Indtjening, konkurrencesituation og produktudvikling i danske virksomheder

Relaterede dokumenter
Økonometri 1 Forår 2003 Ugeseddel 10: Prøveeksamen. Indtjening, konkurrencesituation og produktudvikling i danske virksomheder. Om opgavens formål:

Indtjening, konkurrencesituation og produktudvikling i danske virksomheder

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

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

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

Økonometri 1 Efterår 2006 Ugeseddel 9

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

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

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

Kvantitative metoder 2 Forår 2007 Ugeseddel 9

Kvantitative metoder 2

Økonometri 1 Efterår 2006 Ugeseddel 13

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

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

Kvantitative metoder 2 Forår 2007 Ugeseddel 10

Økonomisk Kandidateksamen 2005II Økonometri 1. Lønpræmier

Kvantitative metoder 2

Landbrugets efterspørgsel efter Kunstgødning. Angelo Andersen

Ugeseddel 8. Gruppearbejde:

Fagblok 4b: Regnskab og finansiering 2. del Hjemmeopgave kl til kl

Rettevejledning til Økonomisk Kandidateksamen 2007I, Økonometri 1

Bilag 6: Økonometriske

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

Lineær regressionsanalyse8

Kvantitative metoder 2

Kvantitative metoder 2

Beregning af strukturel arbejdsstyrke

Kvantitative metoder 2

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

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

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

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

DLU med CES-nytte. Resumé:

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

TALTEORI Følger og den kinesiske restklassesætning.

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

Luftfartens vilkår i Skandinavien

Forberedelse til den obligatoriske selvvalgte opgave

Tabsberegninger i Elsam-sagen

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

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

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Rettevejledning til Økonomisk Kandidateksamen 2005II, Økonometri 1

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

Økonometri lektion 7 Multipel Lineær Regression. Testbaseret Modelkontrol

Inertimoment for arealer

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

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Fastlæggelse af strukturel arbejdsstyrke

Husholdningsbudgetberegner

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

Handleplan for Myndighed (Handicap og Socialpsykiatri)

Binomialfordelingen. Erik Vestergaard

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

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

Statikstik II 4. Lektion. Generelle Lineære Modeller

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

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

10. Usikkerhed og fejlsøgning

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

FOLKEMØDE-ARRANGØR SÅDAN!

Værktøj til beregning af konkurrenceeffekter ved udlægning af nyt butiksområde

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

Sandsynlighedsregning og statistik med binomialfordelingen

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

SERVICE BLUEPRINTS KY selvbetjening 2013

PRODUKTIONSEFFEKTEN AF AVL FOR HANLIG FERTILITET I DUROC

faktaark om nybygningens og 5. sporets kapacitet

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

Validering og test af stokastisk trafikmodel

Note til Generel Ligevægt

Samarbejdet mellem jobcentre og a-kasser inden for FTFområdet

TO-BE BRUGERREJSE // Personligt tillæg

TO-BE BRUGERREJSE // Tænder

Kreditrisiko efter IRBmetoden

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

Introduktion Online Rapport Din skridt-for-skridt guide til den nye Online Rapport (OLR) Online Rapport

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

Erhvervsstyrelsen og Ernst & Young. 26. februar 2014

Binomialfordelingen: april 09 GJ

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

NOTAT:Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2014

Fra patient til patient: Tidlig prostatakræft hvad nu? Aktiv overvågning, operation, bestråling?

Kulturel spørgeguide. Psykiatrisk Center København. Dansk bearbejdelse ved Marianne Østerskov. Januar udgave. Kulturel spørgeguide Jan.

Forbrugssystemet i ADAM dec09

Bilag 1: Projektbeskrivelse

Europaudvalget EUU alm. del Bilag 365 Offentligt

Dokumentation: Husprisanalysens andet trin: Efterspørgsel efter fravær af støj

Medarbejderhåndbog. Velkommen som medarbejder i SIKA Rengøring A/S

Morten Frydenberg Biostatistik version dato:

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

Vejledning om kontrol med krydsoverensstemmelse 2007

DCI Nordsjælland Helsingrsgade SiR 3400 Hillerød Telefon Fax

Erhvervs- og Selskabsstyrelsen:

½ års evaluering af projekt Praktisk Pædagogisk Funktionsstøtte

Geometriske afskrivningsrater i NR

FTF dokumentation nr Viden i praksis. Hovedorganisation for offentligt og privat ansatte

NOTAT: Benchmarking: Roskilde Kommunes serviceudgifter i regnskab 2013

Capital Asset Pricing Modellen

Skriftlig Eksamen. Datastrukturer og Algoritmer (DM02) Institut for Matematik og Datalogi. Odense Universitet. Onsdag den 18. juni 1997, kl.

Transkript:

Økonometr 1 Efterår 2006 Ugeseddel 10: Prøveeksamen Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder Om opgavens formål: Opgavesættets prmære formål er - så vdt mulgt - at lgne formen på eksamensopgaven. V forbeholder os dog ret tl at lave mndre justernger lyset af forløbet af denne prøveeksamen. Omfanget er skaleret ned tl ca. 50 % med hensyn tl forventet tdsforbrug og omfang. Besvarelsen vl kke blve rettet. Du bør som mnmum lave et SAS-program og et udførlgt sæt af noter tl de enkelte opgaver. Du vl så kunne sammenlgne dn besvarelse med den vejledende besvarelse og med resultaterne fra det vejledende SAS-program. Sammenlgnng af prøveeksamen og eksamen Prøveeksamen (dette opgavesæt) Eksamen Økonometr 1 Varghed Udleveres fra hjemmesden fra trsdag d. 21. november. I forbndelse med øvelserne uge 47 og 48 kan man få hjælp tl opgaven. Brug max. 10 arbejdstmer peroden frem tl den 1. december. Omfang af besvarelsen (max. sdeantal) Afleverng af fler 8 sder, nkl. teksttabeller og fgurer + 5 sder blag med regressonsoutput. Du kan prøve at uploade SASprogrammer og SAS-datafler va fagets ISIS-sde under menupunktet Prøveeksamen: Afleverng af fler. Det kræver at du er tlmeldt kurset. Upload dne fler senest den 30. november. Udleveres fra hjemmesden mandag den 15.1. kl. 10.00. Afleveres på Eksamenskontoret senest onsdag den 17.1 kl. 11.00. 16 sder, nkl. forsde, teksttabeller og fgurer + 15 sder blag med regressonsoutput og SASprogram. SAS-programmer og SAS-datafler skal uploades va et lnk, der blver angvet eksamensopgaven. Pensum Wooldrdge kap. 1-9 nkl. noter Hele pensum (nkl. forelæsnngsnoter) Vejledende besvarelse Vl forelgge på hjemmesden den 1. december kl. 14.00. Gennemgås ved forelæsnngen den 4. december. Computerfaclteter Kælderen er åben med almndelge åbnngstder på hverdage. Forelgger efter de sædvanlge regler Behov for åbnng af kælderen udenfor almndelg åbnngstd vl blve afklaret.

Praktske anvsnnger tl tag-hjem prøveeksamen Økonometr 1: Læs alle opgaverne gennem før du begynder at svare. Besvar spørgsmålene Opgave 1 tl 5. Alle spørgsmål og delspørgsmål ønskes besvaret og samlet en rapport. Blagstabeller med regressonsoutput ønskes fortløbende nummereret og forsynet med henvsnng tl navnet på det SAS-program, hvorfra tabellen er genereret. Teksttabeller forsynes med henvsnng tl den relevante blagstabel. Alle sder besvarelsen (nkl. blag) forsynes med sdetal og eksamensnummer. Adgang tl data Sådan får du fat dt ndvdualserede datasæt: 1. Download tre fler fra hjemmesden tl en mappe fx C:\WRK på dn PC: MASTER1.SAS7BDAT, SASMACR.SAS7BCAT og INDIVID.SAS. 2. Placer flerne mdlertdgt den valgte mappe og check at sterne INDIVID.SAS stemmer overens med dette. 3. Angv dt eksamensnummer INDIVID.SAS (Brug et trecfret tal efter eget valg). 4. Kør INDIVID.SAS. Programmet danner flen INDIVID.SAS7BDAT som ndeholder dt datasæt, og udskrver tallene som et check på, at du kan få kontakt tl datasættet. 5. Koper INDIVID.SAS7BDAT tl en dskette eller drekte tl den mappe på PC en hvor du ønsker at arbejde med dne data. Du er nu klar tl at løse opgaven. 6. Slet flerne MASTER1.SAS7BDAT og SASMACR.SAS7BCAT.

Dokumentaton af data: Datasættet består af observatoner for et repræsentatvt udsnt af 250 danske vrksomheder. Der er oplysnnger om følgende varabler: Senum96 Ansat Dekbdr Anlakt Egenkp Oms Konk Nypr Prmres Løbenummer for vrksomheden Antal ansatte Dæknngsbdrag ( mlloner kr.) Anlægsaktver ( mlloner kr.) Egenkaptal ( mlloner kr.) Nettoomsætnng ( mlloner kr.) Indeks for vrksomhedens vurderng af konkurrencestuatonen: Negatve værder af ndekset ndkerer relatvt mld konkurrence, postve værder vser skærpet konkurrence. Dummyvarabel for, om et eller flere af vrksomhedens hovedprodukter er nyudvklet: Nypr = 1 hvs det er tlfældet, Nypr = 0 ellers. Prmært resultat ( mlloner kr.) Regnskabsoplysnngerne stammer fra vrksomhedernes regnskaber fra 1996. Oplysnnger vedrørende konkurrencestuaton og produktudvklng er ndsamlet ved at en repræsentant for vrksomheden har udfyldt et spørgeskema.

Introdukton tl opgaven Indtjenng, konkurrencestuaton og produktudvklng danske vrksomheder I sn årlge Konkurrenceredegørelse 1 (KR) følger Konkurrencestyrelsen blandt andet udvklngen konkurrencestuatonen Danmark på branchenveau. Styrelsen beskrver den valgte analysemetode således (cteret fra KR2002, afsnt 2.1): [Styrelsen opgør] en lang række ndkatorer: koncentraton, adgangsbarrerer, mobltet, dvs. skft af markedsandele mellem de enkelte vrksomheder, ndtjenng og såkaldte lønpræmer, dvs. lønnnger korrgeret for bl.a. arbejdskraftens uddannelsesnveau [og gver] en vurderng af regulernger, der opstller barrerer, der gør det vanskelgt for nye vrksomheder at etablere sg. For hver enkelt af dsse mål gælder, at den statstske uskkerhed er stor. Det er også uskkert, om ndkatoren nødvendgvs hænger sammen med konkurrenceforholdene. Et eksempel blandt mange mulge er koncentratonsmålet: hvs der kun er få vrksomheder en branche, er konkurrencen som regel svag. Men kun som regel, det der fndes en lang række undtagelser. Når alle ndkatorerne vurderes under et, reduceres uskkerheden mdlertd, og man får det bedst mulge grundlag for en helhedsvurderng [af konkurrencestuatonen en branche]. Specelt om ndtjenng som mål for konkurrence skrver Konkurrencestyrelsen følgende (gen cteret fra KR2002, afsnt 2.4): Indtjenngen vser, om vrksomhederne en branche klarer sg godt og gver et højt afkast af den nvesterede kaptal. Mange faktorer har en betydnng for ndtjenngen, men konkurrencestuatonen er en vgtg faktor. En høj ndtjenng kan skyldes, at der er højkonjunktur, eller at det er en branche fremgang, hvor vrksomhederne generelt klarer sg godt, fx på de nternatonale markeder. Men også vrksomhedernes forventnnger tl fremtden kan påvrke ndtjenngen, ford de påvrker nvesterngerne. Når en vrksomhed øger nvesterngerne, vl det ofte påvrke ndtjenngen negatvt på kort sgt pga. de øgede afskrvnnger. En usædvanlg høj ndtjenng kan også skyldes svag prskonkurrence [ ]. Indtjenngen kan dog også være lav, selv om der er svag konkurrence. Svag konkurrence kan således føre tl, at vrksomhederne blver mndre omkostnngsbevdste, ford omkostnngerne højere grad kan væltes over på prsen. 1 Konkurrenceredegørelser for de senere år og blagsmaterale er tlgængelge va på WWW va lnket http://www.ks.dk/publkatoner/ndex.htm

I denne opgave vl v - på vrksomhedsnveau - se nærmere på vrksomhedens ndtjenng som ndkator for konkurrencestuatonen. Først og fremmest ønsker v at analysere, om der på vrksomhedsnveau kan etableres en sammenhæng mellem ndtjenng målt ved vrksomhedens overskudsgrad, og et mål for konkurrencestuatonen for den enkelte vrksomhed form af dens egen subjektve vurderng heraf. Konkurrencestyrelsens metodebeskrvelse påpeger, at varatoner ndtjenngen ud over konkurrencestuatonen - blandt andet kan afspejle varerende nvesterngsnveau. Her vl v søge at tage højde for, at der er udgfter forbundet med vrksomhedens produktudvklng. Produktudvklng har karakter af en nvesterngsbeslutnng, det udgfter tl produktudvklng på kort sgt vl påvrke ndtjenngen negatv retnng, mens der på længere sgt må forventes et postvt afkast fra et øget salg af det udvklede produkt. Samspllet med konkurrencestuatonen er komplekst den forstand, at produktudvklng kan være udtryk for en skærpet konkurrence på andre parametre end lge netop prsen. Omvendt kan en stærkere produktdfferenterng på længere sgt gve vrksomheden en øget markedsmagt tl skade for konkurrencestuatonen branchen som helhed. I denne analyse af konkurrencestuatonen vl v søge at tage højde for varerende grader af produktudvklng mellem vrksomheder ved at nkludere en ndkator for, om et eller flere af vrksomhedens hovedprodukter kan betragtes som nyudvklet.

Opgave 1: a) Beskrv data dt ndvdualserede datasæt flen INDIVID.sas7bdat ved at opstlle en tabel med relevante karakterstka for de enkelte varabler. Kommenter kort på tabellen. b) Beregn overskudsgraden for hver vrksomhed dt datasæt. Overskudsgraden er defneret som det prmære resultat over nettoomsætnngen. Lav en graf, der afblder overskudsgraden overfor nettoomsætnngen. Beregn de samme karakterstka for overskudsgraden som blev beregnet ovenfor under a). Kommenter kort på grafen og dne beregnnger. Betragt nu følgende lneære regressonsmodel: Prmres ( ) = β0 + β1oms + β2konk + β3nypr + β4 Nypr Oms + u (1.1) hvor u er fejlleddet. Modellen antages at opfylde MLR.1-4. c) Beskrv modellen (1.1). Hvad er fortolknngen af β 1 og β 4? Hvlket fortegn vl du forvente for β 2? Begrund dne svar kort og præcst. Opgave 2: a) Udfør estmatonen af (1.1) ved OLS. Rapportér regressonskoeffcenterne ˆ β0, ˆ β ˆ 1,..., β 4. Vl dsse estmater være mddelrette? Vl de være konsstente? Vl de være effcente? b) Undersøg om modellen (1.1) opfylder antagelsen MLR.5 om konstant varans på fejlleddet gvet regressorerne. Gør dette ved at lave: a. En grafsk analyse af resdualerne. b. Whtes test for heteroskedastctet. Redegør for, hvlken hypotese du tester og dn konkluson. Begrund dne svar. c) Antag at fejlledsvaransen (1.1) opfylder følgende sammenhæng: Var( u x ) = σ Oms (1.2) 2 2 hvor x betegner sættet af varabler på højresden af (1.1) for den te observaton. Svarer (1.2) tl den type af ndkatoner på heteroskedastctet, du fandt under b)? Begrund dt svar.

d) Udfør en vægtet mndste kvadraters estmaton (WLS) af model (1.1), det du antager at fejlledsvaransen opfylder (1.2). Redegør for, hvordan estmatonsresultaterne fra denne WLSregresson forholder sg tl OLS-resultaterne fra a) ovenfor. Sammenlgn de to sæt estmater på grundlag af en tabel. e) Udfør test af hver af følgende hypoteser: ) β 2 = 0 β = 0, β = 0, β = 0 ) 0 3 4 Redegør hvert tlfælde for de nul- og alternatvhypoteser du tester og for dn konkluson. Begrund dne svar. Redegør for mplkatonerne af hypotesen ) for sammenhængen mellem ndtjenng, konkurrencestuaton og produktudvklng set relaton tl modellen (1.1). Opgave 3: a) Redegør kort for beregnngen af robuste standardfejl for WLS estmaterne svarende tl modellen Opgave 2 d). Forventer du at fnde store eller små afvgelser mellem de robuste standardfejl og de almndelge standardfejl? Begrund dt svar. Udfør WLS estmaton ved at beregne transformerede data svarende tl fremgangsmåden Wooldrdge, sde 285. Beregn de robuste standardfejl for WLS estmaterne og sammenlgn resultaterne med de almndelge standardfejl fra Opgave 2 d). Redegør for, hvorledes WLS estmatonen er relateret tl grafen for overskudsgraden overfor nettoomsætnngen fra Opgave 1 b). b) Teoropgave: Antag at v kgger på et tænkt datasæt, der faktsk er genereret af modellen (1.1) med tlhørende antagelser og et heteroskedastsk fejlled som følger (1.2). V er opmærksomme på, at modellen lder under heteroskedastctet og bruger derfor formel (8.25), sde 285 Wooldrdge som udgangspunkt for en WLS estmaton. Desværre får v valgt den varansstyrende funkton som h = h( x ) = Oms. ) Udled varansen på fejlleddet den transformerede model. ) Hvad kan du sge om egenskaberne for OLS estmatoren anvendt på den transformerede model? Vl estmaterne være mddelrette? Vl de være konsstente? Vl de være effcente? Begrund dne svar.

Opgave 4: Konkurrencestuatonen for en gven vrksomhed ndgår model (1.1) form af ndekset Konk. Det fremgår af datadokumentatonen, at Konk er udtryk for vrksomhedens egen kvaltatve bedømmelse af konkurrencestuatonen: Den person vrksomheden der har besvaret undersøgelsen, er således blevet bedt om at karaktersere den aktuelle konkurrencestuaton blandt følgende mulgheder: Meget mld konkurrencestuaton ( Konk = 2 ) Mld konkurrencestuaton ( Konk = 1) Neutral konkurrencestuaton ( Konk = 0 ) Skærpet konkurrencestuaton ( Konk = 1) Meget skærpet konkurrencestuaton ( Konk = 2 ) a) Dskuter på baggrund af dsse oplysnnger, om ndekset Konk er et egnet mål for konkurrencestuatonen og måden, hvorpå det er medtaget den lneære regressonsmodel. Begrund dne synspunkter. b) Tag udgangspunkt en model, der restrkteret som Opgave 2 e), hypotese ). Foreslå en alternatv specfkaton af denne regressonsmodel, som bedre tager højde for, at konkurrenceoplysnngerne er et kvaltatvt mål. Redegør for, hvordan de to specfkatoner kan testes overfor hnanden, hvlke hypoteser du tester, og udfør testet. Opgave 5: Sammenfatnng og konkluson a) Lav en tabel der sammenfatter de analyser af konkurrencestuaton og produktudvklng danske vrksomheder, du har lavet Opgave 2, 3 og 4. Kommenter kort på tabellen og på, hvorledes de forskellge modeller forholder sg tl hnanden. b) Hvad er dne konklusoner om sammenhængen mellem ndtjenng, konkurrencestuaton og produktudvklng danske vrksomheder ud fra dne emprske analyser?