Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
|
|
- Ευρώπη Γιάνναρης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Οι παραβιάσεις των σημαντικότερων υποθέσεων των γραμμικών υποδειγμάτων (B) ΔΙΑΛΕΞΗ 07 Μαρί-Νοέλ Ντυκέν, Μαρία Τσιάπα
2 Παραβιάσεις Κλασικών Υποθέσεων Υποθέσεις Πολυσυγγραμμικότητα (Multicollinearity) Ετεροσκεδαστικότητα (Heteroskedasticity) Αυτοσυσχέτιση (Autocorrelation) Διαγνωστικό TOL, VIF Scatterplot Zpred, Zresid Έλεγχος του WHITE Durbin-Watson, κ.ά Αν όλες οι κλασικές υποθέσεις της γραμμικής παλινδρόμησης επιβεβαιώνονται, οι εκτιμητές των ελάχιστων τετραγώνων είναι άριστες γραμμικές αμερόληπτες εκτιμητές (θεώρημα Gauss- Markov). Σε αυτή την περίπτωση: q τα κατάλοιπα ε είναι ανεξάρτητα από τις ερμηνευτικές μεταβλητές και ακολουθούν Κανονική κατανομή Ν(0, σ 2 ), δηλαδή είναι ισόνομα κατανεμημένα γύρω από την μέση τιμή τους (=0). q Επιπλέον, η συμπερασματολογία (βασισμένη στους ελέγχους t και F) ισχύει, δηλαδή μπορούμε να χρησιμοποιούμε τα στατιστικά t και F για να αξιολογήσουμε το μοντέλο. 2
3 Ορισμός της αυτοσυσχέτισης 3
4 Μια πρώτη προσέγγιση Βασική υπόθεση της ΜΕΤ: Cov(ε t, ε t-s ) = Cov(ε t, ε t+s ) = 0: η συνδιακύμανση των διαδοχικών τιμών του διαταρακτικού όρου πρέπει να είναι μηδέν. Όταν η υπόθεση αυτή δεν επιβεβαιώνεται, τότε : q Ο διαταρακτικός όρος μιας παρατήρησης συσχετίζεται με το διαταρακτικό όρο μιας άλλης παρατήρησης και επομένως, η διακύμανση του διαταρακτικού όρου δεν είναι σταθερή. q Οι διαταρακτικοί όροι (κατάλοιπα) παρουσιάζουν σειριακή συσχέτιση [serial correlation] δηλαδή αυτοσυσχέτιση [autocorrelation]: οι διαδοχικές τιμές του διαταρακτικού όρου συσχετίζονται μεταξύ τους. Πρόκειται για συχνό φαινόμενο της παλινδρόμησης με δεδομένα χρονολογικών σειρών. 4
5 Μια πρώτη προσέγγιση Γιατί το πρόβλημα εμφανίζεται κυρίως με χρονολογικές σειρές; Όταν το μοντέλο βασίζεται σε διαστρωματικές παρατηρήσεις και ειδικά όταν ο αριθμός παρατηρήσεων είναι μεγάλος, μπορούμε να υποθέσουμε ότι τα δεδομένα μας προκύπτουν από τυχαία (ή σχεδόν τυχαία) δειγματοληψία. q Υπό αυτήν την προϋπόθεση (τυχαία δειγματοληψία), το κατάλοιπο ε i είναι ανεξάρτητο από οποιοδήποτε άλλο κατάλοιπο ε j ( i j). q Επίσης, υπό αυτήν την προϋπόθεση, μπορούμε να θεωρήσουμε ότι τα κατάλοιπα για διαφορετικές παρατηρήσεις είναι ανεξάρτητα δεσμευμένα ως προς τις τιμές των ερμηνευτικών δεδομένων. Στην περίπτωση χρονολογικών σειρών, είναι πολύ πιθανόν η τυχαία δειγματοληψία να μην ισχύει: η σημερινή κατάσταση επηρεάζεται από το παρελθόν. 5
6 Συνέπειες της αυτοσυσχέτισης q q Η αυτοσυσχέτιση μπορεί να οδηγήσει σε υποεκτίμηση της διακύμανσης του διαταρακτικού όρου υποεκτίμηση του σ ε2 è υπερεκτίμηση του R 2 καιτουf R 2 = ATP SAT = 1- ATK SAT = 1-2 s e 2 s U H αυτοσυσχέτιση οδηγεί επίσης να οδηγήσει στην υποεκτίμηση της διακύμανσης των συντελεστών b i του υποδείγματος t bˆ b sˆ è η υποεκτίμηση του οδηγεί κατά λάθος σε μεγάλη τιμή του b sˆb t-student και πιθανόν να δεχόμαστε ότι ο συντελεστής b 0, ενώ στην πραγματικότητα δεν είναι στατιστικά σημαντικός. ˆ = è οι συντελεστές είναι αμερόληπτοι αλλά όχι BLUE 6
7 Μορφές αυτοσυσχέτισης q Αυτοσυσχέτιση πρώτου βαθμού AR(1) Y t =a o +a 1.X t +ε t ε t =ρ.ε t-1 +ν t -1 ρ +1 ν t :τυχαία μεταβλητή με Ε[ν t ]=0καιVar[ν t ]=σ 2 ανρ =0èδεν υπάρχει αυτοσυσχέτιση q Αυτοσυσχέτιση δευτέρου βαθμού AR(2) ε t =ρ 1.ε t-1 +ρ 2.ε t-2 +ν t -1 ρ 1 +1 και-1 ρ 2 +1 q Αυτοσυσχέτιση ανώτερου βαθμού AR(p) ε t =ρ 1.ε t-1 +ρ 2.ε t-2 +.+ρ p.ε t-p +ν t -1 ρ i +1, i= 1,.p q Υπάρχουν άλλες στοχαστικές που ενδέχεται να ακολουθούν τις τιμές του διαταρακτικού όρου: η διαδικασία του κινητού μέσου (ΜΑ) ή ακόμα ο συνδυασμός (AR) και (ΜΑ): ARΜΑ 7
8 Αιτίες της Αυτοσυσχέτισης q q q q Παράλειψη σημαντικών μεταβλητών στο υπόδειγμα Μη ορθή μαθηματική εξειδίκευση του υποδείγματος Προβλήματα μέτρησης της Υ ή/και των ερμηνευτικών μεταβλητών (κακή αξιοπιστία των δεδομένων) Χρονικές υστερήσεις στα φαινόμενα που εξετάζονται (π.χ. η ανεργία στο χρόνο t εξαρτάται από τον ρυθμό ανάπτυξης στο χρόνο t αλλά και στο t-1 και ίσως στο t-2 κ.ά.): επίδραση ορισμένων μεταβλητών σε περισσότερες από μια χρονικές περιόδους. 8
9 Διαπίστωση της αυτοσυσχέτισης 9
10 Έλεγχος αυτοσυσχέτισης πρώτου βαθμού q Έλεγχος των Durbin-Watson (1950, 1951): η περισσότερη διαδεδομένη διαδικασία q Έλεγχος t για σειριακή συσχέτιση (ρ=0 ή ρ 0): = + q Εναλλακτικός έλεγχος του Durbin 10
11 Έλεγχος του Durbin-Watson (d) q Με αυτοσυσχέτιση πρώτου βαθμού έχουμε: Y t =b o +b 1 X t1 + +b k X tk +ε t ε t =ρ.ε t-1 +ν t -1 ρ +1 q Υποθέσεις: Η 0 :ρ=0 Η 1 :ρ 0èCov(ε t,ε t+s ) 0 q Υπολογίζουμε με την MET, τα κατάλοιπα του αρχικού μας μοντέλου και με βάση τα αποτελέσματα αυτά, υπολογίζουμε την στατιστική d: d T å t t= 2 = T ( ˆ e -ˆ e å t= 2 ˆ e 2 t t-1 ) 2 q H στατιστική d του Durbin-Watson: d = 2 2ρ όπου 0 d 4 Όταν δεν υπάρχει αυτοσυσχέτιση: ρ = 0 è d = 2 Με πλήρη θετική αυτοσυσχέτιση: ρ = +1 è d= 0 Με πλήρη αρνητική αυτοσυσχέτιση: ρ = -1 è d=4 Το SPSS υπολογίζει την στατιστική d! 11
12 1. Έλεγχος του Durbin-Watson (d) q Η κατανομή της στατιστικής d δεν είναι ακριβής, εξαρτάται από την ακολουθία τόσο των καταλοίπων όσο και των ερμηνευτικών μεταβλητών. Όμως οι Durbin-Watson έδειξαν ότι η κατανομή της στατιστικής d κυμαίνεται μεταξύ δύο άλλων τιμών: d L (κατώτερο όρο) και d U (ανώτερο όρο). q Οι τιμές αυτές δίνονται από το Πίνακα του Durbin-Watson (σε έντυπη μορφή!) è Βλέπε διάγραμμα 12
13 Κριτική περιοχή του D-W: d = 2 2ρ Υποθέσεις: Ηο : ρ = 0 è d = 2 è δεν υπάρχει αυτοσυσχέτιση Η1: ρ 0 ρ > 0, d < 2 è θετική αυτοσυσχέτιση ρ < 0, d > 2 è αρνητική αυτοσυσχέτιση ρ = +1 ρ = 0 ρ = -1 d = 0 d L d U d = 2 4-d U 4-d L d = +4 Θετική αυτοσυσχέτιση Αβέβαιη περιοχή Υπόθεση Ηο δεκτή Αβέβαιη περιοχή Αρνητική αυτοσυσχέτιση 13
14 Πίνακας Durbin Watson α = 5% k = αριθμός ερμηνευτικών μεταβλητών 14
15 Πίνακας Durbin Watson α = 1% k = αριθμός ερμηνευτικών μεταβλητών 15
16 Χρήση του Πίνακα Durbin-Watson (d) Έστω ένα υπόδειγμα που αφορά 30 έτη (Τ=30) το οποίο περιλαμβάνει 6 ερμηνευτικές μεταβλητές. Αν ο αριθμός συντελεστών k = 7 (6 + σταθερός συντελεστής), στο πίνακα χρησιμοποιούμε k = 6 Για σφάλμα α = 5% (πρώτο πίνακα), οι τιμές του κατώτερου d L και ανώτερου ορίου d U δίνονται από: τη γραμμή t=30, και τις στήλες που αντιστοιχούν στο k = 6 Επομένως: d L (κατώτερο όρο) = 0,998 d U (ανώτερο όρο) = 1,931 è 4 - d U = 2,069 d = 2-2rˆ Επομένως, αν η τιμή της στατιστικής (την οποία υπολογίζει το SPSS) βρίσκεται μεταξύ 1,931 και 2,069, δεν υπάρχει πρόβλημα αυτοσυσχέτισης 16
17 Περιορισμοί του ελέγχου των DW q Για την εφαρμογή του ελέγχου DW, το μοντέλο μας πρέπει να περιλαμβάνει σταθερό όρο. q Υπάρχουν δύο περιοχές αβεβαιότητας που δεν μας οδηγούν σε κανένα συμπέρασμα. q Τέλος, ο έλεγχος των DW εφαρμόζεται αποκλειστικά για αυτοσυσχέτιση πρώτου βαθμού (AR1). q Προσοχή: Όταν ενσωματώνονται στο μοντέλο χρονικές υστερήσεις για την εξαρτημένη μεταβλητή στις ερμηνευτικές (δηλαδή θεωρούμε ότι: Y t = F(Y t-1 ),η τιμή της παραμέτρου d τείνει προς το 2. Επομένως, σε αυτή την περίπτωση, ο έλεγχος δεν είναι αξιόπιστος. 17
18 1o Μοντέλο εφαρμογής: η Καμπύλη Philipps (Phillips curve) Η καμπύλη Phillips αποτελεί μια από τις πιο γνώστες θεωρητικές σχέσεις μεταξύ οικονομικών μεταβλητών. Δείχνει την βραχυχρόνια αντίστροφη σχέση που υπάρχει μεταξύ πληθωρισμού [inf] και ανεργίας [unem]. Αν η αρνητική σχέση μεταξύ των 2 δεικτών είναι προσωρινή, μπορεί όμως να διαρκέσει μερικά χρόνια. q Τα δεδομένα για μεταφορά στο SPSS, βρίσκονται στο αρχείο: LECTURE7.xls και στηζώνη[α2:c51], η 1η γραμμή αφορά την περιγραφή των μεταβλητών è δεν πρέπει να λαμβάνεται υπόψη στην εισαγωγή των δεδομένων στο SPSS. q Τα δεδομένα προέρχονται από το J.M. Wooldridge (2013), Εισαγωγή στην οικονομετρία, μια σύγχρονη προσέγγιση, Εκ. Παπαζήση, Αθήνα. q Η χρονική περίοδο υπό εξέταση είναι: [Τ= 49] q Δύο είναι αρχικά οι βασικές μεταβλητές: o inf= ετήσιο ποσοστό πληθωρισμό στο έτος t [Εξαρτημένη] o unem = ποσοστό ανεργίας στο έτος t [Ανεξάρτητη] 18
19 1o Μοντέλο εφαρμογής: 1./ ΕΛΕΓΧΟΣ DURBIN-WATSON [1] Στατική καμπύλη Philipps: inf t = b 0 + b 1 unem t +ε t Υπόθεση: σταθερές προσδοκίες ως προς τον πληθωρισμό è inf t = inf t-1 Ποια τα συμπεράσματά σας; ΠΡΟΣΟΧΗ: Στην εντολή: Analyze, Regression, Linear και, στο παράθυρο: Statistics, επιλέγουμε Durbin-Watson στο παράθυρο: Save, αποθηκεύουνε τα κατάλοιπα (Unstandardized Residuals) Durbin Watson Table: a=5%, K =1, T=49 è dl = 1,503 & du = 1,585 19
20 2./ Έλεγχος t, για σειριακή συσχέτιση q Εφαρμόζουμε την ΜΕΤ στο αρχικό μας μοντέλο: Y t =b o +b 1 X t1 + +b k X tk +ε t qαποθηκεύουμε τα κατάλοιπα (RES_1): ê t q Δημιουργούμε την μεταβλητή: ˆ e t -1 (Χάνουμε μια παρατήρηση) q Εφαρμόζουμε την ΜΕΤ στον ακόλουθο μοντέλο: ˆ e t = r. ˆ e t-1 + n t t = 2,..., T όπου ν t àν(0,σ t2 ) Η παλινδρόμηση αυτή μπορεί να περιέχει ή να μην περιέχει σταθερό όρο, το αποτέλεσμα δεν θα επηρεαστεί σημαντικά. q Εξετάζουμε την τιμή του t ρ (ή την p-value) για να ελέγξουμε την υπόθεση Ηο: ρ = 0. Συνήθως δεχόμαστε την Η 1 όταν η p-value < 5%. 20
21 1o Μοντέλο εφαρμογής: 2./ ΕΛΕΓΧΟΣ t ΓΙΑ ΣΕΙΡΙΑΚΗ ΣΥΣΧΕΤΙΣΗ Δεδομένου ότι έχουμε αποθηκεύσει τα κατάλοιπα (RES_1), μπορούμε να επιβεβαιώσουμε το συμπέρασμα μας ως προς την αυτοσυσχέτιση. 1. Έχουμε την μεταβλητή RES_1 = 2. Δημιουργούμε την μεταβλητή με μια υστέρηση RES_1_1 = Αυτό γίνεται με την εντολή: Transform, Create Time Series, επιλέγουμε στην Function: Lag και order=1( μια χρονική υστέρηση) τέλος επιλέγουμε την μεταβλητή RES_1 (= ), και η νέα μεταβλητή ονομάζεται: RES_1_1 όπου RES_1_1 = 3. Εφαρμόζουμε την ΜΕΤ στον ακόλουθο μοντέλο = + αν η εκτίμηση του συντελεστή ρ είναι 0 και στατιστικά σημαντική (p-value < 0,05), η ύπαρξη της αυτοσυσχέτισης επιβεβαιώνεται. 21
22 1o Μοντέλο εφαρμογής: 2./ ΕΛΕΓΧΟΣ t ΓΙΑ ΣΕΙΡΙΑΚΗ ΣΥΣΧΕΤΙΣΗ Η εκτίμηση του συντελεστής ρ = 0,573 με p-value < 0,05 ( και επίσης < 0,01). Το αποτέλεσμα αυτό επιβεβαιώνει τον έλεγχο του Durbin-Watson. Υπάρχει επίσης ένδειξη ότι η αυτοσυσχέτιση δεν περιορίζεται σε μια (1) υστέρηση. Μπορεί να επαναληφθεί η διαδικασία με άλλους βαθμούς υστέρησης [Lag2, lag3] 22
23 3./ Έλεγχος των Ροών Runs Test(*) Όταν η ροή των καταλοίπων της παλινδρόμησης (θετικές και αρνητικές τιμές) είναι τυχαία, δεν υπάρχει σειριακή συσχέτιση. Η μη συνεχής αλλαγή του πρόσημου στις τιμές του διαταρακτικού όρου αποτελεί ένδειξη της ύπαρξης αυτοσυσχέτισης. q Εξετάζουμε τη ροή των καταλοίπων και πιο συγκεκριμένα υπολογίζουμε πόσες φορές οι τιμές τους αλλάζουν πρόσημο, έτσι υπολογίζουμε τον αριθμό ροών = r. q Αν έχουμε n κατάλοιπα, υπολογίζουμε πόσα έχουν θετική τιμή (n 1 ) και πόσα έχουν αρνητική τιμή (n 2 ), n=n 1 +n 2. q Αν η ροή των καταλοίπων είναι τυχαία (Ηο), η στατιστική r ακολουθεί κανονική κατανομή Ν(μ;σ 2 ) όπου: 2n1n m = n kai s 2 2n1n 2(2n1n 2 - n) = 2 n ( n -1) - m q Υπολογίζουμε τη στατιστική z = r r s q Τέλος εφαρμόζουμε τον γνωστό έλεγχο t-student, εξετάζοντας ειδικά την p-value. (*) Έλεγχος των ροών ονομάζεται επίσης έλεγχος των Wald-Wolfowitz 23
24 Διαδικασία ελέγχου Ροών Runs Test q Εφαρμογή της ΜΕΤ στον μοντέλο μας και αποθηκεύουμε τα κατάλοιπα RES_1. q Copy-paste των τιμών της RES_1 στο φύλλο εργασίας: RUNS_TEST του αρχείου: Autocorrelation Tests_MND.xls q Υπολογίζουμε τον αριθμό ροών = r. q q q Υπολογίζουμε n 1 = αριθμός θετικών καταλοίπων και n 2 = αριθμός αρνητικών. Υπολογίζουμε την στατιστική Απόφαση: z r - m = r s Αν z r <z α : δεχόμαστε την υπόθεση Ηο: δεν υπάρχει σειριακή συσχέτιση (αν n 1 αρκετά μεγάλο και α=5%, z α = 1,96) (*) ή ακόμα Αν p-value > 5%: δεχόμαστε την υπόθεση Ηο: δεν υπάρχει σειριακή συσχέτιση. (*) αν n 1 καιn 2 20, χρησιμοποιούμε ειδικούς πίνακες που μας δίνουν τις κρίσιμες τιμές της στατιστικής r. Runs Test Tables. 24
25 1o Μοντέλο εφαρμογής: 3./ ΈΛΕΓΧΟΣ των Ροών Runs Test Αρχείο: Autocorrelation Tests_MND.xls Αρχικό φύλλο εργασίας RUNS_TEST χωρίς δεδομένα. Εισαγωγή των κατάλοιπων στη στήλη B Αντιγραφή των κελίων C8:D8 στις παρακάτω γραμμές. Όλοι οι υπολογισμοί γίνονται αυτόματα. 25
26 1o Μοντέλο εφαρμογής: 3./ ΈΛΕΓΧΟΣ των Ροών Runs Test Τα κατάλοιπα του υποδείγματος inf t = b 0 +b 1 unem t +ε t εισάχθηκαν στη στήλη B (RESIDUAL). Όπως προκύπτει από τους υπολογισμούς, η αλλαγή πρόσημου στα κατάλοιπα έγινε 9 φόρες (μικρός αριθμός). z r = 4,647 > 1,96 και p-value = 0,000 è ισχύει Η1 26
27 4./ Έλεγχος Breusch - Godfrey q O έλεγχος αυτός ανήκει στην κατηγορία των ελέγχων που ονομάζονται έλεγχοι των πολλαπλασιαστών του Lagrange (LM). q Ο έλεγχος αυτός μπορεί να εφαρμοστεί σε όλες τις μορφές αυτοσυσχέτισης και όχι μόνο στην αυτοσυσχέτιση πρώτου βαθμού (AR1) q Ο έλεγχος για σειριακή συσχέτιση q βαθμού είναι: Η ο :ρ 1 =ρ 2 = =ρ q =0 q Εφαρμόζουμε την ΜΕΤ στο μοντέλο: Y t =b 0 +b 1 X 1t + +b k X kt +ε t t = 1,., Τ q Με βάση τις εκτιμήσεις του διαταρακτικού όρου, εφαρμόζουμε την ΜΕΤ στο ακόλουθο μοντέλο: ˆt = a + a X t + + ak X kt + r ˆ e t + r ˆ e t + + r ˆ qe t -q e + n è R ε 2 t =(q+1),.,τ q Εφαρμόζουμε τον έλεγχο με τον πολλαπλασιαστή Lagrange (LM), για να ελέγξουμε τη Ηο. è LM Αν 2 2 = ( T - q) Rˆ e Cq 2 LM > C q όπου Τ= αριθμός ετών του αρχικού υποδείγματος τότε απορρίπτουμε την Η ο και υπάρχει πρόβλημα αυτοσυσχέτισης. t Επειδή, δεν γνωρίζουμε - εκ των προτέρων - ποιος είναι ο βαθμός αυτοσυσχέτισης, ξεκινάμε με αρκετά μεγάλο βαθμό μέχρι να βρούμε τον ακριβό βαθμό 27
28 1o Μοντέλο εφαρμογής: 4./ ΕΛΕΓΧΟΣ Breusch-Godfrey q Με την εκτίμηση του αρχικού μοντέλου, βρήκαμε τις εκτιμήσεις του διαταρακτικού όρου (RES_1). q Με βάση την μεταβλητή RES_1, δημιουργήσαμε τρεις μεταβλητές που αντιστοιχούν στα κατάλοιπα με 1, 2 και 3 χρονικές υστερήσεις (θα μπορούσαμε να λαμβάνουμε υπόψη και παραπάνω βαθμούς υστερήσεις). q Εφαρμόζουμε την ΜΕΤ στον ακόλουθο μοντέλο: inf = b 0 + b 1 unem+ε με 49 παρατηρήσεις è δημιουργία της μεταβλητής RES_1 q Έπειτα, εφαρμόζουμε την ΜΕΤ στον παρακάτω μοντέλο: Res_1 = a 0 + a 1 unem+ρ 1 Res_1_1 + ρ 2 Res_1_2 + ρ 3 Res_1_3 + ν με 46 παρατηρήσεις q Τα αποτελέσματα της παλινδρόμησης στα κατάλοιπα μας δίνει για το συντελεστή προσδιορισμού : R ε2 = 0,657 Ενώ παράλληλα, όλοι οι συντελεστές,, είναι στατιστικά σημαντικοί. 28
29 1o Μοντέλο εφαρμογής: 4./ ΕΛΕΓΧΟΣ Breusch-Godfrey Αρχείο: Autocorrelation Tests_MND.xls LM = (T - q)r = (49-3) 0,657 2 εˆ = 30,22 ü Για 5% και q=3, = 7,81 ü Για 1% και q=3, = 11,34 Þ LM > 2 Χ q Þ Η 1 29
30 5./ Έλεγχος h-durbin Όταν το αρχικό μοντέλο περιλαμβάνει χρονική υστέρηση (ενσωμάτωση της εξαρτημένης στις ερμηνευτικές με μια περίοδο υστέρησης), ο έλεγχος των DW δεν είναι αξιόπιστος. Ο Durbin προτείνει εναλλακτικό έλεγχο με τη στατιστική h- Durbin. q Εφαρμόζουμε την ΜΕΤ στο αρχικό μας μοντέλο που έχει πλέον την ακόλουθη μορφή: Y t =b o +b 1 X t1 + +b k X tk + ay t-1 +ε t Y t-1 = lag variable [2] qυπολογίζουμε τον εκτιμημένο ρ, με βάση την τιμή του DW qυπολογίζουμε την στατιστική h-durbin, όπου: hˆ = ˆ. r T 1-T. Var( aˆ) T = αριθμός παρατηρήσεων του μοντέλου [1] qαν Τ αρκετά μεγάλο, η στατιστική h-durbin ακολουθεί κανονική κατανομή. qαν ˆ, τότε η υπόθεση Η ο (ρ=0) απορρίπτεται και ισχύει η Η 1. h ³ 1,96 Όμως ο έλεγχος αυτός δεν μπορεί να εφαρμοστεί συστηματικά εφόσον η στατιστική h απαιτεί: T.Var(â) > 1 30
31 2o Μοντέλο εφαρμογής: 5./ ΕΛΕΓΧΟΣ h-durbin Υπόδειγμα: inf t = b 0 + b 1 unem t + b2 inf t-1 + ε t [2] Το υπόδειγμα περιλαμβάνει μια χρονική υστέρηση: ο πληθωρισμός στο έτος t επηρεάζεται και από το επίπεδο πληθωρισμού του προηγουμένου έτος: t-1. q Δημιουργούμε την μεταβλητή inf t-1 με την γνωστή εντολή: Transform, Create Time Series. q Εφαρμόζουμε την ΜΕΤ στο μοντέλο [2]: inf = b 0 +b 1 unem t +b 2 inf_1 + ε q Υπολογίζουμε την στατιστική h-durbin (Χρήση του αρχείου: Autocorrelation Tests_MND.xls) 31
32 1o Μοντέλο εφαρμογής: 5./ ΕΛΕΓΧΟΣ h-durbin T= 48 (έχουμε χάσει μια παρατήρηση με την υστέρηση) Durbin-Watson = 1,477 è = 0,262. Τυπικό σφάλμα του συντελεστή (Standard Error) = 0,126 è V = 0,762 H-Durbin = Εισαγωγή των 3 απαραίτητων τιμών 3,88 > 1,96 Durbin-Watson = 1,477 è = 0,262. Τυπικό σφάλμα του συντελεστή a (Standard Error) = 0,126 è V = 0,778 32
33 6./ Εναλλακτικός Έλεγχος του Durbin Όταν οι ερμηνευτικές μεταβλητές δεν είναι αυστηρά εξωγενείς, το DW δεν είναι αξιόπιστο διότι η στατιστική τείνει συστηματικά προς το 2. Η ύπαρξη χρονικής υστέρησης για την εξαρτημένη μεταβλητή απαιτεί τη χρήση του εναλλακτικού ελέγχου του Durbin. Διαδικασία: q Εφαρμόζουμε την ΜΕΤ στο μοντέλο: Y t =b 0 +b 1 X 1t + +b k X kt +b k+1 Y t-1 +ε t t =1,.,Τ qμε βάση τις εκτιμήσεις του διαταρακτικού όρου ακόλουθο μοντέλο: eˆt ˆ t -1 =a 0 +a 1 X 1t + +a k X kt +a k+1 Y t-1 +ρ e +ν t t =2,.,Τ, εφαρμόζουμε την ΜΕΤ στο q Παίρνουμε τα αποτελέσματα σχετικά με την εκτίμηση του ρ, t ρ και p-value, για να ελέγξουμε τη Ηο: ρ=0 έναντι την Η1: ρ 0. Σε αυτή την περίπτωση, ο έλεγχος t είναι έγκυρος. eˆt 33
34 2o Μοντέλο εφαρμογής: 6./ ΕΝΑΛΛΑΚΤΙΚΟΣ ΕΛΕΓΧΟΣ του Durbin Υπόδειγμα: inf t = b 0 + b 1 unem t +b 2 inf t-1 + ε t [2] Με την εκτίμηση του υποδείγματος [2], βρήκαμε τις εκτιμήσεις του διαταρακτικού όρου (RES_2). q Δημιουργούμε την μεταβλητή RES_2_1 (Διαταρακτικός όρος με μια χρονική υστέρηση). q Εφαρμόζουμε την ΜΕΤ στον ακόλουθο υπόδειγμα: Res_2 = a 0 + a 1 unem+a 2 inf_1 + ρ RES_2_1 + ν Ο συντελεστής ρ = 0,117 Η p-value για ρ είναι πολύ υψηλή (> 10%), δεν υπάρχει τελικά έντονο πρόβλημα αυτοσυσχέτισης. 34
35 Ποιες οι λύσεις όταν διαπιστώνουμε την ύπαρξη αυτοσυσχέτισης; 35
36 Οι λύσεις q Μια πρώτη λύση είναι η μετατροπή του υποδείγματος από γραμμικό σε λογαριθμικό ή σε πολυωνυμικό ή ακόμα σε δυναμικό. q Αν η μετατροπή δεν λύνει το πρόβλημα, τότε πρέπει να αλλάξουμε μέθοδο εκτίμησης της παλινδρόμησης έτσι ώστε να λάβουμε υπόψη μας την αυτοσυσχέτιση των καταλοίπων όπως: ü Η γενικευμένη (ή εφικτή) μέθοδος των ελαχίστων τετραγώνων ü Η γενικευμένη (ή εφικτή) μέθοδος της μέγιστης πιθανοφάνειας Οι γενικευμένες μέθοδοι αφορούν αποκλειστικά τον 1 ο βαθμό αυτοσυσχέτισης Γενικά χρησιμοποιούμε τις εφικτές μεθόδους και πιο συγκεκριμένα: ü Η μέθοδος διαδικασιών σε δύο βήματα ü Η μέθοδος επαναληπτικών διαδικασιών (γενίκευση της μεθόδου σε 2 βήματα) 36
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής ΑΥΤΟΣΥΣΧΕΤΙΣΗ Στις βασικές υποθέσεις των γραμμικών υποδειγμάτων (απλών και πολλαπλών), υποθέτουμε ότι δεν υπάρχει αυτοσυσχέτιση (autocorrelation
Διαβάστε περισσότεραΠαραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)
ΜΑΘΗΜΑ 4 ο 1 Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model) Αυτοσυσχέτιση (Serial Correlation) Lagrange multiplier test of residual
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 11: Αυτοσυσχέτιση Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Περιεχόμενο ενότητας
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Το Γενικευμένο Γραμμικό Υπόδειγμα (Α) ΔΙΑΛΕΞΗ 05 Μαρί-Νοέλ Ντυκέν,
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 5.1 Αυτοσυσχέτιση: Εισαγωγή Συχνά, η υπόθεση της μη αυτοσυσχέτισης ή σειριακής συσχέτισης
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7ο μάθημα: Πολυμεταβλητή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης
ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Εκτίμηση της καμπύλης παλινδρόμησης ΔΙΑΛΕΞΗ 03(β) Μαρί-Νοέλ Ντυκέν,
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 6: ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ - ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 6: ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΠρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21
Περιεχόμενα Πρόλογος... 15 Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης... 19 1 Αντικείμενο της οικονομετρίας... 21 1.1 Τι είναι η οικονομετρία... 21 1.2 Σκοποί της οικονομετρίας... 24 1.3 Οικονομετρική
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής Διαγνωστικοί Έλεγχοι Διαπίστωσης της Αυτοσυσχέτισης Οι περισσότεροι από τους διαγνωστικούς ελέγχους της αυτοσυσχέτισης αναφέρονται σε αυτοσυσχέτιση
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 9: Αυτοσυσχέτιση. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 9: Αυτοσυσχέτιση Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΟικονομετρία. Σταματίου Παύλος Διδάκτωρ Οικονομετρικών Εφαρμογών & Μακροοικονομικών Πολιτικών
Οικονομετρία Σταματίου Παύλος Διδάκτωρ Οικονομετρικών Εφαρμογών & Μακροοικονομικών Πολιτικών E-mail: stamatiou@uom.edu.gr Info: https://sites.google.com/site/pavlossta2/home Αυτοσυσχέτιση (Durbin - Watson)
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04 Μαρί-Νοέλ Ντυκέν Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 7.1 Πολυσυγγραμμικότητα: Εισαγωγή Παραβίαση υπόθεσης Οι ανεξάρτητες μεταβλητές δεν πρέπει
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Αυτοσυσχέτιση Αν τα σφάλµατα δεν συσχετίζονται µεταξύ τους, Corr(u t, u s ) = 0 για κάθε t s, t, s
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Οι παραβιάσεις των σημαντικότερων υποθέσεων των γραμμικών υποδειγμάτων
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΣτασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Οι παραβιάσεις των σημαντικότερων υποθέσεων των γραμμικών υποδειγμάτων
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 5: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: ageliki.papaa@gmail.com, agpapaa@auth.gr Webpage: http://users.auth.gr/agpapaa
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 6.1 Ετεροσκεδαστικότητα: Εισαγωγή Συχνά, η υπόθεση της σταθερής διακύμανσης των όρων σφάλματος,
Διαβάστε περισσότεραΑν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν
ΜΑΘΗΜΑ 12ο Αιτιότητα Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή προκαλεί μία άλλη σε μία εξίσωση παλινδρόμησης. Στην
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 12: Σφάλματα μέτρησης στις μεταβλητές Η μέθοδος των βοηθητικών μεταβλητών Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Α μέρος: Πολυσυγγραμμικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 9: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Α μέρος: Πολυσυγγραμμικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΧ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 4ο Διαδικασία των συντελεστών αυτοσυσχέτισης Ονομάζουμε συνάρτηση αυτοσυσχέτισης (autocorrelation function) και συμβολίζεται με τα γράμματα
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 8ο Επιλογή του αριθμού των χρονικών υστερήσεων Στις περισσότερες οικονομικές χρονικές σειρές υπάρχει υψηλή συσχέτιση μεταξύ της τρέχουσας
Διαβάστε περισσότεραΠολλαπλή παλινδρόµηση. Μάθηµα 3 ο
Πολλαπλή παλινδρόµηση Μάθηµα 3 ο Πολλαπλή παλινδρόµηση (Multivariate regression ) Η συµπεριφορά των περισσότερων οικονοµικών µεταβλητών είναι συνάρτηση όχι µιας αλλά πολλών µεταβλητών Y = f ( X, X 2, X
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχόλη Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχόλη Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή στην Οικονομετρία ΔΙΑΛΕΞΗ 01 Μαρί-Νοέλ Ντυκέν, Μαρία Τσιάπα
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΕΝΔΕΚΑΤΟ ΘΕΩΡΙΑΣ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ(AUTOCORELLATION) Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 2008-2009 ΕΠΙΧ Οικονοµετρικά
Διαβάστε περισσότεραΑπλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
Διαβάστε περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Διαβάστε περισσότερα3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ
3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ Πρόβλημα: Ένας ραδιοφωνικός σταθμός ενδιαφέρεται να κάνει μια ανάλυση για τους πελάτες του που διαφημίζονται σ αυτόν για να εξετάσει την ποσοστιαία μεταβολή των πωλήσεων
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 3: Θεώρημα των Gauss Markov. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 3: Θεώρημα των Gauss Markov Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΕπαυξημένος έλεγχος Dickey - Fuller (ADF)
ΜΑΘΗΜΑ 5ο Επαυξημένος έλεγχος Dickey - Fuller (ADF) Στον έλεγχο των Dickey Fuller (DF) και στα τρία υποδείγματα που χρησιμοποιήσαμε προηγουμένως κάνουμε την υπόθεση ότι ο διαταρακτικός όρος e είναι μια
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression
Διαβάστε περισσότεραΧρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008
Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008 1 Τύποι Οικονομικών Δεδομένων Τα οικονομικά δεδομένα που χρησιμοποιούνται για την εξέταση οικονομικών φαινομένων μπορεί να έχουν τις ακόλουθες
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
Διαβάστε περισσότεραΕισαγωγή στην Ανάλυση Δεδομένων
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 09-10-2015 Εισαγωγή στην Ανάλυση Δεδομένων Βασικές έννοιες Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-2015 1. Στατιστικοί παράμετροι - Διάστημα εμπιστοσύνης Υπολογισμός
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΕπαναληπτικές Ερωτήσεις για Οικονοµετρία 2
Επαναληπτικές Ερωτήσεις για Οικονοµετρία 2 Κεφάλαιο 8 1) Τι είναι ετεροσκεδαστικότητα και τι είδους προβλήµατα παρουσιάζονται; ( 2, 4, σελίδες 370-372). 2) Γράψτε τον τύπο της διακύµανσης της κλίσης όταν
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 12ο ΑΙΤΙΟΤΗΤΑ Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή
Διαβάστε περισσότεραΔιαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική
Διαβάστε περισσότεραΧρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Διαβάστε περισσότεραΠΡΟΒΛΗΜΑ ΑΥΤΟΣΥΣΧΕΤΙΣΤΩΝ ΣΦΑΛΜΑΤΩΝ
ΠΡΟΒΛΗΜΑ ΑΥΤΟΣΥΣΧΕΤΙΣΤΩΝ ΣΦΑΛΜΑΤΩΝ ΤΡΟΠΟΙ ΕΛΕΓΧΟΥ ΔΙΟΡΘΩΣΗ ΠΡΟΒΛΗΜΑΤΟΣ ΣΥΝΕΠΕΙΕΣ ΠΡΟΒΛΗΜΑΤΟΣ ΠΑΡΑΔΕΙΓΜΑΤΑ 1 ΤΡΟΠΟΙ ΕΛΕΓΧΟΥ Γραφική παράσταση των υπολοίπων (ή των μαθητικοποιημένων υπολοίπων) ως προς την
Διαβάστε περισσότεραΕισαγωγή στην Γραμμική Παλινδρόμηση
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 13-11-015 Εισαγωγή στην Γραμμική Παλινδρόμηση Γραμμική σχέση μεταξύ μεταβλητών Αν. Καθ. Μαρί-Νοέλ Ντυκέν Στόχος Πολύ συχνά, η Τ.Μ. που εξετάζουμε π.χ. η κατανάλωση των νοικοκυριών
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΕΡΓΑΣΤΗΡΙΟ ΜΑΘΗΜΑ ΕΝΔΕΚΑΤΟ ΘΕΩΡΙΑΣ-ΑΥΤΟΣΥΣΧΕΤΙΣΗ (AUTOCORELLATION) Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 2010-2011
Διαβάστε περισσότεραΟικονομετρία. Αυτοσυσχέτιση Συνέπειες και ανίχνευση. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης
Οικονομετρία Αυτοσυσχέτιση Συνέπειες και ανίχνευση Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση του προβλήματος της αυτοσυσχέτισης και των
Διαβάστε περισσότεραΟικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης
Οικονομετρία Εξειδίκευση του υποδείγματος Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Σφάλµα εξειδικεύσεως Αν η υπόθεση Α.1 ισχύει, τότε το υπόδειγµα παλινδρόµησης είναι σωστά εξειδικευµένο
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΑ» και «ΝΕΚΑ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΑ» και «ΝΕΚΑ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ Εισαγωγή: 3 η Άσκηση: 15/12/2016 Για την ανάλυση της σημασίας
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 10: Διαγνωστικοί Έλεγχοι. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 10: Διαγνωστικοί Έλεγχοι Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 3ο Κίβδηλες παλινδρομήσεις Μια από τις υποθέσεις που χρησιμοποιούμε στην ανάλυση της παλινδρόμησης είναι ότι οι χρονικές σειρές που χρησιμοποιούμε
Διαβάστε περισσότεραΧρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή
2013 [Πρόλογος] ΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή Μάθημα Εαρινού Εξάμηνου 2012-2013 Μ.Επ. ΟΕ0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης Μαρί-Νοέλ Ντυκέν, Επ. Καθηγητρία
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχόλη Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχόλη Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή στην Οικονομετρία ΔΙΑΛΕΞΗ 01 Μαρί-Νοέλ Ντυκέν, Μαρία Τσιάπα
Διαβάστε περισσότεραΧρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Πώς συσχετίζονται δυο μεταβλητές; Ένας απλός τρόπος για να αποκτήσουμε
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 2 ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΙΚΩΝ ΣΕΙΡΩΝ. 2.1 Σύντομη ανασκόπηση του κλασσικού υποδείγματος
ΚΕΦΑΛΑΙΟ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΙΚΩΝ ΣΕΙΡΩΝ.1 Σύντομη ανασκόπηση του κλασσικού υποδείγματος παλινδρόμησης συνήθων ελαχίστων τετραγώνων (Ordinary Leas Squares regression model).. Ένα παράδειγμα οικονομετρικού
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ
Διαβάστε περισσότεραΟγενικός(πλήρης) έλεγχος των Dickey Fuller
ΜΑΘΗΜΑ 7ο Ογενικός(πλήρης) έλεγχος των Dickey Fuller Είδαμε προηγουμένως ότι οι τιμές της στατιστικής Τ 2δ0, Τ 3δ0 και Τ 3δ1 που χρησιμοποιήθηκαν στην παραπάνω παράγραφο εξαρτώνται από τη μορφή της εξίσωσης
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Το κλασικό Γραμμικό Υπόδειγμα ΔΙΑΛΕΞΗ 0 Μαρί-Νοέλ Ντυκέν, Μαρία
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Πολυσυγγραµµικότητα Αν υπάρχει ακριβής γραµµική σχέση ανάµεσα σε κάποιες από τις ερµηνευτικές µεταβλητές
Διαβάστε περισσότερα, 1. Παράδειγμα: 1) Όχι σύγχρονη εξωγένεια: Cov y, u Cov y, u 0. 2) Έλλειψη Δυναμικής Πληρότητας: ~ AR(2)
αυτοσυσχέτιση Παράδειγμα: e ) Όχι σύγχρονη εξωγένεια: Cov Cov 2) Έλλειψη Δυναμικής Πληρότητας: 2 e 2 (προφανώς αφού έχουμε δείξει ότι Δ.Π. Υ5 ) ~ AR(2) 2 Έλεγχος για αυτοσυσχέτιση με τη στατιστική (Ασυμπτωτικός)...
Διαβάστε περισσότεραUNIVERSITY OF THESSALY FACULTY OF ENGINEERING DEPARTMENT OF PLANNINGAND REGIONAL DEVELOPMENT MASTER «EUROPEAN REGIONAL DEVELOPMENT STUDIES»
UNIVERSITY OF THESSALY FACULTY OF ENGINEERING DEPARTMENT OF PLANNINGAND REGIONAL DEVELOPMENT MASTER «EUROPEAN REGIONAL DEVELOPMENT STUDIES» METHODS OF SPATIAL ECONOMIC ANALYSIS LECTURE 11 Δρ. Μαρί-Νοέλ
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100
Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΑ. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις
Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις Οι παρούσες σημειώσεις επιχειρούν να αποτελέσουν μια βοήθεια τόσο στην παρακολούθηση της διάλεξης όσο και στη μελέτη κάποιων εκ των θεμάτων της Γραμμικής
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΟικονομετρία. Απλή Παλινδρόμηση. Υποθέσεις του γραμμικού υποδείγματος και ιδιότητες των εκτιμητών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης
Οικονομετρία Απλή Παλινδρόμηση Υποθέσεις του γραμμικού υποδείγματος και ιδιότητες των εκτιμητών Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΎλη 1 ης Εβδομάδας. Σχέσεις Μεταβλητών ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ. Σχέση μεταξύ Μεταβλητών Παραδείγματα. 2 η Διάλεξη
ΓΡΑΜΜΙΚΑ ΜΟΝΤΕΛΑ 2 η Διάλεξη Ελένη Κανδηλώρου (Αναπλ. Καθηγήτρια) Οικονομικό Πανεπιστήμιο Αθηνών Τμήμα Στατιστικής Ύλη 1 ης Εβδομάδας Γραμμική Παλινδρόμηση-Έννοια Παλινδρόμισης 1. Σχέση μεταξύ μεταβλητών
Διαβάστε περισσότεραΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα
ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση
Διαβάστε περισσότεραΑναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)
Σημειώσεις Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου Αθήνα -3-7 Εκτίμηση των Παραμέτρων β & β Απλό γραμμικό υπόδειγμα: Y X () Η αναμενόμενη τιμή του Υ, δηλαδή, μέση τιμή του Υ, δίνεται παρακάτω: EY ( ) X EY
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p))
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p)) ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p)) O όρος αυτοπαλίνδρομο
Διαβάστε περισσότεραΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ & ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΥΠΟΔΕΙΓΜΑΤΑ ΚΙΝΗΤΟΥ ΜΕΣΟΥ MA(q) ΚΑΙ ΜΙΚΤΑ ΥΠΟΔΕΙΓΜΑΤΑ ARMA (p,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
Διαβάστε περισσότεραΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ
ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ Ερώτηση : Εξηγείστε τη διαφορά µεταξύ του συντελεστή προσδιορισµού και του προσαρµοσµένου συντελεστή προσδιορισµού. Πώς µπορεί να χρησιµοποιηθεί
Διαβάστε περισσότεραΚαμπύλη Phillips (10.1, 11.5, 12.1, 12.5, 18.3, 18.8, 18.10)
Καμπύλη Phillips (10.1, 11.5, 12.1, 12.5, 18.3, 18.8, 18.10) 1 2 y t = β 0 + β 1 x t + u t y t = Πληθωρισμός x t = Ανεργία 3 Dependent Variable: INFLATION Method: Least Squares Sample: 1948-1996 (49) C
Διαβάστε περισσότεραΣυνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος
ΜΑΘΗΜΑ 10 ο Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος Η μέθοδος της συνολοκλήρωσης είναι ένας τρόπος με τον οποίο μπορούμε να εκτιμήσουμε τη μακροχρόνια σχέση ισορροπίας που υπάρχει μεταξύ δύο ή
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ
ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ 8. ΕΙΣΑΓΩΓΗ Μέχρι τώρα τα προβλήματα που δημιουργούνται από την παραβίαση των υποθέσεων που πρέπει να ισχύουν ώστε οι OLS εκτιμητές να είναι BLUE
Διαβάστε περισσότεραΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΤΕΤΑΡΤΟ ΑΥΤΟΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ AR(p) Δρ. Κουνετάς Η Κωνσταντίνος ΕΠΙΧ Τεχνικές Προβλέψεων & Ελέγχου ιαφάνεια
Διαβάστε περισσότερα5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο
5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο Ένα εναλλακτικό μοντέλο της απλής γραμμικής παλινδρόμησης (που χρησιμοποιήθηκε
Διαβάστε περισσότεραΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
Π E Ρ IEXOMENA Πρόλογος... xiii ΜΕΡΟΣ ΠΡΩΤΟ ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΙΚΕΣ ΕΝΝΟΙΕΣ ΠΑΡΟΥΣΙΑΣΗ ΤΩΝ ΣΤΑΤΙΣΤΙΚΩΝ Ε ΟΜΕΝΩΝ 1.1 Εισαγωγή... 3 1.2 Ορισµός και αντικείµενο της στατιστικής... 3
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΠΡΟΤΥΠΑ ΜΑΘΗΜΑ ΠΡΩΤΟ ΘΕΩΡΙΑΣ-ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ ΕΡΓΑΣΤΗΡΙΟ PASW 18 Δρ. Κουνετάς Η Κωνσταντίνος Ακαδημαϊκό Έτος 2011 2012 ΕΠΙΧ
Διαβάστε περισσότεραΕργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο
Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο Χρήσιμες Οδηγίες Με την βοήθεια του λογισμικού E-views να απαντήσετε στα ερωτήματα των επόμενων σελίδων, (οι απαντήσεις πρέπει να περαστούν
Διαβάστε περισσότερα