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

Relaterede dokumenter
Økonometri 1. Dagens program: Afslutningsforelæsning 23. maj 2007

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

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

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

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

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

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

Økonometri 1. Økonometri 1 Forår Introduktionsforelæsning 1. februar Begrebet økonometri. Dagens program:

Kvantitative metoder 2

Økonometri 1. Økonometri 1 Efterår Introduktionsforelæsning 3. september Begrebet økonometri. Dagens program:

Kvantitative metoder 2

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

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

Kvantitative metoder 2

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1

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

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

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

Økonometri: Lektion 6 Emne: Heteroskedasticitet

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

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

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

Økonometri: Lektion 6 Emne: Heteroskedasticitet

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

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

Kvantitative metoder 2

Rettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1

1. Intoduktion. Undervisningsnoter til Øvelse i Paneldata

Kvantitative metoder 2

Kvantitative metoder 2

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Velkommen til kurset. Teoretisk Statistik. Lærer: Niels-Erik Jensen

Appendiks Økonometrisk teori... II

Fagplan for statistik, efteråret 2015

Statistik vejledende læreplan og læringsmål, foråret 2015 SmartLearning

Kvantitative metoder 2

3.600 kg og den gennemsnitlige fødselsvægt kg i stikprøven.

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

Fokus på Forsyning. Datagrundlag og metode

Økonomisk Kandidateksamen 2003II Økonometri 1. Værdisætning af skov

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Note om Monte Carlo eksperimenter

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

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

Forelæsning 11: Kapitel 11: Regressionsanalyse

Økonometri 1 Efterår 2006 Ugeseddel 11

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

Simpel Lineær Regression: Model

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

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

Økonometri, ugeseddel 8 Hold 1 1/4-2003

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Stikprøver og stikprøve fordelinger. Stikprøver Estimatorer og estimater Stikprøve fordelinger Egenskaber ved estimatorer Frihedsgrader

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

Statistik Lektion 1. Introduktion Grundlæggende statistiske begreber Deskriptiv statistik

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

Kvantitative metoder 1

Økonometri: Lektion 2 Multipel Lineær Regression 1/33

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

Økonometri 1 Forår 2006 Ugeseddel 11

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

Rettevejledning til Økonomisk Kandidateksamen 2004I, Økonometri 1

Susanne Ditlevsen Institut for Matematiske Fag susanne

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

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

Kvantitative Metoder 1 - Forår Dagens program

Kvantitative Metoder 1 - Efterår Dagens program

Tema. Dagens tema: Indfør centrale statistiske begreber.

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Dansk Erhvervs gymnasieanalyse Sådan gør vi

Note om Monte Carlo eksperimenter

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Multipel Lineær Regression

Økonometri Lektion 1 Simpel Lineær Regression 1/31

men nu er Z N((µ 1 µ 0 ) n/σ, 1)!! Forkaster hvis X 191 eller X 209 eller

Dansk Erhvervs gymnasieeffekt - sådan gør vi

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

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

Normalfordelingen og Stikprøvefordelinger

Kvantitative metoder 2

Forvaltning / Politik og Administration / Socialvidenskab

Simpel Lineær Regression

Statistik vejledende læreplan og læringsmål, efteråret 2013 SmartLearning

Økonomisk Kandidateksamen 2004I Økonometri 1. Kvinders arbejdsudbud

Effekten af indvandring på indfødte danskeres løn og beskæftigelse

Opgaver til kapitel 3

Velkommen til ØkIntro!

Arbejdsløshed, arbejdsløshedsforsikring og konjunktursvingninger?

Appendiks A Anvendte test statistikker

Lineær regression. Simpel regression. Model. ofte bruges følgende notation:

Kvantitative Metoder 1 - Forår Dagens program

Program. 1. Repetition 2. Fordeling af empirisk middelværdi og varians, t-fordeling, begreber vedr. estimation. 1/18

5. Dynamiske Modeller

Kvantitative metoder 2

Module 4: Ensidig variansanalyse

Praktiske ting og sager: Forelæsninger tirsdag og torsdag kl i Kirkesalen, Studiestræde 38 Øvelser

Estimation og usikkerhed

Adgangsgivende eksamen (udeladt kategori: Matematisk student med matematik på niveau A)

Transkript:

Dagens program: Økonometri 1 Afrunding og perspektivering af Økonometri 1. Opfølgning af introduktionsforelæsningen. Wooldridge, kapitel 19: Carrying out an Empirical Project Oversigt over økonometriske metoder Information og spørgsmål vedr. eksamen Afslutningsforelæsning 16. December 2005 Økonometri 1: Afslutningsforelæsning 1 Økonometri 1: Afslutningsforelæsning 2 Målsætning for Økonometri 1 Data: Betydningen af pålidelige og relevante målinger Værdsætte betydning af relevante og pålidelige data. Forstå en række af de problemstillinger, der knytter sig til passivt observerede data, der fremkommer som resultat af økonomiske agenters valg. Kunne implementere løsninger på disse problemstillinger indenfor en relativt simpel, men alligevel anvendelig ramme: Modeller for uafhængige data eller paneldata. Indse styrken af en empirisk analyse, hvor økonomisk teori, data og statistiske metoder går op i en højere enhed. Relevans: Teorigrundlaget giver et sæt af ideelle målinger, men: Udeladte variabler: ability (kap. 3, 9, 15) Proxy-variabler (kap. 9): IQ i stedet for ability : Konsistens (?) I praksis: Databeskrivelse (u.s. 1, 6, 10, 11), sortering (u.s. 6) og splejsning af datasæt fra forskellige kilder (u.s. 8) Pålidelighed: Målefejl i forklarende variabler (kap. 9): Problem! Betydningen af ekstreme observationer og ikke-tilfældige stikprøver (kap. 9). I praksis: Beskriv de vigtigste karakteristika ved datasæt (u.s. 1, 6, 10, 11). Økonometri 1: Afslutningsforelæsning 3 Økonometri 1: Afslutningsforelæsning 4 1

Passiv observation contra aktiv eksperimentering To eksempler: Måling af afkast af uddannelse versus høstudbytte. Hovedproblem ved passivt observerede data: Endogenitet (korrelation mellem regressor og uobserverbare faktorer). I praksis har vi blandt andet set: Målefejl i samlet forbrug (u.s. 12) eller i initialindkomst (u.s. 13) Underliggende forårsagende variabel: Ability i forhold til løn og uddannelse Generelt helbred i forhold til sammenhængen mellem fødselsvægt og rygning Løsninger: Udvide datagrundlaget: Flere perioder: Paneldata (kap. 13-14): Kontrollerer for tidsinvariante uobserverbare faktor er. Estimerer effekten af faktorer, der varierer over tid. Eksterne kilder til exogen variation i regressorerne: Instrumentvariabler (kap. 15): Konsistent estimation af effekten af endogene forklarende variabler. Passiv observation: Afkast af uddannelse Vi ønsker at opnå et skøn over afkastet af uddannelse. Vi ser på effekten af længden af uddannelse, xi, på lønnen, yi, for et antal personer, indekseret ved i = 1,..., n. OBSERVERBARE faktorer som køn, alder, antal års erfaring på arbejdsmarkedet, mv.: Let at kontrollere for (forudsat at de indgår i de data, vi har til rådighed). Men UOBSERVERBARE faktorer har også betydning for lønnen, fx evner ("ability") og "arbejdsiver", som dårligt kan observeres. Økonomisk argument: Personer med gode "evner" vælger lang uddannelse, men de samme personer vil også bruge deres "evner" til at få en høj løn, uanset uddannelse. Uobserverbare faktorer varierer systematisk med den variabel, vi ønsker at måle effekten af. Økonometriske overvejelser ved måling af afkastet af uddannelse. Økonometri 1: Afslutningsforelæsning 5 Økonometri 1: Afslutningsforelæsning 6 Eksperiment: Udbyttet af sojabønner Implementere løsninger Vi ønsker at opnå et skøn over effekten af at anvende en bestemt mængde kunstgødning, xi, på udbyttet af sojabønner, yi. Data fra et antal marker, indekseret ved i = 1,..., n. Alle n marker har størrelsen 1 ha. Kontrollerer for OBSERVERBARE faktorer fx mængden af regn og sol på den enkelte mark. UOBSERVERBARE faktorer kan man ikke kontrollere fuldstændigt for: Fx "jordkvalitet" og små variationer i den faktiske størrelse af marken. Alligevel kan effekten af kunstgødning på høstudbytte måles. Man sørger for, at de uobserverbare faktorer IKKE varierer SYSTEMATISK med mængden af kunstgødning. Det sker ved at randomisere eksperimentet: Forskellige værdier af x i fordeles tilfældigt over markerne. Grundredskab: Multipel lineær regressionsmodel Teknik om OLS-estimatoren: Mekaniske egenskaber (kap. 3, u.s. 3, 6) Statistiske egenskaber i en konkret specificeret statistisk model (MLR.1-4,5,6) (kapitel 3,4,5, u.s. 4, 5, 8) Check af forudsætningerne: MLR.5 (Varianshomogenitet): Whites test, B-P test, grafiske check (kap. 8. u.s. 9 og 10). MLR.1 (Lineær model): Test af funktionel form, grafiske check (kap. 9). MLR.3 (Betinget middelværdi): Test af exogenitet (kap 15, u.s. 13). Løsninger: WLS, FGLS ved heteroskedasticitet (Kap. 8, u.s. 9, 10) Paneldata estimation ved udeladte tids-invariante variabler (kap. 13-14, u.s. 11) IV ved problemer med endogenitet (Kap. 15, u.s. 12, 13) Vigtigste begrænsning: Lineær i parametrene Økonometri 1: Afslutningsforelæsning 7 Økonometri 1: Afslutningsforelæsning 8 2

Oversigt over økonometriske metoder i Økonometri 1(dækker ikke alt i pensum) Status Model- Karakterstik Økonometrisk metode Robust t- og Waldog LMtest Hypotese prøv. Specifika tionstest OLS Lin.reg. model (kap. 2,3,4,5) LM-test RESET test OLS Robust std. fejl Heteroskedasticitet (kap 8) WLS Breusch-Pagan White Grafisk test FGLS IV (2SLS) Endogenitet (kap 15) Endog. test Over. Ident. Test Paneldata metoder Flere obs. for samme individ (kap. 13-14) Efter transformation: Som ved OLS/FGLS Styrken af den empiriske analyse: Relevant teorigrundlag Pålidelige data (helst mange) Statistiske gyldighed af resultaterne: Konsistens! Efficiens Økonometri 1: Forståelse og de vigtigste redskaber indenfor en simpel modelramme. Modeller for uafhængige data og paneldata (med få perioder). Økonometri 2 og fag på kandidatstudiet: Afhængige data (tidsrækker, mere om paneldata) Andre estimationsmetoder (MLE, GMM, ikke-parametrisk estimation) Økonometri 1: Afslutningsforelæsning 9 Økonometri 1: Afslutningsforelæsning 10 Empirisk projekt Kapitel 19 i Wooldridge behandler, hvordan man udfører et empirisk projekt Relevant både i forhold til eksamen i Økonometri 1 og til et BA-projekt/øvelsesoplæg/speciale. Oversigt over elementerne i et empirisk projekt: Valg af emne og litteraturoversigt Indsamling og behandling af data Hvordan man udfører de økonometriske analyser Vejledning i hvordan man skriver en rapport over et empirisk projekt Valg af emnet for det empiriske projekt og litteraturgennemgang Relevant fx for et BA projekt (ikke for eksamen) Hvordan vælger man sit emne? Vigtigt at kunne stille et specifikt spørgsmål og få afgrænset emnet. Emnet kan være indenfor alle grene af økonomi (så længe man kan skaffe data): Makroøkonomi, arbejdsmarkedsøkonomi, sundhedsøkonomi, udviklingsøkonomi, mikroøkonomi, For et BA-projekt bør man også sørge for, at det er let at få fat i de relevante data (ØI biblioteks hjemmeside, polit-data ) Et empirisk projekt bør indeholde en gennemgang af den mest relevante eksisterende litteratur Benyt fx Econ-lit eller Social Science Citations Index til at finde relevant litteratur. (ØI biblioteks hjemmeside) Økonometri 1: Afslutningsforelæsning 11 Økonometri 1: Afslutningsforelæsning 12 3

Data Valg af et relevant datasæt Sikre at relevante variabler er med i data Indsamlet på en pålidelig måde Beskrivelse af data Manglende observationer Ekstreme værdier Fejl i data Hvilken type variabler (kvalitative/kvantitative) Deskriptiv analyse Gennemsnit, varians Min-Max (for at tjekke for fejlobservationer) Grafer af data Økonometrisk analyse Valg af økonometrisk metode Fra dette kursus: OLS, WLS, FGLS, IV, paneldata metoder Undersøg om forudsætningerne for at anvende metoden er opfyldt (f.eks. Gauss-Markov antagelserne) Ting, som man bør tjekke og overveje: MLR.3 (de forklarende variabler er eksogene): OLS. Ellers IV eller paneldata metoder. Funktionel form, udeladte variabler Typen af variabler (kvalitative variabler kan ofte med fordel laves til dummy variabler) Målefejl i variablerne Homoskedasticitet Sample selektion Følsomhedsanalyse (er estimationsresultaterne følsomme overfor et par ekstreme observationer) Økonometri 1: Afslutningsforelæsning 13 Økonometri 1: Afslutningsforelæsning 14 Skrive en rapport/papir over en empirisk analyse Præsentation af resultater En empirisk rapport indeholder typisk følgende elementer: Introduktion (motivering af projekt) Teoretisk del (gennemgang af relevant økonomisk teori) Den økonometriske model (gennemgang af den økonometriske metode) Data (beskrivende afsnit om data) Resultater (præsentation af resultater) Konklusion I kap. 19 eksempler på hvordan man præsenterer sine empiriske resultater Deskriptiv tabel Estimationsresultater Tabel til sammenligning af estimationsresultater Økonometri 1: Afslutningsforelæsning 15 Økonometri 1: Afslutningsforelæsning 16 4

Hvad bliver det næste? Regler for eksamen: Den er individuel! Spørgetime: onsdag den 18. januar kl. 14.00 i Bisp 214. Eksamen: fredag den 20. januar kl. 15.00. Opgaven vil ligge på fagets hjemmeside (og på www.ibt2.dk): Opgavetekst, bilag, data, programfiler (se prøveeksamen eller tidligere eksamener på hjemmesiden) 2 eksemplarer af den samlede rapport+bilag med SAS-output og SAS-program og en diskette/cd med SAS-programmer og data afleveres på fakultetskontoret Alt skal forsynes med eksamensnummer Hele opgaven skal besvares individuelt (både opgaven og SASprogrammerne). Se noten på hjemmesiden: http://www.econ.ku.dk/metrics/okonometri1/eksamen/eksamenmetri cs1.pdf Det betyder blandt andet: Man må ikke samarbejde med andre Man må ikke få hjælp af andre Man må ikke yde hjælp til andre Der er kun to undtagelser: Man må få hjælp til generering af data af forelæseren Man må få hjælp til at løse computertekniske problemer i ITkælderen. Økonometri 1: Afslutningsforelæsning 17 Økonometri 1: Afslutningsforelæsning 18 Gode råd Henvis til pensum ikke slides Sørg for SAS virker på den computer som I skal bruge til eksamen Sørg for at have alle de relevante programmer fra øvelserne på computeren Tak for denne gang! God jul og godt nytår! Økonometri 1: Afslutningsforelæsning 19 Økonometri 1: Afslutningsforelæsning 20 5