Er modellen

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

Morten Frydenberg Version: Thursday, 16 June 2011

Morten Frydenberg Version: Thursday, 16 June 2011 Morten Frydenberg Verson: Thursday, 6 June 20 Logstc regresson og andre regresonsmodeller Morten Frydenberg Deartt of Bostatscs, Aarhus Unv, Denmar Hvornår an man bruge logsts regresson. Ldt om odds og

Læs mere

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder Økonometr 1 Efterår 2006 Ugeseddel 10: Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Om opgavens formål: Opgavesættets prmære formål er - så vdt mulgt - at lgne formen

Læs mere

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

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

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

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

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. 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

Estimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts

Estimation af CES - forbrugssystemet med og uden dynamik: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts Danmarks Statstk MODELGRUPPEN Arbejdspapr [udkast] Andreas Østergaard Iversen 140609 Estmaton af CES - forbrugssystemet med og uden dynamk: -fcf/fcfv sammenhold med fcv/fcfv -fct/fcts sammenhold med fcs/fcts

Læs mere

Kvantemekanik 2 Side 1 af 11 Schrödingerligningen. Bølgefunktionen

Kvantemekanik 2 Side 1 af 11 Schrödingerligningen. Bølgefunktionen Kvantemean Sde af Bølgefuntonen Inden for den lassse fys an en partels bevægelse besrves ved en, der ndeholder alle oplysnnger om partlens bevægelse stedfunton r( t) Pga den KM besrevne partel-bølge-dualtet

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

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel Statstk II Lekton 5 Modelkontrol Modelkontrol Modelsøgnng Større eksempel Generel Lneær Model Y afhængg skala varabel 1,, k forklarende varable, skala eller bnære Model: Mddelværden af Y gvet =( 1,, k

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

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

! 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

Antag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36.

Antag X 1,..., X n stokastiske variable med fælles middelværdi µ og varians σ 2. Hvis µ er ukendt estimeres σ 2 ved 1/36. Estmaton af varans/sprednng Landmålngens fejlteor Lekton 4 Vægtet gennemsnt Fordelng af slutfejl - rw@math.aau.dk Insttut for Matematske Fag Aalborg Unverstet Antag X,..., X n stokastske varable med fælles

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

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

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

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

PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC

PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC MEDDELELSE NR. 1075 Vrknngsgraden (gennemslaget) tl en produktonsbesætnng for avlsværdtallet for hanlg fertltet Duroc blev fundet tl 1,50, hvlket

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

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion Økonometri lektion 5 Multipel Lineær Regression Inferens Modelkontrol Prædiktion Multipel Lineær Regression Data: Sæt af oservationer (x i, x i,, x ki, y i, i,,n y i er den afhængige variael x i, x i,,

Læs mere

Økonomisk Kandidateksamen 2005II Økonometri 1. Lønpræmier

Økonomisk Kandidateksamen 2005II Økonometri 1. Lønpræmier Økonomsk Kanddateksamen 005II Økonometr 1 Lønpræmer Praktske anvsnnger tl ndvduel tag-hjem eksamen Økonometr 1: Start med at skre dg at du kan få adgang tl data og blag (se næste sde). Opgaven skal besvares

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

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

2. Sandsynlighedsregning

2. Sandsynlighedsregning 2. Sandsynlghedsregnng 2.1. Krav tl sandsynlgheder (Sandsynlghedens aksomer) Hvs A og B er hændelser, er en sandsynlghed, hvs: 1. 0 ( A) 1 n 2. ( A ) 1 1 3. ( A B) ( A) + ( B), hvs A og B ngen udfald har

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

Beregning af strukturel arbejdsstyrke

Beregning af strukturel arbejdsstyrke VERION: d. 2.1.215 ofe Andersen og Jesper Lnaa Beregnng af strukturel arbedsstyrke Der er betydelg forskel Fnansmnsterets (FM) og Det Økonomske Råds (DØR) vurderng af det aktuelle output gap. Den væsentlgste

Læs mere

Husholdningsbudgetberegner

Husholdningsbudgetberegner Chrstophe Kolodzejczyk & Ncola Krstensen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug udarbejdet for Penge- og Pensonspanelet Publkatonen Husholdnngsbudgetberegner En model for

Læs mere

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol

Udvikling af en metode til effektvurdering af Miljøstyrelsens Kemikalieinspektions tilsyn og kontrol Udvklng af en metode tl effektvurderng af Mljøstyrelsens Kemkalenspektons tlsyn og kontrol Orenterng fra Mljøstyrelsen Nr. 10 2010 Indhold 1 FORORD 5 2 EXECUTIVE SUMMARY 7 3 INDLEDNING 11 3.1 AFGRÆNSNING

Læs mere

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 til 31.01 2004 kl. 14.00 Fagblok 4b: Regnskab og fnanserng 2. del Hjemmeopgave - 28.01 2005 kl. 14.00 tl 31.01 2004 kl. 14.00 Dette opgavesæt ndeholder følgende: Opgave 1 (vægt 50%) p. 2-4 Opgave 2 (vægt 25%) samt opgave 3 (vægt

Læs mere

Økonometri: Lektion 7 Emne: Prædiktionsintervaller, RESET teset, proxy variable og manglende data.

Økonometri: Lektion 7 Emne: Prædiktionsintervaller, RESET teset, proxy variable og manglende data. Økonometri: Lektion 7 Emne: Prædiktionsintervaller, RESET teset, proxy variable og manglende data. 1 / 32 Motivation Eksempel: Savings = β 0 + β 1 Income + u Vi ved allerede, hvordan vi estimerer regresseionlinjen:

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

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

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/lf Gvet n uafhængge målnger x,, x n af n størrelser µ,, µ n Målnger

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: 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

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

Statistik Lektion 16 Multipel Lineær Regression

Statistik Lektion 16 Multipel Lineær Regression Statistik Lektion 6 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

Læs mere

Nøglebegreber: Objektivfunktion, vægtning af residualer, optimeringsalgoritmer, parameterusikkerhed og korrelation, vurdering af kalibreringsresultat.

Nøglebegreber: Objektivfunktion, vægtning af residualer, optimeringsalgoritmer, parameterusikkerhed og korrelation, vurdering af kalibreringsresultat. Håndbog grundvandsmodellerng, Sonnenborg & Henrksen (eds 5/8 GEUS Kaptel 14 IVERS MODELLERIG Torben Obel Sonnenborg Geologsk Insttut, Københavns Unverstet Anker Laer Høberg Hydrologsk Afdelng, GEUS øglebegreber:

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

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 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

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

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

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

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logisitks Regression: Repetition Y {0,} binær afhængig variabel X skala forklarende variabel π P( Y X x) Odds(Y X x) π /(-π

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

Modul 12: Regression og korrelation

Modul 12: Regression og korrelation Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 12: Regression og korrelation 12.1 Sammenligning af to regressionslinier........................ 1 12.1.1 Test for ens hældning............................

Læs mere

Logistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio

Logistisk regression. Logistisk regression. Probit model Fortolkning udfra latent variabel. Odds/Odds ratio Logstsk regresson Logstsk regresson Odds/Odds rato Probt model Fortolknng udfra latent varabel En varabel Y parameter p P( Y 1 Bernoull/bnomal fordelngen 1 1 p. er Bernoull- fordelt med sandsynlgheds hvs

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

Statistiske principper

Statistiske principper Statistiske principper 1) Likelihood princippet - Maximum likelihood estimater - Likelihood ratio tests - Deviance 2) Modelbegrebet - Modelkontrol 3) Sufficient datareduktion 4) Likelihood inferens i praksis

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

Elektromagnetisme 12 Side 1 af 6 Magnetisk energi. Magnetisk energi

Elektromagnetisme 12 Side 1 af 6 Magnetisk energi. Magnetisk energi lektronetsme Sde af 6 Betragt et kredsløb med erstatnngsresstans R og erstatnngs- L nduktans L. Som udtryk (.) er U emf+ R. (.) U R Det arbejde, som batteret skal præstere løbet af tdsrummet strømmen,

Læs mere

En bias korrigeret tilgangsvinkel til rentekurveestimering ved anvendelse af kernel smoothing

En bias korrigeret tilgangsvinkel til rentekurveestimering ved anvendelse af kernel smoothing Kanddatafandlng Insttut for fnanserng Forfattere: Jakob Brnk Jesper Matassen Vejleder: Carsten Tanggaard En bas korrgeret tlgangsvnkel tl rentekurveestmerng ved anvendelse af kernel smootng Handelsøjskolen

Læs mere