Ökonometrie I Variablenauswahl.

Slides:



Advertisements
Ähnliche Präsentationen
Datenbanken I (0,*) Produkt 3 Karczewski Datenbanken I.
Advertisements

Technische Informatik I
Tutorium
Tutorium
Tutorium
Tutorium
Tutorium Aufgabe 1 a) E(eIX)= 0 E(eIX)= E(Y-E(YIX)IX) = E(YIX)- E (E(YIX)IX) = E(YIX)- E(YIX) = 0 Im Mittel macht man mit seiner Schätzung keinen.
Tutorium Aufgabe 1 Informationen in Designmatrix in: - Darin sind die Prädiktoren enthalten - Aber sagt uns noch mehr! Untersuchungsdesign darin.
Unser sechstes Tutorium Materialien unter:
Eigenschaften der OLS-Schätzer
Einfache Regressionsgleichung
Probleme der Modellspezifikation
Kapitel 9 Analyse der Modellstruktur
Kapitel 15 Instrumentvariablen- Schätzung
Kapitel 7 Lineare Restriktionen
Informatik 1 Letzte Übung.
Statistik: Mehr zur Regression.
Kapitel 17 Dynamische Modelle: Konzepte
Kapitel 13 Zeitreihen und Zeitreihen-Modelle
Kapitel 15 Instrumentvariablen- Schätzung
Kapitel 12 Autokorrelation in den Residuen
Kapitel 10 Multikollinearität
Kapitel 9 Analyse der Modellstruktur Hackl, Einführung in die Ökonometrie 2 Rekursive OLS-Schätzung Spezifiziertes Modell: y = X + u y, u:
Kapitel 6 Variablenauswahl und Missspezifikation
Kapitel 2 Das klassische Regressionsmodell
Lineare Restriktionen
Ökonometrie II Multikollinearität.
Kapitel 18 Dynamische Modelle: Schätzen der Parameter
Ökonometrie I Analyse der Modellstruktur Ökonometrie I2 Rekursive OLS-Schätzung Spezifiziertes Modell: y = X + u y, u: n-Vektoren; X: Ordnung.
Analyse der Modellstruktur
Peter Hackl Sprechstunde: Fr, 10:30-11:30 Tel.:
Kapitel 1 Der Begriff „Ökonometrie“
Missspezifikation: Konsequenzen und Tests
Kapitel 5 Statistische Bewertung von Regressionsbezie-hungen
Kapitel 19 Kointegration
Kapitel 10 Multikollinearität
Kapitel 3 Lineare Regression: Schätzverfahren
Kapitel 21 Mehrgleichungs-Modelle: Schätzverfahren
Kapitel 16 Ökonometrische Modelle
Kapitel 20 Mehrgleichungs-Modelle: Konzepte
Kapitel 14 Trends und Unit-root-Tests
Kapitel 13 Zeitreihen und Zeitreihen-Modelle
Bewertung von Regressionsbeziehungen
OLS-Schätzer und seine Eigenschaften
Kapitel 11 Heteroskedastizität
Einfache und multiple Regression
Prognose und Prognosequalität
Ökonometrie I Peter Hackl Sprechstunde: Fr, 10:45-11:45 Tel.: Fr, 9:00-10:30.
Annahmen des lineare Regressionsmodells
Kapitel 4 Annahmen des linearen Regressionsmodells
Kapitel 8 Prognose und Prognosequalität
Ökonometrie I Modellvergleich (Übersicht) Ökonometrie I2 Vergleich von Modellen Fragestellungen für Modellvergleich 1.Fehlende Regressoren.
Kapitel 18 Dynamische Modelle: Schätzen der Parameter.
Kapitel 20 Mehrgleichungs- Modelle: Konzepte
Kapitel 21 Mehrgleichungs- Modelle: Schätzverfahren.
STATISIK LV Nr.: 0021 WS 2005/ November 2005.
Kapitel 9 Analyse der Modellstruktur
Das betriebliche Rechnungswesen und der Jahresabschluss
Kapitel 11 Heteroskedastizität
Präsentation Pflichtenheft Meta Resource Management System (MRMS)
Wahlpflicht I INFORMATIK 7. bis 10. Klasse 2010/2011 Informatik WP I.
Kapitel 14 Trends und Unit-root-Tests
Kapitel 12 Autokorrelation
1 STATISIK LV Nr.: 0021 WS 2005/ November 2005.

Die Lurchis. Unser Gruppenleiter Die Gruppe Die Kirche.
Leere Menge, Teilmenge, N, Z
STATISIK LV Nr.: 1852 WS 2005/ Jänner 2006.
Außenhandelsbeziehungen zwischen China, USA, EU Makroökonometrie Vorlesung Dr. Oliver Bode.
12 Das lineare Regressionsmodell
 Präsentation transkript:

Ökonometrie I Variablenauswahl

Einkommen und Konsum PCR: Privater Konsum, real, in Mrd.EUR 200 400 600 800 1000 500 700 900 1100 PYR PCR PCR vs. PYR PCR: Privater Konsum, real, in Mrd.EUR PYR: Verfügbares Einkom- men der Haushalte, real 1970:1-2002:4 Basis: 1995 Quelle: AWM-Datenbasis 19.11.2004 Ökonometrie I

Konsumfunktion mit Trend AWM-Datenbasis C: Privater Konsum, Zuwachsraten (PCR) Y: Verfügbares Einkommen der Haushalte, Zuwachsraten (PYR) Erweiterung des Modells um Trend Tt = t/1000 C = a + b Y + g T + u liefert 19.11.2004 Ökonometrie I

Vergleich der Schätzer für b OLS-Schätzer für b von C = a + b Y + u OLS-Schätzer für b von C = a + b Y + g T + u bcy.t und bcy stimmen nur überein, wenn ryt=0 19.11.2004 Ökonometrie I

Der allgemeine Fall OLS-Schätzer für b2 von Y = b1 + b2 X2 + u bzw. von Y = b1 + b2 X2 + b3 X3 + u zeigt, wie by2 zu korrigieren ist, wenn X3 im Modell enthalten Unkorrelierte oder orthogonale Regressoren (r23=0, b23=0): by2.3=by2 Beliebige, nicht orthogonale Regressoren: by2.3 kann größer oder kleiner als by2 sein 19.11.2004 Ökonometrie I

Multiple Regression Vergleich der Modelle Y = Xb + u (A) Y = Xb + Zg + v (B) OLS-Schätzer b für b aus (A): OLS-Schätzer für b aus (B) kann auf zwei Arten geschrieben werden: mit Mz = I-Z(Z‘Z)-1Z‘ 19.11.2004 Ökonometrie I

Interpretation des Schätzers Darstellung (1) zeigt Korrektur von b für Berücksichtigung von Z Darstellung (2): mit den Residuen können wir schreiben Den Schätzer erhalten wir also auch durch OLS-Anpassung von 19.11.2004 Ökonometrie I

Interpretation von , Forts. gibt den Effekt einer Änderung der Regressoren aus X an, nachdem der Effekt der Regressoren aus Z berücksichtigt wurde Partielle Regressionskoeffizienten: Z enthalte alle Regressoren außer die Variable X (gilt für jedes X); repräsentiert den Effekt von X auf Y, nachdem die Information aus X über Y, die in den Zi enthalten ist, bereits berücksichtigt wurde mit kommt nur mehr die nicht schon in den Zi enthaltene Information zum Tragen; wir nennen die Regressionskoeffizienten einer multiplen Regression auch partielle Regressionskoeffizienten 19.11.2004 Ökonometrie I

Konsumfunktion mit Trend, Forts. Residuen von C = a + b T + u: Analog: Regression von Konsum-Residuen auf Einkommens-Residuen: Vergleiche: 19.11.2004 Ökonometrie I

Frisch-Waugh-Theorem Werden alle Regressoren hinsichtlich einer Variablen durch OLS-Anpassung adjustiert und in der Regression die Regressoren durch die so erhaltenen Residuen ersetzt, so ergeben sich die gleichen Schätzer wie im Modell, das die nicht-adjustierten Variablen und zusätzlich die adjustierende Variable enthält. Beispiel: Behandlung eines Trends Elimination des Trends aus abhängiger Variabler und aus Regressoren; Modellierung mit adjustierten Variablen Berücksichtigung eines Trends im Modell gibt die gleichen Schätzer 19.11.2004 Ökonometrie I

Zwei Fälle von Missspezifikation Ein relevanter Regressor bleibt im Modell unberücksichtigt Ein nicht relevanter Regressor wird in das Modell aufgenommen Untersuchung mittels der Modelle (A) und (B): Fall 1: Modell (B) ist korrekt, wir spezifizieren fälschlich Modell (A); welche Eigenschaften hat der Schätzer b? Fall 2: Modell (A) ist korrekt, wir spezifizieren fälschlich Modell (B); welche Eigenschaften hat der Schätzer ? 19.11.2004 Ökonometrie I

Eigenschaften von b und b=(X‘X)-1X‘y ist bester, erwartungstreuer Schätzer für b aus Modell (A) Var(b) = s2(X‘X)-1 Gilt Modell (B), so ergibt sich Man kann zeigen 19.11.2004 Ökonometrie I

Eigenschaften von b im Fall (1) Relevante Regressoren nicht berücksichtigt b ist verzerrt: Das Vorzeichen des Bias ist schwer abzuschätzen Die Varianz der Störgrößen wird überschätzt 19.11.2004 Ökonometrie I

Konsumfunktion mit Trend, Forts. Das Modell lässt den Regressor T unberücksichtigt Bias des Vektors der Schätzer (a,b)': (X‘X)-1X‘tg Wir erhalten für b 19.11.2004 Ökonometrie I

Eigenschaften von im Fall (2) Nicht relevante Regressoren werden berücksichtigt ist unverzerrt Zu große Varianzen keine effizienten Schätzer 19.11.2004 Ökonometrie I