Ekonometrijos vadin paskaita 2017 02 05 VU EF
- Slides: 35
Ekonometrijos įvadinė paskaita 2017 -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. Ekonometrijos turinys Ekonometrijos 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 ¡ Vienos lygties modeliai: l l 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. ü Duomenys • Statistinis modelis ü Diagramos ü Matematinės lygtys, kintamieji, koeficientai ü Išvados apie modelio adekvatumą • Ekonometrinis modelis • Matematinis modelis, generuojantis ekonominiams sprendimams 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 įverčių skaitines reikšmes 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 stebimo reiškinio ar ūkinio 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 stebimų skerspjūvio 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 2015 30 Histograma 2016 35 27 30 25 25 15 12 Frequency 20 11 15 10 7 5 3 4 2 2 0 0 0 1 0 155 160 165 170 175 180 185 190 195 200 205 210 215 220 225 230 235 More 0 5 4 VU EF V. Karpuškienė 0 155 160 165 170 175 180 186 190 195 200 205 210 215 220 225 230 More 10 0 20 Intervalai
Duomenų statistinė analizė Vidurkis ¡ Moda ¡ Mediana ¡ Vidutinis kvadratinis nuokrypis ¡ Asimetrija ¡ Ekscesas ¡ VU EF V. Karpuškienė
Aprašomosios statistikos rodikliai SŪ (2015) Mean Standard Error Median Mode Standard Deviation Sample Variance Kurtosis Skewness Range Minimum Maximum Sum Count Largest(1) Smallest(1) VU EF V. Karpuškienė 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 SŪ (2016) 173, 77 1, 14 171, 00 169, 00 11, 31 127, 87 5, 91 1, 67 74, 00 150, 00 224, 00 17203, 00 99, 00 224, 00 150, 00
Duomenų išskirčių analizė Trijų standartinių 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 Pokyčiai (prieaugiai) Δyt =yt – yt-1 ¡ Tik laiko eilučių duomenys ¡ Iš pradinių duomenų išeliminuoja kitimo tendenciją. ¡ VU EF V. Karpuškienė
Pradinių duomenų keitimas Kitimo (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 GPM kitimo rodikliai Laikotar Kitimo pis EUR mln. Pokyčiai tempas Ln 1999 K 1 270, 6 1999 K 2 302, 3 31, 7 1999 K 3 276, 3 -26 1999 K 4 302, 1 25, 8 2000 K 1 246, 8 -55, 3 0, 912047 2000 K 2 298, 3 51, 5 0, 986768 2000 K 3 265, 6 -32, 7 0, 961274 2000 K 4 299, 9 34, 3 0, 992718 2001 K 1 244, 1 -55, 8 0, 98906 2001 K 2 300, 6 56, 5 1, 00771 2001 K 3 261, 7 -38, 9 0, 985316 2001 K 4 289, 6 27, 9 0, 965655 2002 K 1 254, 2 -35, 4 1, 041376 VU EF V. Karpuškienė (GPM) 5, 600642 5, 71142 5, 621487 5, 710758 5, 508578 5, 6981 5, 581991 5, 703449 5, 497578 5, 70578 5, 567199 5, 668501 5, 538121
Skirtingų duomenų palyginimas GPM mln. EUR VU EF V. Karpuškienė
- Unsw 2019 calendar
- Tattoo 2017
- Occ bulletin 2017-21
- Tfs 2017 process template
- Perpres 87 tahun 2017
- Voorbeeld loonstrook
- Visual communication design study design
- Acronis 2017 full
- Barry kauler
- Dr marwa kaisey
- Begin schooljaar 2017
- Cve-2017-12629
- Flacs checkpoint b spanish exam june 2016 answers
- Rooster examens 2017
- Lipman apush
- Pearson education 2017
- A chip of glass ruby memorandum
- Hirv vs kits
- Matura iz hrvatskog 2018
- Cfa bpp
- Tfe 2017
- Pearson education ltd 2017
- Lopoca
- E commerce 2017 business technology society
- Hs 2017
- Visual studio 2017 android emulator
- Adobe summit 2017
- Szinkretizmus fejlődéslélektan
- Nine compositional modes in digital media
- Iso 20400:2017
- Psle results 2017
- Kerala 2017
- Idf diabetes atlas
- Marketing online negocio 2017
- Nou 2017:12
- As90940