Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
(Gini-Koeffizient, Lorenz-Kurve)
Konzentrationsmaße (Gini-Koeffizient, Lorenz-Kurve) Konzentrationsmaße Kennwert für die wirtschaftliche Konzentration
2
Verteilung des Geldvermögens unter den einzelnen Bevölkerungsgruppen
Typische Beispiele: Verteilung des Geldvermögens unter den einzelnen Bevölkerungsgruppen Verteilung von Marktanteilen Aufteilung der landwirtschaftlichen Nutzflächen in einer Region
3
Ein Markt wird von 5 Unternehmen beliefert.
Die folgende Tabelle beschreibt die Aufteilung der Marktanteile:
4
Daraus ergeben sich die folgenden Werte
für die Punkte auf der Lorenz-Kurve:
5
Dazu die Lorenz-Kurve:
6
Berechnung des Gini-Koeffizienten
7
Landwirtschaftlich genutzte
Fläche einer Region
8
Dazu die Lorenz-Kurve:
9
Datenmatrix
10
der absoluten Häufigkeiten
Kontingenztafel der absoluten Häufigkeiten
11
der relativen Häufigkeiten
Kontingenztafel der relativen Häufigkeiten
12
Betriebe und hinterzogene Steuer
Kontingenztabelle X: Art des Betriebes 1 = Handelsbetriebe 2 = Freie Berufe (Leistungsbetriebe) 3 = Fertigungsbetriebe Y: Art der hinterzogenen Steuer 1 = Lohnsteuer 2 = Einkommenssteuer 3 = Umsatzsteuer 4 = Sonstige
13
Korrelationskoeffizient
nach Bravais-Pearson Eigenschaften X und Y unabhängig
14
X größer Y größer X größer Y kleiner
15
Positiver strikter Zusammenhang
Negativer strikter Zusammenhang
16
Korrelationskoeffizient bei verschiedenen Konstellationen
von Ausprägungen
17
Korrelationskoeffizient: 1.00
18
Korrelationskoeffizient: 0.52
19
Korrelationskoeffizient: 0.0.19
20
Korrelationskoeffizient: -0.62
21
Korrelationskoeffizient bei verschiedenen Konstellationen
von Ausprägungen
22
Mögliche Funktionenklassen
für die Regressionsrechnung
23
Lineare Funktionen Polynome Exponentialfunktionen (Exponentielles Wachstum; x ist die Zeit) Gompertz-Kurven Logistische Funktionen
24
Prinzip der kleinsten Quadrate (Kleinst-Quadrat-Schätzung)
Man sucht in der betrachteten Klasse diejenige Funktion f, so dass die Summe der Abweichungsquadrate minimiert wird: Bestimme f, so dass minimal !!
25
Aufgaben der Regressionsrechnung
1. Extrapolation Stellt man sich für den Moment x als die Zeit vor, so möchte man die beobachteten Werte auf die „Zukunft“ extrapolieren. Man erstellt eine „Prognose“. Dazu bedient man sich der gefundenen Funktion f, um für eine „Zeit“ x der „Zukunft“ den Wert y = f(x) zu schätzen.
26
2. Interpolation Man interessiert sich für den Wert von y = f(x)
für Zwischenwerte von x, d. h. für Werte x, die zwischen 2 beobachteten Werten liegen: Wieder bedient man sich der Funktion f, um eine Interpolation der Werte durchzuführen.
27
Lineare Regression Finde reelle Zahlen a und b,so dass der Wert von
minimal wird! Mit anderen Worten: Finde den „Punkt“ (a ,b), an dem die Funktion ihr Minimum annimmt!
28
Steigung der Regressionsgeraden
Schnitt der Regressionsgeraden mit der y-Achse bei
29
Bestimmtheitsmaß Maß für die Güte der Anpassung der
Daten an die Regressionsfunktion Dabei ist
30
In einem Kaufhauskonzern mit 10 Filialen
soll die Wirkung von Werbeausgaben auf die Umsatzsteigerung untersucht werden. Die Daten sind: X: Werbeausgaben in 1000 Euro Y: Umsatzsteigerung in Euro
31
Demonstrationsbeispiel
Lineare Regression Varianzen Mittelwerte Kovarianz
33
Steigung der Regressionsgeraden
Schnitt der Regressionsgeraden mit der y-Achse bei
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.