Husholdningsbudgetberegner

Størrelse: px
Starte visningen fra side:

Download "Husholdningsbudgetberegner"

Transkript

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

2 Publkatonen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug kan downloades fra nsttuttets hjemmesde Det Natonale Analyse- og Forsknngsnsttut for Kommuner og Regoner Købmagergade København K Telefon: AKF, Anvendt KommunalForsknng er pr. 1. jul 2012 lagt sammen med DSI og KREVI. Det nye, fusonerede nsttut hedder Det Natonale Analyse- og Forsknngsnsttut for Kommuner og Regoner Mndre uddrag, herunder fgurer, tabeller og ctater, er tlladt med tydelg kldeangvelse. Skrfter, der omtaler, anmelder, cterer eller henvser tl nærværende, bedes sendt tl Det Natonale Analyse- og Forsknngsnsttut for Kommuner og Regoner. Omslag: Monokrom, Lars Degnbol Forlag: Det Natonale Analyse- og Forsknngsnsttut for Kommuner og Regoner ISBN: :\08 sekretarat\forlaget\nk\5228\5228_notat_husholdnngsberegner.docx August 2012

3 Chrstophe Kolodzejczyk & Ncola Krstensen Husholdnngsbudgetberegner En model for husholdnngers daglgvareforbrug Det Natonale Analyse- og Forsknngsnsttut for Kommuner og Regoner 2012

4

5 Forord Dette notat dokumenterer beregnngerne bag en model for husholdnngers daglgvareforbrug. Modellen er udarbejdet for Penge- og Pensonspanelet ud fra et ønske om, at den skal danne grundlag for en webbaseret applkaton, der gver alle husholdnnger et værktøj tl at sammenlgne deres faktske forbrug med et gennemsntlgt eller forventet forbrug. Notatet er udarbejdet af forsker Chrstophe Kolodzejczyk og programleder Ncola Krstensen. V takker professor Carsten Tangaard og professor Søren Leth-Petersen for faglge kommentarer. Ncola Krstensen August 2012

6 Indhold 1 Indlednng Samlet præsentaton af modellen Præsentaton af den endelge model Spørgsmål tl brugerne Data og beskrvende statstk Modeller Prædktonsmodel Metode Resultater Prædkton og uskkerhedsanalyse Regneeksempel Ltteratur... 26

7 1 Indlednng Dette notat dokumenterer beregnngerne bag en model for husholdnngers forbrug af daglgvarer. Notatet ndeholder dels en beskrvelse af data, dels modelberegnnger, der vser parameterestmater og prædktonsuskkerhed for fre alternatve specfkatoner af forbrugsmodellen. Formålet er at estmere en model for husholdnngers daglgvareforbrug, der kan bruges tl at lave prædktoner for forbruget for typske husholdnnger med bestemte karakterstka, som er nærmere specfceret nedenfor. Specfkt skal der ud fra data fra Forbrugsundersøgelsen 2009 estmeres en forbrugsfunkton, som kan bruges tl at lave prædktoner af værden af forbruget kroner for en husholdnng med gvne karakterstka. Data for forbrugsundersøgelsen 2009 er ndsamlet over årene De fre alternatve modeller afspejler varanter af modeller for Engel-kurver, dvs. modeller, der beskrver, hvordan husholdnngsudgfter på udvalgte varer varerer med husstandens ndkomst. Der er grundlæggende to varanter. I den ene varant anvendes budgetandele, dvs. her beskrves, hvordan andelen, der anvendes på de udvalgte varer, afhænger af husstandsndkomsten. Alternatvt kan man beskrve Engel-kurver ved at undersøge, hvordan forbrugsnveauet afhænger af ndkomstnveauet. Baseret på denne analyse anbefales model 3. Igennem hele notatet henvses der tl forbruget eller det udvalgte forbrug af daglgvarer. Dette nkluderer husstandens samlede årlge forbrug af fødevarer, drkkevarer og husholdnngsartkler, målt kr. 7

8 2 Samlet præsentaton af modellen I dette kaptel præsenteres den endelge model tl at forudsge husholdnngers forbrug. Detaljerede forklarnger af data, modeller og metode fremgår af de efterfølgende kaptler. 2.1 Præsentaton af den endelge model Ud af de fre modeller, der er estmeret, anbefales model 3. Modellen er for forbruget nveau og er specfceret således: Model 3 ln C = β + β Enlg 0 2 ( Y ) ( Alder Alder ) β ( ( Alder Alder ) ) + β max 1, 2 + max 1, β Nborn _ 5 + β Nborn _ β Nborn _ β Nborn _18 _ β ln + β (ln Y) β Dejer + β Dudderhv + β Duddkort + + β Duudml + β Dlang 2 Den afhængge varabel er den naturlge logartme tl husstandens forbrug på udvalgte varegrupper, se kaptel 3 for detaljer. Indekset henvser tl den enkelte husstand. I modellen ndgår: Enlg: En ndkatorvarabel for, om man bor alene eller ej. Max alder: Den højeste alder husstanden. Indgår desuden kvadreret. Nborn: Antallet af børn der bor hjemme. Opgøres på fre aldersgrupper. 0-5 år, 6-11 år, år, 18 år og derover. Logartmen tl husstandens samlede dsponble ndkomst. Indgår også kvadreret. Her nkluderes alle former for ndkomst efter skat, såsom lønndkomst, overførselsndkomst, børnecheck mv. Ejerbolg: En ndkatorvarabel for, om husstanden bor ejerbolg eller ej. Uddannelse: Indkatorvarable for, hvad den højeste fuldførte uddannelse husstanden er. Der ndgår fem uddannelsesnveauer og fre ndkatorvarable, det referencegruppen er uddannelse på grundnveau (folkeskole samt gymnasalt nveau). De fre ndkatorvarable nkluderer: Erhvervsuddannelse; kort vderegående; mellemlang vderegående og lang vderegående uddannelse. 8

9 Modellens estmerede parametre er angvet tabel 2.1. Tabel 2.1 Parameterestmater for den valgte model, model (3) ln(c_) Koeff. Std. Err. t Enlg -0,353 0,045-7,83 *** Maxalder 0,038 0,005 7,40 *** Maxalder^2-0,0003 0, ,95 *** Antal børn 0-5 år 0,115 0,028 4,17 *** 6-11 år 0,111 0,026 4,34 *** år 0,138 0,022 6,23 *** 18+ 0,155 0,029 5,43 *** ln(hushold. dsponble ndkomst) -1,030 0,491-2,10 ** (ln(hushold. dsponble ndkomst))^2 0,049 0,019 2,55 ** Ejerbolg 0,046 0,029 1,58 Uddannelse kort vderegående 0,017 0,067 0,25 erhvervsuddannelse 0,037 0,040 0,93 mellemlang vderegående 0,121 0,044 2,74 *** lang vderegående 0,155 0,046 3,36 *** konstantled 14,668 3,145 4,66 *** Anm.: *** angver sgnfkans på 1% (dvs. meget sgnfkant); ** på 5%. Insgnfkante parameterestmater er angvet uden stjerne. 2.2 Spørgsmål tl brugerne For at beregne det forventede forbrug skal brugeren ndtaste oplysnnger om husstandens sammensætnng. Gvet at den endelge model er valgt tl at være model 3, er der behov for svar på spørgsmål omkrng de varable, der ndgår denne model. Husholdnngsbudgetberegneren skal udarbejdes således, at brugerne første omgang blver bedt om at ndtaste følgende: Indtast antal voksne husstanden (hjemmeboende børn på 18 år og derover skal kke medtages som voksne): TAST TAL [Hvs der tastes >0 popper følgende bokse op (Hvs der tastes 1, popper 1 boks op, hvs der tastes 2, popper 2 bokse op etc. ] Skrv alderen på voksen 1: Skrv alderen på voksen 2: 9

10 Er der hjemmeboende børn husstanden? (Medregn også hjemmeboende børn på 18 år og derover) Ja nej [Hvs der tastes ja, popper dsse bokse op ] Antal hjemmeboende børn alderen 0-5 år: TAST TAL Antal hjemmeboende børn alderen 6-11 år: TAST TAL Antal hjemmeboende børn alderen år: TAST TAL Antal hjemmeboende børn alderen 18+ år: TAST TAL Skrv husstandens årlge ndkomst efter skat. Du skal medtage alle former for ndkomst, både lønndkomst, overførselsndkomst, børnecheck mv.: Skrv tal kr. pr. år Bor husstanden ejerbolg? Ja Nej Hvad er den højeste gennemførte uddannelse blandt personer husstanden? Folkeskole/gymnasum Kort vderegående uddannelse Erhvervsuddannelse Mellemlang vderegående uddannelse Lang vderegående uddannelse Når brugeren har ndtastet oplysnnger om vedkommendes husstand, så kan beregneren vse, hvor mange penge sammenlgnelge husstande samlet set bruger på de udvalgte fødevarer, drkkevarer og husholdnngsartkler. Med sammenlgnelge husstande menes husstande, som både har samme ndkomst og uddannelseskategor, samme antal voksne samme alderskategorer og samme antal børn samme alderskategorer. I afsnt 5.4 vses et detaljeret regneeksempel på, hvordan det forventede forbrug beregnes på baggrund af de estmerede værder. 10

11 3 Data og beskrvende statstk Data stammer fra forbrugsundersøgelsen 2009, suppleret med regsteroplysnnger om ndkomst, overførsler mv. Forbrugsundersøgelsen er gennemført som en stkprøveundersøgelse, hvor antallet af husstande undersøgelsen udgør ca. 0,1% af Danmarks alt ca. 2,5 mo husstande. Forbrugsundersøgelsen bygger dels på spørgeskemadata dels på regnskabsførng af de enkelte husholdnnger, der over en 14 dages perode holder et meget detaljeret regnskab med ndkøb. Data for forbrugsundersøgelsen 2009 er ndsamlet over årene For årene 2008 og 2010 er data omregnet ved brug af en prs-mængde korrekton, der gør oplysnngerne sammenlgnelge med 2009 som bassår. Datasættet ndeholder også et sæt vægte, der er baseret på alle tre år. Dsse vægte skrer, at undersøgelsen er repræsentatv for samtlge husstande Danmark. Data setup et fra Danmarks Statstk er ldt særegent for dsse data. De rå data lgger flen work.dta. 1 Der er alt husstande datasættet. Dsse lgger én lang stacket fl (work.dta), hvor hver husstand har ca. 900 rækker (husstandens dentfer er varablen p). For hver række er angvet et beløb (varabelnavn belob) og en kode (varabelnavn kodec). 2 Kodec ndeholder koder for både forbrug samt baggrundsvarable, der er koblet på forbrugsundersøgelsen. Tabel 3.1 Struktur på rådata fra Danmarks Statstk lnje p kodec belob 1 1 se lnk tl regneark med koder osv. osv. I realteten er p en strng12, så ngen husstand har koden 1, men strukturen på data er som angvet tabel 3.1: hver husstand har ca. 900 lnjer ( eksemplet her har husstand 1 903), og hver lnje svarer tl en bestemt varabel. En mere tradtonel struktur på datasættet opnås ved at vælge de varable, v skal bruge tl at lave estmatonerne og dernæst bruge kommandoen reshape, som gør, at hver husstand blot har én lnje, og v stedet får flere varable. I det tlhørende stata-program konstruerer_data.do fremgår det præcst, hvordan dette er gjort. Fremtdge opdaternger af beregnngerne kan udføres ved ganske smpelt at køre dette pro- 1 2 Se flen konstruerer_data.do, som ndeholder stata-koden tl at sætte data op. Se alle koderne regneark, der kan downloades fra 11

12 gram, forudsat at datastrukturen og koderne rådata fra Danmarks Statstk forblver uændrede. 3 Der er som nævnt knyttet en række baggrundsoplysnnger tl forbrugsdataene. Tl budgetberegneren nddrages kun relatvt få, det brugerne af modellen efterfølgende skal ndtaste oplysnnger for alle varable, der ndgår, og for at mndske omfanget af ndtastnngen nkluderes derfor kun de varable, der på forhånd skønnes mest væsentlge. Tabel 3.2 på næste sde angver de varable, der ndgår modellerne. 3 Danmarks Statstk afleverer data SAS-format. For at transformere tl statas dta-format har v anvendt StatTransfer. Bemærk, at det er nødvendgt at bruge optonen optmze for at skre en korrekt transfer. 12

13 Tabel 3.2 Varabelbeskrvelse Varabel-navn C Y Y1 Y2 Y3 Y4 Y5 NumPers Varabelbeskrvelse Samlet årlgt forbrug af fødevarer, drkkevarer og husholdnngsartkler målt kr. Det defneres ud fra følgende numre forbrugsundersøgelsen: Den årlge ndkomst efter skat. Her nkluderes alle former for ndkomst, både lønndkomst, overførselsndkomst, børnecheck mv. Indkatorvarabel=1, hvs husstandens ndkomst <C1, 0 ellers Indkatorvarabel=1, hvs husstandens ndkomst C1 <=y<c2, 0 ellers Indkatorvarabel=1, hvs husstandens ndkomst C2 <=y<c3, 0 ellers Indkatorvarabel=1, hvs husstandens ndkomst C3 <=y<c4, 0 ellers Indkatorvarabel=1, hvs husstandens ndkomst y>c4, 0 ellers Antal personer husstanden Alder1 Alder på voksen person 1 Numborn DAlder1_29 DAlder1_3044 Dalder1_4559 Dalder1_60_ DVoksen2 Antal børn Indkatorvarabel=1, hvs voksen person 1 er yngre end 30 år, 0 ellers Indkatorvarabel=1, hvs voksen person 1 er år gammel, 0 ellers Indkatorvarabel=1, hvs voksen person 1 er år gammel (referencegruppe), 0 ellers Indkatorvarabel=1, hvs voksen person 1 er ældre end 59 år, 0 ellers Indkatorvarabel=1, hvs der er to voksne hustanden, 0 ellers Alder2 Alder på voksen person 2 DAlder2_29 DAlder2_3044 Dalder2_4559 Dalder2_60_ DBorn Nborn_5 Nborn_611 Nborn_1217 Nborn_18_ Dejer Dudderhv Duddkort Duddml Duddlang Indkatorvarabel=1, hvs voksen person 2 er yngre end 30 år, 0 ellers Indkatorvarabel=1, hvs voksen person 2 er år gammel, 0 ellers Indkatorvarabel=1, hvs voksen person 2 er år gammel (referencegruppe), 0 ellers Indkatorvarabel=1, hvs voksen person 2 er ældre end 59 år, 0 ellers Indkatorvarabel=1, hvs hjemmeboende børn husstanden, 0 ellers Antal hjemmeboende børn alderen 0-5 år Antal hjemmeboende børn alderen 6-11 år Antal hjemmeboende børn alderen år Antal hjemmeboende børn alderen 18 og ældre =1, hvs ejer af bolg, 0 ellers =1, hvs højeste gennemførte uddannelse er erhvervsfaglg, 0 ellers =1, hvs højeste gennemførte uddannelse husstanden er kort, 0 ellers =1, hvs højeste gennemførte uddannelse husstanden er mellemlang, 0 ellers =1, hvs højeste gennemførte uddannelse husstanden er lang, 0 ellers Y1-Y5 er funktoner af en række tærskelværder, C1-C4. Dsse er fastsat ud fra varatonen data. V fnder følgende percentler for den dsponble husstandsndkomst, se tabel Forbruget er grupperet henhold tl den såkaldte COICOP-nomenklatur. Se nummererngslste på 13

14 Tabel 3.3 Fordelng af dsponble husstandsndkomst Percentl Indkomstgrænse 1% % % % % % % % % Gennemsnt Std. Afv Observatoner Ud fra ovenstående fordelng er C1-C4 grænseværderne, der adskller Indkatorvarabelvarablene, valgt som angvet tabel 3.4. Tabel 3.4 Valgte grænseværder for ndkomstdummes grænseværd Interval % husstande C < C C C > De fem grupper, der kommer ud af de fre grænseværder, er kke lge store, og navnlg er der relatvt få husstande den laveste ndkomstgruppe (11%), men den laveste grænseværd på kr. dsponbel husstandsndkomst synes relatvt høj, og det vl måske sende et uhensgtsmæssgt sgnal om, at beregneren kke er tltænkt alle ndkomstgrupper, hvs den sættes endnu højere blot for mere præcst at få 20% hver af de fem grupper. Derudover er grænseværderne valgt som runde tal for kogntvt at gøre ndtastnngen mere smpel. 14

15 4 Modeller Der estmeres fre forskellge varanter af en forbrugsmodel. De fre modeller adskller sg prmært ved ændrnger den afhængge varabel, dvs. varablen, der måler forbruget. Derudover varerer de fre modeller også ldt forhold tl specfkatonen af de forklarende varable (men kke forhold tl hvad de forklarende varable grundlæggende måler, eksempelvs måles ndkomst alle fre modeller, men ndgår som Indkatorvarabelvarable model 1 og 2 og logartmsk model 3 og 4). De fre modelvaranter fremgår formalseret form nedenfor. Model 1 nkluderer nveauet af forbrug som den afhængge varabel. I model 2 og 3 ndgår forbruget logartmsk form, mens model 4 anvender forbrugstlbøjelgheden som afhængg varabel, det vl sge forbrugets andel forhold tl den samlede dsponble husstandsndkomst. Model 1 C = β + β Enlg β DAlder1_ 29 + β DAlder1_ β DAlder1_ 60 _ β DAlder2 _ 29 + β DAlder2 _ β DAlder2 _ 60 _ β Nborn _ 5 + β Nborn _ β Nborn _ β Nborn _18 _ β Y1 + β Y2 + β Y4 + β Y β Dejer + β Dudderhv + β Duddkort + β Duudml + β Dlang Model 2 ln C = β + β Enlg β DAlder1_ 29 + β DAlder1_ β DAlder1_ 60 _ β DAlder2 _ 29 + β DAlder2 _ β DAlder2 _ 60 _ β Nborn _ 5 + β Nborn _ β Nborn _ β Nborn _18 _ β Y1 + β Y2 + β Y4 + β Y β Dejer + β Dudderhv + β Duddkort + β Duudml + β Dlang Model 3 ln C = β + β Enlg 0 2 ( Y ) ( Alder Alder ) β ( ( Alder Alder ) ) + β max 1, 2 + max 1, β Nborn _ 5 + β Nborn _ β Nborn _ β Nborn _18 _ β ln + β (ln Y) β Dejer + β Dudderhv + β Duddkort + + β Duudml + β Dlang 2 15

16 Model 4 C Y = β + β Enlg ( Alder Alder ) β ( ( Alder Alder ) ) + β max 1, 2 + max 1, β Nborn _ 5 + β Nborn _ β Nborn _ β Nborn _18 _ ( Y ) + β ln + β (ln Y) β Dejer + β Dudderhv + β Duddkort + β Duudml + β Dlang Hvor 1,..., N = angver observatoner (husholdnnger) forbrugsundersøgelsen. Alle modeller estmeres med Ordnary Least Squares (OLS). Referencegrupperne er således valgt tl at være DAlder1_4559, DAlder2_4559, Y3 samt almen uddannelse (dvs. folkeskole eller gymnasal uddannelse som højeste fuldførte uddannelse). De medtagne forklarende varable skal fortolkes forhold tl den valgte referencegruppe. Valg af referencegruppe er arbtrært. Ved fx at vælge Y3 som reference model 1 og model 2 vl v forvente, at parameterestmaterne tl Y1 og Y2 vl have et negatvt fortegn, og at parameterestmaterne tl Y4 og Y5 vl have et postvt fortegn (men man kunne godt vælge en anden referencegruppe). 16

17 5 Prædktonsmodel 5.1 Metode Ud fra de estmerede forbrugsrelatoner, modellerne 1-4 skal der konstrueres en prædktonsmodel, som kan forudsge det forventede forbrug (målt kroner) for husholdnnger med gvne karakterstka, der lgger nden for kombnatonen af de varable, der ndgår de estmerede modeller. Ud over at prædktere det forventede forbrug beregnes der også konfdensntervaller for prædktonerne generelt for hele stkprøven samt for udvalgte kombnatoner af de forklarende varable. Dette gøres for at afklare, hvor skre (eller uskre) de forventede forbrugsnveauer er, herunder for hvlke kombnatoner af de forklarende varable, som ndgår modellerne, at de estmerede modeller gver meget uskre prædktoner. Det er også et formål at afklare, hvlken af de ovennævnte specfkatoner, 1-4, der gver de bedste/mest præcse prædktoner. Beregnngerne af forventet forbrug og konfdensntervaller for prædktonerne følger Wooldrdge (2009: ). Nogle få forhold ved dsse beregnnger skal nævnes her. Uskkerheden ved beregnnger af konfdensntervaller kan opdeles to: () Samplng error, som kommer af, at parameterestmaterne er estmerede. Denne fejlklde afhænger af stkprøvestørrelsen og mndskes ved øget stkprøvestørrelse, så denne klde tl uskkerhed vl forventelg være beskeden gvet stkprøvestørrelsen på husstande. () Varansen på fejlleddet, som afspejler varansen populatonen. Denne fejlklde er uafhængg af stkprøvestørrelsen og vl ofte domnere forhold tl samplngerror. Når v medtager varansen populatonen, tager v mplct højde for varansen uobserverede faktorer, der påvrker forbruget. Da modellerne 1-4 nkluderer relatvt få parametre (og kun bygger på en enkelt cross-secton observaton), må v forvente, at denne uskkerhed vl være ganske stor. Dette analyseres afsnt 5.3. Et andet forhold, der kort skal nævnes, er beregnngen af det forventede forbrug, når ln C er den afhængge varabel (dvs model 2 og 3). I dette tlfælde kan v kke nøjes med blot at beregne C exp(ln C ) =, det dette systematsk vl underestmere det forventede forbrug. I stedet omregnes tl det forventede forbrug ved at anvende formlen 2 C = exp(ln C ) exp( σ / 2), 2 ˆ σ er et estmat af varansen for fejlleddet fra populatonen, kaldet u. Denne korrekton hvor er mdlertd følsom over for afvgelser fra en underlggende antagelse om normaltet 17

18 fejlleddet. Derfor er der korrgeret for dette ved at estmere en såkaldt auxlary regresson. Udgangspunktet for denne ekstra regresson er C = exp(ln C ) α 0, α hvor 0 er den forventede værd af exp( u ). For at anvende denne tlgang skal α0 estmeres. Dette gøres her ved at anvende Wooldrdge (2009: 212) s formel (6.44), dvs. estmere følgende OLS uden et konstantled 1 n n 2 α ˆ ˆ = m mc = 1 = 1 hvor, mˆ beregnes ved at ndsætte de estmerede ˆβ -værder fra regressonen ln C = β + β x β x k k, så v opnår mˆ = exp(ln C ). Efterfølgende sammenlgnnger med de faktske forbrugsnveauer vste, at dette førte tl en (overraskende) stor ændrng, hvlket ndkerer, at normalfordelngsantagelsen kke holder dsse data. En omregnng er også relevant for model 4. Her beregnes først den forventede forbrugstlbøjelghed som efterfølgende multplceres med husholdnngens ndkomst. 5.2 Resultater Parameterestmaterne for de fre modeller er angvet tabel 5.1. Tabel 5.1 Parameterestmater fra OLS-beregnnger, model (1) (4) (1) (2) (3) (4) C_ lnc_ lnc_ C_Y Denlg *** *** *** *** (-4.27) (-6.60) (-7.83) (-6.46) DAlder1_ *** *** (-4.27) (-5.51) DAlder1_ (-0.15) (-1.05) DAlder1_60_ (-1.18) (-1.83) DAlder2_ *** (-3.75) (-1.45) DAlder2_ (-1.46) (-0.60) DAlder2_60_ (-1.37) (-0.10) 18

19 (1) (2) (3) (4) C_ lnc_ lnc_ C_Y Maxalder *** *** (7.40) (6.88) Maxalder^ *** *** (-6.95) (-6.67) Nborn_ * ** *** *** (2.30) (2.64) (4.17) (3.93) Nborn_ *** *** *** ** (3.89) (4.11) (4.34) (2.83) Nborn_ *** *** *** *** (6.49) (6.14) (6.23) (3.98) Nborn_18_ *** *** *** * (3.82) (4.22) (5.43) (2.07) Y (-1.85) (-1.82) Y (-1.04) (-1.16) Y *** *** (3.82) (3.63) Y *** *** (7.43) (6.95) lny_ * *** (-2.10) (-4.64) lny_ * *** (2.55) (4.28) Dejer * ** (2.34) (1.28) (1.58) (3.10) Duddkort (0.88) (0.71) (0.25) (1.13) Dudderhv (0.29) (1.61) (0.93) (1.71) Duddml ** ** ** ** (2.99) (3.22) (2.74) (3.28) Duddlang ** *** *** *** (2.85) (3.57) (3.36) (3.43) Constant *** *** *** *** (12.25) (157.96) (4.66) (5.00) N t statstk parentes. * p < 0.05, ** p < 0.01, *** p < Referencegruppen for uddannelse er almen uddannelse, som nkluderer kke-kompetencegvende uddannelse nklusve folkeskolen samt gymnasale uddannelser. Referencegruppen for DAlder er aldersgruppen 45-59, mens referencegruppen for Y1-Y5 er Y3. Resultaterne vser generelt de forventede fortegn og forventede sgnfkansnveauer. Indkatorvarabelvarablen for enlg (Denlg) er negatv og sgnfkant på 1%-nveau (dvs. meget sgnfkant) alle fre modeller. Model 1 vser, at enlge, alt andet lge, bruger ca kr. mndre om året på de udvalgte varer sammenlgnet med kke-enlge. 19

20 Alder ndgår på forskellg vs de fre modeller. I model 1 og 2 medtages tre Indkatorvarabelvarable for person 1, og de tlfælde hvor der er mere end én voksen husstanden, medtages alderen for person 2 også. Referencegruppen er årge, og det er derfor kke overraskende, at forbruget for den yngste aldersgruppe, personer yngre end 30 år, er sgnfkant lavere end for referencegruppen. Dette gælder både for person 1- og person 2- estmaterne. De øvrge aldersgrupper er kke sgnfkant forskellge fra referencegruppen. I model 3 og 4 nkluderes stedet alderen for den person husstanden, der har den højeste alder og denne alder kvadreret (kaldet maxalder og maxalder2). Det leder tl meget sgnfkante parameterestmater, der vser, at forbruget stger med alderen, men med en aftagende grad. Toppunktet beregnes tl 111 henholdsvs 112 år, hvlket betyder, at forbruget er stgende med alderen nden for observatonsområdet. Antallet af hjemmeboende børn vl forventelgt have en meget stor betydnng for en husstands forbrug af daglgvarer, og denne forventnng bekræftes da også af parameterestmaterne for alle fre modeller. Forbruget er kr. højere pr. år (model 1) for hvert barn afhænggt af barnets alder. For modellerne 1, 2 og 4 fndes, at et barn alderen har den største betydnng for forbruget, mens model 3 fnder børn over 17 øger forbruget mest, alt andet lge. Samtlge parameterestmater for hjemmeboende børn er sgnfkante, og de fleste er sgnfkante på 1%-nveau. Husstandsndkomsten er lgeledes stærkt korreleret med forbruget. De fre modeller varerer, med hensyn tl hvordan husstandsndkomsten ndgår. I model 1 og 2 ndgår fre dummes som evalueres forhold tl referencendkomsten Y3, dvs. husstande der har dsponbel ndkomst. Parameterestmaterne for både model 1 og 2 vser, at ndkomstnveauer der lgger lavere end referencegruppens kke har et sgnfkant lavere forbrug. Dette er konsstent med, at mange daglgdagsvarer kan opfattes som nødvendge forbrugsgoder, der nok kan substtueres med bllgere produkter, men mange tlfælde kke fravælges helt. Bemærk også, at parameterestmaterne for Y1 og Y2 er negatve, og Y1 er sgnfkant lavere hvs man anvender et 10%-sgnfkansnveau. Husstande med dsponble ndkomster, der er højere end referencegruppen (Y4= og Y5 > ), har sgnfkant højere forbrug, selv om stgnngen kke er lge så markant som forskellen dsponbel ndkomst. Dette kan formentlg gen tl dels tlskrves, at v her ser på daglgvareforbruget, som høj grad adskller sg ved substtuton mellem produkter forskellge prsklasser. I modellerne 3 og 4 bekræftes ovenstående fortolknng. I dsse modeller ndgår forbrugstlbøjelgheden som den afhængge varabel, og v fnder, at både ln Y og (ln Y ) 2 er yderst sgnfkante. Dette bekræfter resultater fra ltteraturen på området, fx Banks et al. (1997), om at Engel-kurver bør nkludere et kvadratsk led, således at man tllader Engel curvature. V genfnder her det klassske Engel-resultat, at forbrugstlbøjelgheden er faldende med ndkomsten. Dette er konsstent med Engel s lov om, at lavndkomstfamler anvender en større budgetandel på fødevarer. Modellerne nkluderer også en ndkatorvarabel for, om personen bor ejerbolg eller kke. I modellerne 1 og 4 kommer parameterestmatet for denne varabel ud sgnfkant, mens den er nsgnfkant for model 2 og 3. Insgnfkansen skyldes nok tl dels, at ejerbolg også er 20

21 korreleret med ndkomst og uddannelse. Varablen vl desuden opsamle noget af den geografske varaton, som kke ellers opfanges dsse modeller. Sluttelgt er uddannelse nkluderet. Alle fre modeller nkluderer fre Indkatorvarabelvarable, der opfanger forskellge uddannelsesnveauer. For hver husholdnng medtages kun den højeste fuldførte uddannelse nden for hver husholdnng. Da samboende ofte vl have nogenlunde samme uddannelsesnveau kan parameterestmaterne således kke drekte fortolkes som øget forbrug som følge af uddannelse. Dsse parameterestmater skal øvrgt fortolkes forhold tl referencegruppen, som er det laveste uddannelsesnveau, dvs. uddannelse på grundnveau (folkeskole) nklusve gymnasalt nveau. Ikke mndre end 30% af stkprøvens husholdnnger angver erhvervsrettet uddannelse som husholdnngens højeste uddannelsesnveau, og derfor medtages en særsklt Indkatorvarabelvarabel for denne gruppe. Resultaterne er enslydende på tværs af de fre modeller. Husholdnnger med (mnmum) én person, der har taget en mellemlang eller lang vderegående uddannelse, har et sgnfkant højere forbrug af de udvalgte daglgvarer også når der er taget højde for ndkomst samt de øvrge varable nkluderet modellerne. 5.3 Prædkton og uskkerhedsanalyse I dette afsnt beskrves modellernes prædkton af forbrugsnveauet samt de konfdensntervaller, der knytter sg tl det forventede forbrug. Tabel 5.2 Forventet forbrug af udvalgte varer (målt kr/år) og 95% prædktonskonfdensnterval, model 1-4 Model 1 Model 2 Model 3 Model 4 Faktsk gennemsntlgt forbrug Modelprædkterede Forskel (faktsk-prædkterede) Nedre grænse for prædktonskonfdensnterval Øvre grænse for prædktonskonfdensnterval R2 0,4599 0,5304 0,5245 0,3854 Resultaterne tabel 5.2 er baseret på et gennemsnt over ndvduelle prædktoner. Det fremgår, at alle fre modeller rammer gennemsntlge forbrug ganske pænt, hvlket kke er overraskende for en OLS-regresson baseret på cross-secton data. Forklarngsgraden er størst for model 2 og 3, hvlket også er forventelgt, da varatonen data mndskes, når v anvender en log-lneær model. Det fremgår også, at 95% konfdensntervallerne for alle fre modeller endog er meget brede. Det skyldes altovervejende varansen på fejlleddet, dvs. varansen populatonen, som mplct tager højde for varansen uobserverede faktorer, der påvrker forbruget. Da modellerne 1-4 nkluderer relatvt få parametre (og kun bygger på en enkelt cross-secton observaton) får v som forventet, at denne uskkerhed er ganske stor. Hvs v kun ser på prædktonskonfdensntervallerne for den gvne sample, får v konfdensntervaller nden for nogle få 21

22 tusnde fra den forventede værd. Men dsse n-sample konfdensntervaller er kke de relevante, når v som her ønsker at udbrede brugen af estmaterne tl befolknngen generelt. Varansen populatonen ndgår også beregnngerne af forventet værd og konfdensnterval for forskellge typer af personkarakterstka. Tabel 5.3 Eksempler på konfdensberegnnger for konkrete personkarakterstka Type 1 Type 2 Ikke enlg Ikke enlg Ældre end 29 Ældre end 29 Ét barn ( aldergruppen 18+) Ét barn ( aldergruppen 18+) Indkomstgruppe 3 (Y3=1) Indkomstgruppe 3 (varerer over alle fem grupper) Ejerbolg Ejerbolg Uddannelse (varerer over alle fem grupper) Erhvervsuddannelse (Dudderhv=1) Tabel 5.4 Forventet forbrug af udvalgte varer (målt kr./år) og 95% konfdensntervaller for Type 1 Uddannelse Model 1 Almen Kort vderegående Erhvervsrettet Mellem vderegående Lang vderegående Faktsk gennemsntlgt forbrug Modelprædkterede Forskel (faktsk-prædkterede) Modelafvgelse procent 18% 0% -3% -21% -25% Nedre grænse for prædktonskonfdensnterval Øvre grænse for prædktonskonfdensnterval Model 2 Faktsk gennemsntlgt forbrug Modelprædkterede Forskel (faktsk-prædkterede) Modelafvgelse procent 11% -7% -3% -22% -27% Nedre grænse for prædktonskonfdensnterval Øvre grænse for prædktonskonfdensnterval Model 3 Faktsk gennemsntlgt forbrug Modelprædkterede Forskel (faktsk-prædkterede) Modelafvgelse procent 12% -3% 0% -21% -24% Nedre grænse for prædktonskonfdensnterval Øvre grænse for prædktonskonfdensnterval Model 4 Faktsk gennemsntlgt forbrug Modelprædkterede Forskel (faktsk-prædkterede) Modelafvgelse procent 13% 4% 4% -17% -23% Nedre grænse for prædktonskonfdensnterval Øvre grænse for prædktonskonfdensnterval

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

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

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

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

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

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

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 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. 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

Luftfartens vilkår i Skandinavien

Luftfartens vilkår i Skandinavien Luftfartens vlkår Skandnaven - Prsens betydnng for valg af transportform Af Mette Bøgelund og Mkkel Egede Brkeland, COWI Trafkdage på Aalborg Unverstet 2000 1 Luftfartens vlkår Skandnaven - Prsens betydnng

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

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

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

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

Fastlæggelse af strukturel arbejdsstyrke

Fastlæggelse af strukturel arbejdsstyrke d. 23.5.2013 Fastlæggelse af strukturel arbedsstyrke Dokumentatonsnotat tl Dansk Økonom, Forår 2013 For at kunne vurdere økonomens langsgtede vækstpotentale og underlggende saldoudvklng og for at kunne

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

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

NOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014

NOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014 Beskæftgelse, Socal og Økonom Økonom og Ejendomme Sagsnr. 271218 Brevd. 2118731 Ref. KASH Dr. tlf. 4631 3066 katrnesh@rosklde.dk NOTAT:Benchmarkng: Rosklde Kommunes servceudgfter regnskab 2014 17. august

Læs mere

Binomialfordelingen. Erik Vestergaard

Binomialfordelingen. Erik Vestergaard Bnomalfordelngen Erk Vestergaard Erk Vestergaard www.matematkfysk.dk Erk Vestergaard,. Blleder: Forsde: Stock.com/gnevre Sde : Stock.com/jaroon Sde : Stock.com/pod Desuden egne fotos og llustratoner. Erk

Læs mere

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13

EKSAMEN I MATEMATIK-STATISTIK, 27. JANUAR 2006, KL 9-13 EKSAMEN I MATEMATIK-STATISTIK, 7. JANUAR 006, KL 9-13 [HER STARTER STATISTIKDELEN] Opgave 3 (5%): Bologsk baggrundsnformaton tl forståelse af opgaven: Dr producerer kke altd lge meget afkom af hvert køn.

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

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. 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

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

10. Usikkerhed og fejlsøgning

10. Usikkerhed og fejlsøgning 93 10. Uskkerhed og fejlsøgnng Forbrugerprsndekset er baseret på en stkprøve af varer og tjenester og derfor behæftet med uskkerhed. Kaptlet ndledes derfor med en gennemgang af de væsentlgste klder tl

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

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

TALTEORI Følger og den kinesiske restklassesætning.

TALTEORI Følger og den kinesiske restklassesætning. Følger og den knesske restklassesætnng, december 2006, Krsten Rosenklde 1 TALTEORI Følger og den knesske restklassesætnng Dsse noter forudsætter et grundlæggende kendskab tl talteor som man kan få Maranne

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

NOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013

NOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013 Beskæftgelse, Socal og Økonom Økonom og Ejendomme Sagsnr. 260912 Brevd. 1957603 Ref. LAOL Dr. tlf. 4631 3152 lasseo@rosklde.dk NOTAT: Benchmarkng: Rosklde Kommunes servceudgfter regnskab 2013 19. august

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

DANMARKS NATIONALBANK WORKING PAPERS 2011 74

DANMARKS NATIONALBANK WORKING PAPERS 2011 74 DANMARKS NATIONALBANK WORKING PAPERS 211 74 Johan Gustav Kaas Jacobsen Danmarks Natonalbank Søren Truels Nelsen Danmarks Natonalbank Betalngsvaner Danmark September 211 The Workng Papers of Danmarks Natonalbank

Læs mere

Tabsberegninger i Elsam-sagen

Tabsberegninger i Elsam-sagen Tabsberegnnger Elsam-sagen Resumé: Dette notat beskrver, hvordan beregnngen af tab foregår. Første del beskrver spot tabene, mens anden del omhandler de afledte fnanselle tab. Indhold Generelt Tab spot

Læs mere

Morten Frydenberg Biostatistik version dato:

Morten Frydenberg Biostatistik version dato: Morten Frydenberg Bostatstk verson dato: -03-0 Effektmodfkaton Hvad er det - Kvantfcerng - Test Bostatstk uge 7 mandag Morten Frydenberg, Afdelng for Bostatstk Vægtede gennemsnt - Formler for standard

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

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

econstor zbw www.econstor.eu

econstor zbw www.econstor.eu econstor www.econstor.eu Der Open-Access-Publkatonsserver der ZBW Lebnz-Informatonszentrum Wrtschaft The Open Access Publcaton Server of the ZBW Lebnz Informaton Centre for Economcs Jacobsen, Johan Gustav

Læs mere

Validering og test af stokastisk trafikmodel

Validering og test af stokastisk trafikmodel Valderng og test af stokastsk trafkmodel Maken Vldrk Sørensen M.Sc., PhDstud. Otto Anker Nelsen Cv.Ing., PhD, Professor Danmarks Teknske Unverstet/ Banestyrelsen Rådgvnng 1. Indlednng Trafkmodeller har

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

Brugerhåndbog. Del IX. Formodel til beregning af udlandsskøn

Brugerhåndbog. Del IX. Formodel til beregning af udlandsskøn Brugerhåndbog Del IX Formodel tl beregnng af udlandsskøn September 1999 Formodel tl beregnng af udlandsskøn 3 Formodel tl beregnng af udlandsskøn 1. Indlednng FUSK er en Formodel tl beregnng af UdlandsSKøn.

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

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

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

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

Inertimoment for arealer

Inertimoment for arealer 13-08-006 Søren Rs nertmoment nertmoment for arealer Generelt Defntonen på nertmoment kan beskrves som Hvor trægt det er at få et legeme tl at rotere eller Hvor stort et moment der skal tlføres et legeme

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

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

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

Sandsynlighedsregning og statistik med binomialfordelingen

Sandsynlighedsregning og statistik med binomialfordelingen Sandsynlghedsregnng og statstk med bnomalfordelngen Katja Kofod Svan og Olav Lyndrup Januar 09 Indhold Stokastske varable... 3 Mddelværd og sprednng... 6 Bnomalfordelngen... Andre sandsynlghedsfordelnger...

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

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

Note til Generel Ligevægt

Note til Generel Ligevægt Mkro. år. semester Note tl Generel Lgevægt Varan kap. 9 Generel lgevægt bytteøkonom Modsat partel lgevægt betragter v nu hele økonomen på én gang; v betragter kke længere nogle prser for gvet etc. Den

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

Udviklingen i de kommunale udligningsordninger

Udviklingen i de kommunale udligningsordninger Udvklngen de kommunale udlgnngsordnnger af Svend Lundtorp AKF Forlaget Jun 2004 Forord Dette Memo er skrevet de sdste måneder af 2003, altså før strukturkommssonens betænknng og før Indenrgsmnsterets

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

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

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

Forberedelse til den obligatoriske selvvalgte opgave

Forberedelse til den obligatoriske selvvalgte opgave MnFremtd tl OSO 10. klasse Forberedelse tl den oblgatorske selvvalgte opgave Emnet for dn oblgatorske selvvalgte opgave (OSO) skal tage udgangspunkt dn uddannelsesplan og dt valg af ungdomsuddannelse.

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

Kreditrisiko efter IRBmetoden

Kreditrisiko efter IRBmetoden Kredtrsko efter IRBmetoden Vacceks formel Arbejdspapr, oktober 2013 1 KRAKAfnans - Fnanskrsekommssonens sekretarat Teknsk arbejdspapr udkast 15. oktober 2013 Indlednng Det absolutte mndstekrav tl et kredtnsttut

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

Samarbejdet mellem jobcentre og a-kasser inden for FTFområdet

Samarbejdet mellem jobcentre og a-kasser inden for FTFområdet BEU - 14.9.2009 - Dagsordenspunkt: 3 09-0855 - JEFR - Blag: 3 Samarbejdet mellem jobcentre og a-kasser nden for FTFområdet Det ndstlles: At BEU tlslutter sg, at KL/FTF-aftalen søges poltsk forankret gennem

Læs mere

Undersøgelse af pris- og indkomstelasticiteter i forbrugssystemet - estimeret med AIDS

Undersøgelse af pris- og indkomstelasticiteter i forbrugssystemet - estimeret med AIDS Danmarks Statstk MODELGRUPPEN Arbedspapr* Mads Svendsen-Tune 13. marts 2008 Undersøgelse af prs- og ndkomstelastcteter forbrugssystemet - estmeret med AIDS Resumé: For at efterse nestnngsstrukturen forbrugssystemet

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

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

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

Ny Langeland Kommunes redegørelse 2007 til brug for rammeaftalen på de sociale og socialpsykiatriske tilbud i Region Syddanmark

Ny Langeland Kommunes redegørelse 2007 til brug for rammeaftalen på de sociale og socialpsykiatriske tilbud i Region Syddanmark Ny Langeland Kommunes redegørelse 2007 Ny Langeland Kommunes redegørelse 2007 tl brug for rammeaftalen på de socale og socalpsykatrske tlbud Denne skabelon omfatter kommunens forventnnger tl forbrug af

Læs mere

Europaudvalget 2009-10 EUU alm. del Bilag 365 Offentligt

Europaudvalget 2009-10 EUU alm. del Bilag 365 Offentligt Europaudvalget 2009-10 EUU alm. del Blag 365 Offentlgt Notat Kemkaler J.nr. MST-652-00099 Ref. Doble/lkjo Den 5. maj 2010 GRUNDNOTAT TIL FOLKETINGETS EUROPAUDVALG Kommssonens forslag om tlpasnng tl den

Læs mere

Erhvervsstyrelsen og Ernst & Young. 26. februar 2014

Erhvervsstyrelsen og Ernst & Young. 26. februar 2014 Erhvervsstyrelsen og Ernst & Young 26. februar 2014 Bass- og ex ante-målng af de admnstratve konsekvenser ved forslag tl lov om autorsaton af vrksomheder el-, vvs- og kloaknstallatonsområdet Indholdsfortegnelse

Læs mere

Notat om porteføljemodeller

Notat om porteføljemodeller Notat om porteføljemodeller Svend Jakobsen 1 Insttut for fnanserng Handelshøjskolen Århus 15. februar 2004 1 mndre modfkatoner af Mkkel Svenstrup 1 INDLEDNING 1 1 Indlednng Dette notat ndeholder en opsummerng

Læs mere

Handleplan for Myndighed (Handicap og Socialpsykiatri)

Handleplan for Myndighed (Handicap og Socialpsykiatri) for Myndghed (Handcap og Socalpsykatr) Baggrund Økonomudvalget besluttede den 17. maj 2010, at der bl.a. på Myndghedsområdet for Handcap og Socalpsykatr skal udarbejdes en handleplan som følge den konstaterede

Læs mere

HVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskij

HVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskij HVIS FOLK OMKRING DIG IKKE VIL LYTTE, SÅ KNÆL FOR DEM OG BED OM TILGIVELSE, THI SKYLDEN ER DIN. Fjordor Dostojevskj Den store russske forfatter tænkte naturlgvs kke på markedsførng, da han skrev dsse lner.

Læs mere

Real valutakursen, ε, svinger med den nominelle valutakurs P P. Endvidere antages prisniveauet i ud- og indland at være identisk, hvorved

Real valutakursen, ε, svinger med den nominelle valutakurs P P. Endvidere antages prisniveauet i ud- og indland at være identisk, hvorved Lgevægt på varemarkedet gen! Sdste gang bestemtes følgende IS-relatonen, der beskrver lgevægten på varemarkedet tl: Y = C(Y T) + I(Y, r) + G εim(y, ε) + X(Y*, ε) Altså er varemarkedet lgevægt, hvs den

Læs mere

Miljø- og Fødevareudvalget MOF Alm.del Bilag 16 Offentligt

Miljø- og Fødevareudvalget MOF Alm.del Bilag 16 Offentligt - at Mljø- Fødevareudvalget 2017-18 MOF Alm.del Blag 16 Offentlgt UDVALGSSEKRETARIATET NOTAT OM FREMMØDE UNDER FORETRÆDER FOR UDVALG FOLKETINGET Præsdet har drøftet fremmødet under foretræde for udvalgene

Læs mere

BLÅ MEMOSERIE. Memo nr. 208 - Marts 2003. Optimal adgangsregulering til de videregående uddannelser og elevers valg af fag i gymnasiet.

BLÅ MEMOSERIE. Memo nr. 208 - Marts 2003. Optimal adgangsregulering til de videregående uddannelser og elevers valg af fag i gymnasiet. BLÅ MEMOSERIE Memo nr. 208 - Marts 2003 Optmal adgangsregulerng tl de vderegående uddannelser og elevers valg af fag gymnaset Karsten Albæk Økonomsk Insttut Købenavns Unverstet Studestræde 6, 1455 Købenavn

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

Stadig ligeløn blandt dimittender

Stadig ligeløn blandt dimittender Stadg lgeløn blandt dmttender Kvnder og mænd får stadg stort set lge meget løn deres første job, vser DJs dmttendstatstk for oktober 2013. Og den gennemsntlge startløn er nu på den pæne sde af 32.000 kr.

Læs mere

BESKÆFTIGELSES- OG LØNSTATISTIK FOR KVINDER

BESKÆFTIGELSES- OG LØNSTATISTIK FOR KVINDER Dansk Journalstforbund Februar 2011 BESKÆFTIGELSES- OG LØNSTATISTIK FOR KVINDER Jobs og lønkroner er kke lgelgt fordelt blandt mandlge og kvndelge forbunds. Derfor har v her samlet fre oversgter, der sger

Læs mere

Forbrugssystemet i ADAM dec09

Forbrugssystemet i ADAM dec09 Danmarks Statstk MODELGRUPPEN Arbejdspapr* Grane Høegh 12. marts 2010 Forbrugssystemet ADAM dec09 Resumé: Dette er beskrvelsen af det nye forbrugssystem tlhørende ADAM verson dec09. GRH12310 Nøgleord:

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

Dokumentation: Husprisanalysens andet trin: Efterspørgsel efter fravær af støj

Dokumentation: Husprisanalysens andet trin: Efterspørgsel efter fravær af støj Kop: d. 22.2.211 Kathrne Lausted Vee Dok. nr. Dokumentaton: Husprsanalysens andet trn: Efterspørgsel efter fravær af støj Notatet beskrver fremgangsmåden ved estmatonen af andet trn af husprsanalysen.

Læs mere

Langsigtet efterspørgsel efter transport

Langsigtet efterspørgsel efter transport Langsgtet efterspørgsel efter transport Af Camlla Rff Brems og Thomas Chrstan Jensen, DTU Transport Abstract Der er en stgende nteresse for at dentfcere og modellere den langsgtede efterspørgsel efter

Læs mere

Insttut for samfundsudvklng og planlægnng Fbgerstræde 11 9220 Aalborg Øst Ttel: Relatv Fasepostonerng Med bllge håndholdte GPS-modtagere Projektperode: Februar 2006 Jul 2006 Semester: 10. Projektgruppe:

Læs mere

I det omfang der er behov for uddybning af de anførte områder henvises til revisionsrapporten og/eller de administrative vejledninger på områderne.

I det omfang der er behov for uddybning af de anførte områder henvises til revisionsrapporten og/eller de administrative vejledninger på områderne. Dette dokument beskrver overordnet de væsentlge ændrnger tl verson 2.6. I dokumentet er kun medtaget de ændrnger, der har medført ændrnger tl revsonsrapporten. I det omfang der er behov for uddybnng af

Læs mere

Fysik 3. Indhold. 1. Sandsynlighedsteori

Fysik 3. Indhold. 1. Sandsynlighedsteori Fysk 3 Indhold Termodynamk John Nclasen 1. Sandsynlghedsteor 1.1 Symboler 1.2 Boolsk Algebra 1.3 Betngede Udsagn 1.4 Regneregler 1.5 Bayes' formel 2. Fordelnger 2.1 Symboler 2.2 Bnomal Fordelngen 2.3 ultnomal

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

Gulvvarmeanlæg en introduktion. af Peter Weitzmann

Gulvvarmeanlæg en introduktion. af Peter Weitzmann Gulvvarmeanlæg en ntrodukton af Peter Wetzmann Sde 1 Indholdsfortegnelse 1 Forord... 3 2 Introdukton tl gulvvarme... 4 2.1 Hstorsk gennemgang...4 2.2 Fyssk beskrvelse...4 3 Typer... 6 3.1 Tung gulvvarme...6

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

Evaluering af vedligehold af 3-registreringen

Evaluering af vedligehold af 3-registreringen Evaluerng af vedlgehold af 3-regstrerngen Notat fra DCE - Natonalt Center for Mljø og Energ Dato: 4. aprl 2019 Gregor Levn Insttut for Mljøvdenskab Rekvrent: Mljøstyrelsen Antal sder: 26 Faglg kommenterng:

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

Måleusikkerhed i kalibrering Nr. : AB 11 Dato : 2011-12-01 Side : 1/3

Måleusikkerhed i kalibrering Nr. : AB 11 Dato : 2011-12-01 Side : 1/3 Sde : 1/3 1. Anvendelsesområde 1.1 Denne akkredterngsbestemmelse gælder ved DANAK s akkredterng af kalbrerngslaboratorer. 1. Akkredterede kalbrerngslaboratorer skal ved estmerng af uskkerhed, rapporterng

Læs mere

Der må ikke udelades omkostninger, som er nævnt i vejledningen, ligesom der kun må indberettes de omkostninger, der er nævnt i vejledningen.

Der må ikke udelades omkostninger, som er nævnt i vejledningen, ligesom der kun må indberettes de omkostninger, der er nævnt i vejledningen. VEJLEDNING I OPGØRELSE AF OMKOSTNINGER TIL ENERGIBESPARELSER 1. Vejlednngen skal benyttes af alle fjernvarmeværker Alle værker, der har et energsparemål, skal benytte denne vejlednng tl ndberetnng af omkostnnger

Læs mere

Motivationseffekten af aktivering

Motivationseffekten af aktivering DET SAMFUNDSVIDENSKABELIGE FAKULTET KØBENHAVNS UNIVERSITET Kanddatspecale Bran Larsen Motvatonseffekten af aktverng Vejleder: Anders Holm Afleveret den: 03/03/06 Indholdsfortegnelse 1. Indlednng... 1 2.

Læs mere

Eksamen på Økonomistudiet 2007-I. Fag: Økonometri 1. Årsprøvefag januar Tag-hjem opgave

Eksamen på Økonomistudiet 2007-I. Fag: Økonometri 1. Årsprøvefag januar Tag-hjem opgave Eksamen på Økonomstudet 2007-I Fag: Økonometr 1 Årsprøvefag 15. 17. januar 2007 Tag-hjem opgave Der er fokus på at undgå tlfælde af eksamenssnyd I tlfælde af formodet eksamenssnyd, der bemærkes af fagenes

Læs mere

Værktøj til beregning af konkurrenceeffekter ved udlægning af nyt butiksområde

Værktøj til beregning af konkurrenceeffekter ved udlægning af nyt butiksområde Dato: 6. oktober 217 Sag: DIPS- 16/1631 Sagsbehandler: /SBJ/DEB/PMO/KBA Værktøj tl beregnng af konkurrenceeffekter ved udlægnng af nyt butksområde KONKURRENCE- OG FORBRUGERSTYRELSEN ERHVERVSMINISTERIET

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

Erhvervs- og Selskabsstyrelsen:

Erhvervs- og Selskabsstyrelsen: Erhvervs og Selskabsstyrelsen: AMVABopdaterng af Mnsteret for Fødevarer, Landbrug og Fsker Aktvtetsbaseret målng af vrksomhedernes admnstratve omkostnnger ved erhvervsrelateret regulerng på Mnsteret for

Læs mere

Titel: Prøvetagning renseanlæg. Dokumenttype: Teknisk anvisning. Versi on: TA. nr.: P04. Oprettet 22. nov. 2012. Forfatter: FDC Punktkilder

Titel: Prøvetagning renseanlæg. Dokumenttype: Teknisk anvisning. Versi on: TA. nr.: P04. Oprettet 22. nov. 2012. Forfatter: FDC Punktkilder Dokumenttype: Teknsk anvsnng Forfatter: FDC Punktklder TA henvsnnger TA. nr.: P04 Vers on: 1 Gyldg fra: 01.01.2013 Sder: Sdst ændret: 14.11.2012 Oprettet 22. nov. 2012 0 Indhold 1 Indlednng... 2 2 Metode...

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