Metody Ekonometryczne

 0    71 词汇卡    fisza92
下载mp3 打印 检查自己
 
问题 język polski 答案 język polski
Model ekonometryczny
开始学习
układ równań wiążących określone wielkości ekonomiczne
Model liniowy
开始学习
model, w którym wszystkie równania są liniowe
Zmienna endogeniczna
开始学习
zmienna, której wartości określane są w modelu, w szczególności zmienna taka może być zmienną objaśnianą w pewnym równaniu modelu, a objaśniającą w innym równaniu tego modelu
Zmienna egzogeniczna
开始学习
zmienna, której wartości określane są poza modelem; oznacza to, że nie ma takiego równania, w którym zmienna ta jest objaśnianą
Postać strukturalna
开始学习
postać modelu, w której przedstawione są rzeczywiste relacje między zmiennymi; do zapisu strukturalnego wykorzystuje się najczęściej zapis macierzowy
Model symptomatyczny
开始学习
modele, w których rolę zmiennych objaśniających pełnią zmienne skorelowane ze zmiennymi objaśnianymi, ale nie wyrażają one przyczyn zmienności zmiennych objaśnianych
Model autoregresyjny
开始学习
model, w którym uwzględnione jest opóźnienie zmiennej objaśniającej oraz fakt, że zmienna objaśniania może zależeć od swoich przeszłych realizacji
Model dynamiczny/statyczny
开始学习
Dynamiczny - zmienne opóźnione/zmienna czasowa występuje Statyczny - nie występuje
Model prosty
开始学习
między zmiennymi łącznie współzależnymi nie występują powiązania
Model rekurencyjny
开始学习
model, w którym zakłada się istnienie powiązań między zmiennymi endogenicznymi nieopóźnionymi, ale niemających charakteru sprzężeń zwrotnych (powiązania jednokierunkowe)
Model o równaniach łącznie współzależnych
开始学习
Występują sprzężenia zwrotne (przynajmniej jedno) - powiązania dwustronne między zmiennnymi łącznie współzależnymi
Postać strukturalna modelu wielorównaniowego-opisz składowe
开始学习
BYt+ҐZt=εt B- macierz parametrów strukturalnych przy zmiennych łącznie współzależnych o wymiarach MxM, gdzie M to liczba zmiennych współzależnych w modelu Yt-obserwacje dokonane na zmiennych łącznie współzależnych (macierz o wymiarach Mx1) Ґ-macierz parametrów strukturalnych przy zmiennych z góry ustalonych (macierz o wymiarach MxK), gdzie K to liczba zmiennych z góry ustalonych Zt - macierz obserwacji dokonanych na zmiennych z góry ustalonych o wymiarach Kx1
Jak w zależności od budowy macierzy B w zapisie strukturalnym modelu wielorównaniowego zależy klasyfikacja ze względu na powiązania między zmiennymi łącznie współzaleznymi?
开始学习
Macierz B diagonalna - model prosty Macierz B trójkątna - model rekurencyjny (powiązania jednostronne) Macierz B w pozostałych przypadkach - model o równaniach łącznie współzależnych
Zmienna czasowa
开始学习
zmienna, której wartości odpowiadają kolejnym numerom momentów czasu, w jakich mierzono wartości zmiennej objaśnianej
Model zupełny
开始学习
model, w którym liczba równań jest równa liczbie zmiennych endogenicznych nieopóźnionych
Model jest identyfikowalny kiedy...
开始学习
... jeżeli jest możliwe wyznaczenie (niekoniecznie jednoznaczne) wartości parametrów tego równania na podstawie znajomości parametrów postaci zredukowanej modelu. (jeżeli wszystkie jego równania są identyfikowalne)
Zmienne łącznie współzależne
开始学习
zmienne endogeniczne nieopóźnione
Postać zredukowana modelu
开始学习
postać, w której zmienne objaśniane są opisane tylko przy użyciu funkcji wartości zmiennych z góry ustalonych
Szereg czasowy
开始学习
realizacja procesu stochastycznego w konkretnej próbie
Dane przekrojowe
开始学习
dane, które wyrażają stan zjawiska w ustalonym czasie, ale w odniesieniu do różnych obiektów
Zmienne współliniowe
开始学习
zmienne pomiędzy którymi występuje korelacja
Estymacja
开始学习
uogólnienie wyników badania próby na całą populację
Identyfikacja
开始学习
Proces przekształcania postaci zredukowanej modelu do postaci strukturalnej
Postać końcowa modelu wielorównaniowego
开始学习
postać, w której zmienne endogeniczne wyrażone są jako liniowe funkcje zmiennych egzogenicznych. Inaczej mówiąc, postać ta różni się od postaci zredukowanej tym, że z prawych stron równań modelu wyeliminowano opóźnione zmienne endogeniczne (jeśli takie były).
Ograniczenie zerowe a priori
开始学习
Ile zmiennych nie występuje w danym równaniu, a występuje w modelu
Co lepiej przedstawia postać strukturalna, a co postać zredukowana modelu wielorównaniowego?
开始学习
Postać strukturalna - ekonomiczna treść zależności między zmiennymi (umożliwia interpretację ekonomiczną) Postać zredukowana - umożliwia estymację parametrów
Model jest identyfikowalny, jeśli...
开始学习
jeżeli wszystkie jego równania są identyfikowalne
Model (lub równanie) jest jednoznacznie identyfikowalny...
开始学习
... jeżeli przekształcenie postaci zredukowanej w strukturalną jest jednoznaczne.
Warunek konieczny identyfikalności równania
开始学习
m1-1<=k2 M-1<=m2+k2 Liczba zmiennych łącznych współzależnych występujących w równaniu pomniejszona o 1 musi być co najwyżej równa liczbie zmiennych z góry ustalonych nie występujących w równaniu.
Co znaczą oznaczenia: M=m1+m2 K=k1+k2
开始学习
M - liczba zmiennych łącznie współzależnych m1 (m2)- liczba zmiennych łącznie współzależnych (NIE) występujących w danym równaniu k1 (k2)- liczba zmiennych z góry ustalonych (NIE) występujących w danym równaniu
Warunek dostateczny identyfikalności i-tego równania?
开始学习
macierz utworzona ze współczynników przy zmiennych występujących w innych równaniach modelu i równocześnie nie występujących w i-tym równaniu była rzędu M-1
Jeśli spełniony jest warunek dostateczny, kiedy możemy mówić o jednoznacznej a kiedy o niejednoznacznej identyfikalności równania?
开始学习
Jeżeli ten warunek jest spełniony i liczba zmiennych, które nie występują w tym równaniu (i występują w modelu) jest równa m-1, to równanie jest jednoznacznie identyfikowalne, zaś jeśli jest większa, to równanie jest niejednoznacznie identyfikowalne.
Od czego zależy Metoda estymacji parametrów modeli wielorównaniowych?
开始学习
od: 1. rodzaju powiązań między zmiennymi 2. identyfikalność modelu
Co to jest KMNK, PMNK, 2KMNK i kiedy się je stosuje?
开始学习
KMNK - Klasyczna Metoda Najmniejszych Kwadratów (do estymacji w modelach prostych) PMNK - Pośrednia MNK - do estymacji w modelach jednoznacznie identyfikowalnych 2MNK - Podwójna MNK - do estymacji w modelach niejednoznacznie identyfikowalnych
Na czym polega idea PMNK?
开始学习
Idea polega na wykorzystaniu ocen parametrów postaci zredukowanej do uzyskania ocen parametrów postaci strukturalnej.
Estymator nieobciążony
开始学习
estymator, którego wartość oczekiwana jest równa poszukiwanej wartości parametru
Estymator najefektywniejszy
开始学习
estymator, który ma najmniejszą wariancję w swojej klasie
Wartości teoretyczne
开始学习
wartości zmiennej objaśnianej, które kształtowane są na podstawie wartości zmiennych objaśniających
Test Durbina-Watsona
开始学习
test, którego używa się do zweryfikowania założeń o braku autokorelacji składników losowych
Estymator zgodny
开始学习
Estymator zgodny wtedy i tylko wtedy, gdy ciąg ocen uzyskiwanych za pomocą tego estymatora jest stochastycznie zbieżny do szacowanego parametru
Kiedy estymator jest nieobciążony?
开始学习
1. Zmienne objaśniajace są nielosowe 2. Zmienne objaśniające są nieskorelowane ze składnkikami losowymi modelu 3. Składnik losowy ma zerową wartość oczekiwaną (1+2+3 = wartość oczekiwana estymatora parametru jest równa poszukiwanej wartości paramentru)
Założenia KMNK
开始学习
1. Zmienne objaśniające moedlu muszą być liniowo niezależne. rz(X)=k+1<=n 2. Wartości zmiennych objaśniających są nielosowe, czyli nie są skorelowane ze składnikami losowymi modelu 3. Parametry strukturalne modelu są nielosowe 4. Składnik losowy ma wartość oczekiwaną = 0 5. Składnik losowy jest sferyczny (brak autokorelacji i brak heteroskedastyczności)
Zmienne ortogonalne
开始学习
ocena parametru związana z daną zmienną nie jest zależna od obserwacji dokonanych na innych zmiennych objaśniających
Co powoduje przybliżona współliniowość?
开始学习
1. Macierz kowariancji i wariancji ma relatywne co do wartości el. diagonalne 2. Oceny średnich błędów szacunku są zawyżone(t-Student zaniżony) Konsekwencje: -pozorna nieistotność poszczególnych zm. objaśniających -zawyżony R2 (współczynnik determinacji) -znaczne zmiany wartości oszacowanych parametrów, przy nieznacznej zmianie wielkości próby
Test na badanie stopnia przybliżonej współliniowości?
开始学习
VIF (czynnik inflacji wariancji) <10 VIF=1/(1-R^2)
Co zrobić jeśłi jest współliniowość?
开始学习
1. Regresja grzbietowa 2. Regresja wzg głównych składowych 3. Usuwanie zmiennych powodujących występowanie zjawiska współliniowości (bądź zastąpienie ich) 4. Wydłużenie próby 5. Oparcie estymacji na danych przekrojowo-czasowych
Na czym polega regresja grzbietowa?
开始学习
Dodanie pewnej stałej do wartości wariancji zmiennych objaśniających w celu zmniejszenia wzajemnego skorelowania zmiennych objaśniających. (usunięcie współliniowości)
Efekt katalizy
开始学习
sytuacja, w której zmienna objaśniająca słabo skorelowana ze zmienną objaśnianą po usunięciu z modelu powodu znaczący spadek wartości współczynnika determinacji
katalizator
开始学习
zmienna, której wprowadzenie do modelu powoduje znaczący wzrost wartości współczynnika determinacji
Testy o homoskedastyczności składnika losowego
开始学习
Test Harrisona-McCabe; Test White'a
Reszty modelu
开始学习
wszystkie różnice pomiędzy wartościami teoretycznymi a praktycznymi
Homoskedastyczność składnika losowego
开始学习
składniki losowe mają taką samą wariancję
Współczynnik determinacji
开始学习
iloraz wariancji wartości teoretycznych i wariancji wartości empirycznych zmiennej objaśniającej; miara pozwalająca określić czy model jest “wystarczająco” dobry. Czyli objaśnia jaka część zmienności zmiennej objaśnianej jest wyjaśniona przez model
Współczynnik zbieżności
开始学习
Jaka część zmienności zmiennej objaśnianej nie została wyjaśniona przez model. =1-R^2
Badanie istotności zmiennych (jakie testy?)
开始学习
Test t-Studenta - wykorzystywany do weryfikacji istotności parametru w modelu Test F-Sendecora - wykorzystywany do weryfikacji istotności całego wektora parametrów (test Walda)
obszar niekonkluzywności
开始学习
W sytuacji gdy test DW nie daje odpowiedzi na temat występowania autokorelacji, jest to tak zwany obszar niekonkluzywności.
Błąd standardowy
开始学习
estymowane odchylenie standardowe błędu danej metody
Błąd względny
开始学习
iloraz pomiędzy błędem bezwzględnym i wartością dokładną zmiennej objaśniającej
Współczynnik autokorelacji k-tego rzędu
开始学习
współczynnik korelacji wartości zmiennej objaśnianej z wartościami tej samej zmiennej przesuniętej w czasie o k okresów
Jak zbadać natężenie efektu katalizy?
开始学习
Badamy integralną pojemność informacyjną H. Natężenie efektu katalizy= R^2-H Im większa korelacja między zmiennymi objaśniającymi, tym niższe wartości przybiera H.
Metody różniczki zupełnej
开始学习
estymacja parametrów przy wykorzystaniu przyrostów wartości zmiennej (można z tego korzystać tylko jeżeli współczynnik autokorelacji jest bliski jedności)
Co oznacza autokorelacja?
开始学习
pomiędzy zmiennymi losowymi a ich opóźnieniami istnieje zależności stochastyczna.
brak sferyczności składnika losowego
开始学习
autokorelacja+heteroskedastycznoś Estymator oszacowany KMNK nadal jest nieobciążony i zgodny ale traci EFEKTYWNOŚĆ.
Uogólniona MNK
开始学习
Stosujemy, gdy brak jest sferyczności składnika losowego (nie możemy przeprowadzić KMNK). UMNK stosujemy wyłącznie gdy macierz omega jest znana lub możliwe jest jej oszacowanie. Szacujemy parametry modelu na podstawie transformowanych zmiennych.
Jakie są konsekwencje braku sferyczności składnika losowego (heteroskedastyczność/autokorelacja?)
开始学习
Niedoszacowanie wariancji składnika losowego; Niedoszacowanie błędów standartowych parametrów; Zawyżone statystyki t-Studenta. Obraz weryfikacji modelu jest nieprawdziwy. Poza tym obserwujemy zbyt wysoką wartość R2 czyli współczynnika determinacji. Powstaje złudne dobre dopasowanie modelu do danych empirycznych.
Metoda Cochrane'a -Orcutta
开始学习
jest wersją UMNK (uogólnionej metody najmniejszych kwadratów) a stosowana bywa przy wystąpieniu autokorelacji pierwszego rzędu.
Koincydencja
开始学习
zgodność znaków ocen parametrów i znaków współczynników korelacji
Kompensacja
开始学习
jeżeli dwie zmienne objaśniające są ze sobą skorelowane; jedna jest niedoszacowana, a druga jest przeszacowana
Anihilacja
开始学习
Sytuacja, w której dwie zmienne są dobrymi zmiennymi objaśniającymi ale w połączeniu znacząco obniżają współczynnik determinacji. (wysoka korelacja)
Regresja grzbietowa
开始学习
sztucznie zmniejsza się wartość współczynników korelacji (przez dodanie wartości parametru lambda) w celu otrzymania bardziej stabilnych wartości współczynników.
Kinetoza
开始学习
powoduje Anihilację; silna współliniowosc zm. objaśniających

您必须登录才能发表评论。