Rettevejledning til Økonomisk Kandidateksamen 2004I, Økonometri 1
|
|
- Amanda Carlsen
- 7 år siden
- Visninger:
Transkript
1 Rettevejledning til Økonomisk Kandidateksamen 004I, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget. Programmer og data som er afleveret på diskette/cd bedømmes som sådan ikke, men er anvendt fx til at opklare eventuelle følgefejl og lignende i besvarelsen og til at checke at opgaven er besvaret individuelt. Ved bedømmelsen er der taget udgangspunkt i den vægtning af opgaverne, der er anført i opgaveteksten. I den samlede bedømmelse indgår desuden en vurdering af, om besvarelsen samlet set er konsistent og indenfor de angivne rammer formår at belyse den overordnede problemstilling, der rejses i opgaven. Hvor der udføres hypotesetest forventes der redegjort for de opstillede hypoteser, den anvendte teststatistik og fordeling samt signifikansniveauet for testet (i rettevejledningen benyttes 5% signifikansniveau hvis ikke andet er nævnt). Da opgaven er besvaret ud fra individualiserede datasæt er der ikke her angivet konkrete numeriske resultater. Disse kan fås ved at køre det vedlagte SAS program FACIT.sas med det relevante eksamensnummer. Vi har kun angivet retningen af de mere robuste konklusioner. I opgaveteksten er det anført at besvarelsen højest må fylde 5 sider og derudover 0 sider bilag. Overskrides omfanget af opgavebesvarelsen, skal det vægtes negativt i den samlede bedømmelse. Opgave i) De studerende skal gøre rede for, at modellen (.) er en lineær (i parametrene) regressionsmodel som beskriver sammenhængen mellem gifte kvinders arbejdsudbud og en række forklarende variable, som karakteriserer kvinden og hendes familie. Der kan evt. gives kommentarer vedr. hvilken type af forklarende variable, som indgår i modellen. ii) Fortolkningen af parameteren β er størrelsen af den absolutte ændring i den betingede middelværdi for arbejdsudbuddet i timer ved én enheds ændring i anden indkomst regnet i $.000. Fortolkningen af parameteren β er størrelsen af den absolutte ændring i den betingede middelværdi for arbejdsudbuddet i timer ved en relativ ændring i lønnen. iii) $ >0 eller $ <0 (afhængig af substitutions- og indkomsteffekt), $ <0 og $ 5 <0. Svarene bør begrundes. Spørgsmål b Data beskrives ved en tabel, som angiver gennemsnit, varians (eller standardafvigelse) evt. min og max. Kommentarer vedr. tabellen bør indeholde en kort diskussion af, om der er oplagte problemer med data (det er der ikke). Det kan bemærkes, at der er rimelig variation i arbejdsudbudsvariablen. Spørgsmål c I dette spørgsmål skal de studerende pege på, at man kan finde den gnsn. effekt på timetallet for de kvinder som allerede har et positivt arbejdsudbud - af et løntilskud ud fra et estimat af
2 koefficienten $, beregnet på grundlag af det foreliggende datasæt. Det kræver at man er villig til at antage, at graden hvormed løntilskuddet overvæltes i lønnen er kendt. Opgave I dette spørgsmål rapporteres OLS estimaterne af model (.). Der bør ikke kommenteres på evt. signifikans af estimaterne, da man endnu ikke har checket for gyldigheden af OLS variansen. OLS estimaterne er middelrette og konsistente, da MLR - MLR 4 antages at være opfyldt. Da man endnu ikke ved, om antagelse MLR 5 er opfyldt, kan man ikke slutte, at OLS estimaterne er efficiente. Spørgsmål b i) Den grafiske analyse laves ved at plotte OLS residualerne fra model () mod et udvalg af de forklarende variable. Alternativt kan de kvadrerede residualer plottes mod et udvalg af de forklarende variable. Den grafiske analyse tyder ikke på heteroskedasticitet. ii) Det generelle Breusch-Pagan test udføres ved at lave en hjælperegression af û på regressorerne i (.). Hvis regressionen har signifikant forklaringsgrad er det tegn på heteroskedasticitet. Hvad enten testet laves som et F-test for hjælperegressionens forklaringsgrad eller et LM-test kan nulhypotesen om homoskedasticitet ikke afvises. iii) Breush-Pagan testet for om alder er en variansstyrende variabel udføres ved at lave følgende hjælperegression û = τ0 + τage + w. Homoskedasticitet kan testes ved et t-test på τ. Hypotesen om homoskedasticitet kan ikke afvises. De studerende bør udover at komme frem til de rigtige konklusioner vedr. heteroskedasticitet også være i stand til præcist at formulere den hypotese, de tester. Desuden bør det her bemærkes, at man, når man har homoskedastiske fejlled, kan anvende standardfejl fra OLS regressionen og at t- og F-test er pålidelige (hvilket ikke vil være tilfældet, hvis der er heteroskedasticitet). Spørgsmål c i) Timelønnen kan være endogen fordi arbejdende kvinder med lav løn vil have tendens til at have uobserverede faktorer, som gør at de arbejder trods den lave løn (en lav reservationsløn ), eller omvendt at kvinder der udbyder meget arbejdskraft fordi de har smag for arbejde også er højproduktive og derfor har en høj løn. Derved bliver timeløn og fejlled korrelerede i stikprøven af arbejdende kvinder. En anden forklaring er, at timelønnen er opgivet med målefejl. ii) exper og exper skal være korrelerede med lønnen, men ukorrelerede med uobserverede faktorer som har betydningen for arbejdsudbuddet, dvs. med fejlleddet u. iii) Resultater af OLS på den reducerede form ligning for log wage rapporteres. iv) Der skal udføres et F-test af nulhypotesen om at exper og exper ikke indgår i den reducerede form for log wage. Alternativet er at mindst en af koefficienterne er
3 Spørgsmål d forskellig fra nul. Hypotesen forkastes klart. Testet kan bruges til at vurdere om exper og exper opfylder det første krav (jf. spm c.ii) til et instrument. Det er tilfældet her. Beregn residualerne ˆv fra model (.) og indsæt dem som ekstra regressor i model (.). OLS resultaterne rapporteres og der udføres et signifikanstest af ˆv. Nulhypotesen er at log wage er eksogen og koefficienten til ˆv er nul, alternativet at den er forskellig fra nul. T-statistikken er numerisk meget stor og nulhypotesen forkastes. Timelønnen er faktisk endogen i model (.). Spørgsmål e Resultaterne af SLS fx ved hjælp af Proc syslin rapporteres her. Spørgsmål f Hvis begge instrumenter er gyldige må de være asymptotisk ukorrelerede med fejlleddet fra SLSregressionen. R i hjælperegr. af ressls på alle eksogene variable er lille og testet for overidentifikation nr med n=4 obs. giver en tilsvarende lav teststatistik, som skal sammenlignes med en χ fordeling med frihedsgrad. Nulhypotesen er at begge instrumenter er gyldige, hvilket ikke kan forkastes. Spørgsmål g IV-estimationen giver de konsistente estimater for model (.). Testene skal således baseres på resultater fra spm. e. I denne opgave bør de studerende kunne opskrive hypotesen, udføre testet samt drage de rigtige konklusioner på baggrund af testene. i) Nulhypotesen er H 0 : β = 0. Alternativhypotesen skal formuleres således at den er konsistent med opgave, spørgsmål a, ii). T-teststørrelsen er asymptotisk standard normal fordelt. Hypotesen afvises. ii) Nulhypotesen er H 0 : β = 0. Alternativhypotesen skal formuleres således at den er konsistent med opgave, spørgsmål a, ii). T-teststørrelsen er asymptotisk standard normal fordelt. Hypotesen kan ikke afvises. iii) Hypoteserne er H 0 : β 5 = β 6 H : β 5 β 6. Kan fx testes ved at definere variablen kidstot=kidslt6+kidsge6. Under H 0 at børn af begge aldergrupper indgår på samme måde i modellen er koefficienten til kidsge6 (eller kidslt6) nul, når den inkluderes sammen med kidstot. T-teststørrelsen er asymptotisk standard normal fordelt, p-værdien er stor og vi kan ikke forkaste at børn i begge aldersgrupper indgår på samme måde i modellen. Alternativt kan testet udføres som et F-test med TEST proceduren i SAS. Spørgsmål h dhours dhours i). Fra (.) fås β = =. Et estimat af elasticiteten af antal arbejdstimer d log( wage) dwage / wage mht. timelønnen er da 3
4 ˆ β ε hours, wage = hours For 600 timer/år er ε hours, wage ca..5, for 300 timer/år ca.. og for 000 timer/år ca Elasticiteterne er positive som forventet og aftager med antallet af arbejdstimer. De forekommer meget store fx i forhold til de danske estimater, der er nævnt i introduktionen til opgaven. ii). Effekt af fast løntilskud: wage=4$/h: ˆ β *(ln(4.5)-ln(4.00))= ca. 90 timer/år wage=8$/h: ˆ β *(ln(8.5)-ln(8.00))= ca. 45 timer/år Effekt af 4% løntilskud. wage=4$/h: ˆ β *(ln(4*.04)-ln(4))= ˆ β *ln(.04) = ca. 60 timer/år wage=8$/h: = ca. 60 timer/år Opgave 3 i). OLS estimaterne rapporteres. Under de i opgaven givne antagelser vil MLR.-MLR.4 være opfyldt og estimaterne vil derfor være middelrette og konsistente. Der vil dog per konstruktion være et problem med heteroskedasticitet, hvorfor OLS ikke er efficient. Der bør derfor ikke kommenteres på signifikans. ii). Nulhypotesen i begge test er at der ikke er en systematisk samvariation mellem fejlledsvariansen fra (.3) og udføres på grundlag af uˆ = inlf -inlf. Breusch-Pagan udføres ved at lave en hjælperegression af û på regressorerne i z. Hvad enten testet laves som et F-test for hjælperegressionens forklaringsgrad eller et LM-test bliver nulhypotesen om homoskedasticitet klart afvist. White s test kan udføres ved at lave følgende hjælperegression: û = τ 0 + τinlf + τinlf + w, Testet for homoskedasticitet udføres ved at teste følgende hypotese H0 : τ = τ = 0(homoskedasticitet). Testet kan udføres som et F-test eller et LM test. Hvis testet udføres som et LM test kan teststørrelsen bestemmes som R n, hvor R stammer fra hjælperegressionen, og n er antal observationer. Teststørrelsen er χ -fordelt med frihedsgrader. Nulhypotesen kan klart afvises, dvs. fejlleddene er heteroskedastiske. White s test kan alternativt udføres med alle forklarende variable, deres kvadrater og alle interaktionsled. iii). Den lineære sandsynlighedsmodel kan prediktere sandsynligheder uden for [0,]-intervallet, men i dette datasæt sker det kun for et meget lille mindretal af kvinderne, så det bør ikke bekymre. Værre er det, at modellen (.3) indebærer konstante marginale effekter på sandsynligheden for at deltage i arbejdsstyrken. Det betyder fx at effekten af ekstra $.000 4
5 non-wife-income på ssh. for deltagelse er den samme uanset niveauet for alle modellens variable. At modellen ikke tillader forskellig effekt for småbarn nummer et og to, kunne dog klares med dummies også i den lineære model. Spørgsmål b i). Logit modellen estimeres med maximum likelihood. Nulhypotesen er δ 5 = 0 og alternativet bør være δ 5 0. Testet udføres fx som et Wald test på grundlag af t-teststørrelsen for ˆ δ 5. Nulhypotesen kan ikke forkastes. ii). Kidsge6 udelades af modellen.variablen kidslt6 antager værdierne 0,,. Opgaven løses fx ved at definere dummies: sbarn= hvis der er et småbarn eller mere; sbarn= hvis der småbørn. Dermed gælder kidslt6=sbarn+sbarn. Den urestrikterede model er da... + δ4( sbarn) + γ 4( sbarn) +... Nulhypotesen er at et ekstra barns effekt på indekset er uafh. af om antallet af småbørn er 0 eller, dvs. δ4 = γ 4. Pålægges denne restriktion fås... + δ ( sbarn) + γ ( sbarn) +... =... δ ( sbarn + sbarn)... =... δ kidslt Så LR-testet udføres ved at estimere den urestrikterede model, dernæst den restrikterede pålagt restriktion ( δ 4 = γ 4 ). Test-værdien findes som (log Lr log Lur) hvor likelihood værdierne er fra hhv. den restrikterede og den urestrikterede model. Teststørrelsen er fordelt som χ () og har en meget stor P-værdi. Vi kan ikke forkaste at antallet af småbørn indgår lineært i indekset. iii). Den foretrukne model er modellen hvor antallet af småbørn indgår lineært (og antallet af større børn er udeladt). Logit-ssh. beregnes for alle 3 værdier af kidslt6 (og de resterende variable fastholdt på de angivne niveauer). Det giver P(inlf= x,kidslt6=0)= ca. 0.7 P(inlf= x,kidslt6=)= ca P(inlf= x,kidslt6=)= ca. 0. Ændringen i ssh. fra ingen småbørn til et småbarn er da: ca. -0,35 Ændringen i ssh. fra et småbarn til to småbørn er: ca. -0,4 Spørgsmål c γ i). Ved differentiation fås at den marginale effekt er nul hvisγ + γ z = 0, så z = > 0. For γ γ > 0 og γ < 0 bliver z > 0. Da γ < 0 er der tale om et maximumspunkt og fortegnene for den marginale effekt bliver som angivet i teksten. ii). Arbejdsmarkedserfaring exper indgår på den måde, der er beskrevet i i). Det betyder at den marginale effekt af erfaring er positiv men aftagende, hvilket forekommer rimeligt nok, men at der i princippet vil der være store værdier af exper, hvor den marginale effekt på 5
6 arbejdsudbuddet bliver negativ. Indsættes estimaterne fås at den marginale effekt af erfaring på deltagelsessandsynligheden når nul ved ca. 3 års erfaring. Kun 3 kvinder har en erfaring som overstiger dette og den praktiske betydning for resultaterne er derfor ringe. Opgave 4 Opgave 4.a har en temmelig åben karakter og der er generelt flere mulige metoder. Her er nævnt nogle eksempler. b) i) Kræver at den observerede log-timeløn og log-(-marginalskatten) er ukorrelerede. En tilstrækkelig betingelse herfor er en konstant marginalskat, som da blot ændrer konstantleddet. Ikke særligt realistisk og stemmer dårligt fx med et plot af mtr overfor wage. ii) Hvis ikke marginalskatten er konstant bliver budgetlinjen (i et forbrug/fritidsdiagram) ikke- lineær (evt. stykkevis lineær). Hvis man antager, at det kun er kvindens lønindkomst som bestemmer den marginale skatteprocent, ville en estimation med log(wage*(-marg.skat)) i stedet for lwage kunne anvendes. Datasættet giver fx mulighed for at beregne timelønnen efter (marginal)skat og lade den indgå i modellen i stedet for wage. Det bør her bemærkes, at lønnen som vist i opgave er endogen og at det også gælder efter-skat lønnen, som må instrumenteres. Man kunne også tænke sig at lade log (wage) og marginalskatten indgå hver for sig og teste restriktionen til efter-skat lønnen. Med exper og exper som instrumenter giver det eksakt identifikation, men der er andre variabler i datasættet, som muligvis vil kunne anvendes som instrumenter, fx uddannelsesvariabler. I så fald bør der argumenteres for gyldigheden af disse og udføres de relevante test svarende til opgave c-f. Et simpelt plot af marginalskatten overfor earnings viser klart at der i data er meget stor heterogenitet i marginalskatten for samme niveau af kvindens lønindkomst. i) Betragt regressionsligningen hours = λ 0 + λ ln( wage*) + u. Hvis earnings er opgjort med målefejl har vi earnings* earnings / e wage* = hours = hours. Indsat i regr. giver dette earnings / e earnings hours = λ0 + λln + u = λ0 + λln λln e + u hours hours Da vil ln earnings generelt være korreleret med det sammensatte fejlled. Situationen svarer til en hours klassisk målefejlsmodel og OLS vil være inkonsistent. For at IV estimationen fra opg..e. fortsat er brugbar, må vi endvidere kræve, at exper og exper er ukorreleret med målefejlen ln(e). 6
7 ii) Betragt igen ligningen hours = λ 0 + λ ln( wage*) + u. Nu antages hours målt med additiv fejl. Vi har da (med genbrug af symbolet e): earnings hours* = λ0 + λln + u hours * earnings hours e = λ0 + λln + u hours e earnings earnings hours = λ0 + λln + u + e = λ0 + λln + ξ( hours, e) + u + e hours e hours I den nederste regression er ξ en ikke-lineær funktion af målefejlen. Det sammensatte fejlled ξ (.)+u+e vil generelt være korreleret med earnings og OLS derfor inkonsistent. Det er ikke nogen klassisk målefejlsmodel pga. ikke-lineariteten og den omstændighed, at målefejlen optræder både på højre- og venstresiden. Derfor kan de analytiske resultater i pensum ikke bruges her. Man kunne alternativt lave et simulationseksperiment, hvor man fx bruger faktiske observationer af variablerne, antager specifikke fordelinger for målefejlen og for fejlleddet, og givne værdier af parametrene λ0 og λ. Anvendelsen af OLS på et stort antal genererede datasæt vil give et bud på inkonsistensen i OLS estimatoren under den mere generelle målefejlsmodel. Det vil givetvis være svært at udlede noget generelt fra disse simulationer. Opgave 5 Denne del af opgaven bør fremstå som en samlet konklusion på hele opgaven. De studerende behøver ikke at inddrage noget nyt her men blot på en overskuelig måde at sammenfatte deres hovedkonklusioner fra hele opgaven. I dette spørgsmål skal de studerende vise, at de har overblik over de forskellige modeller, og at de er i stand til at lave overskuelige tabeller, som sammenholder de vigtigste analyser, de har lavet i opgave -4 for henholdsvis time- og deltagelsesbeslutningen. Desuden skal de kunne gøre rede for, hvordan de enkelte modeller forholder sig til hinanden. De studerende skal anføre, hvilken model de foretrækker, og anføre hvorfor denne foretrækkes. Spørgsmål b I dette spørgsmål skal de studerende diskutere forskelle mellem de amerikanske og de danske resultater. Begge estimater er positive, men de amerikanske elasticiteter, der blev beregnet i opgave. h er meget større end de danske, der er refereret i introduktionen. De danske estimater er et gennemsnit over forskellige indkomstgrupper, men de amerikanske estimater er meget højere uanset timetal, så det forklarer næppe forskellene. På grundlag af det foreliggende materiale kunne man fx pege på: 7
8 Generelt har kvinder formentlig en mere varig og stabil tilknytning til arbejdsmarkedet i dagens Danmark end i USA 0 år tidligere, hvor kvinder i højere grad udgjorde en form for arbejdskraftsreserve. De amerikanske tal vedrører alene gifte kvinder, mens de danske (formentlig) er for alle kvinder (indenfor givne aldersgrænser). Der er formentlig væsentligt flere deltidsansatte i de amerikanske tal fra 975 end i den danske undersøgelse er fra 996. Det kan forklare noget af forskellen, idet vores undersøgelser tyder på, at lavere timetal (fx deltidsbeskæftigelse) giver højere elasticitet. Der er institutionelle forskelle, fx i adgangen til organiseret børnepasning mellem de to lande og perioder. Vi får ikke noget at vide om metoderne bag de danske estimater. I de amerikanske tal giver korrektionen for endogenitet af timelønnen en langt højere effekt på timetallet. En hypotese kunne derfor være, at det ikke i de danske analyser var lykkedes fuldt ud at tage højde for endogeniteten af lønnen (men det forbliver en hypotese) og at der var en negativ bias i de danske estimater. Omvendt kunne man tænke sig, at der i de danske analyser var taget bedre hensyn til skattestrukturen. 8
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 mereRettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1
Rettevejledning til Økonomisk Kandidateksamen 005I, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget, inklusive det afleverede SAS program. Materialet på diskette/cd bedømmes som sådan
Læs mereRettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1
Rettevejledning til Økonomisk Kandidateksamen 2007II Økonometri 1 Vurderingsgrundlaget for tag-hjem eksamen er selve opgavebesvarelsen og bilaget. Programmer og data bedømmes som sådan ikke, men er anvendt
Læs mereØkonometri 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 mereRettevejledning til Økonomisk Kandidateksamen 2007II. Kvantitative Metoder 2: Tag-hjem eksamen
Rettevejledning til Økonomisk Kandidateksamen 2007II Kvantitative Metoder 2: Tag-hjem eksamen Der skal for hver studerende foretages en samlet bedømmelse af tag-hjem gruppeopgaven og den individuelle 2-timers
Læs mereØkonomisk Kandidateksamen 2004I Økonometri 1. Kvinders arbejdsudbud
Økonomisk Kandidateksamen 004I Økonometri Kvinders arbejdsudbud Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri : Start med at sikre dig at du kan få adgang til data (se næste side).
Læs mereØkonometri 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 mereØkonometri 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 mereRettevejledning til Økonomisk Kandidateksamen 2008II. Kvantitative Metoder 2: Tag-hjem eksamen
Rettevejledning til Økonomisk Kandidateksamen 008II Kvantitative Metoder : Tag-hjem eksamen Der skal for hver studerende foretages en samlet bedømmelse af tag-hjem gruppeopgaven og den individuelle -timers
Læs mereKvantitative 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 mereØkonometri: 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 mereØkonometri 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! 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! 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 mereRettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007
Rettevejledning til eksamen i Kvantitative metoder 1,. årsprøve. januar 007 I rettevejledningen henvises der til Berry and Lindgren "Statistics Theory and methods"(b&l) hvis ikke andet er nævnt. Opgave
Læs mereKvantitative 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 mereKvantitative 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 mereLagrange 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 mereØkonometri 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 mereKvantitative metoder 2
Kvantitative metoder 2 Inferens i den lineære regressionsmodel 7. marts 2007 regressionsmodel 1 Opgave fra sidst (Gauss-Markov teoremet) Opgave: Vis at hvis M = I X X X X 1 ( ' ) ' er M idempoten dvs der
Læs mereØkonometri: 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 mereKvantitative metoder 2
Opgave fra sidst (Gauss-Markov teoremet) Kvantitative metoder Inferens i den lineære regressionsmodel 7. marts 007 Opgave: Vis at hvis M = I X X X X ( ' ) ' er M idempoten dvs der gælder gælder M = M '
Læs mereAppendiks Økonometrisk teori... II
Appendiks Økonometrisk teori... II De klassiske SLR-antagelser... II Hypotesetest... VII Regressioner... VIII Inflation:... VIII Test for SLR antagelser... IX Reset-test... IX Plots... X Breusch-Pagan
Læs mere! Husk at udfylde spørgeskema 3. ! Lineær sandsynlighedsmodel. ! Eksempel. ! Mere om evaluering og selvselektion
Dagens program Økonometri 1 Dummy variable 4. marts 003 Emnet for denne forelæsning er kvalitative variable i den multiple regressionsmodel (Wooldridge kap. 7.5-7.6+8.1)! Husk at udfylde spørgeskema 3!
Læs mereØkonometri: 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 mereØkonometri 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 mereØkonomisk Kandidateksamen 2006II Økonometri 1. Afkastet af uddannelse for britiske tvillingepar
Økonomisk Kandidateksamen 2006II Økonometri 1 Afkastet af uddannelse for britiske tvillingepar Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig, at du kan få
Læs mereØkonometri 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 mereØkonometri 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 mereØkonometri 1. Dagens program: Afslutningsforelæsning 23. maj 2007
Dagens program: Økonometri 1 Afslutningsforelæsning 23. maj 2007 6-trins procedure til IV estimation. Afrunding af IV: Rygning og fødselsvægt. Afrunding og perspektivering af Kvant 2. Opfølgning af introduktionsforelæsningen.
Læs mereUge 13 referat hold 4
Uge 13 referat hold 4 Gruppearbejde 1a: Er variablen kvotient inkluderet på en hensigtsmæssig måde? Der er to problemer med kvotient: 1) Den er trunkeret ved 6.9 og 10.0, løsningen er at indføre dummyer
Læs mereRettevejledning til Økonomisk Kandidateksamen 2006II, Økonometri 1
Rettevejledning til Økonomisk Kandidateksamen 6II, Økonometri Vurderingsgrundlaget er selve opgavebesvarelsen og bilaget. Programmer og data, som er aleveret elektronisk, bedømmes som sådan ikke, men er
Læs mereØkonomisk Kandidateksamen 2004II Økonometri 1. Læsefærdigheder hos skoleelever i Danmark
Økonomisk Kandidateksamen 2004II Økonometri 1 Læsefærdigheder hos skoleelever i Danmark Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang
Læs mereVejledende besvarelser til opgaver i kapitel 14
Vejledende besvarelser til opgaver i kapitel 14 Opgave 1 a) Det første trin i opstillingen af en hypotesetest er at formulere to hypoteser, hvoraf den ene støtter den teori vi vil teste, mens den anden
Læs mereØkonometri 1. Målsætning for Økonometri 1. Dagens program: Afslutningsforelæsning 16. December 2005
Dagens program: Økonometri 1 Afrunding og perspektivering af Økonometri 1. Opfølgning af introduktionsforelæsningen. Wooldridge, kapitel 19: Carrying out an Empirical Project Oversigt over økonometriske
Læs mereAnvendt 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 mereEffekten af indvandring på indfødte danskeres løn og beskæftigelse
d. 22.05.2017 Brian Krogh Graversen (DØRS) Effekten af indvandring på indfødte danskeres løn og beskæftigelse I kapitlet Udenlandsk arbejdskraft i Dansk Økonomi, forår 2017 analyseres det, hvordan indvandringen
Læs mereReestimation af importrelationer
Danmarks Statistik MODELGRUPPEN Arbejdspapir Nis Mathias Schulte Matzen 28. november 211 Reestimation af importrelationer Resumé: Papiret estimerer import relationerne på to forskellige datasæt. Et korrigeret
Læs mereØkonometri 1 Efterår 2006 Ugeseddel 11
Økonometri 1 Efterår 2006 Ugeseddel 11 Program for øvelserne: Gruppearbejde og plenumdiskussion Introduktion til SAS øvelser SAS øvelser Øvelsesopgave: Paneldata estimation Sammenhængen mellem alder og
Læs mereUge 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 mere1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata
1 Intoduktion Før man springer ud i en øvelse om paneldata og panelmodeller, kan det selvfølgelig være rart at have en fornemmelse af, hvorfor de er så vigtige i moderne mikro-økonometri, og hvorfor de
Læs mereReferat : af Gruppearbejde Økonometri1 øvelsestime ugeseddel 7 dato 26/3 2003, Hold 4
Referat : af Gruppearbejde Økonometri1 øvelsestime ugeseddel 7 dato 26/3 2003, Hold 4 Spm1 Den udvidede model med de to strukturelle variable sk og sh: g i (60-00) = B 0 + B 1 *log(y i ) + B 2 [ log(sk
Læs mereØkonomisk Kandidateksamen 2003II Økonometri 1. Værdisætning af skov
Økonomisk Kandidateksamen 2003II Økonometri 1 Værdisætning af skov Praktiske anvisninger til individuel tag-hjem eksamen i Økonometri 1: Start med at sikre dig at du kan få adgang til data, opgavetekst
Læs mereW.2 Simpel lineær regression: Egenskaber ved OLS: Forudsagte værdier og residualer: Et residual:
W.2 Simpel lineær regression: Forudsagte værdier og residualer: Et residual: For residualerne (baseret på en OLS estimation med konstantled) gælder følgende sammenhænge mekanisk: Egenskaber ved OLS: Den
Læs mereØkonometri, ugeseddel 8 Hold 1 1/4-2003
1 Modeller/diagrammer med dummy er Disse tre diagrammer ligger til grund for gruppearbejdet. a) Generel regressions model g = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 +..+ β n x n + u i, Hvor i =1,.n g b) Model
Læs mereWooldridge, kapitel 19: Carrying out an Empirical Project. Information og spørgsmål vedr. eksamen. Økonometri 1: Afslutningsforelæsning 2
Økonometri 1 Afslutningsforelæsning 19. maj 2003 Økonometri 1: Afslutningsforelæsning 1 Evalueringer Kun 23 har udfyldt evalueringsskemaerne ud af ca. 120 tilmeldte til eksamen Resultatet kan ses på hjemmesiden
Læs mereSimpel 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 mereProgram: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19
Program: 1. Repetition: p-værdi 2. Simpel lineær regression. 1/19 For test med signifikansniveau α: p < α forkast H 0 2/19 p-værdi Betragt tilfældet med test for H 0 : µ = µ 0 (σ kendt). Idé: jo større
Læs mereØkonometri 1. Gentagne tværsnit (W ): Opsamling. Gentagne tværsnit og paneldata. Gentagne Tværsnit og Paneldata II.
Gentagne tværsnit (W 13.1-): Opsamling. Økonometri 1 Gentagne Tværsnit og Paneldata II Kombinerer tværsnit indsamlet på forskellige tidspunkter. Partial pooling: Tillader koefficienterne til nogle af variablerne
Læs mereØkonometri: 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 mereØkonometri: 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 mereStatikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives
Læs mereOut-of-sample forecast samt reestimation af ADAMs lønligning
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Peter Agger Troelsen 31. oktober 2013 Out-of-sample forecast samt reestimation af ADAMs lønligning Resumé: Papiret reestimerer ADAMs lønligning og vurderer
Læs mereØkonometri 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 mere3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 1, onsdag den 6. september 2006 Eksempel: Sammenhæng mellem moderens alder og fødselsvægt I dag: Introduktion til statistik gennem analyse af en stikprøve
Læs mereStatistik II 4. Lektion. Logistisk regression
Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:
Læs mereReminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model
Reminder: Hypotesetest for én parameter Antag vi har model Økonometri: Lektion 4 F -test Justeret R 2 Aymptotiske resultater y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi ønsker at teste hypotesen H
Læs mereEksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning
1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion
Læs mereTænk 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 mereØkonometri 1 Forår 2006 Ugeseddel 11
Økonometri 1 Forår 2006 Ugeseddel 11 Program for øvelserne: Gruppearbejde og plenumdiskussion Introduktion til SAS øvelser SAS øvelser Øvelsesopgave 5: Paneldata estimation af indkomstligninger på danske
Læs mereStatistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P
Læs mereØkonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater
Økonometri: Lektion 4 Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater 1 / 35 Hypotesetest for én parameter Antag vi har model y = β 0 + β 1 x 2 + β 2 x 2 + + β k x k + u. Vi
Læs mere1 Regressionsproblemet 2
Indhold 1 Regressionsproblemet 2 2 Simpel lineær regression 3 2.1 Mindste kvadraters tilpasning.............................. 3 2.2 Prædiktion og residualer................................. 5 2.3 Estimation
Læs mereKonfidensintervaller og Hypotesetest
Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller
Læs mereMindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning
1 Regressionsproblemet 2 Simpel lineær regression Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning 3
Læs mereAnalysestrategi. Lektion 7 slides kompileret 27. oktober 200315:24 p.1/17
nalysestrategi Vælg statistisk model. Estimere parametre i model. fx. lineær regression Udføre modelkontrol beskriver modellen data tilstrækkelig godt og er modellens antagelser opfyldte fx. vha. residualanalyse
Læs mereUndervisningsnoter til øvelse i Panel Modeller. %, it. E(x kjs
4 I afsnit 3 beskæftigede vi os med 1EC modellen og viste, hvordan den kunne estimereres med FGLS - bla under forudsætning af, at det individspecifikke stokastiske led er ukorreleret med de forklarende
Læs mereAnvendt 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 mereKvantitative 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 mereFokus på Forsyning. Datagrundlag og metode
Fokus på Forsyning I notatet gennemgås datagrundlaget for brancheanalysen af forsyningssektoren sammen med variable, regressionsmodellen og tilhørende tests. Slutteligt sammenfattes analysens resultater
Læs mereDagens program. Praktisk information:
Dagens program Praktisk information: Husk hjemmeopgaven i statistik Hypoteseprøvning kap. 11.2,11.3 og 11.8 Eksempel på test Styrkefunktionen kap. 11.2 Stikprøvens størrelse kap. 11.3 Likelihood ratio
Læs mereNormalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ
Normalfordelingen Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: f(x) = ( ) 1 exp (x µ)2 2πσ 2 σ 2 Frekvensen af observationer i intervallet
Læs mereLøsninger til kapitel 14
Opgave 14.1 a) Linjetilpasningsplottet bliver: Løsninger til kapitel 14 Idet datapunkterne ligger tæt på og jævnt fordelt omkring den rette linje, så ser det ud til, at der med rimelighed er tale om en
Læs mereAnvendt Statistik Lektion 4. Hypotesetest generelt Test for middelværdi Test for andele
Anvendt Statistik Lektion 4 Hypotesetest generelt Test for middelværdi Test for andele Hypoteser og Test Hypotese I statistik er en hypotese en påstand om en populationsparameter. Typisk en påstand om
Læs mereAnvendt 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 mereKvantitative metoder 2
Program for i dag: Kvantitative metoder Beskrivende statistik og analyse af kvalitatitive data 1. februar 007 Test i multinomialfordelingen: Q-testet (BL.13.1-) Opsamling fra sidste gang To eksempler To-dimensionale
Læs mereStatistik 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 mereMLR 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 mereØkonometri Lektion 1 Simpel Lineær Regression 1/31
Økonometri Lektion 1 Simpel Lineær Regression 1/31 Simpel Lineær Regression Mål: Forklare variablen y vha. variablen x. Fx forklare Salg (y) vha. Reklamebudget (x). Statistisk model: Vi antager at sammenhængen
Læs mereNATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.
NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET. Eksamen i Statistik 1TS Teoretisk statistik Den skriftlige prøve Sommer 2003 3 timer - alle hjælpemidler tilladt Det er tilladt at skrive
Læs mereØkonometri 1. Kvalitative variabler. Kvalitative variabler. Dagens program. Kvalitative variable 8. marts 2006
Dagens program Økonometri 1 Kvalitative variable 8. marts 2006 Kvalitative variabler som forklarende variabler i en lineær regressionsmodel (Wooldridge kap. 7.1-7.4) Kvalitative variabler generelt Dummy
Læs mereTema. Dagens tema: Indfør centrale statistiske begreber.
Tema Dagens tema: Indfør centrale statistiske begreber. Model og modelkontrol Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse. konfidensintervaller Vi tager udgangspunkt i Ex. 3.1 i
Læs mereBilag 12 Regressionsanalysens tabeller og forklaringer
Bilag 12 Regressionsanalysens tabeller og forklaringer Regressionsanalysens tabeller og forklaringer Regressionsanalysen vil være delt op i 2 blokke. Første blok vil analysere hvor meget de tre TPB variabler
Læs mereKapitel 7 Forskelle mellem centraltendenser
Kapitel 7 Forskelle mellem centraltendenser Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 29 Indledning 1. z-test for ukorrelerede data 2. t-test for ukorrelerede data med ens
Læs mereCenter for Statistik. Multipel regression med laggede responser som forklarende variable
Center for Statistik Handelshøjskolen i København MPAS Tue Tjur November 2006 Multipel regression med laggede responser som forklarende variable Ved en tidsrække forstås i almindelighed et datasæt, der
Læs mereKvantitative metoder 2
Kvantitative metoder 2 Beskrivende statistik og analyse af kvalitatitive data 12. februar 2007 Kvantitative metoder 2: F3 1 Program for i dag: Test i multinomialfordelingen: Q-testet (BL.13.1-2) Opsamling
Læs mereAnvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Læs mereHypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0
Hypotesetest Hypotesetest generelt Ingredienserne i en hypotesetest: Statistisk model, f.eks. X 1,,X n uafhængige fra bestemt fordeling. Parameter med estimat. Nulhypotese, f.eks. at antager en bestemt
Læs mereAnvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele
Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning
Læs mereAnvendt 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 mereDe variable, som er inkluderet i de forskellige modeller, er følgende:
DUL II. Undersøgelse af hvilke faktorer, der er væsentlige for at understøtte, at der er klare og veltilrettelagte mål tilstede i arbejdet med elevernes læring Følgende er en statistisk analyse af ovenstående
Læs mereModule 4: Ensidig variansanalyse
Module 4: Ensidig variansanalyse 4.1 Analyse af én stikprøve................. 1 4.1.1 Estimation.................... 3 4.1.2 Modelkontrol................... 4 4.1.3 Hypotesetest................... 6 4.2
Læs mereKvantitative metoder 2
Kvalitative egenskaber og dummyvariabler Kvantitative metoder 2 Dummyvariabler 28. marts 2007 Vi har (hovedsagligt) set på kvantitative variabler (løn, priser, forbrug, indkomst, )... Men hvad med kvalitative
Læs mereEksportørgevinst i eksportrelationen
Danmarks Statistik MODELGRUPPEN Arbejdspapir* Ivanna Blagova 4. maj 2016 Eksportørgevinst i eksportrelationen Resumé: Nogle muligheder for at inkludere eksportørgevinst i eksportrelationen er undersøgt.
Læs mereI dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd
I dag Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik SaSt) Helle Sørensen Først lidt om de sidste uger af SaSt. Derefter statistisk analyse af en enkelt
Læs mereØkonometri 1. Interne evalueringer af forelæsninger. Kvalitative variabler. Dagens program. Dummyvariabler 21. oktober 2004
Dagens program Økonometri 1 Dummyvariabler 21. oktober 2004 Emnet for denne forelæsning er kvalitative egenskaber i den multiple regressionsmodel (Wooldridge kap. 7.1-7.6) Kvalitative variabler generelt
Læs mereReestimation af uddannelsessøgende
Danmarks Statistik MODELGRUPPEN Arbejdspapir * Nina Bech Runebo 19. maj 21 Reestimation af uddannelsessøgende Resumé: I papiret reestimeres ligningen for uddannelsessøgende. Reestimationen giver ikke pæne
Læs mereBetydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere
DET ØKONOMISKE RÅD S E K R E T A R I A T E T d. 20. maj 2005 SG Betydningen af konjunktur og regelændringer for udviklingen i sygedagpengemodtagere Baggrundsnotat vedr. Dansk Økonomi, forår 2005, kapitel
Læs mereKapitel 11 Lineær regression
Kapitel 11 Lineær regression Peter Tibert Stoltze stat@peterstoltze.dk Elementær statistik F2011 1 / 1 Indledning Vi modellerer en afhængig variabel (responset) på baggrund af en uafhængig variabel (stimulus),
Læs mereForelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Læs mere