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

Relaterede dokumenter
Statistik Lektion 14 Simpel Lineær Regression. Simpel lineær regression Mindste kvadraters metode Kovarians og Korrelation

Økonometri 1. Instrumentvariabelestimation 26. november Plan for IV gennemgang. Exogenitetsantagelsen. Exogenitetsantagelsen for OLS

Betænkning om kommunernes udgiftsbehov. Bilag (med metodediskussion af professor Anders Milhøj)

Statistik 9. gang 1 REGRESSIONSANALYSE. Korrelation (kontrol af model) Regression (tilpasning af model)

Men tilbage til regression og Chi-i-anden. test. Begge begreber refererer til normalfordelingen med middelværdi μ og spredning σ.

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

Kvantitative metoder 2

Lineære Normale Modeller

x-klasserne Gammel Hellerup Gymnasium

Analyse af bivariate data: korrelation og regression. korrelation. Korrelation og regression: Co-varians:

Motivation. En tegning

IKKE-KONTINUERTE (DISKRETE) STOKASTISKE VARIABLE MIDDELVÆRDI, VARIANS, SPREDNING FORDELINGER: HYPERGEOMETRISK, BINOMIAL, POISSON

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

Induktionsbevis og sum af række side 1/7

Ugeseddel 8. Gruppearbejde:

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

FORDELINGER: HYPERGEOMETRISK FORDELING, BINOMIALFORDELING MIDDELVÆRDI DEFINITION. X er en stokastisk variabel på et endeligt sandsynlighedsfelt ( )

Lineær regressionsanalyse8

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

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

FY01 Obligatorisk laboratorieøvelse. O p t i k. Jacob Christiansen Afleveringsdato: 3. april 2003 Morten Olesen Andreas Lyder

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

Den stokastiske variabel X angiver levetiden i timer for en elektrisk komponent. Tæthedsfunktionen for den stokastiske variabel er givet ved

Morten Frydenberg Biostatistik version dato:

Elementær Matematik. Sandsynlighedsregning

Simpel Lineær Regression. Opsplitning af variationen Determinations koefficient Variansanalyse F-test Model-kontrol

hvor i er observationsnummeret, som løber fra 1 til stikprøvestørrelsen n, X i

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

FACITLISTE TIL KOMPLEKSE TAL

Videregående Algoritmik. David Pisinger, DIKU. Reeksamen, April 2005

Kogebog: 5. Beregn F d

Praktisk info. Statistisk analyse af en enkelt stikprøve: kendt eller ukendt varians Sandsynlighedsregning og Statistik (SaSt) I tirsdags.

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

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

Statistik II Lektion 5 Modelkontrol. Modelkontrol Modelsøgning Større eksempel

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

Kvantitative metoder 2

Definition: Normalfordelingen. siges at være normalfordelt med middelværdi µ og varians σ 2, hvor µ og σ er reelle tal og σ > 0.

Finanskalkulationer Side 1/19 Steen Toft Jørgensen. Finanskalkulationer. avanceret rentesregning. matematiske modeller i økonomi

Transkript:

Dages program Økoometr De smple regressosmodel 4. september 5 Dee forelæsg drejer sg stadg om de smple regressosmodel (Wooldrdge kap.4-.6) Fuktoel form Hvorår er OLS mddelret? Varase på OLS estmatore Regressosmodelle på matr form Udledg af OLS Fuktoel form Fuktoel form (fortsat) Det er kke altd, at det er rmelgt at atage e leær relato mellem varablee Det er emt at ædre regressosmodelle tl også at kue behadle kke-leære relatoer (så læge modelle stadg er leær parametree) g( y ) = β + β f( ) + u Ma skal dog være opmærksom på, at fortolkge af parametree ædrer sg! I eksemplet med tmeløe beytter ma ofte følgede model log( tmelø) = β + β( uddaelse) + u Fortolkge af parametree $ er det procetvse afkast af et års mere uddaelse

Fuktoel form (fortsat) Fuktoel form Model Afhægg Forklarede Hældg ctet y/ y Elast- y/ varabel varabel Leær Log-l y $ $ y $ /y $ 6 4 y=.* y=.*log() log(y)=.* log(y)=.*log() L-log y Log() $ / $ /y Log-leær $ y/ $ 5 Fuktoel form (fortsat) Hvorår er OLS mddelret? Deftoe på de leære regressosmodel er at modelle er leær parametree..kke ødvedgvs varablee Er følgede modeller leære regressosmodeller: y = β + u β y = β ( ) + β + u Defto (se apped C. sde 734-35) E estmator b af β er mddelret (ubased) hvs Eb ( ) = β for alle værder af β Mddelret er e statstsk egeskab ved estmatore Hvorfor er det e vgtg egeskab at estmatet er mddelret?

Mddelret.. (fortsat) Mddelret.. (fortsat) Atagelser SLR (leær parametree): De afhægge varabel y ka beskrves ved følgede model y = β + β+ u SLR (tlfældg stkprøve): V har e tlfældg stkprøve (y, ) =,.., fra populatoe Observatoere (y ) er uafhægge og detsk fordelte (se defto apped c.) SLR 3 (betget mddelværd af fejlled): Eu ( ) = SLR 4 (varato ): I data må kke alle ere være lg de samme værd. Teorem. (OLS er mddelret) Uder betgelsere SLR -SLR 4 er OLS estmatorere mddelrette: E( ˆ β ) = β E( ˆ β ) = β Mddelret.. (fortsat) Varase af OLS estmatore Bevs for teorem. (tavlegeemgag) Estmatore er cetreret omkrg de sade værd uder gve atagelser Det betyder kke, at estmatet vl være lg de sade værd (ku at mddelværde er lg de sade værd)..me hvor lagt fra de sade værd ka v forvete at estmatet lgger? For at kue besvare dette spørgsmål udreges varase på estmatere 3

Varase (fortsat) Varase.. (fortsat) Atagelse: SLR 5 (Homeskedastctet): Vu ( ) = σ Varase af u er kostat Dee atagelse er kke ødvedg for resultatet om mddelrette estmatorer SLR 5 gør beregger af varase lettere, me ma ka godt udrege varase ude atagelse SLR 5 (v veder tlbage tl dette kap. 8). Ma ka vse at σ også er de ubetgede varas af u Hvorår er atagelse SLR 5 kke opfyldt: Hvs varase afhæger af de forklarede varabel (se fgur.9) Teorem. (varase af OLS estmatorere) Uder atagelse SLR -SLR5 σ σ ˆ = = β = ( ) ( ) = = var( βˆ ) var( ) Varase (fortsat) Estmato af varase på fejlleddet Bevs for teorem. (tavlegeemgag) Varase på OLS estmatere afhæger af varase på fejlleddet Varase på fejlleddet er ukedt me ka estmeres vha. resdualere: ˆ uˆ SSR = = = σ 4

Estmato af varase (fortsat) Reste af kaptel Teorem.3 (mddelret estmat af varase på fejlleddet) Uder atagelsere SLR -SLR 5 gælder E( ˆ σ ) = σ Læs selv kaptel.6 Smpel regressosmodel på matrform (tavlegeemgag) Bevs (tavlegeemgag) 5