Økonometri 1: Introduktionsforelæsning
Økonometri 1 – Efterår 2004
Forelæser: Mette Ejrnæs
Lektor ved Økonomisk Institut Kontor på Bispetorvet, 3. sal.
Hjemmeside: www.econ.ku.dk/metrics/okonometri1
Økonometri 1: Introduktionsforelæsning
Dagens program:
Indkredse begrebet ”økonometri”: Udgangspunkt i nogle eksempler.
Afgrænse faget Økonometri 1 i den nye struktur for økonometrifagene på bachelor- og kandidatdelen.
Fagets struktur: Forelæsningerne og lærebogen: Wooldridge,
Introductory Econometrics. Øvelserne Eksamen
Målsætning for faget.
Økonometri 1: Introduktionsforelæsning
Begrebet ”økonometri”
Anvende statistiske metoder på økonomiske data … men mere end det: Example 1.3 og 1.4 i Wooldridge. Data fremkommer oftest ved passiv observation, ikke
ved aktiv eksperimentering. Økonomisk teori spiller en helt central rolle i at forstå og
fortolke data.
Ex. 12 års skolepligt: Er det (økonomisk set) en god ide?
Økonometri 1: Introduktionsforelæsning
Passiv observation: Afkast af uddannelse
Vi ønsker at opnå et skøn over afkastet af uddannelse. Vi ser på effekten af
længden af uddannelse, , på lønnen, , for et antal personer,
indekseret ved 1,..., .
OBSERVERBARE faktorer som køn, alde
i ix y
i n
r, antal års erfaring på arbejdsmarkedet, mv.kan vi relativt let kontrollere for (forudsat at de indgår i de data, vi har til rådighed for undersøgelsen).
Men UOBSERVERBARE faktorer har også betydning for lønnen, fx evner ("ability")
som dårligt kan observeres. Økonomisk argument for at visse uobserverbare
faktorer varierer med fx længden af den valgte uddannelse.
Økonomisk ar
sys
gum
tematisk
ent: Personer med gode "evner" vælger lang uddannelse, men de
samme personer vil også udnytte deres "evner" til at få en høj løn uanset uddannelse.
Økonometriske overvejelser ved måling af afkastet af uddannelse.
Økonometri 1: Introduktionsforelæsning
Eksperiment: Udbyttet af sojabønner
Vi ønsker at opnå et skøn over effekten af at anvende en bestemt mængde
kunstgødning, , på udbyttet af sojabønner, .
Data fra et antal marker, indekseret ved 1,..., .
Alle marker har størrelsen 1
i ix y
i n
n ha. Kontrollerer for OBSERVERBARE faktorer
fx mængden af regn og sol på den enkelte mark.
UOBSERVERBARE faktorer kan man ikke kontrollere fuldstændigt for:
Fx "jordkvalitet" og små variationer i den faktiske størrelse af marken.
Alligevel kan effekten af kunstgødning måles. Man sørger for, at de
uobserverbare faktorer IKKE varierer SYSTEMATISK med mængden
af kunstgødning. Det sker ved at randomisere
Forskellige værdier af fordeles tilfældi
eksperi
gt ove
men
r m
tet:
ar
kerne.ix
Økonometri 1: Introduktionsforelæsning
Hovedtyper af økonomiske data
iTværsnitsdata: y , i 1,...,n
it
t
Paneldata: y , i 1,..., 1,...,
Tidsrækkedata: y , 1,...,
n t T
t T
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata I: Engelkurver
Hvor stor en budgetandel anvendes på mad? Der findes en række bidrag om Engelkurven:
Deaton & Muellbauer (1980): ”Economics and consumer behavior”
Banks, Blundell & Lewbel (1997): ”Quadratic Engel Curves and Consumer Demand”
Undersøger hvordan budgetandelene for forskellige varegrupper (f.eks. mad) afhænger af indkomstniveauet
Teorien er gennemgået i Varian ”Intermediate Microeconomics”
De empiriske analyser udføres på husholdningsdata Hver husholdning fører dagbog over deres udgifter
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata I: Engelkurver (fortsat)
Estimationen af Engelkurver er baseret på en regressionsmodel:
hvor wi er budgetandelen for f.eks. mad og xi er det samlede forbrug
Modellen kan udvides til ”Quadratic Engel kurve” (se Banks, Blundell og Lewbel). Regressionsmodellen bliver så
Ideen med at udvide modellen er, at dette ofte passer bedre overens med data
0 1 log 1,.., ,i i iw x i n
2
0 1 2log log 1,.., ,i i i iw x x i n
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata I: Engelkurver (fortsat)
Den estimerede Engelkurve for canadiske par:
De canadiske husholdningsdata vil blive brugt til øvelserne
Udvidelser som dækkes af Økonometri 1: Funktionel form Flere forklarende variable:
Dummy-variable Målefejl: Instrument variabel
estimation Udvidelser som dækkes på
kandidatdelen Semi-parametrisk estimation
bu
dg
eta
nd
el p
å m
ad
Engelkurve for Mad for canadiske parlog Samlede udgifter
3 4 5 6
0
.2
.4
.6
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata II: Et tværsnit af lande
Hvad forklarer store (og vedvarende) forskelle mellem indkomstniveauer mellem lande?
7.00 7.25 7.50 7.75 8.00 8.25 8.50 8.75 9.00 9.25 9.50 9.75 10.00 10.25 10.50
6.5
7.0
7.5
8.0
8.5
9.0
DK
USA
Niger
Bangladesh
Produktion pr. arbejder (log)
Produktivitet (log)
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata II: Et tværsnit af lande (fortsat)
Hall og Jones (1999): I 1988 var produktionen pr. arbejder i USA 35 gange højere end i Niger.
Økonomisk ramme: Solow-modellen (makrokurset!). Produktion pr. arbejder er en funktion af kapitalapparatets størrelse (fysisk og human kapital) og produktiviteten (”Solow-residualet”).
Hall og Jones: ”Social infrastruktur”: Samfundsinstitutioner fastlægger ydre rammer for økonomiske agenters dispositioner (produktion, uddannelse, investering): ”Lov og orden”, beskyttelse af ejendomsretten, korruption, …
Hvordan får vi estimeret parametrene i Solow-modellen? Hvordan tager vi højde for et ikke særligt veldefineret begreb
som ”social infrastruktur”, som kan være af betydning for indkomstniveauet?
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata II: Et tværsnit af lande (fortsat)
Nationalregnskabsmål for Produktion (BNP i faste priser) Arbejdskraft (personer/timer) Fysisk kapital
Mål for indsatsen af humankapital (?) Hvordan kan vi måle ”social infrastruktur”? Sammenlignelige data for et (stort) antal lande. Penn World Tables er hovedkilde til
landetværsnitsdata. Hall og Jones analyserer data for 127 lande.
Økonometri 1: Introduktionsforelæsning
Tværsnitsdata: Metoder
Den lineære regressionsmodel (OLS) er arbejdshesten.
Udvidelser som dækkes af Økonometri 1: Lande er heterogene fx størrelse og udviklingsniveau:
Generaliseret lineær regression (GLS) kan tage højde fx for forskelle i præcisionen af målinger indkomstniveau.
Korrelation mellem uobserverbare faktorer (produktivitet) og observerede forklarende variabler (kapitalapparat): Instrumentvariabel metoder (IV).
Antager at de enkelte ”individer” er uafhængige.
Økonometri 1: Introduktionsforelæsning
Paneldata: Oplysninger om samme enhed/individ observeret over flere tidsperioder
Paneler: Mikropaneler: Typisk stort antal enheder (n), relativt få
tidsperioder (T): IDA: Registerbaserede danske tal, hvor årlige oplysninger om ansatte
og virksomheder knyttes sammen (n=500.000+,T=20). PSID: U.S. spørgeskemabaserede data for arbejdsmarkeds- og
forbrugsrelaterede oplysninger (n=2000,T=15+). Makropaneler: Typisk et ”moderat” antal enheder (n), relativt
mange tidsperioder (T). Penn World Tables giver faktisk et panel af lande (n=150+) med helt
op til 50 års oplysninger på visse variabler.
Ny datastruktur: Observationer er afhængige over tid (men ikke over tværsnittet).
Økonometri 1: Introduktionsforelæsning
Tidsrækkedata
For makrodata eller finansielle data finder man lange rækker af observationer og ofte høj grad af afhængighed over tid: Årlige, kvartalsvise, månedlige observationer af fx af forbrugerpriser,
pengemængde og BNP.
Ex. Fra MONA databanken
Nationalbankens makromodel Logaritmen af realt BNP og
privat forbrug i Danmark fra 1971 til
2001 Forbrugskvoten
Emner for Økonometri 2 og
kandidatstudiet
1970 1975 1980 1985 1990 1995 2000
6.00
6.25
6.50
6.75
7.00 LFY LFCP
1970 1975 1980 1985 1990 1995 2000
0.85
0.90
0.95
1.00 FORBKV
Økonometri 1: Introduktionsforelæsning
Hovedtyper af økonomiske data
i
it
Tværsnitsdata: y , i 1,...,
Paneldata: y , i 1,..., 1,...,
n
n t T
tTidsrækkedata: y , 1,...,t T
Økonometri 1
Økonometri 2
Økonometri 1: Introduktionsforelæsning
Fagets struktur
Forelæsninger Øvelser Eksamen
Ingredienser i den samlede ”cocktail”:
Økonometri 1
Økonometri 1: Introduktionsforelæsning
Økonometriske metoder
Økonomiskteori
Statistisk Data
Økonometriskemetoder
Estimations-resultater
Økonometri 1: Introduktionsforelæsning
Økonometriske metoder (fortsat)
Økonomisk teori på Økonometri 1
Kendt økonomisk teori, men suppleret med nye eksempler: Mikroøkonomi
Engelkurven
Makroøkonomi Indkomst- og produktivitetsforskelle mellem lande
Prismodeller Prisen på huse (se eksamensopgave, sommer 2003)
Arbejdsmarkedsøkonomi Lønrelation: Afkast af uddannelse
Økonometri 1: Introduktionsforelæsning
Økonometriske metoder (fortsat)
Data (på Økonometri 1) Økonomiske data Model: Lineære regressionsmodel Simpel datastruktur: Uafhængige observationer Paneldata: Afhængige observationer Hovedsageligt ikke-kontrollerede data (passiv
observation) Ofte indsamlet for andet formål → Stiller krav til de økonometriske metoder Data må ofte bearbejdes fx transformeres så den estimerede
model bliver umiddelbart økonomisk fortolkelig. Ofte må man kombinere data fra flere forskellige kilder.
Økonometri 1: Introduktionsforelæsning
Økonometriske metoder (fortsat)
Statistik Økonometriske metoder bygger videre på
Teoretisk statistik: Lineære regressionsmodel Hypoteseprøvning Testteori Regressionsmodellen fremstillet på matrixform Generel viden om statistiske begreber
Økonometri 1: Introduktionsforelæsning
Økonometriske metoder (fortsat)
Nyt i forhold til Teoretisk statistisk Tæt kobling mellem økonomisk teori og statistisk
metode Heterogenitet Generaliseret lineær regression (GLS) Specifikationsovervejelser Instrument variabel metode (IV) Paneldata
Økonometri 1: Introduktionsforelæsning
Forelæsninger
Plan: se Fagets hjemmeside. Følger stort set bogen, suppleret med appendices og enkelte forelæsningsnoter.
I forhold til bogen: Supplere med: Matrixfremstilling Simulationseksperimenter Eksempler med danske data
Forelæsninger hver onsdag og hver anden fredag (+ to ekstra tirsdage).
Slides til onsdagsforelæsning bør ligge klar tirsdag kl. 14, til fredagsforelæsning torsdag kl. 14.
Veksler mellem slides og tavlegennemgang.
Økonometri 1: Introduktionsforelæsning
Øvelserne
Vekselvirkning mellem dataarbejde, gruppediskussioner og opsamlinger i plenum: Se beskrivelsen på hjemmesiden for øvelserne.
I øvelserne vil vi arbejde med: 3 konkrete datasæt SAS estimationsprogrammer, både grydeklare PROCs og egne
rutiner i IML (nogle gange både-og) Simulationsprogrammer i IML Teoriopgaver (matrixregning, statistik) Skriftlige opsamlinger/konklusioner på gruppebasis.
NB: Relevant eksamensforberedelse!
Økonometri 1: Introduktionsforelæsning
Eksamen i Økonometri 1
Individuel tag-hjem eksamen Fra fredag den 20. januar kl. 15.00 til mandag den 23.
januar kl. 10.00. Med udgangspunkt i
En given problemstilling, fx fra et uddrag af en artikel Givne (men individualiserede) datasæt
besvares en række mere eller mindre åbne spørgsmål. Besvarelsen skal fremstå som en samlet rapport til
belysning af den rejste problemstilling: En økonometrisk analyse.
Økonometri 1: Introduktionsforelæsning
Eksamensopgaven sommeren 2003
Værdisætning af skov: Estimere værdien af en (bynær) skov ud fra den effekt, beliggenheden har på prisen på huse tæt på skoven.
Bilag om værdisætningsmetoden (uddrag af DØRS rapport), fastsættelse af offentlig ejendomsvurdering (to bilag fra Told&Skat).
Kontrollere for husets størrelse, alder, toilet- og badforhold, byggematerialer og geografisk område (Esbjerg, Haslev, Allerød, Hillerød).
Individualiserede datasæt: 1150 huse. Metoder: OLS, GLS (forskellig varians i forskellige
geografiske områder), IV (huse der bygges tæt på skoven har måske generelt en højere uobserverbar ”kvalitet”).
Økonometri 1: Introduktionsforelæsning
Eksamensopgaven sommeren 2003
Opbygning: Databeskrivelse Analyse
Estimation af alt-andet-lige effekt af skovnærhed på huspriser: Statistisk signifikant estimat af elasticitet af huspris med hensyn til afstand til skov: 0.04.
Værdifastsætter Esbjerg Plantage til ca. 30-40 mio. kr. Undersøge og diskutere om forudsætningerne for analysen
holder i praksis Teoretisk opgave i tilknytning til analysen Praktisk opgave: Tager den offentlige ejendomsvurdering
højde for værdien af skovnærhed? Konklusion på analysen
Økonometri 1: Introduktionsforelæsning
Målsætning for Økonometri 1
Værdsætte betydning af relevante og pålidelige data. Forstå en række af de problemstillinger, der knytter sig til
passivt observerede data, der fremkommer som resultat af økonomiske agenters valg.
Kunne implementere løsninger på disse problemstillinger indenfor en relativt simpel, men alligevel anvendelig ramme: Modeller for uafhængige data eller panel.
Indse styrken af en empirisk analyse, hvor økonomisk teori, data og statistiske metoder går op i en højere enhed.
Økonometri 1: Introduktionsforelæsning
Hvad bliver det næste?
Forelæsningsplan på hjemmesiden. Næste forelæsning: fredag den 9. september:
Wooldridge kap. 2.1-2.4. Øvelserne: Begynder i næste uge (mandag eller
onsdag). Ugeseddel 1 ligger på hjemmesiden. Forberedelse til øvelserne
Læs ugeseddel 1 og medbring den til øvelserne Læs Varian ”Intermediate Microeconomics” kap. 6.1-6.3. Medbring ”Elementær indføring i SAS” og ”Statistik med SAS”