Ekonometrijos įvadinė paskaita

VU EF V.Karpuškienė

Ekonometrijos įvadinė paskaita

2013-02-05


Ekonometrikos įvadinė paskaita

1. Trumpa istorinė apžvalga 2. Ekonometrijos apibrėžimas ir turinys3. Ekonometrinio modelio sudarymo

etapai ir žingsniai. 4. Duomenys ekonometriniuose

tyrimuose


1.Ekonomikos teorijos žinios.2.Ekonominiai duomenys

1

2. Ekonometrijos turinys

Tikslas

Naudojamos informacija

Ekonominiai sprendimai


Ekonominė teorija

Statistiniai duomenys

Ekonominiai sprendimai

Ekonometrija - tai ekonominės analizėspriemonė, kuri apjungia ekonominę teoriją ir statistinius duomenis.

}

2




Ekonometrija – tai ekonomikos mokslo disciplina, kuri apjungia ekonomikos teoriją ir matematinę statistiką, siekiant suteikti skaitines reikšmes ekonominiams procesams

Ekonometrija – tai ekonomikos mokslo disciplina, kurioje taikant matematikos ir statistikos metodus, apskaičiuojami ekonominiai rodikliai ir kita informacija, reikalinga ekonominei analizei ir sprendimų priėmimui.

Ekonometrija – tai patikima priemonė paneigti įsitikinimą, kad ekonomika – tai toks mokslas, kuomet 10 specialistų žiūrėdami į tuščią butelį pateikia 11 skirtingų jo turinio paaiškinimų.


EKONOMETRIJA

Metodai:Regresinė analizė;Laiko eilučių analizė;Daugiamatėsstatistikos metodai

Taikymas: Mikro ir makroekonomikos problemoms spręstiįvairiuose lygiuose ir sektoriuose:makrolygyje (šalies ekonomikos modeliai); mezolygyje (regioniniai, šakiniai ekonomikos modeliai);mikrolygyje (namų ūkių, įmonių ekonominiai modeliai).

EKONOMIKOS

TEORIJA

(makroekonomika

mikroekonomika)

SOCIALINĖ

IR

EKONOMINĖ

STATISTIKA

TIKIMYBIŲ TEO -

RIJA IR MATEMA –

TINĖ STATISTIKA

Mokslų sritys

2. Ekonometrikos turinys

E.Stankus


2. Ekonometrikos turinys

Ekonometrikos tikslas – ekonometrinio modelio sudarymas

Ekonometrinis modelis – tai tokia analitinė išraiška, kurioje viena lygtimi arba jų sistema užfiksuojami esminiai ūkinių procesų, juos apibūdinančių rodiklių ryšiai ir dėsningumai


Ekonometrinių modelių tipai

Regresiniai modeliai Laiko eilučių modeliai Lygčių sistemos modeliai Ir kt.


qd = f( p, pc, ps, i )

qs = f( p, ps, pf )

p = prekės kaina; pc = papildadančių produktų kaina;ps =pakaitalų kaina; i =pajamos

p =prekės kaina; ps =pakaitalo kaina; pf = gamybos veiksnių kaina

Paklausa

Pasiūla

Regresinis modelis 3

qd = f( p, pc, ps, i )

qs = f( p, ps, pf )


3. Ekonometrinio modelio sudarymo etapai

Ekonominis modelis

Statistinis modelis

Ekonometrinis modelis


• Ekonominis modelis Problemos formulavimas ir detalizavimas Duomenys

• Statistinis modelis Grafikai Matematinės lygtys, kintamieji, koeficientai Išvados apie modelio adekvatumą

• Ekonometrinis modelis• matematinis modelis, generuojantis ekonominių

sprendimų priėmimui reikalingų rodiklių skaitines reikšmes

3. Ekonometrinio modelio etapaiKą gauname kiekviename etape


3. Ekonometrinio modelio sudarymo etapai ir žingsniai

I etapas: EKONOMINIS MODELIS Pirmas žingsnis: Ekonominės problemos formulavimasAntras žingsnis: Hipotezių apie veiksnių tarpusavio sąveiką iškėlimasTrečias žingsnis: Duomenų rinkimas



II etapas: STATISTINIS MODELIS Ketvirtas žingsnis: Statistinė ir grafinė duomenų analizėPenktas žingsnis: Modelio matematinės išraiškos užrašymasŠeštas žingsnis: Parametrų įverčių skaičiavimasSeptintas žingsnis: Modelio patikimumo tikrinimas



III etapas EKONOMETRINIS MODELIS Aštuntas žingsnis: Ekonominės problemos analizė naudojant apskaičiuotas modelio parametrų Įverčius ir kt. skaitines charakteristikasDevintas žingsnis: Ekonominių scenarijų kūrimas, prognozavimas.


4. Duomenys

Duomenų rūšys Duomenų grafinė analizė Duomenų statistinė analizė Išskirčių analizė Duomenų koreliacinė analizė Duomenų keitimas


Duomenų rūšys:Skerspiūvio (erdvės) duomenys

Skerspjūvio (erdvės) duomenys - tai informacija apie stebėjimo vienetų: įmonių, vartotojų, namų ūkių, regionų, miestų ir kt. būklę konkrečiu laiko momentu.

Žymėjimas pvz.:(yi, xij)Erdvės (skerspjūvio) duomenys

dažniau taikomi mikroekonominėje analizėje

Ni 1


Duomenų rūšys:Laiko eilučių duomenys Laiko eilučių duomenys - tai

informacija apie stebėjimo vieneto būklės kitimą laike.

Žymėjimas pvz.:(yt, xjt)

Dažniau taikoma makroekonominėje analizėje

Tt 1


Duomenų rūšys:Blokuoti (paneliniai) duomenys

Blokuoti (paneliniai) duomenys - tai informacija apie skerspjūvio stebėjimo vienetų būklės kitimą tam tikru laiko periodu

Žymėjimas pvz.; yi t

yvilnius, 2000 yvilnius, 2001 yvilnius, 2002 ... yvilnius, 2011

yKaunas, 2000 yKaunas, 2001 yKaunas, 2002 ... yKaunas, 2011

... ... ... ... ... yŠiauliai, 2000 yŠiauliai, 2001 yŠiauliai, 2002 ... yŠiauliai 2011

Tt 1 Ni 1

Yit =


Pavyzdys: (erdviniai duomenys)

Nr.Studento

ūgisMotinos

ūgis Tėvo ūgisVaikinas/

mergina1 156 165 177 m2 158 158 176 m3 161 160 175 m4 161 155 180 m5 162 158 168 m6 163 165 180 m7 164 167 172 m8 164 166 175 m9 164 160 175 m

10 164 170 192 m


Pavyzdys: (laiko eilučių duomenys) PVM mln.lt

Neto darbo užmokestis LT

2000K1 797,2 7292000K2 869,7 752,72000K3 860,1 747,62000K4 943,5 757,52001K1 832,2 7372001K2 826,1 753,52001K3 890,3 754,22001K4 995,7 766,42002K1 894,3 767,52002K2 970,4 795,12002K3 915,8 804,12002K4 1062,7 815,32003K1 893,5 820,22003K2 933,6 844,72003K3 950,7 851,92003K4 1057,8 873


Duomenų grafinė analizė

Grafinė analizė Pradinių duomenų linijinė diagrama Histogramos


Duomenų grafinė analizėLinijinė duomenų diagrama

Studentų ūgiai

100

120

140

160

180

200

220

0 20 40 60 80 100 120 140 160



150

160

170

180

190

200

210

220

0 20 40 60 80 100 120 140 160

Studento ūgis Motinos ūgos Tėvo ūgis

150

160

170

180

190

200

210

0 20 40 60 80 100 120 140 160

Motinos ūgos Tėvo ūgis



PVM mln.lt

500

700

900

1100

1300

1500

1700

1900

2100

2300

2500

0 5 10 15 20 25 30 35 40


Duomenų grafinė analizėStudentų ūgių histograma

Studentų ūgių histograma

05

10152025303540

160

165

169

174

178

183

187

192

196

201

205

More

Ūgi

ai


Duomenų grafinė analizėPVM histograma

PVM histograma

02468

101214161820

797,2

1093

,94

1390

,68

1687

,42

1984

,16Mor

e

Freq

uenc

y


Duomenų statistinė analizė

Vidurkis Moda Mediana Vidutinis kvadratinis nuokrypis Asimetrija Ekscesas


Aprašomosios statistikos rodikliaiStudento ūgis Studento ūgis

Motinos ūgis Tėvo Ūgis

Mean 175,61 166,75 180,97Standard Error 0,78 0,51 0,55Median 174,00 166,00 182,00Mode 172,00 168,00 182,00Standard Deviation 9,28 6,07 6,58Sample Variance 86,18 36,80 43,32Kurtosis 1,23 5,64 2,45Skewness 0,99 0,93 -0,72Range 50,00 53,00 45,00Maximum 210,00 200,00 195,00Sum 25112,00 23845,50 25878,00Count 143,00 143,00 143,00Confidence Level(95,0%) 1,53 1,00 1,09


Aprašomosios statistikos rodikliai PVM mln.lt

Neto darbo užmokestis LT

Mean 1264,21 1012,20Standard Error 79,48 52,01Median 1057,80 882,10Mode #N/A #N/AStandard Deviation 470,19 307,70Sample Variance 221078,70 94677,83Kurtosis -0,34 0,38Skewness 1,01 1,24Range 1483,70 1044,70Minimum 797,20 729,00Maximum 2280,90 1773,70Sum 44247,50 35427,00Count 35,00 35,00


Duomenų išskirčių analizė

Trijų vidutinių nuokrypių taisyklė


PavyzdysKoreliacijos koeficientai

Studento ūgis Motinos Ūgis Tėvo Ūgis

Studento ūgis 1,00

Motinos Ūgis 0,37 1,00

Tėvo Ūgis 0,07 0,34 1,00


Pradinių duomenų keitimas

Nominalūs / realūs duomenys Logaritmuoti duomenys Prieaugiai Augimo tempai Indeksai


Pradinių duomenų keitimas Nominalūs / realūs duomenys

Problema iškyla nagrinėjant laiko eilutes

Patartina naudoti realius duomenis. Dėl kainų poveikio tarp dviejų

nominalių kintamųjų gali atsirasti melaginga koreliacija

Problema – reikia turėti kainų indeksą.


Pradinių duomenų keitimas Logaritmuoti duomenys

Problema iškyla nagrinėjant neigiamus arba lygius 0 duomenis. Negalima tokių duomenų logaritmuoti


Pradinių duomenų keitimasPrieaugiai

Δyt =yt – yt-1 Tik laiko eilučių duomenys Iš pradinių duomenų išeliminuoja

kitimo tendenciją.


Pradinių duomenų keitimasAugimo tempai

Ayt = yt/yt-1

Reikšmės palyginimas su praėjusių laikotarpiu arba su praėjusių metų atitinkamų laikotarpiu

Išlieka kitimo kryptis

Problema: sumažėja stebėjimų skaičius


Skirtingų duomenų palyginimasPVM kitimo rodikliai

PVM mln.lt Ln (PVM) PrieaugiaiAugimo tempai

2000K1 797,2 6,681 2000K2 869,7 6,768 72,5 2000K3 860,1 6,757 -9,6 2000K4 943,5 6,85 83,4 2001K1 832,2 6,724 -111,3 1,04392001K2 826,1 6,717 -6,1 0,949872001K3 890,3 6,792 64,2 1,035112001K4 995,7 6,903 105,4 1,055332002K1 894,3 6,796 -101,4 1,074622002K2 970,4 6,878 76,1 1,174682002K3 915,8 6,82 -54,6 1,028642002K4 1062,7 6,969 146,9 1,067292003K1 893,5 6,795 -169,2 0,999112003K2 933,6 6,839 40,1 0,962082003K3 950,7 6,857 17,1 1,038112003K4 1057,8 6,964 107,1 0,99539


Skirtingų duomenų palyginimasVidutinis darbo užmokestis

Darbo užmokestisNominalūs duomenys

1000

1100

1200

1300

1400

1500

1 3 5 7 9 11 13 15 17 19 21 23

darbo užmokestis

Darbo užmokestisLogaritmuoti duomenys

5,0

6,0

7,08,0

9,0

10,0

2000

i

2000

III

2001

i

2001

III

2002

i

2002

III

2003

i

2003

III

2004

I

2004

III

2005

i

2005

III

Logaritmuotas du

Prieaugiai

-80,0-60,0-40,0-20,0

0,020,040,060,080,0

100,0

Prieaugiai

Augimo tempai

0,91,01,01,01,01,01,11,11,11,1

Augimo tempai

Documents

Ekonometrijos įvadinė paskaita