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

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

Kvantitative metoder 2

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

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

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

Kvantitative metoder 2

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

Kvantitative metoder 2

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

Kvantitative metoder 2

Kvantitative metoder 2

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

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

Økonometri 1. Dagens program: Afslutningsforelæsning 23. maj 2007

Anvendt Statistik Lektion 8. Multipel Lineær Regression

Rettevejledning til Økonomisk Kandidateksamen 2005I, Økonometri 1

Forelæsning 11: Kapitel 11: Regressionsanalyse

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

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

Kvantitative metoder 2

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

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

Økonometri: Lektion 2 Multipel Lineær Regression 1/27

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

Uge 43 I Teoretisk Statistik, 21. oktober Forudsigelser

Økonometri: Lektion 4. Multipel Lineær Regression: F -test, justeret R 2 og aymptotiske resultater

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

Rettevejledning til Økonomisk Kandidateksamen 2004I, Økonometri 1

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

Løsning til eksaminen d. 29. maj 2009

Økonometri: Lektion 6 Emne: Heteroskedasticitet

Simpel Lineær Regression: Model

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

Simpel Lineær Regression

Økonometri Lektion 1 Simpel Lineær Regression 1/31

Kvantitative metoder 2

Løsning eksamen d. 15. december 2008

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

Program. 1. Varianskomponent-modeller (Random Effects) 2. Transformation af data. 1/12

Økonometri: Lektion 6 Emne: Heteroskedasticitet

Tænk på a og b som to n 1 matricer. a 1 a 2 a n. For hvert i = 1,..., n har vi y i = x i β + u i.

Rettevejledning til Økonomisk Kandidateksamen 2007II. Økonometri 1

Anvendt Statistik Lektion 7. Simpel Lineær Regression

Kvantitative metoder 2

I dag. Statistisk analyse af en enkelt stikprøve med kendt varians Sandsynlighedsregning og Statistik (SaSt) Eksempel: kobbertråd

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

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

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

Økonometri 1. Inferens i den lineære regressionsmodel 29. september Økonometri 1: F7 1

Økonometri, ugeseddel 8 Hold 1 1/4-2003

Økonometri 1. Inferens i den lineære regressionsmodel 25. september Oversigt: De næste forelæsninger

Økonometri lektion 5 Multipel Lineær Regression. Inferens Modelkontrol Prædiktion

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

Rettevejledning til eksamen i Kvantitative metoder 1, 2. årsprøve 2. januar 2007

Normalfordelingen. Det centrale er gentagne målinger/observationer (en stikprøve), der kan beskrives ved den normale fordeling: 1 2πσ

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

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

Uge 13 referat hold 4

Løsning til eksaminen d. 14. december 2009

I dag. Statistisk analyse af en enkelt stikprøve: LR test og t-test, modelkontrol, R Sandsynlighedsregning og Statistik (SaSt)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Anvendt Statistik Lektion 9. Variansanalyse (ANOVA)

Reminder: Hypotesetest for én parameter. Økonometri: Lektion 4. F -test Justeret R 2 Aymptotiske resultater. En god model

Dagens Emner. Likelihood-metoden. MLE - fortsat MLE. Likelihood teori. Lineær regression (intro) Vi har, at

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

Fokus på Forsyning. Datagrundlag og metode

Muligheder: NB: test for µ 1 = µ 2 i model med blocking ækvivalent med parret t-test! Ide: anskue β j som stikprøve fra normalfordeling.

Økonometri: Lektion 2 Multipel Lineær Regression 1/33

Forelæsning 5: Kapitel 7: Inferens for gennemsnit (One-sample setup)

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

Statistiske principper

Poul Thyregod, introslide.tex Specialkursus vid.stat. foraar Lad θ = θ(β) R k for β B R m med m k

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

Eksamen i Statistik for biokemikere. Blok

Note om Monte Carlo eksperimenter

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

Tema. Dagens tema: Indfør centrale statistiske begreber.

Konfidensintervaller og Hypotesetest

Tema. Model og modelkontrol ( Fx. en normalfordelt obs. række m. kendt varians) Estimation af parametre. Fordeling. Hypotese og test. Teststørrelse.

NATURVIDENSKABELIG KANDIDATEKSAMEN VED KØBENHAVNS UNIVERSITET.

(tæt på N(0,1) hvis n ikke alt for lille). t i god til at checke for outliers som kan have stor indflydelse på estimaterne s 2 og ˆσ 2 e i

Statistik II 4. Lektion. Logistisk regression

Kvantitative metoder 2

Estimation af bilkøbsrelationen med nye indkomst- og formueudtryk

Appendiks Økonometrisk teori... II

Statistik Lektion 4. Variansanalyse Modelkontrol

Statistik og Sandsynlighedsregning 2. IH kapitel 12. Overheads til forelæsninger, mandag 6. uge

Teoretisk Statistik, 9 marts nb. Det forventes ikke, at alt materialet dækkes d. 9. marts.

Multipel Lineær Regression

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk

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

Normalfordelingen og Stikprøvefordelinger

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

Center for Statistik. Multipel regression med laggede responser som forklarende variable

Økonometri 1. Interne evalueringer af forelæsninger. Kvalitative variabler. Dagens program. Dummyvariabler 21. oktober 2004

Repetition. Diskrete stokastiske variable. Kontinuerte stokastiske variable

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

Kvantitative Metoder 1 - Forår 2007

1 Ensidet variansanalyse(kvantitativt outcome) - sammenligning af flere grupper(kvalitativ

Transkript:

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 restriktioner (kap. 4.5-4.6 og 5.2). Eksakt F-test (4.5) Mange observationer (5.2): Approximativt F-test Lagrange Multiplikator (LM) test Mere om funktionel form (kap. 6.2). Økonometri 1: F8 2

Asymptotisk normalfordeling for OLS: Hjemmeopgaven Lad os designe et lille eksperiment: MLR.1-4 (og MLR.5) er overholdt (faktisk er u uafhængige af x her); lineær model; ingen eksakt multikollinearitet; u har middelværdi nul og konstant varians. Men u trækkes fra en uniform (eller lige) fordeling (ej MLR.6): Kontinuert fordeling fx på intervallet [-1,1]. Konstant tæthed f(u)=0.5 over intervallet. Udfaldsrummet begrænset >< normalfordeling. Hjemmeopgave : Illustration af Teorem 5.2 ud fra simulationseksperiment med uniformt fejlled: Kør SASprogrammet asynorm_uni.sas for forskellige værdier af n. Resultat af eksperimentet for forskellige n: SAS Økonometri 1: F8 3

Flere lineære restriktioner Fælles test af flere lineære restriktioner: F-testet. Ex. Model med tre forklarende variabler: 1. y = β0 + β1x1 + β2x2 + β3x3 + u Ex. på nulhypoteser i i i i i H : β = 0, β = 0 (to restriktioner) 0 1 2 2. H : β = 0, β + β = 1, (to restriktioner) 0 1 2 3 3. H : β = 0, β = 0, β = 0, (tre restriktioner) 0 1 2 3 Generelt format: Rβ = r, R( q k + 1), r( q 1) q lineære restriktioner på koefficienterne i den lineære model. Økonometri 1: F8 4

Flere lineære restriktioner (fortsat) Alternativhypotesen: Afvis nulhypotese blot én af q restriktioner ikke holder. Restrikteret (r) vs. urestrikteret model (ur): 1. Rβ r Ex.: Restrikterede modeller: y = β + β x + u i 0 3 3i i 2. y = β + β x + (1 β ) x + u i 0 2 2i 2 3i i 3. y = β + u i 0 i Lineære restriktioner: Restrikteret model er lineær i parametrene: Estimeres ved OLS. Økonometri 1: F8 5

Flere lineære restriktioner (fortsat) Test af flere lineære restriktioner: F-testet. F = ( SSR SSR )/ q r ur SSR /( n k 1) ur Tæller altid større end eller lig nul: Restrikteret model kan ikke tilpasse data bedre end urestrikteret model. Antal frihedsgrader i tæller: Antal restriktioner, q Antal frihedsgrader i nævner: n- antal regressorer i urestrikteret model. Helt generelt format for F-testet. Økonometri 1: F8 6

Test af flere lineære restriktioner: Advarsel Wooldridge omtaler også R-squared form af testet: Bør kun benyttes med stor varsomhed! OK så længe restrikteret model har samme venstreside som urestrikteret model. Mod-ex.: C-D produktionsfunktion med CRS. Omskriv: y = a+ αl + βk + u = a+ ( α + β) l + β( k l ) + u i i i i i i i i Indsæt restriktionen: α + β = 1 y = a+ l + β ( k l ) + u y l = a+ β ( k l ) + u i i i i i i i i i i Bemærk: Ny venstreside. Brug det generelle format for F-testet. Økonometri 1: F8 7

Flere lineære restriktioner: Eksakt inferens Under CLM antagelser følger F-testet en eksakt F-fordeling: F Fqn (, k 1) Fordeling findes i Tabel G.3. For en restriktion og to-sidet alternativ: Ækvivalent med t-test: F n k = t n k 2 (1, 1) ( 1) Men F-test af fælles hypotese på flere koefficienter kan godt give andet resultat end individuelle t-test. Økonometri 1: F8 8

Store datasæt: Approximativt F-test Ved mange observationer: The asymptotic normality of the OLS estimators also implies that the F-statistics have approximate F- distributions in large sample sizes Wooldridge (side 185, øverst) I praksis for store datasæt (når antagelserne MLR.1- MLR.5 er opfyldt) kan F-testene udføres på samme måde som når vi har eksakt inferens. Økonometri 1: F8 9

Alternativt test i store datasæt: LM testet Lagrange multiplikator testet eller score testet. Generelt format: Estimation af modellen under H 0 Residualer fra restrikteret model, u Hjælperegression ( auxiliary regression ) af u På hvad: Afhænger af den specifikke hypotese. Kræver ikke estimation af den generelle (dvs.urestrikterede model): Oftest den i praksis sværeste at estimere. LM testet kan anvendes når Gauss-Markov antagelserne (MLR.1-MLR.5) er opfyldt. Økonometri 1: F8 10

LM testet: Udelukkelsesrestriktioner Specifikt eksempel: Udelukkelsesrestriktion y = β + β x + β x +... + β x + β x +... + β x + u 0 1 1 2 2 k q k q k q+ 1 k q+ 1 k k H H : βk q+ =... = βk = 0 0 1 1 : Mindst en af restriktionerne er ikke opfyldt Restrikteret model: versus y = β0 + β1x1 + β2x2 +... + βk qxk q+ u Under H 0 vil u være ukorreleret med de udeladte variabler: x x k q+ k 1,..., Økonometri 1: F8 11

LM testet: I praksis Regression af y på det restrikterede sæt af regressorer. Gem residualerne, u Hjælperegression af u på alle forklarende variabler: 2 (både inkluderede og ekskluderede). Gem R u 2 Beregn LM=n R u LM-teststørrelsen vil almindeligvis (og uanset om der antages normalfordelte fejlled eller ej) være asymptotisk fordelt som χ 2 ( q), hvor q er antallet af restriktioner. Sammenlign beregnede testværdi med relevant fraktil i χ 2 ( q) fordelingen. Eller beregn p-værdien for testet. Afvis H 0 hvis testet falder i den kritiske region. Økonometri 1: F8 12

Funktionel form MLR forudsætter, at modellen er lineær i parametrene. Men ikke i variablerne. Funktionel form: Fortolkningsmæssige konsekvenser! Tre vigtige tilfælde: Log-transformation Kvadratiske led Interaktionsled: Nyhed i multipel regressionsmodel Brug af log-transformation: Absolutte ændringer i logtransformeret variabel svarer til relative ændringer i den originale variabel. Brug af kvadratiske led: Aftagende eller stigende marginaludbytte/-effekt. Økonometri 1: F8 13

Funktionel form: Interaktionsled Marginal effekt af at ændre værdien af en forklarende variabel, x1, afhænger af værdien af fx x2: Fx kan afkastet af erfaring variere med uddannelse: y = β + β x + β x + β x x + u i 0 1 1i 2 2i 3 1i 2i i Igen: Multipel regressionsmodel: Men alt andet lige betragtning med omtanke. Δy ( ˆ β + β + β 1x ˆ 1 2x ˆ 2 3x1x2) = ˆ β + ˆ β x Δx x 2 2 2 3 1 Evalueringspunktet vælges med omhu. Økonometri 1: F8 14

Præsentation af estimationsresultater Vigtigt at kunne præsentere og kommentere sine estimationsresultater på en ordentlig og overskuelig måde Generelt i empiriske analyser: Konventioner for rapportering af resultater Konkret i kurset: Eksamensopgaven Øvelserne: Afleveringsopgaver Illustreres med eksempel Læs selv afsnit 4.6 Økonometri 1: F8 15

NB er Brug SSR-metoden til F-test. F-test også asymptotisk gyldigt under MLR.1-5. Generelt asymptotisk test: Lagrange multiplikator (LM) test. 2 Følger asymptotisk en χ fordeling. LM test ved hjælp af en hjælperegression. Kvadratiske led og interaktionseffekter: OK i den lineære regressionsmodel. Men: Effekten af en marginal ændring af en bestemt variabel vil afhænge af værdien af en eller flere variabler i modellen. Økonometri 1: F8 16

Næste gang: Mandag i næste uge. Resten af kapitel 6: Goodness-of-fit og prediktion Læs selv kap. 6.1. Kapitel 7: Kvalitative variabler Økonometri 1: F8 17