Ekonometrijos vadin paskaita 2015 02 05 VU EF

Ekonometrijos įvadinė paskaita 2015 -02 -05 VU EF V. Karpuškienė

Ekonometrikos įvadinė paskaita 1. Trumpa istorinė apžvalga 2. Ekonometrijos apibrėžimas ir turinys 3. Ekonometrinio modelio sudarymo etapai ir žingsniai. 4. Duomenys ekonometriniuose tyrimuose VU EF V. Karpuškienė

1 2. Ekonometrijos turinys Tikslas Ekonominiai sprendimai Naudojamos informacija 1. Ekonomikos teorijos žinios. 2. Ekonominiai duomenys VU EF V. Karpuškienė

2 2. Ekonometrijos turinys Ekonominė teorija Statistiniai duomenys } Ekonominiai sprendimai Ekonometrija - tai ekonominės analizės priemonė, kuri apjungia ekonominę teoriją ir statistinius duomenis. VU EF V. Karpuškienė

2. Ekonometrijos turinys ¡ 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. VU EF V. Karpuškienė

2. Ekonometrikos turinys VU EF V. Karpuškienė 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 VU EF V. Karpuškienė

Ekonometrinių modelių tipai Regresiniai modeliai ¡ Laiko eilučių modeliai ¡ Lygčių sistemos modeliai ¡ Ir kt. ¡ VU EF V. Karpuškienė

3 Regresinis modelis qd = f( p, pc, ps, i ) Paklausa p = prekės kaina; pc = papildadančių produktų kaina; ps =pakaitalų kaina; i =pajamos qs = f( p, ps, pf ) p =prekės kaina; ps =pakaitalo kaina; qd = f( p, pc, ps, i ) qs = f( p, ps, pf ) VU EF V. Karpuškienė Pasiūla pf = gamybos veiksnių kaina

3. Ekonometrinio modelio sudarymo etapai ¡ Ekonominis modelis ¡ Statistinis modelis ¡ Ekonometrinis modelis VU EF V. Karpuškienė

3. Ekonometrinio modelio etapai Ką gauname kiekviename etape • Ekonominis modelis ü Problemos formulavimas ir detalizavimas Duomenys • Statistinis modelis ü Grafikai ü Matematinės lygtys, kintamieji, koeficientai ü Išvados apie modelio adekvatumą • Ekonometrinis modelis • matematinis modelis, generuojantis ekonominių sprendimų priėmimui reikalingų rodiklių skaitines reikšmes VU EF V. Karpuškienė

3. Ekonometrinio modelio sudarymo etapai ir žingsniai I etapas: EKONOMINIS MODELIS Pirmas žingsnis: Ekonominės problemos formulavimas Antras žingsnis: Hipotezių apie veiksnių tarpusavio sąveiką iškėlimas Trečias žingsnis: Duomenų rinkimas VU EF V. Karpuškienė

3. Ekonometrinio modelio sudarymo etapai ir žingsniai II etapas: STATISTINIS MODELIS Ketvirtas žingsnis: Statistinė ir grafinė duomenų analizė Penktas žingsnis: Modelio matematinės išraiškos užrašymas Šeštas žingsnis: Parametrų įverčių skaičiavimas Septintas žingsnis: Modelio patikimumo tikrinimas VU EF V. Karpuškienė

3. Ekonometrinio modelio sudarymo etapai ir žingsniai III etapas EKONOMETRINIS MODELIS Aštuntas žingsnis: Ekonominės problemos analizė naudojant apskaičiuotas modelio parametrų Įverčius ir kt. skaitines charakteristikas Devintas žingsnis: Ekonominių scenarijų kūrimas, prognozavimas. VU EF V. Karpuškienė

4. Duomenys Duomenų rūšys ¡ Duomenų grafinė analizė ¡ Duomenų statistinė analizė ¡ Išskirčių analizė ¡ Duomenų koreliacinė analizė ¡ Duomenų keitimas ¡ VU EF V. Karpuškienė

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 ¡ VU EF V. Karpuškienė

Duomenų rūšys: Laiko eilučių duomenys ¡ Laiko eilučių duomenys - tai informacija apie stebėjimo vieneto būklės kitimą laike. ¡ Žymėjimas ¡ Dažniau taikoma makroekonominėje analizėje VU EF V. Karpuškienė pvz. : (Yt, Xjt)

Duomenų rūšys: Blokuoti (paneliniai) duomenys ¡ ¡ Blokuoti (paneliniai) duomenys - tai informacija apie skerspjūvio stebėjimo vienetų būklės kitimą tam tikru laiko periodu Žymėjimas pvz. ; yi t Yit = yvilnius, 2000 yvilnius, 2001 yvilnius, 2002. . . yvilnius, 2015 y. Kaunas, 2000 y. Kaunas, 2001 y. Kaunas, 2002. . . y. Kaunas, 2015. . . . yŠiauliai, 2000 yŠiauliai, 2001 yŠiauliai, 2002. . . yŠiauliai 2015 VU EF V. Karpuškienė

Pavyzdys: (skerspjūvio duomenys) Studento ūgis Nr. VU EF V. Karpuškienė Motinos ūgis Tėvo ūgis Vaikinas/ mergina 1 156 165 177 m 2 158 176 m 3 161 160 175 m 4 161 155 180 m 5 162 158 168 m 6 163 165 180 m 7 164 167 172 m 8 164 166 175 m 9 164 160 175 m 10 164 170 192 m

Pavyzdys: (laiko eilučių duomenys) Neto darbo užmokestis LT PVM mln. lt 2000 K 1 797, 2 729 2000 K 2 869, 7 752, 7 2000 K 3 860, 1 747, 6 2000 K 4 943, 5 757, 5 2001 K 1 832, 2 737 2001 K 2 826, 1 753, 5 2001 K 3 890, 3 754, 2 2001 K 4 995, 7 766, 4 2002 K 1 894, 3 767, 5 2002 K 2 970, 4 795, 1 2002 K 3 915, 8 804, 1 2002 K 4 1062, 7 815, 3 2003 K 1 893, 5 820, 2 2003 K 2 933, 6 844, 7 2003 K 3 950, 7 851, 9 2003 K 4 1057, 8 873 VU EF V. Karpuškienė

Duomenų grafinė analizė ¡ Grafinė analizė l l VU EF V. Karpuškienė Pradinių duomenų linijinė diagrama Histogramos

Duomenų grafinė analizė Linijinė duomenų diagrama VU EF V. Karpuškienė

Duomenų grafinė analizė Linijinė duomenų diagrama VU EF V. Karpuškienė

Duomenų grafinė analizė Studentų ūgių histograma Histograma 30 27 25 20 15 12 11 10 7 5 0 4 3 4 2 2 0 155 VU EF V. Karpuškienė 160 165 170 175 180 185 190 195 200 0 0 0 205 210 215 220 225 230 1 0 235 More

Duomenų statistinė analizė Vidurkis ¡ Moda ¡ Mediana ¡ Vidutinis kvadratinis nuokrypis ¡ Asimetrija ¡ Ekscesas ¡ VU EF V. Karpuškienė

Aprašomosios statistikos rodikliai Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) Confidence Level(95, 0%) VU EF V. Karpuškienė SŪ MŪ 173, 07 1, 34 170, 00 11, 36 129, 02 8, 50 2, 33 71, 00 160, 00 231, 00 12461, 00 72, 00 231, 00 160, 00 2, 67 TŪ 165, 94 0, 57 165, 00 4, 86 23, 57 0, 80 0, 54 27, 00 155, 00 182, 00 11948, 00 72, 00 182, 00 155, 00 1, 14 179, 04 0, 70 180, 00 5, 95 35, 36 6, 82 -1, 74 39, 00 150, 00 189, 00 12891, 00 72, 00 189, 00 150, 00 1, 40

Duomenų išskirčių analizė Trijų vidutinių nuokrypių taisyklė ¡ Kitos taisyklės ¡ VU EF V. Karpuškienė

Pavyzdys Koreliacijos koeficientai SŪ MŪ TŪ SŪ 1, 00 MŪ 0, 27 1, 00 TŪ -0, 34 0, 13 VU EF V. Karpuškienė 1, 00

Pradinių duomenų keitimas Nominalūs / realūs duomenys ¡ Logaritmuoti duomenys ¡ Pokyčiai ¡ Augimo tempai ¡ Indeksai ¡ VU EF V. Karpuškienė

Pradinių duomenų keitimas Nominalūs / realūs duomenys Problema iškyla nagrinėjant laiko eilutes ¡ Patartina naudoti realius duomenis. ¡ l l VU EF V. Karpuškienė 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 VU EF V. Karpuškienė

Pradinių duomenų keitimas Prieaugiai Δyt =yt – yt-1 ¡ Tik laiko eilučių duomenys ¡ Iš pradinių duomenų išeliminuoja kitimo tendenciją. ¡ VU EF V. Karpuškienė

Pradinių duomenų keitimas Augimo tempai ¡ Ay t = yt/yt-1 l Reikšmės palyginimas su praėjusių laikotarpiu arba su praėjusių metų atitinkamų laikotarpiu Išlieka kitimo kryptis l Problema: sumažėja stebėjimų skaičius l VU EF V. Karpuškienė

Skirtingų duomenų palyginimas PVM kitimo rodikliai PVM mln. lt Ln (PVM) Prieaugiai Augimo tempai 2000 K 1 797, 2 6, 681 2000 K 2 869, 7 6, 768 72, 5 2000 K 3 860, 1 6, 757 -9, 6 2000 K 4 943, 5 6, 85 83, 4 2001 K 1 832, 2 6, 724 -111, 3 1, 0439 2001 K 2 826, 1 6, 717 -6, 1 0, 94987 2001 K 3 890, 3 6, 792 64, 2 1, 03511 2001 K 4 995, 7 6, 903 105, 4 1, 05533 2002 K 1 894, 3 6, 796 -101, 4 1, 07462 2002 K 2 970, 4 6, 878 76, 1 1, 17468 2002 K 3 915, 8 6, 82 -54, 6 1, 02864 2002 K 4 1062, 7 6, 969 146, 9 1, 06729 893, 5 6, 795 -169, 2 0, 99911 VU EF 2003 K 1 V. Karpuškienė

Skirtingų duomenų palyginimas Vidutinis darbo užmokestis VU EF V. Karpuškienė