Τµήµα Στατιστικής και Ασφαλιστικής Επιστήµης Μεταπτυχιακό Πρόγραµµα στην Αναλογιστική Επιστήµη και ιοικητική Κινδύνου

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Τµήµα Στατιστικής και Ασφαλιστικής Επιστήµης Μεταπτυχιακό Πρόγραµµα στην Αναλογιστική Επιστήµη και ιοικητική Κινδύνου"

Transcript

1 Πανεπιστήµιο Πειραιώς Τµήµα Στατιστικής και Ασφαλιστικής Επιστήµης Μεταπτυχιακό Πρόγραµµα στην Αναλογιστική Επιστήµη και ιοικητική Κινδύνου Εξέλιξη - Πρόβλεψη του Συνταξιοδοτικού Συστήµατος στην Ελλάδα Ηλίας Π. Ηλιόπουλος ιπλωµατική Εργασία Πειραιάς Σεπτέµβριος 009

2

3 Πανεπιστήµιο Πειραιώς Τµήµα Στατιστικής και Ασφαλιστικής Επιστήµης Μεταπτυχιακό Πρόγραµµα στην Αναλογιστική Επιστήµη και ιοικητική Κινδύνου Εξέλιξη - Πρόβλεψη του Συνταξιοδοτικού Συστήµατος στην Ελλάδα Ηλίας Π. Ηλιόπουλος ιπλωµατική Εργασία Πειραιάς Σεπτέµβριος 009 3

4 4

5 Universiy of Piraeus Deparmen of Saisics and Insurance Science MSc Program in Acuarial Science and Risk Managemen Evoluion and Predicion of he Pension Sysem in Greece By Ilias P. Iliopoulos MSc Disseraion Piraeus, Greece Sepember 009 5

6 Αφιερώνεται στη µνήµη της νονάς µου, Ευτυχίας. 6

7 Ευχαριστίες Θα ήθελα να εκφράσω τις θερµές µου ευχαριστίες στα µέλη της συµβουλευτικής επιτροπής του Πανεπιστηµίου Πειραιώς, τον Επίκουρο Καθηγητή κ. Γιώργο Πιτσέλη για την άριστη συνεργασία και πολύτιµη βοήθεια που µου προσέφερε, τον Επίκουρο Καθηγητή κ. Κωνσταντίνο Πολίτη και τον Λέκτορα κ. Σπυρίδωνα Βρόντο. Θα ήταν παράλειψη να µην αναφέρω τις ευχαριστίες µου προς τον Αναπληρωτή Καθηγητή του Πανεπιστηµίου Ιωαννίνων κ. ηµήτριο Χατζηνικολάου για την άµεση και πρόθυµη συνεισφορά του σε ειδικά θέµατα Οικονοµετρίας, καθώς και την πληροφορικό BCh, MSc Γεωργία Ηλιοπούλου για την αποτελεσµατική υποστήριξη σε τεχνικά θέµατα κατά τη συγγραφή της εργασίας αυτής. Πειραιάς, Σεπτέµβριος 009 7

8 Περίληψη Στην εργασία αυτή, γίνεται επιλογή και εκτίµηση κατάλληλου µοντέλου στοχαστικού συστήµατος ταυτόχρονων εξισώσεων που αφορά αναλογιστικά µεγέθη συνταξιοδότησης. Για το σκοπό αυτό, γίνεται ανασκόπηση σχετικών άρθρων και µελετών, αναλύεται το θεωρητικό υπόβαθρο των οικονοµετρικών µεθοδολογιών που σχετίζεται µε συστήµατα ταυτόχρονων εξισώσεων (simulaneous equaion sysems), καθώς και το πλαίσιο επικουρικών συντάξεων µε βάση το οποίο ορίζονται και οι µεταβλητές του µοντέλου. Γίνεται χρήση πραγµατικών δεδοµένων µε βάση τα οποία εκτιµώνται οι εξισώσεις του συστήµατος µε τη µέθοδο ελαχίστων τετραγώνων σε δύο στάδια (wo sage leas square mehod) και πραγµατοποιείται πλήρης στατιστική ανάλυση των ευρηµάτων (ερµηνεία συντελεστών, διαστήµατα εµπιστοσύνης, έλεγχοι υποθέσεων). Ακόµα, γίνεται έλεγχος ισχύος των βασικών υποθέσεων των διαταρακτικών όρων των επιµέρους εξισώσεων. Mε βάση τις υποθέσεις αυτές επιτυγχάνουµε επιθυµητές ιδιότητες εκτιµητών. Επιπλέον, γίνεται έλεγχος προβλεπτικής ικανότητας του µοντέλου και παρουσιάζεται η περίπτωση των ex pos και ex ane προβλέψεων. Τέλος, παρουσιάζονται επεκτάσεις σχετικά µε τη µεθοδολογία εύρεσης του κατάλληλου µοντέλου και δίνονται παρατηρήσεις που ερµηνεύουν και αναλύουν τα συµπεράσµατα της έρευνας. 8

9 Absrac This projec aims o find and esimae an appropriae Simulaneous Sochasic Equaion Model ha refers o acuarial pension variables. For his purpose, a review of relaive aricles and sudies is conduced, he heoreical background of he economeric mehodologies is analyzed and relaed o he simulaneous equaion sysem, as well as he second pillar of pension sysem frame, which is used in order o define he variables of he model. The equaions of he sysem are esimaed based on real daa, using he wo sage leas square mehod and a full saisical analysis of he findings is conduced such as he coefficiens explanaion, he confidence inervals and he hypohesis ess. Also, he basic assumpions of he disurbance variables are examined. Based on hese assumpions he desired aribues of he esimaors can be achieved. Moreover, he predicive abiliy of he model is examined and he ex pos and ex ane predicion cases are presened. Finally, some suggesions relaed o he mehodology of he deerminaion of he appropriae model are presened, which can be used for he expansion of his research as well as some houghs ha explain and analyze he conclusions of he research are given. 9

10 ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή Γενικό πλαίσιο Αντικείµενο Οργάνωση Ανασκόπηση Άρθρων Θεωρία Συστηµάτων Ταυτόχρονων Εξισώσεων Στοχαστικά υποδείγµατα ταυτόχρονων εξισώσεων οµική (διαρθρωτική) µορφή συστήµατος Ανηγµένη µορφή συστήµατος Οι βασικές υποθέσεις Ταυτοποίηση.... Μέθοδοι εκτίµησης συστηµάτων ταυτόχρονων εξισώσεων Ανάλυση Μοντέλου Ιστορική αναδροµή εδοµένα Ορισµός των µεταβλητών Το µοντέλο ταυτόχρονων εξισώσεων οµική µορφή του συστήµατος Ανηγµένη µορφή συστήµατος Εκτίµηση Μοντέλου Ταυτοποίηση Εκτίµηση εξισώσεων

11 4..1 Εξίσωση 1 η Εξίσωση η Αξιολόγηση Μοντέλου Έλεγχος προβλεπτικής ικανότητας του µοντέλου Εx pos προβλέψεις Εx ane προβλέψεις Επεκτάσεις Συµπεράσµατα Επεκτάσεις µε βάση τη µεθοδολογία εύρεσης µοντέλου Συµπεράσµατα για το µοντέλο...74 Παράρτηµα...77 Βιβλιογραφία

12 1. Εισαγωγή 1.1 Γενικό πλαίσιο Η επιστήµη της οικονοµετρίας είναι ουσιαστικά η µαθηµατική έκφραση της οικονοµίας. Είναι µια επιστήµη που συνδυάζει την οικονοµική θεωρία, τα µαθηµατικά και την στατιστική. Η τελευταία χρειάζεται µιας και τα περισσότερα οικονοµικά φαινόµενα χαρακτηρίζονται από την τυχαιότητα των παραµέτρων τους. Η οικονοµετρία έχει ένα ευρύ φάσµα εφαρµογών κυρίως στον οικονοµικοκοινωνικό τοµέα. Τα υποδείγµατα ταυτόχρονων εξισώσεων αποτελούν σηµαντικό µέρος της σύγχρονης οικονοµετρικής θεωρίας και εφαρµόζονται όταν παρουσιάζονται αλληλεξαρτήσεις µεταξύ µεταβλητών που επιθυµούµε να εκτιµήσουµε. Τα τελευταία χρόνια, έχουν γίνει προσπάθειες να αξιοποιηθεί η σύγχρονη οικονοµετρία στο χώρο των ασφαλειών και των συντάξεων, µιας και ο χώρος αυτός, αφενός ενέχει µεταβλητές που η φύση τους είναι τυχαία και αφετέρου συγκεντρώνει ιδιαίτερο οικονοµικό και πολιτικό ενδιαφέρον. Αφορµή για την συγγραφή της εργασίας αυτής, αποτέλεσε ο προβληµατισµός για αξιοποίηση της οικονοµετρικής θεωρίας που αφορά σε υποδείγµατα ταυτόχρονων εξισώσεων, µε σκοπό την εκτίµηση, πρόβλεψη και κατ επέκταση αξιολόγηση σηµαντικών αλληλεξαρτηµένων ασφαλιστικών µεγεθών καθορισµένου συστήµατος επικουρικών συντάξεων στην Ελλάδα, εγχείρηµα που υλοποιείται για πρώτη φορά. 1. Αντικείµενο Αντικείµενο της εργασίας αυτής αποτελεί η έρευνα, επιλογή, εκτίµηση και αξιολόγηση ενός στοχαστικού υποδείγµατος ταυτόχρονων εξισώσεων, που αφορά σε συγκεκριµένο πλαίσιο επικουρικών συντάξεων, µε βάση το οποίο ορίζονται και οι µεταβλητές του µοντέλου (το πλαίσιο επικουρικών συντάξεων καθορίζεται µε πρότυπο το σουηδικό µοντέλο συντάξεων - βλέπε Palmer, 000 και Selen & Sahlberg, 006). ίνεται έµφαση κυρίως στην ανάλυση των µεταβλητών που εµπλέκονται στις επικουρικές συντάξεις, αλλά και στη 1

13 διαδικασία επιλογής και ελέγχου του κατάλληλου µοντέλου. Ουσιαστικά, η εργασία αυτή, µέσω της µεθοδολογίας που ακολουθείται, οδηγεί στην εύρεση του κατάλληλου µοντέλου µε βάση τις υφιστάµενες συνθήκες. Ωστόσο, όταν δίνονται συγκεκριµένες πληροφορίες για διαφορετικές µελλοντικές οικονοµικές συνθήκες, είναι δυνατή η προσαρµογή του µε κατάλληλες τροποποιήσεις, προκειµένου αυτό να δίνει ικανοποιητικές προβλέψεις. 1.3 Οργάνωση Στο Κεφάλαιο 1, που αποτελεί την εισαγωγή της εργασίας, παραθέτουµε το γενικό πλαίσιο µέσα στο οποίο αναπτύσσεται η εργασία, το αντικείµενο και το βασικό σκοπό αυτής, καθώς επίσης την οργάνωση κατά κεφάλαια όλης της εργασίας και επισκόπιση σχετικών άρθρων. Στο Κεφάλαιο, παρουσιάζεται αναλυτικά το θεωρητικό υπόβαθρο της εργασίας, δηλαδή τα στοχαστικά υποδείγµατα ταυτόχρονων εξισώσεων, η δοµική και ανηγµένη τους µορφή, οι βασικές υποθέσεις που υιοθετούνται, η διαδικασία της ταυτοποίησης και τέλος οι µέθοδοι εκτίµησης συστηµάτων ταυτόχρονων εξισώσεων και ιδιαίτερα η µέθοδος ελαχίστων τετραγώνων σε δύο στάδια (wosage leas squares ή SLS), η οποία υιοθετείται για την επίλυση του συστήµατος της παρούσας εργασίας. Στο Κεφάλαιο 3, γίνεται πλήρης ανάλυση του αντικειµένου της εργασίας. Αρχικά, γίνεται µια σύντοµη ιστορική αναδροµή περί συντάξεων και ταµείων στη χώρα µας, ανάλυση των δεδοµένων στα οποία στηριζόµαστε για την εκτίµηση του µοντέλου και ορισµός των µεταβλητών που χρησιµοποιούνται σε αυτό το µοντέλο. Έπειτα, παρουσιάζουµε το µοντέλο ταυτόχρονων εξισώσεων που επιλέχθηκε για την εργασία αυτή, τη δοµική αλλά και την πολύ σηµαντική για τις εκτιµήσεις µας ανηγµένη µορφή του συστήµατος, σύµφωνα πάντα µε τη θεωρητική παρουσίαση του κεφαλαίου. Στο Κεφάλαιο 4, υλοποιούµε την επίλυση του προβλήµατος, δηλαδή την εκτίµηση του µοντέλου ταυτόχρονων εξισώσεων. Στην αρχή και πριν από 13

14 οποιαδήποτε προσπάθεια εκτίµησης, ασχολούµαστε µε τη διαδικασία της ταυτοποίησης. Το επόµενο στάδιο είναι η εκτίµηση κάθε µιας από τις εξισώσεις συµπεριφοράς ξεχωριστά (στο µοντέλο της εργασίας αυτής δεν υπάρχουν εξισώσεις ορισµού - βλέπε παράγραφο.1). Εδώ, περιλαµβάνεται η διαδικασία εκτίµησης µε τη µέθοδο SLS, πλήρης στατιστική ανάλυση και έλεγχος ισχύος των βασικών υποθέσεων πάνω στις οποίες στηρίζονται οι εκτιµήσεις. Στο Κεφάλαιο 5, γίνεται γενική αξιολόγηση του µοντέλου που εκτιµήθηκε στο κεφάλαιο 4. Έχοντας εξαιρέσει από τα αρχικά δεδοµένα µας δύο παρατηρήσεις, ελέγχουµε την προβλεπτική ικανότητα του µοντέλου µας εντός εύρους δείγµατος και λαµβάνουµε τις λεγόµενες ex pos προβλέψεις. Ακόµα, γίνεται έρευνα για την καταλληλότητα του µοντέλου για την πραγµατοποίηση ex ane προβλέψεων και στο πλαίσιο αυτό, δίνονται οι παράγοντες που τροποποιούνται έτσι ώστε να λάβουµε ικανοποιητικές εκτιµήσεις. Στο Κεφάλαιο 6, παρατίθενται γενικές παρατηρήσεις που αφορούν στην ακολουθία των βηµάτων που ακολουθήσαµε για την έυρεση του µοντέλου της εργασίας αυτής, αναφορά κάποιων µοντέλων που ερευνήθηκαν στα πλαίσια της εργασίας αλλά τελικά δεν υιοθετήθηκαν εξαιτίας συγκεκριµένης αδυναµίας που έχουν, γενικά σχόλια αλλά και επεκτάσεις για το µοντέλο που χρησιµοποιήθηκε µαζί µε τα πλεονεκτήµατα και τα µειονεκτήµατά του. Τέλος, παραθέτουµε τον πίνακα µε τα πρωτογενή δεδοµένα που χρησιµοποιήθηκαν και αξιοποιήθηκαν για την παρούσα εργασία. 1.4 Ανασκόπηση Άρθρων Για την παρούσα εργασία µελετήθηκαν άρθρα σχετικά µε συστήµατα ταυτόχρονων εξισώσεων και µε στατιστικές αναλύσεις ως προς τη σηµαντικότητα παραγόντων, που αφορούν σε συνταξιοδοτικά και οικονοµικά δεδοµένα, αλλά και άρθρα που αφορούν γενικότερα σε ειδικά συστήµατα συνταξιοδότησης. Στο άρθρο των Kim e al. (005), εκτιµώνται ταυτόχρονα οι εξαρτηµένες µεταβλητές µόχλευση κεφαλαίων, µερισµατική πολιτική, ιδιοκτησιακό καθεστώς 14

15 και συνταξιοδότηση µε τις ανεξάρτητες µεταβλητές αγοραία αξία, τυπική απόκλιση απόδοσης, φορολογικό καθεστώς, κερδοφορία, πάγιες επενδύσεις, µέγεθος πωλήσεων και περιουσιακά στοιχεία. Για την αποτίµηση του συστήµατος προτιµάται η µέθοδος 3SLS. Η επιλογή των µεταβλητών βασίζεται σε προηγούµενες µελέτες ενώ από τη µελέτη αυτή φαίνεται ποιοι παράγοντες είναι σηµαντικοί για κάθε µια από τις εξαρτηµένες µεταβλητές. Το σηµαντικό είναι ότι οι παραπάνω εξαρτηµένες µεταβλητές εξετάζονται για πρώτη φορά µαζί σε σύστηµα ταυτόχρονων εξισώσεων και έτσι κοµίζουµε εµπειρία από τον τρόπο ανάλυσης και εκτίµησης του συγκεκριµένου συστήµατος. Στη µελέτη του Frees (003), γίνεται συλλογή δεδοµένων που αφορούν σε συντάξεις στο διάστηµα Γίνεται στατιστική ανάλυση και παρατηρείται ότι οι πιο σηµαντικοί παράγοντες συνταξιοδότησης αλλά και γενικότερα αποχώρησης από το σύστηµα είναι η ηλικία και τα έτη υπηρεσίας. Παράλληλα, εξετάζεται η επίδραση παραγόντων του συνταξιοδοτικού πλάνου όπως παροχές υγείας, µισθός, µέγεθος πλάνου, µε χρήση παλινδρόµησης για κατηγορικές µεταβλητές (mulinomial logi analysis) και αναλύονται τα συµπεράσµατα. Στο άρθρο των Haberman και Sung (1994), παρουσιάζεται ένα δυναµικό µοντέλο συντάξεων που αφορά σχήµα (ταµείο) επαγγελµατικής συνταξιοδότησης καθορισµένων παροχών. Επιχειρείται η ταυτόχρονη ελαχιστοποίηση του κινδύνου παρούσας αξίας εισφορών (διακύµανση της παρούσας αξίας των µελλοντικών εισφορών) και του κινδύνου φερεγγυότητας (αθέτηση αναλογιστικής υποχρέωσης). Οι Selen και Sahlberg (006), αναλύουν την επιτυχή ασφαλιστική µεταρρύθµιση στη Σουηδία. Το σουηδικό µοντέλο βασίζεται σε σύστηµα καθορισµένων εισφορών σε αντίθεση µε αυτό των καθορισµένων παροχών που προϋπήρχε. Εκ του αποτελέσµατος, κάνοντας σύγκριση συγκεκριµένων µεγεθών πριν και µετά τη µεταρρύθµιση, διαφαίνεται υπεροχή του νέου συστήµατος. Το ίδιο θέµα αναλύει από την δική του οπτική και ο Palmer (000). Επίσης, η Sunden (000) παρουσιάζει συνοπτικά και διαγραµµατικά την µεταρρύθµιση του σουηδικού συστήµατος συντάξεων. 15

16 Υπάρχουν πολλά άρθρα που αναφέρονται σε διάφορες θεµατικές ενότητες, γενικές και ειδικές που σχετίζονται µε την εργασία αυτή και συµβάλλουν στην καλύτερη κατανόηση αλλά και σφαιρική προσέγγιση σε θέµατα συντάξεων αλλά και σε συστήµατα ταυτόχρονων εξισώσεων. Ο Βrunner (00), αναλύει τα πλεονεκτήµατα της µεταρρύθµισης αναδιανεµητικών συνταξιοδοτικών συστηµάτων Pay - As - You - Go. Το άρθρο των Εklof και Hallberg (006), σχετίζεται µε µοντελοποίηση επιλογών συνταξιοδότησης στη Σουηδία τη δεκαετία του 90 και επικεντρώνεται στην περίπτωση της εθελουσίας εξόδου και πρόωρης συνταξιοδότησης. Οι Palmer και Fox (000), αναλύουν τη µεταρρύθµιση των αναδιανεµητικών συστηµάτων µε δηµογραφικά προβλήµατα, σε συστήµατα πολλών πυλώνων που περιέχουν εφαρµογή συστήµατος καθορισµένων εισφορών. Ο Αndriei (000), εµβαθύνει µε εµπειρική ανάλυση σε θέµατα επαγγελµατικής ασφάλισης στην Ευρωπαϊκή Ένωση. Οι Haberman e al. (005), αναπτύσσουν το θεωρητικό πλαίσιο κατασκευής ενός ευέλικτου σχήµατος που µπορεί να υιοθετηθεί από τους συνταξιούχους, έτσι ώστε να πετύχουν βέλτιστο συνδυασµό απόδοσης κατανάλωσης, στα πλαίσια ενός συστήµατος καθορισµένων εισφορών. Στο άρθρο του Haberman (1991), χρησιµοποιείται ένα µαθηµατικό µοντέλο για τη σύγκριση διαφορετικών µεθόδων χρηµατοδότησης συντάξεων της οποίας η απόδοση, εκφράζεται µέσα από ένα πρώτης τάξης αυτοπαλίνδροµο µοντέλο. 16

17 . Θεωρία Συστηµάτων Ταυτόχρονων Εξισώσεων.1 Στοχαστικά υποδείγµατα ταυτόχρονων εξισώσεων Γενικά ο όρος «στοχαστικό» αναφέρεται σε κάτι το τυχαίο. Η υιοθέτηση στοχαστικών συστηµάτων υπαγορεύεται από την τυχαία φύση των οικονοµικών φαινοµένων και µεταβλητών που λαµβάνουν χώρα στην παρούσα εργασία. Σε ένα τέτοιο σύστηµα, έχουµε µεταβλητές οι τιµές των οποίων καθορίζονται µέσα στο σύστηµα, οι οποίες ονοµάζονται ενδογενείς. Οι µεταβλητές αυτές καθορίζονται από άλλες αλλά και καθορίζουν άλλες µεταβλητές του συστήµατος. Ακόµα, υπάρχουν µεταβλητές οι τιµές των οποίων καθορίζονται έξω από το σύστηµα και οι οποίες ονοµάζονται εξωγενείς. Αυτές καθορίζουν κάποιες µεταβλητές του συστήµατος χωρίς να καθορίζονται από άλλες. Οι εξωγενείς µαζί µε τις ενδογενείς µεταβλητές που αναφέρονται σε προηγούµενες χρονικές περιόδους (αν έχουµε χρονολογικές σειρές) ή προηγούµενες µονάδες γενικά (αν έχουµε διαστρωµατικά στοιχεία) χαρακτηρίζονται ως προκαθορισµένες. Ένα σύστηµα είναι δυνατό να έχει εξισώσεις συµπεριφοράς που αναλύουν τη συµπεριφορά µονάδων της οικονοµίας και εξισώσεις ορισµού ή ταυτότητες. Τέλος στις εξισώσεις συµπεριφοράς, επειδή πρόκειται για στοχαστικό σύστηµα, συναντούµε τους διαταρακτικούς όρους ή θορύβους ή σφάλµατα που είναι τυχαίες µη παρατηρήσιµες µεταβλητές και οι οποίες αντανακλούν ουσιαστικά την επίδραση διαφόρων τυχαίων επιπρόσθετων παραγόντων στις τιµές των ενδογενών µεταβλητών..1.1 οµική (διαρθρωτική) µορφή συστήµατος Ένα σύστηµα του οποίου το πλήθος των ενδογενών µεταβλητών είναι ίσο µε το πλήθος των εξισώσεων ονοµάζεται πλήρες. Η διαρθρωτική µορφή ενός πλήρους συστήµατος γραµµικών ως προς τις παραµέτρους εξισώσεων µε J ενδογενείς µεταβλητές και Κ προκαθορισµένες γράφεται ως εξής: 17

18 γ11υ 1 +γ1υ +...+γj1y J +β11χ 1 +β1χ +...+βκ1χ Κ +u 1 =0 γ1υ 1 +γυ +...+γjy J +β1 Χ 1 +βχ +...+βκ Χ Κ +u =0.. (1.1). γ Υ +γ Υ +...+γ Y +β Χ +β Χ +...+β Χ +u =0 1J 1 J JJ J 1J 1 J ΚJ Κ J όπου Υ j είναι η παρατήρηση της j ενδογενούς µεταβλητής για j=1,,,j στην περίοδο (ή άτοµο) για = 1,,,T, Χ κ είναι η παρατήρηση της κ προκαθορισµένης µεταβλητής για κ=1,,...,κ στην περίοδο (ή άτοµο) και u J είναι ο διαταρακτικός όρος της j ενδογενούς µεταβλητής στην περίοδο (ή άτοµο ). Εναλλακτικά, µπορούµε να θεωρήσουµε ότι η παρατήρηση της j ενδογενούς µεταβλητής είναι ένα διάνυσµα από Τ περιόδους ή άτοµα, οπότε το σύστηµα µπορεί να γραφεί γενικά µε τη µορφή µητρών ως εξής: Γ Υ + Β Χ = U (1.) (JXJ) (JXT) (JXK) (KXT) (JXT) όπου Υ = Υ Υ... Υ Υ Υ... Υ.... Υ Υ... Υ Τ 1 Τ J1 J JT Χ Χ... Χ Χ Χ... Χ Χ =.... Χ Χ... Χ Τ 1 Τ Κ1 Κ ΚT U = u u... u u u... u.... u u... u Τ 1 Τ J1 J JT Γ = γ γ... γ γ γ... γ.... γ γ... γ 11 1 J1 1 J 1J J JJ 18

19 β β... β β β... β B =.... β β... β 11 1 Κ1 1 Κ 1J J ΚJ.1. Ανηγµένη µορφή συστήµατος Υποθέτουµε ότι η Γ είναι µη ιδιάζουσα, δηλαδή αντιστρέψιµη (είναι σίγουρα τετραγωνική διότι το σύστηµα είναι πλήρες). Τότε από (1.) έχουµε: + = Γ ΓΥ Γ Β Χ Γ U + = 1 1 Υ Γ Β Χ Γ U 1 1 Υ = -Γ Β Χ + Γ U Υ = Π Χ + V (1.3) όπου -1 Π = -Γ Β = (JXK) π π... π π π... π.... π π... π Κ 1 Κ J1 J JK -1 V = -Γ U = (JXT) v v... v v v... v.... v v... v T 1 T J1 J JT 19

20 Αναλυτικά, η ανηγµένη µορφή γράφεται ως εξής: Υ 1 = π11χ 1 + π1χ π1κχ Κ + V 1 Υ = π Χ + π Χ π Χ + V 1 1 Κ Κ.. (1.4). Υ = π Χ + π Χ π Χ + V j j1 1 j jκ Κ j όπου Υ j είναι διάνυσµα (ΤΧ1) παρατηρήσεων της j ενδογενούς µεταβλητής για j=1,,,j, Χ κ είναι διάνυσµα (ΤΧ1) παρατηρήσεων της κ προκαθορισµένης µεταβλητής για κ=1,,...,κ και Vj είναι διάνυσµα (ΤΧ1) του j διαταρακτικού όρου ανηγµένης µορφής για j=1,,,j. Προφανώς, η ανηγµένη µορφή του συστήµατος (1.4) ισχύει και διανύσµατα - στοιχεία για µεµονωµένες περιόδους ή άτοµα για = 1,,,T..1.3 Οι βασικές υποθέσεις Υπόδειγµα µιας εξίσωσης Στο γραµµικό υπόδειγµα µιας µόνο εξίσωσης, συνήθως υποθέτουµε ότι ισχύουν οι βασικές υποθέσεις του (κανονικού) κλασσικού γραµµικού υποδείγµατος. Αυτές οι υποθέσεις που αφορούν µια εξίσωση γραµµικής παλινδρόµησης, µπορούν να γραφούν συνοπτικά ως εξής (βλέπε Κιντή, 198, σελ. 69): (α) Γραµµικό ως προς τις παραµέτρους υπόδειγµα (β) Ε( u i) = 0 i, δηλαδή ο µέσος των u i είναι µηδέν (γ) Var(u )= σ < i, δηλαδή τα u i έχουν σταθερή διακύµανση i (δ) Cov(ui, u j) = 0 i j, δηλαδή τα u i και u j, i j, είναι µεταξύ τους (ε) (στ) ασυσχέτιστα X i : µη στοχαστική µεταβλητή i, δηλαδή η X i είναι σταθερή σε επαναλήψεις του πειράµατος και ανεξάρτητη από την u i X i : γραµµικά ανεξάρτητες µεταξύ τους, δηλαδή δεν υπάρχει το 0

21 πρόβληµα της πολυσυγγραµµικότητας, όπου u i είναι ο i -διαταρακτικός όρος i και µεταβλητή i. X i είναι η i ανεξάρτητη Η υιοθέτηση των υποθέσεων που αφορούν τους διαταρακτικούς όρους, γίνεται επειδή οι τιµές τους είναι άγνωστες. Έτσι, οι προβλέψεις του υποδείγµατος, ο στατιστικός έλεγχος και η σηµαντικότητα των µεταβλητών, θα είναι άµεσα συνδεδεµένες µε την ισχύ ή µη των υποθέσεων αυτών. Όταν πληρούνται οι υποθέσεις (α) (στ), πράγµα που ελέγχεται µε διάφορες µεθόδους µετά την εκτίµηση του υποδείγµατος, τότε η εφαρµογή της συνήθους µεθόδου ελαχίστων τετραγώνων (Ordinary Leas Squares ή OLS), δίνει την άριστη, γραµµική, αµερόληπτη εκτιµήτρια (Bes Linear Unbiased Esimaor ή BLUE) ˆ -1 β = (Χ Χ) Χ Υ της παραµέτρου β, η οποία επιπλέον είναι επαρκής (χρησιµοποιεί δηλαδή όλες τις διαθέσιµες πληροφορίες), συνεπής (συγκλίνει κατά πιθανότητα στο β ή αλλιώς ˆ plimβ = β ) και ασυµπτωτικά αµερόληπτη ( lim Ε (β ˆ ) = β, T όπου Τ το πλήθος των παρατηρήσεων) βλέπε Λαζαρίδη, 00, σελ. 6). Στην περίπτωση αυτή, το υπόδειγµα στο οποίο αναφέρονται οι εν λόγω υποθέσεις (α) (στ), λέγεται κλασικό γραµµικό υπόδειγµα. Εάν υποθέσουµε επιπλέον και την κανονικότητα των σφαλµάτων, τότε αυτό ονοµάζεται κανονικό κλασικό γραµµικό υπόδειγµα και τα µεταξύ τους ανεξάρτητα. u i, u j, i j γίνονται Υπόδειγµα ταυτόχρονων εξισώσεων Στην περίπτωση γραµµικού υποδείγµατος ταυτόχρονων εξισώσεων ουσιαστικά κάνουµε γενίκευση των προηγούµενων υποθέσεων. Οι υποθέσεις (α), (β), (γ), (ε) και (στ) ισχύουν για κάθε εξίσωση και η (δ) τροποποιείται έτσι ώστε να ισχύει ότι η συνδιακύµανση δυο διαταρακτικών όρων διαφορετικών χρονικών περιόδων ή ατόµων είναι µηδέν, άσχετα αν αυτοί οι όροι αναφέρονται στην ίδια ή διαφορετική εξίσωση. Επιπλέον, υποθέτουµε ότι η µήτρα Γ της (1.) είναι αντιστρέψιµη και ότι σε κάθε δοµική εξίσωση του συστήµατος (1.1) ο συντελεστής µιας από κοινού 1

22 ενδογενούς µεταβλητής µπορεί να είναι ίσος µε -1 (έτσι ώστε να µπορεί η κάθε δοµική εξίσωση να επιλυθεί ως προς διαφορετική κάθε φορά ενδογενή µεταβλητή). Αντίστοιχα µε το υπόδειγµα µιας εξίσωσης, υπάρχουν άλλες µέθοδοι εκτίµησης για το υπόδειγµα ταυτόχρονων εξισώσεων µετά την εφαρµογή των οποίων πρέπει να γίνει αντίστοιχα έλεγχος για την ισχύ των παραπάνω υποθέσεων (για µεγαλύτερη ανάλυση των βασικών υποθέσεων στην περίπτωση συστηµάτων ταυτόχρονων εξισώσεων και τροποποιήσεις τους ανάλογα µε τη µέθοδο εκτίµησής τους, βλέπε Kousoyiannis, 1978, κεφάλαιο 16)..1.4 Ταυτοποίηση Η γνώση των παραµέτρων του συστήµατος ανηγµένης µορφής αρκεί για την εκτίµηση (πρόβλεψη) των ενδογενών µεταβλητών. Αν όµως το ενδιαφέρον µας επεκτείνεται και στη διενέργεια ελέγχων υποθέσεων για τις παραµέτρους αυτές, τότε είναι απαραίτητη η γνώση των παραµέτρων της δοµικής µορφής του συστήµατος (1.1). Όµως, δεν µπορούµε να εκτιµήσουµε απευθείας τις δοµικές παραµέτρους εξαιτίας του προβλήµατος του σφάλµατος αλληλεξάρτησης ή του προβλήµατος µεροληψίας λόγω ύπαρξης ταυτόχρονων εξισώσεων (βλέπε Καφφέ, 1989, σελ. 171). Έτσι, η ιδέα είναι να εκτιµηθούν οι παράµετροι της ανηγµένης µορφής και από αυτές, κάτω από ορισµένες συνθήκες, να λάβουµε τις αντίστοιχες της δοµικής µορφής. Οι συνθήκες αυτές πληρούνται µόνο αν το σύστηµα είναι ταυτοποιήσιµο. Η ταυτοποίηση είναι µια διαδικασία που προηγείται των εκτιµήσεων. Αν ταυτοποιούνται οι εξισώσεις του συστήµατος, τότε λέµε ότι το σύστηµα είναι ταυτοποιήσιµο και µπορούµε από την ανηγµένη µορφή να αποκτήσουµε τις δοµικές παραµέτρους. Κι αυτό διότι αν ένα σύστηµα είναι ταυτοποιήσιµο, εξασφαλίζουµε ότι δε µπορούν να βρεθούν παραπάνω από µια διαρθρώσεις που να έχουν την ίδια ανηγµένη µορφή.

23 Συνθήκες ταυτοποίησης µιας εξίσωσης (α) Συνθήκη διαστάσεων Έστω: Κ1 : ο αριθµός των προκαθορισµένων µεταβλητών που δεν περιλαµβάνονται στην εξίσωση J1 : ο αριθµός των ενδογενών µεταβλητών που περιλαµβάνονται στην εξίσωση Κ : ο αριθµός των προκαθορισµένων µεταβλητών που περιλαµβάνονται στην εξίσωση J : ο αριθµός των ενδογενών µεταβλητών που δεν περιλαµβάνονται στην εξίσωση Πρέπει να ισχύει: Κ1 J1-1 ή ισοδύναµα Κ1+J J1+J-1 (βλέπε Καφφέ,1989, σελ. 0), όπου Κ1+J : αριθµός µεταβλητών του συστήµατος που δεν υπάρχουν στην εξίσωση J1+J : αριθµός εξισώσεων του πλήρους συστήµατος. Η συνθήκη αυτή είναι αναγκαία αλλά όχι ικανή. Για να ταυτοποιείται η εξίσωση πρέπει να ικανοποιείται επιπλέον και η ακόλουθη συνθήκη, η οποία είναι αναγκαία και ικανή. (β) Συνθήκη βαθµού Βρίσκουµε τη µήτρα Π του συστήµατος ανηγµένης µορφής (1.3). Η Π έχει τόσες στήλες όσες και οι ενδογενείς µεταβλητές του συστήµατος και τόσες γραµµές όσες οι προκαθορισµένες (συµπεριλαµβανοµένης και της υποθετικής µεταβλητής 3

24 που πολλαπλασιάζεται µε τους σταθερούς όρους των εξισώσεων η οποία λαµβάνει µόνιµα την τιµή 1). Πρέπει να ισχύει ότι rank ( Π )= J1-1, όπου προκύπτει αν : r Π r είναι η υποµήτρα της Π που i) ιαγράψουµε τις στήλες της Π που αντιστοιχούν στις ενδογενείς µεταβλητές που δεν υπάρχουν στην εξίσωση ii) ιαγράψουµε τις γραµµές της Π που αντιστοιχούν στις προκαθορισµένες µεταβλητές που υπάρχουν στην εξίσωση και rank ( Π ) είναι η τάξη της µεγαλύτερης σε διάσταση µη µηδενικής ορίζουσας της r Π r. Αν ισχύουν και οι δυο συνθήκες και στην πρώτη ισχύει η ανισότητα τότε η εξίσωση λέµε ότι υπερταυτοποιείται. Αν ισχύουν και οι δυο συνθήκες και στην πρώτη ισχύει η ισότητα τότε η εξίσωση λέµε ότι ταυτοποιείται ακριβώς.. Μέθοδοι εκτίµησης συστηµάτων ταυτόχρονων εξισώσεων Οι διάφορες µέθοδοι για την εκτίµηση συστηµάτων ταυτόχρονων εξισώσεων αναφέρονται µόνο σε ταυτοποιήσιµες εξισώσεις συµπεριφοράς. Υπάρχουν µέθοδοι που εκτιµούν κάθε εξίσωση ξεχωριστά χρησιµοποιώντας τις πληροφορίες του συστήµατος αλλά µε περιορισµένο τρόπο, καθώς και µέθοδοι συνολικής εκτίµησης του συστήµατος. Οι πιο σηµαντικές µέθοδοι της πρώτης κατηγορίας είναι η έµµεση µέθοδος ελαχίστων τετραγώνων (indirec leas squares ή ILS), η µέθοδος ελαχίστων τετραγώνων σε δυο στάδια (wo-sage leas squares ή SLS) και η µέθοδος της µεγίστης πιθανοφάνειας µε περιορισµένες πληροφορίες (limied-informaion maximum likelihood mehod ή LIML). Από τη δεύτερη κατηγορία ξεχωρίζουµε τη µέθοδο ελαχίστων τετραγώνων σε τρία στάδια (hree-sage leas squares ή 3SLS) και τη µέθοδο της µεγίστης πιθανοφάνειας µε όλες τις πληροφορίες (full-informaion maximum likelihood mehod ή FIML). 4

25 Η µέθοδος SLS Η µέθοδος SLS είναι η πιο σηµαντική της πρώτης κατηγορίας συστηµάτων για εκτίµηση δοµικών παραµέτρων εξισώσεων που υπερταυτοποιούνται ή ταυτοποιούνται ακριβώς. Οφείλεται στους Basmann (1957) και Theil (1953). Ειδικά στη µέθοδο SLS είναι σηµαντικό να πληρείται η υπόθεση ότι το µέγεθος του δείγµατος είναι πολύ µεγαλύτερο από το πλήθος των προκαθορισµένων µεταβλητών του συστήµατος και η υπόθεση περί σωστής εξιδείκευσης του µοντέλου και επιλογής κατάλληλων εξωγενών µεταβλητών. Η µέθοδος SLS συντελείται σε δύο στάδια: Στο πρώτο στάδιο εφαρµόζουµε τη συνήθη µέθοδο των ελαχίστων τετραγώνων στις εξισώσεις του συστήµατος ανηγµένης µορφής (1.3) εκείνων των ενδογενών µεταβλητών που εµφανίζονται ως ανεξάρτητες στις υπερταυτοποιηµένες ή ταυτοποιηµένες ακριβώς δοµικές εξισώσεις. Στο δεύτερο στάδιο εφαρµόζουµε τη συνήθη µέθοδο των ελαχίστων τετραγώνων στην υπερταυτοποιηµένη ή ταυτοποιηµένη ακριβώς δοµική εξίσωση αφού αντικαταστήσουµε τις τιµές των ενδογενών µεταβλητών που εµφανίζονται ως ανεξάρτητες µε τις αντίστοιχες εκτιµήσεις τους από το πρώτο στάδιο. Τα παραπάνω στάδια, αφορούν στην εύρεση των εκτιµήσεων των παραµέτρων. Επιπλέον, αν υπάρχει ενδιαφέρον για την τελική εκτίµηση των εξαρτηµένων ενδογενών µεταβλητών, πρέπει στην εκτιµηµένη πλέον εξίσωση να έχουµε τις παρατηρούµενες τιµές της ενδογενούς ανεξάρτητης µεταβλητής και όχι τις εκτιµηµένες τιµές από το πρώτο στάδιο. Αξίζει να σηµειωθεί ότι όταν µια εξίσωση ταυτοποιείται ακριβώς, τότε η µέθοδος SLS δίνει τα ίδια αποτελέσµατα µε αυτά της µεθόδου ILS. 5

26 3. Ανάλυση Μοντέλου 3.1 Ιστορική αναδροµή Η κοινωνική ασφάλιση στην Ελλάδα ουσιαστικά «γεννήθηκε» το 1934 µε το Ν.698/34 «περί κοινωνικών ασφαλίσεων». Από τότε έγιναν αξιόλογες προσπάθειες για την ανάπτυξη του συνταξιοδοτικού µας συστήµατος. Τις τελευταίες όµως δεκαετίες συντελέσθηκε µια άναρχη δόµηση του συστήµατος αυτού µε υπερβολικά µεγάλο αριθµό ταµείων, πολύπλοκη και πολυπλόκαµη νοµοθεσία, ατέρµονη γραφειοκρατία, ικανοποίηση πελατειακών συµφερόντων και γενικά µε σύγχυση για το τι ισχύει και καθεστώς αδιαφάνειας. Αυτή η πορεία σε συνδυασµό µε το δηµογραφικό πρόβληµα και την ανεργία στη χώρα µας, οδήγησε στη σηµερινή κατάσταση που χαρακτηρίζεται από ελλειµµατικά ταµεία, αδυναµία καταβολής συντάξεων, αυξανόµενη κρατική επιδότηση στα ταµεία, σκανδαλώδεις διαχειρίσεις αποθεµατικών, σπατάλη στο σύστηµα υγείας και πολλά άλλα. Είναι λοιπόν ευρέως παραδεκτό, ότι στην Ελλάδα υπάρχει ανάγκη για άµεση ασφαλιστική µεταρρύθµιση. Στη χώρα µας, πρέπει αρχικά να γίνει καταγραφή της υφιστάµενης και αρκετά πολύπλοκης κατάστασης που επικρατεί, όσον αφορά το νοµικό, διοικητικό και οργανωτικό πλαίσιο του συνταξιοδοτικού µας συστήµατος. Σε δεύτερη φάση, πρέπει να µελετηθεί η διεθνής εµπειρία και να γίνει επιλογή των κατάλληλων µέτρων για τη χώρα µας. Στο τελικό στάδιο πρέπει να υλοποιηθούν οι υποδοµές που θα υποδεχθούν το νέο σύστηµα (αναλογιστικές µελέτες, κατάλληλες βάσεις δεδοµένων, ψήφιση σχετικών νόµων). Προς αυτή την κατεύθυνση, έχουν ήδη γίνει κάποια βήµατα (βλέπε ΦΕΚ 58, Νόµο 3655/08). 3. εδοµένα Βασική µέριµνα για την ελληνική πραγµατικότητα, είναι να δηµιουργηθεί ένας ενιαίος δηµόσιος φορέας κοινωνικών συντάξεων κύριων και επικουρικών καθώς και ανάπτυξη των επαγγελµατικών ταµείων, που µε την κατάλληλη διαχείριση των αποθεµατικών θα αποσκοπεί τουλάχιστον στη διατήρηση των σηµερινών 6

27 παροχών. Ωστόσο, για τα θέµατα αυτά, αξίζει να µελετήσουµε περιπτώσεις επιτυχούς ασφαλιστικής µεταρρύθµισης εντός και εκτός Ευρωπαϊκής Ένωσης όπως στη Χιλή (1990) και Σουηδία (1994). Το Σουηδικό µοντέλο αποτέλεσε για πολλές χώρες οδηγό για τη δική τους ασφαλιστική µεταρρύθµιση ή τροποποίηση όπως π.χ. η περίπτωση της Γερµανίας. Ο Νεκτάριος (008), παρέχει µια ολοκληρωµένη πρόταση για το Ελληνικό σύστηµα συντάξεων µε βάση το σουηδικό µοντέλο. Στην παρούσα εργασία θα µας απασχολήσει το µέρος της πρότασης που αφορά στις επικουρικές συντάξεις. Γενικά οι επικουρικές συντάξεις όπως µαρτυρεί και το όνοµά τους, συµπληρώνουν τις κύριες συντάξεις οι οποίες κατά βάση στηρίζονται στο αναδιανεµητικό σύστηµα. Οι επικουρικές συντάξεις όταν κεφαλαιοποιούνται πλήρως εξασφαλίζουν αρµονία στα µεγέθη της οικονοµίας και επιτυγχάνουν διασπορά των κινδύνων (π.χ. σε µια ενδεχόµενη δηµογραφική µεταβολή θα επηρεαστούν οι κύριες συντάξεις που θα βασίζονται στο αναδιανεµητικό σύστηµα και όχι οι επικουρικές). Κατά το συγγραφέα, πρέπει να εφαρµοστεί ένα υποχρεωτικό σύστηµα επικουρικών συντάξεων για τους ασφαλισµένους µετά το 199 και µεταξύ άλλων προτείνει (βλέπε σελ ): εφαρµογή της πλήρους κεφαλοποίησης των αποθεµατικών δηµιουργία ατοµικών λογαριασµών των ασφαλισµένων σύστηµα καθορισµένων εισφορών µετατροπή του συσσωρευµένου κεφαλαίου σε ράντα τη στιγµή της συνταξιοδότησης (τα ποσά των επικουρικών συντάξεων προκύπτουν από τη διαίρεση των ατοµικών λογαριασµών των ασφαλισµένων µε την ισόβια αναλογιστική ράντα τη στιγµή της συνταξιοδότησης) διαχείριση αποθεµατικών από ειδικές εταιρίες συµβεβληµένες µε ευρωπαϊκές και εθνικές ΑΕ ΑΚ καθορισµός εισφορών περίπου στο 3% για εργαζόµενους και εργοδότες δυνατότητα στον κάθε ασφαλισµένο να επενδύει σε δικής του σύνθεσης χαρτοφυλάκιο ή να υπάρχει ενιαία απόδοση για όλους τους ασφαλισµένους 7

28 Για τις ανάγκες της παρούσας εργασίας, λάβαµε δείγµα 46 ασφαλισµένων ανδρών ηλικιών 0-65 (έναν για κάθε ηλικία) από ελληνικό ταµείο επικουρικής ασφάλισης και έγινε καταγραφή των µισθών και των ετών ασφάλισής τους στο ταµείο στην αρχή του έτους Υποθέτουµε ότι ισχύει το κεφαλαιοποιητικό σύστηµα καθορισµένων εισφορών και σύµφωνα µε αυτό έχει συσσωρευθεί συγκεκριµένο κεφάλαιο στον ατοµικό λογαριασµό του κάθε ασφαλισµένου. Για την κατασκευή βάσης δεδοµένων, θεωρούµε ότι οι µισθοί αυξάνονται µε ρυθµό i=3% ετησίως και ότι το επιτόκιο επένδυσης των λογαριασµών των ασφαλισµένων είναι σταθερό και ίσο µε r=3.5% ετησίως. Ο πληθωρισµός βρίσκεται περίπου στο 3% και οι εισφορές ως ποσοστό του µισθού ανέρχονται συνολικά (εργαζόµενοι και εργοδότες) στο 6%, οι οποίες προκαταβάλλονται στην αρχή του έτους. Γενικά το ποσοστό αύξησης µισθών και το επιτόκιο επένδυσης των λογαριασµών δεν θεωρούνται σταθερά αλλά θα τα θεωρήσουµε ως τέτοια για τις ανάγκες της παρούσας εργασίας. Επίσης για την ευκόλυνση των υπολογισµών, θεωρούµε για την εργασία αυτή, ότι οι εισφορές προκαταβάλλονται στην αρχή του έτους, σε αντίθεση µε την κοινή πρακτική που οι εισφορές αποδίδονται µηνιαίως. 3.3 Ορισµός των µεταβλητών Κάτω από την υπόθεση ισχύος του κεφαλαιοποιητικού συστήµατος καθορισµένων εισφορών για επικουρικές συντάξεις, προφανώς δεν είναι δυνατό στην Ελλάδα να ευρεθούν αντίστοιχα δεδοµένα ασφαλιστικών µεγεθών που αναφέρονται σε τέτοιο πλαίσιο. Εντούτοις, θα µπορούσε να ευρεθεί µια φόρµουλα µε την οποία να επιτυγχάνεται η κατασκευή τους, έστω κάτω από ιδανικές συνθήκες και παραδοχές, έτσι ώστε να λάβουµε µια βάση διαστρωµατικών δεδοµένων των εν λόγω ασφαλιστικών µεγεθών, που θα αναφέρεται στο δείγµα των 46 ασφαλισµένων ανδρών στο χρόνο τ. Τονίζεται ότι η φόρµουλες αυτές χρησιµεύουν, για να λάβουµε τιµές των ασφαλιστικών µεγεθών που µας ενδιαφέρουν στο χρόνο τ και µόνο αυτό, χωρίς να χρησιµοποιούνται για την µελλοντική εκτίµηση αυτών των µεγεθών. Λαµβάνοντας έτσι τα δεδοµένα αυτά του χρόνου τ, µπορούµε να τα 8

29 αξιοποιήσουµε εισάγοντάς τα σε κάποιο ειδικό µοντέλο, µε σκοπό κάποιες προβλέψεις του ενδιαφέροντός µας. Ύστερα από τις υποθέσεις αυτές ορίσθηκαν οι εξής µεταβλητές: (1) Το ύψος του ατοµικού λογαριασµού του ασφαλισµένου τη χρονική στιγµή τ, που ορίζεται από τον παρακάτω τύπο: όπου (1 + i) n (1 + r) n F = 6% S 0, (1 + r ), (1 + i) (1 + r) 1 S 0, = S τ,, (1 + i) n =1,,,46 (.1) =1,,,46 (.) είναι ο αρχικός ετήσιος µισθός του ασφαλισµένου, n είναι τα έτη ασφάλισης (υπηρεσίας) του ασφαλισµένου στο ταµείο τη χρονική στιγµή τ, S τ, είναι ο ετήσιος µισθός του ασφαλισµένου τη χρονική στιγµή τ (στην εργασία αυτή, όπου τ θα θεωρούµε την αρχή του έτους ) και όπως έχει ήδη αναφερθεί, i=3% και r=3.5%. Ο παραπάνω υπολογισµός προκύπτει από τον τύπο που ισχύει για την τελική αξία προκαταβλητέας ράντας επιτοκίου r% µε όρους σε γεωµετρική πρόοδο λόγου i% (βλέπε Αλεξανδρή, 1989, σελ. 81). () Το αναλογιστικό κόστους του έτους (τ-1,τ) υπολογισµένο τη στιγµή τ που ορίζεται από τον εξής τύπο: όπου 65 (1 ) C = Fτ -1,r + 6% S τ -1 (1 ), + r α 65 D x D ɺɺ, =1,,,46 τ-τ0-1 τ-τ0-1 (1 + i) (1 + r) Fτ-1, = 6% S 0, (1 + r ), (1 + i) (1 + r) =1,,,46 9

30 S υπολογίζεται χρησιµοποιώντας τον τύπο (.), D = υ x l είναι η τ-1, γνωστή σύνθετη αναλογιστική συνάρτηση επιτοκίου και θνησιµότητας, υ = (1 +δ ) 1 είναι ο προεξοφλητικός παράγοντας µε τεχνικό επιτόκιο δ=3.15%, x είναι η ηλικία του ασφαλισµένου τη χρονική στιγµή, l x είναι το πλήθος των ατόµων που επιζούν στην ηλικία x από µια αρχική ρίζα (λαµβάνεται από τους ελβετικούς πίνακες EVK 000) και (1 ) αɺɺ 6 5 είναι η παρούσα αξία (Π.Α.) ισόβιας, µηνιαίας, προκαταβλητέας αναλογιστικής ράντας ατόµου ηλικίας 65 ετών. x x Το κόστος αυτό είναι ανάλογο µε εκείνο του κανονικού και συµπληρωµατικού κόστους που ισχύουν στις διάφορες µεθόδους κοστολόγησης-χρηµατοδότησης των ταµείων (βλέπε Aiken, 1996). Ουσιαστικά το κανονικό κόστος (NC) είναι οι οι εισφορές που συσσωρεύονται σε ετήσια βάση για να σχηµατισθούν οι υπεσχηµένες παροχές. Στην περίπτωσή µας, στο ταµείο επικουρικής ασφάλισης, δεν υπάρχουν καθορισµένες παροχές αλλά µόνο καθορισµένες εισφορές και το εν λόγω κόστος σχηµατίζεται από τον τόκο του περασµένου έτους προσαυξηµένο από το µέρος το αντίστοιχο της µεθόδου προβεβληµένης πιστωτικής µονάδας (projeced uni credi, βλέπε Aiken, 1996 και Ζυµπίδη, 008, σελ. 109). Ο παραπάνω τύπος θεωρούµε ότι ισχύει µόνο για τη συγκεκριµένη περίπτωση και δεν εφαρµόζεται γενικά. (3) Τα κέρδη του έτους (τ -1,τ) υπολογισµένα τη στιγµή τ, τα οποία προκύπτουν από τον τόκο του συσσωρευµένου ύψους του ατοµικού λογαριασµού του προηγούµενου έτους και τον τόκο των εισφορών που προκαταβάλλονται στην αρχή του ίδιου έτους και δίνονται από τον εξής τύπο: Ι = Fτ-1, + 6% S τ-1, r (4) Η πιθανότητα θανάτου στο διάστηµα (x,65) που δίνεται από τον τύπο: l M = 1 p = 1 = q x x 65 x x lx 30

31 όπου x είναι η ηλικία του ασφαλισµένου τη χρονική στιγµή τ, δηλαδή στην αρχή του έτους ( ), 65 x p x είναι η πιθανότητα για όλα τα άτοµα ηλικίας x να επιζήσουν µέχρι την ηλικία 65 (θεωρούµε ότι σε κάθε περίπτωση, καταβάλλεται σύνταξη µόνο όταν ο ασφαλισµένος γίνει 65 ετών και µέχρι τότε οι εισφορές εισπράτονται κανονικά, πλην της περίπτωσης του θανάτου ανεξαρτήτως αποχώρησης λόγω ανικανότητας ή παραιτήσεων) και 65 x q x είναι η πιθανότητα θανάτου ατόµου ηλικίας x στο διάστηµα (x, 65). Οι πιθανότητες αυτές υπολογίστηκαν χρησιµοποιώντας στοιχεία από τους ελβετικούς πίνακες EVK 000. (5) Η εκθετική συνάρτηση µε βάση το e στο σηµείο n (έτη ασφάλισης του ασφαλισµένου στο ταµείο τη χρονική στιγµή τ) και ορίζεται από τον τύπο: Ζ = e x p ( n ) Η συνάρτηση αυτή δεν έχει συγκεκριµένη λογική ερµηνεία, όµως είναι πολύ σηµαντική για το µοντέλο ταυτόχρονων εξισώσεων της εργασίας αυτής. 3.4 Το µοντέλο ταυτόχρονων εξισώσεων Με βάση την περιγραφή της υφιστάµενης κατάστασης του ασφαλιστικού συστήµατος στην Ελλάδα, θα ήταν τουλάχιστον ενδιαφέρον αν όχι αναγκαίο, να αναπτυχθούν µέθοδοι και µοντέλα, στα πλαίσια συγκεκριµένων προτάσεων και αλλαγών, µε τα οποία να δίνεται η δυνατότητα εκτίµησης κάποιων σηµαντικών ασφαλιστικών µεγεθών σε επιλεγµένες περιόδους και οµάδες ασφαλισµένων. ιαπιστώθηκε, ότι µπορούν να δηµιουργηθούν γραµµικά υποδείγµατα που να ερµηνεύουν λογικά τη σχέση των µεταβλητών που ορίσθηκαν στην παράγραφο 3.1 και µάλιστα παρατηρώντας την αλληλεξάρτηση κάποιων µεταβλητών από αυτές, να δηµιουργηθούν ανάλογα υποδείγµατα ταυτόχρονων εξισώσεων. Σε αυτή την προσπάθεια, εξετάστηκαν πολλά µοντέλα ταυτόχρονων εξισώσεων κάποια από τα οποία όµως παρουσίασαν αδυναµίες που αφορούν κυρίως 31

32 θέµατα της οικονοµετρικής θεωρίας συστηµάτων ταυτόχρονων εξισώσεων και τα οποία παρατίθενται στο κεφάλαιο 6. Το µοντέλο που επιλέχθηκε για την παρούσα εργασία, το οποίο πληρεί όλες τις προϋποθέσεις της οικονοµετρικής θεωρίας αλλά και είναι συνεπές µε το σκοπό για τον οποίο επιλέχθηκε συνδυάζοντας επιπλέον και λογική ερµηνεία του συγκεκριµένου τρόπου µε τον οποίο σχετίζονται οι µεταβλητές του είναι: C = α + α F + α M + u F = b C + b Z + u 1 (.3) Το µοντέλο αποτελείται από δυο εξισώσεις συµπεριφοράς, είναι πλήρες, έχει δυο ενδογενείς µεταβλητές, τις C και F, καθώς και δυο εξωγενείς, τις M και Z. Οι «θόρυβοι» 1 u και u, είναι τυχαίες µη παρατηρήσιµες µεταβλητές και αντιπροσωπεύουν την επίδραση διαφόρων τυχαίων παραγόντων στις τιµές των C και F αντίστοιχα οµική µορφή του συστήµατος Θεωρούµε µια υποθετική ανεξάρτητη µεταβλητή X που θα λαµβάνει πάντα την τιµή 1. Σύµφωνα µε ανάλυση προηγούµενου κεφαλαίου, η δοµική µορφή του συστήµατος (.3) θα είναι η εξής: γ C γ F β Χ β Μ β Ζ u = 0 γ C γ F β Χ β Μ β Ζ u = 0 Συγκεκριµένα, η δοµική µορφή του συστήµατος (.3) γράφεται: 3

33 -C + α F + α Χ + α Μ + 0Ζ + u = b C - F + 0Χ + 0Μ + b Ζ + u = 0 1 Το στη συνέχεια, θα είναι µετρητής ατόµων =1,,...,44. Για λόγους που θα εξηγηθούν στο κεφάλαιο 5, από τα 46 άτοµα παραλείπουµε ενδεικτικά, το 15 ο και το 3 ο. Για J=, T=44 και Κ=3, η εξίσωση (1.) καθώς και οι µήτρες Y, X, U, Γ και Β γράφονται: Γ Υ + Β Χ = U ( X ) ( X 4 4 ) ( X 3 ) (3 X 4 4 ) ( X 4 4 ) Y (X44) C1 C... C44 = F1 F... F X = M 1 M... M 44 Z 1 Z... Z 44 ( 3 X 44 ) U ( X 44 ) 1u1 1u... 1u44 = u1 u... u44 Γ ( Χ ) γ γ = γ 1 γ Β ( Χ3) β β β = β1 β β Ανηγµένη µορφή συστήµατος Έστω η Γ είναι αντιστρέψιµη. Τότε ισχύει η (1.3): Υ = Π Χ + V όπου 33

34 π11 π 1 1 π 13 Π= Γ Β= π1 π π 3 και V 1v1 1v v 44 = Γ U= v1 v... v 44 Αναλυτικά η ανηγµένη µορφή γράφεται: C = π11x + π1μ + π13z + 1V F = π 1X + π Μ + π 3Z + V Παρακάτω, θα εργασθούµε µε την ισοδύναµη δοµική µορφή: Υ Γ + Χ Β = U (Τ Χ J ) (J X J ) (Τ Χ Κ ) (Κ Χ J ) (Τ Χ J ) και την ισοδύναµη ανηγµένη µορφή: όπου Υ = Χ Π + V π π = = π31 π Π ΒΓ π1 π Αναλυτικά έχουµε: C = π11x + π 1Μ + π 31Z + 1V F = π1x + π Μ + π 3Z + V (.4) 34

35 4. Εκτίµηση Μοντέλου 4.1 Ταυτοποίηση Όπως αναπτύχθηκε σε προηγούµενο κεφάλαιο, η πρώτη µέριµνα που πρέπει κανείς να λάβει, είναι να ερευνήσει για την ταυτοποίηση των εξισώσεων του συστήµατος. Συγκεκριµένα θα εξετάσουµε την ισχύ των δύο συνθηκών ταυτοποίησης. Υιοθετώντας συµβολισµούς που ήδη έχουµε χρησιµοποιήσει, για την πρώτη εξίσωση έχουµε: (α) Συνθήκη διαστάσεων Κ1=1 ( αριθµός των προκαθορισµένων µεταβλητών που δεν περιλαµβάνονται στην εξίσωση) J1= ( αριθµός των ενδογενών µεταβλητών που περιλαµβάνονται στην εξίσωση) Κ= ( αριθµός των προκαθορισµένων µεταβλητών που περιλαµβάνονται στην εξίσωση) J=0 ( αριθµός των ενδογενών µεταβλητών που δεν περιλαµβάνονται στην εξίσωση) Πρέπει να ισχύει: Κ1 J1-1. Πράγµατι 1 1. (β) Συνθήκη βαθµού Αρχικά, βρίσκουµε τη µήτρα: 35

36 β β α γ 1 11 γ1 1 b 1 Π= ΒΓ = β1 β α 0 γ1 γ = α1 1 β31 β 3 0 b έχουµε: Γ 1 adj(γ ) =, de(γ) = 1 α1b1, de(γ ) adj(γ) 1 α 1 = b1 1 = 1 1 α 1 1 Γ,α1b α b 1b α0 0 α0 α0α1 1 α Π= ΒΓ = α 0 α α1α α1b 1 1 b1 1 = α1b b b1b b Οι γραµµές της µήτρας Π αντιστοιχούν στις προκαθορισµένες µεταβλητές X, M και Z (από άνω προς τα κάτω). Οι στήλες της µήτρας Π αντιστοιχούν στις ενδογενείς µεταβλητές C και κατά τα γνωστά, πράττουµε τις δυο ακόλουθες ενέργειες: F (από αριστερά προς τα δεξιά). Έπειτα, i) ιαγράφουµε τις στήλες της Π που αντιστοιχούν στις ενδογενείς µεταβλητές που δεν υπάρχουν στην εξίσωση (καµία δηλαδή) ii) ιαγράφουµε τις γραµµές της Π που αντιστοιχούν στις προκαθορισµένες µεταβλητές που υπάρχουν στην εξίσωση, δηλαδή τις γραµµές των X και M. Η µήτρα που θα αποµείνει θα είναι: 36

37 1 Π = b b b [ ] r 1 α1b 1 1 Άρα rank ( Π )=1. Το πλήθος των εξαρτηµένων µεταβλητών που υπάρχουν στην r εξίσωση είναι δυο. Άρα rank ( Π )= J1-1=1. Επειδή στη συνθήκη των διαστάσεων r ισχύει η ισότητα, η πρώτη εξίσωση του συστήµατος ταυτοποιείται ακριβώς. Για τη δεύτερη εξίσωση έχουµε: (α) Συνθήκη διαστάσεων Κ1= ( αριθµός των προκαθορισµένων µεταβλητών που δεν περιλαµβάνονται στην εξίσωση) J1= ( αριθµός των ενδογενών µεταβλητών που περιλαµβάνονται στην εξίσωση) Κ=1 ( αριθµός των προκαθορισµένων µεταβλητών που περιλαµβάνονται στην εξίσωση) J=0 ( αριθµός των ενδογενών µεταβλητών που δεν περιλαµβάνονται στην εξίσωση) Έχουµε ότι Κ1= J1-1=-1=1, που ισχύει. (β) Συνθήκη βαθµού i) ιαγράφουµε τις στήλες της Π που αντιστοιχούν στις ενδογενείς µεταβλητές που δεν υπάρχουν στην εξίσωση (καµία δηλαδή) και ii) ιαγράφουµε τις γραµµές της Π που αντιστοιχούν στις προκαθορισµένες µεταβλητές που υπάρχουν στην εξίσωση, 37

38 δηλαδή την γραµµή της Z. Η µήτρα που θα αποµείνει θα είναι: Π r 1 α α α = α1b α 1 1 α1α εδοµένου ότι de ( Π r )=0 rank ( Π r )=1. Το πλήθος των εξαρτηµένων µεταβλητών που υπάρχουν στην εξίσωση είναι δύο. Άρα rank ( Π )= J1-1=1. Επειδή στη συνθήκη των διαστάσεων ισχύει η ανισότητα, η δεύτερη εξίσωση του συστήµατος υπερταυτοποιείται. r Κατόπιν αυτών, µπορούµε να προχωρήσουµε στην εκτίµηση των επιµέρους εξισώσεων του συστήµατος. Η πλέον διαδεδοµένη µέθοδος εκτίµησης εξισώσεων που ταυτοποιούνται ακριβώς ή υπερταυτοποιούνται την οποία και θα εφαρµόσουµε είναι η SLS (ειδικά για την πρώτη εξίσωση θα µπορούσε να εφαρµοστεί η µέθοδος ILS η οποία δίδει τα ίδια αποτελέσµατα µε αυτά της SLS). 4. Εκτίµηση εξισώσεων Γενικά, χωρίς να υπάρχει κάποιος κανόνας που να το επιβάλλει, προσπαθούµε να βρούµε για την κάθε εξίσωση ξεχωριστά, εκείνες τις µεταβλητές έτσι ώστε εάν εφαρµόσουµε τη συνήθη µέθοδο ελαχίστων τετραγώνων, να λάβουµε ικανοποιητικά αποτελέσµατα και να πληρούνται κατά το δυνατό οι βασικές υποθέσεις. Άλλωστε, ο λόγος για τον οποίο αναζητούµε άλλες µεθόδους εκτίµησης στα συστήµατα εξισώσεων και όχι την OLS, είναι το σφάλµα αλληλεξάρτησης ή το πρόβληµα µεροληψίας λόγω ύπαρξης ταυτόχρονων εξισώσεων (simulaneous equaions bias). Στο µοντέλο της εργασίας αυτής, αυτό µπορεί να διαπιστωθεί ως εξής: από το σύστηµα (.3), αν αντικαταστήσουµε τη δεύτερη εξίσωση στην πρώτη έχουµε: 38

39 C = α + α ( b C + b Z + u ) + α M + u = α + α b C + α b Z + α u + α M + u C = (α + α b Z + α M + α u + u ) α1b1 Είναι φανερό ότι η C (ανεξάρτητη µεταβλητή) παρουσιάζει ταυτόχρονη συσχέτιση µε το διαταρακτικό όρο u. Συνεπώς, αν εφαρµόσουµε την OLS στη δεύτερη εξίσωση, θα λάβουµε εκτιµήτριες οι οποίες δε θα έχουν τις επιθυµητές ιδιότητες και συγκεκριµένα θα είναι µη συνεπείς και µεροληπτικές (βλέπε Καφφέ, 1989, παράγραφο.1.3 σελ. 75). Παρόµοια συµπεράσµατα µπορούµε να εξάγουµε και για την πρώτη εξίσωση. Αποδεικνύεται ότι η SLS εκτιµητές είναι συνεπείς (βλέπε Καφφέ, 1989, θεώρηµα σελ. 54), συγκλίνουν δηλαδή κατά πιθανότητα στις προς εκτίµηση παραµέτρους και ασυµπτωτικά κανονικοί (βλέπε Theil, 1971). Βέβαια, απαραίτητη προϋπόθεση για να λάβουµε συνεπείς εκτιµητές µε τη µέθοδο SLS, είναι το σύστηµα εξισώσεων να είναι ταυτοποιήσιµο (βλέπε Λαζαρίδη, 000, σελ. 50). Παρακάτω θα προβούµε στην SLS εκτίµηση των παραµέτρων µε τη χρήση του πακέτου SPSS, σε πλήρη στατιστική ανάλυση των ευρηµάτων και έλεγχο ισχύος των βασικών υποθέσεων για συστήµατα εξισώσεων Εξίσωση 1 η SLS εκτιµητές 1 ο στάδιο Αρχικά, εκτιµούµε µε τη συνήθη µέθοδο των ελαχίστων τετραγώνων (OLS) την εξίσωση: F = C 0 + C1M + C Z + u 39

40 Έχουµε: ˆF = 6489, , 863M + 0, 665Z Είναι πολύ φυσικό σ αυτό το στάδιο ορισµένες φορές να έχουµε χαµηλό συντελεστή προσδιορισµού. Στη συγκεκριµένη περίπτωση R²= Αν η εξαρτάται γραµµικά από την M, τότε στη η εξίσωση του συστήµατος θα έχουµε πολυσυγγραµµικότητα και συνεπώς παραβιάζεται η (στ) από τις βασικές υποθέσεις. Οπότε αν το υπόδειγµα είναι σωστό, το R² διαµορφώνεται κυρίως από τη γραµµική εξάρτηση των F και Z. F ο στάδιο Εκτιµούµε µε τη συνήθη µέθοδο των ελαχίστων τετραγώνων (OLS) την εξίσωση: και λαµβάνουµε την: C = α + α Fˆ + α M + ε (3.1) 0 1 = + (3.) Ĉ 10606, 36 0, 49F , 599M Το αρνητικό πρόσηµο του συντελεστή της M είναι λογικό διότι σε µια ενδεχόµενη αύξηση της πιθανότητας θανάτου ceeris paribus, το κόστος του ταµείου µειώνεται. Στατιστική ανάλυση Οι εκτιµήσεις των παραµέτρων που λαµβάνουµε µε την OLS από την (3.1) θεωρούνται οι σωστές εκτιµήσεις της µεθόδου SLS. Οι τιµές όµως των τυπικών σφαλµάτων των α 0, α 1 και α, του R² και των στατιστικών F και, οι οποίες βασίζονται στα παρατηρούµενα σφάλµατα ή Residuals, που προκύπτουν από την (3.1) θα είναι λανθασµένες. Αυτό συµβαίνει, διότι τα σωστά Residuals 40

41 προκύπτουν από την (3.) ως η διαφορά των τις πραγµατικές τιµές της µεταβλητής Ĉ µε τα C. χρησιµοποιώντας F για τον υπολογισµό των Ĉ. Όσον αφορά τα τυπικά σφάλµατα των συντελεστών του δεύτερου σταδίου (εξίσωση (3.1)) αυτά είναι λανθασµένα, διότι ο εκτιµητής της διακύµανσης του διαταρακτικού όρου που προκύπτει από το δεύτερο στάδιο χρησιµοποιώντας τις εκτιµηµένες τιµές ˆF από το πρώτο στάδιο είναι µεροληπτικός (βλέπε Χρήστου, 00, σελ. 70). Ο αµερόληπτος δηλαδή εκτιµητής της διακύµανσης του διαταρακτικού όρου της πρώτης δοµικής εξίσωσης του συστήµατος (.3) δίνεται από τη σχέση: S = u (C C ˆ ) T m όπου Τ είναι το πλήθος παρατηρήσεων και m το πλήθος παραµέτρων. Έτσι για να λάβουµε τις σωστές τιµές των τυπικών σφαλµάτων, πολλαπλασιάζουµε τις ληφθείσες τιµές των τυπικών σφαλµάτων του δεύτερου σταδίου µε το λόγο S u/ S ε, όπου S ε είναι η εκτίµηση της τυπικής απόκλισης του διαταρακτικού όρου χρησιµοποιώντας τις εκτιµηµένες τιµές ˆF του πρώτου σταδίου. Έχουµε: S (C C ˆ ) (C C ˆ ) = T m = = u S u = S ε = S = ε S u / Sε = Συνεπώς, οι σωστές τυπικές αποκλίσεις των α 0, α 1 και α είναι αντίστοιχα: 41

42 S ˆα = (577)(0.597) = S ˆα = (0.18)(0.597) = S ˆα = ( )(0.597) = Επίσης έχουµε: ˆα 0 ˆα 0 = = = S ˆα ˆα 1 ˆα 1 = = = S ˆα ˆα ˆα = = = S ˆα Κάτω από τη µηδενική υπόθεση Η0: α i =0, i=0,1,, γνωρίζουµε ότι η ˆα i ακολουθεί την κατανοµή Suden (ψευδώνυµο του W.S.Gosse) µε T-m βαθµούς ελευθερίας ή αλλιώς ~. αˆ i T m Για επίπεδο σηµαντικότητας α=0.05 συγκρίνουµε τις ποσότητες i=0,1,,3 µε την κριτική τιµή α / ;T m της κατανοµής Suden. ˆα i S ˆα i 0, Αν ˆα i S ˆα i 0 > α / ;T m τότε απορρίπτουµε την Η0: α i =0, i=0,1,,3 δηλαδή δεχόµαστε ότι οι µεταβλητές (η κάθε µια ξεχωριστά) που χρησιµοποιούµε για την εκτίµηση της C είναι στατιστικά σηµαντικές. Αν θέλουµε να κάνουµε στατιστικό έλεγχο της µορφής Η0: α 0 = α 1 = α =0, αυτό επιτυγχάνεται ως γνωστό µε τη 4

43 στατιστική F και ουσιαστικά ελέγχουµε αν η ανεξάρτητες µεταβλητές µεταβάλλονται συγχρόνως. Κάτω από την υπόθεση Η0: α 0 = α 1 = α =0, γνωρίζουµε ότι: C µεταβάλλεται σηµαντικά όταν οι F = SSR / (m 1) SSE / (T m ) ~ F m 1,T m όπου ˆ και SSR = (C C ) SSE = (C C ˆ ). Για επίπεδο σηµαντικότητας α=0.05 συγκρίνουµε την ποσότητα F µε την κριτική τιµή F,4 1;0.0 5 της κατανοµής Snedecor. Αν F>F,41;0.05 τότε απορρίπτουµε τη µηδενική υπόθεση Η0 δηλαδή δεχόµαστε ότι οι ανεξάρτητες µεταβλητές είναι συνολικά σηµαντικές στη διαµόρφωση των τιµών της Συνολικά έχουµε: C. ˆ 0.05;41 α = > = ˆ 0.05;41 α = > = ˆ 0.05;41 α = > = Άρα απορρίπτουµε τη µηδενική υπόθεση Η0 και στις τρεις περιπτώσεις. Το αποτέλεσµα αυτό επιβεβαιώνεται και από τη στατιστική F: F = 93.80> 3.5= F,41;0.05 Όσον αφορά την τιµή του συντελεστή προσδιορισµού R (C C ˆ ) SSE = = = SST (C C ) έχουµε ότι: 43

44 ηλαδή το 85.3% της συνολικής µεταβλητικότητας της εξαρτηµένης µεταβλητής C ερµηνεύεται από τη συγκεκριµένη παλινδρόµηση, ποσοστό το οποίο είναι ιδιαιτέρως υψηλό. Ως γνωστό, τα διαστήµατα εµπιστοσύνης σε επίπεδο σηµαντικότητας α=0.05 για τις παραµέτρους α i, i=0,1, έχουν ως εξής: (αˆ s, αˆ + s ) i α / αˆ i α / i αˆ i Το κάθε διάστηµα από αυτά είναι ένα 95% διάστηµα εµπιστοσύνης για την παράµετρο α i, i=0,1,, µε την έννοια ότι αν λάβουµε άπειρο αριθµό δειγµάτων µεγέθους Τ=44 από το συγκεκριµένο ταµείο και για κάθε δείγµα υπολογίσουµε το διάστηµα εµπιστοσύνης µε τον παραπάνω τύπο, τότε το 95% των διαστηµάτων αυτών θα περιλαµβάνει την παράµετρο του πληθυσµού του ταµείου. Άρα αυτό που λαµβάνουµε είναι ένα από αυτά. Έχουµε: ένα 95% διάστηµα εµπιστοσύνης για την παράµετρο α 0 είναι το (αˆ s, αˆ + s ) ή το ( , ), 0 α/ αˆ 0 α/ αˆ 0 0 ένα 95% διάστηµα εµπιστοσύνης για την παράµετρο α 1 είναι το (αˆ s, αˆ + s ) ή το ( 0.166, 0.691) 1 α / αˆ 1 α / αˆ 1 1 και ένα 95% διάστηµα εµπιστοσύνης για την παράµετρο α είναι το (αˆ s, αˆ + s ) ή το ( , ). α / αˆ α / αˆ Έλεγχος ισχύος των βασικών υποθέσεων της 1 ης εξίσωσης Αρχικά θα ερευνήσουµε την κανονικότητα του διαταρακτικού όρου. Γνωρίζουµε ότι αν η πρώτη εξίσωση είναι σωστή, τότε ο εκτιµητής e ˆσ = i T m 44

45 όπου Τ=44, m=3, i=1,,,44, είναι αµερόληπτος εκτιµητής του σ. Οπότε, για να ελέγξουµε αν ε i ~ N( 0, σ ) ή ισοδύναµα αν ε i / σ ~ Ν( 0, 1) i, µπορούµε να ελέγξουµε το εύρος των ποσοτήτων e ˆ i / σ i. Επειδή η ε i / σ λαµβάνει τιµές µε πιθανότητα 95% στο (-1.96, 1.96), αναµένουµε ότι το 95% των τιµών i ˆ e / σ i θα βρίσκεται σ αυτό το διάστηµα. Πράγµατι, υπολογίζοντας το ˆσ ² = και τις τιµές των i ˆ e / σ, βρίσκουµε ότι υπάρχουν τρεις τιµές εκτός του διαστήµατος (-1.96, 1.96) οπότε µπορούµε να υποθέσουµε ότι ε i ~ N( 0, σ ) i. Επιπλέον µπορούµε να κατασκευάσουµε ένα ιστόγραµµα για τα Residuals ή τα Sandardized Residuals µε το οποίο λαµβάνουµε ένδειξη κανονικής κατανοµής. Για τα Sandardized Residuals σχηµατίζουµε το πηλίκο: ei E(e i) ei = Sd(e ) i και λαµβάνουµε το σχετικό ιστόγραµµα: 45

46 Παρατηρούµε ότι σε γενικές γραµµές, οι τιµές των Sandardized Residuals σχηµατίζουν την µορφή της κανονικής κατανοµής, πλην όµως υπάρχει µεγάλη συχνότητα αρνητικών τιµών κοντά στο µηδέν, καθώς επίσης και τιµές εκτός του εύρους των τιµών της κανονικής κατανοµής. Ως εκ τούτου δεν µπορούµε µε σιγουριά να δεχτούµε την κανονικότητά τους παρά µόνο να έχουµε ένδειξη γι αυτό, όπως αναφέρθηκε παραπάνω. Αν σχηµατίσουµε το P-P plo των Sandardized Residuals µε θεωρητική κατανοµή την τυπική κανονική Ν(0,1) θα εξάγουµε το συµπέρασµα ότι αυτά έχουν κατανοµή πλησίον της τυπικής κανονικής κατανοµής αλλά δεν προσαρµόζονται πλήρως σε αυτήν. Σε κάθε περίπτωση, για τους σκοπούς της εργασίας, το αποτέλεσµα αυτό είναι αρκετά ικανοποιητικό και µπορούµε να δεχτούµε την κανονικότητα των διαταρακτικών όρων της 1 ης εξίσωσης. Άλλωστε, η κανονικότητα των διαταρακτικών όρων µπορεί γενικά να επιτευχθεί µε τη λήψη µεγάλων δειγµάτων. Με χρήση του SPSS λαµβάνουµε το P-P plo των Sandardized Residuals: 46

47 Προχωρούµε στη εξέταση της µέσης τιµής του διαταρακτικού όρου. Βλέπουµε ότι E(e i) = Άρα δε µπορούµε να δεχτούµε µε βεβαιότητα ότι E(e i)= 0. Όµως το σφάλµα αυτό δε θεωρείται σηµαντικό µε την έννοια ότι ο µέσος των Residuals είναι πλησίον του µηδέν σε σχέση µε τις επιµέρους πολύ µεγαλύτερες τιµές τους. Συνεπώς θα υπάρχει µια ελαφρά υπερεκτίµηση του σταθερού όρου της παλινδρόµησης που δε θεωρούµε ότι αποτελεί σοβαρό πρόβληµα (βλέπε Κιντή, 198, σελ. 6). Γενικά, ο έλεγχος της υπόθεσης E(uu i j)=σ u για κάθε i=j και E(uu i j)= 0 για κάθε i j, δε µπορούν να ελεγχθούν εύκολα αλλά όπως και στις άλλες υποθέσεις, αν έχουµε συµπεριλάβει τις σηµαντικότερες ερµηνευτικές µεταβλητές, η µαθηµατική µορφή της εξίσωσης είναι σωστή και δεν υπάρχουν σηµαντικά σφάλµατα µέτρησης, δεν έχουµε λόγο να πιστεύουµε στην παραβίαση αυτών (βλέπε Κιντή, 198, σελ. 7). 47

48 Βέβαια, πρέπει να σηµειώσουµε ότι η αντιµετώπιση της διερεύνησης ισχύος των υποθέσεων στα πλαίσια συστηµάτων εξισώσεων µε τη µέθοδο SLS, διαφέρει γενικά σε σχέση µε τα υποδείγµατα µιας µόνο εξίσωσης. Έτσι η υπόθεση της οµοσκεδαστικότητας των διαταρακτικών όρων u i, i=1,,...,44, E(uu i j)=σ u για κάθε i=j δηλαδή η υπόθεση ότι η συνδιακύµανση δυο διαταρακτικών όρων που αναφέρονται στην ίδια µονάδα πληθυσµού είναι σταθερή και ίση µε σ u, ελέγχεται π.χ. µε το es των Breusch και Pagan ειδικά εφαρµοσµένο για εκτιµήσεις SLS (βλέπε Wooldridge, 004, σελ. 486). Σύµφωνα µε αυτό εφαρµόζουµε γραµµική παλινδρόµηση µε εξαρτηµένη µεταβλητή το τετράγωνο των σωστών καταλοίπων του δεύτερου σταδίου και ανεξάρτητες όλες τις εξωγενείς µεταβλητές του συστήµατος δηλαδή τις M και Z. Από την παραπάνω διαδικασία λαµβάνουµε το R² της παλινδρόµησης και έπειτα σχηµατίζουµε τη στατιστική F R / κ = ( 1 R )(T κ 1 ) όπου κ είναι το πλήθος των ερµηνευτικών µεταβλητών της παραπάνω παλινδρόµησης. Η στατιστική F κάτω από υπόθεση Η0 της οµοσκεδαστικότητας, ακολουθεί κατανοµή Snedecor µε κ και Τ-κ-1 βαθµούς ελευθερίας. Κατά τα γνωστά, αν F> F κ,t κ 1;0.05, τότε απορρίπτουµε την υπόθεση της οµοσκεδαστικότητας σε επίπεδο σηµαντικότητας α=0.05. Συγκεκριµένα για την 1 η εξίσωση του συστήµατος έχουµε ότι R²=0.054 και F / ( )( 44 1 ) = = 1.17 Γνωρίζοντας τώρα ότι F,41;0.05 = 3.3, έχουµε ότι F=1.17 < F,4 1;0.0 5 = 3. 3 και άρα δεχόµαστε την υπόθεση της οµοσκεδαστικότητας των διαταρακτικών όρων. 48

49 Σε περίπτωση που έχουµε ένδειξη µη ισχύος της υπόθεσης οµοσκεδαστικότητας, πρέπει να λάβουµε ιδιαίτερα µέτρα έτσι ώστε να αποκτήσουµε το επιθυµητό µοντέλο. Πρακτικά η ετεροσκεδαστικότητα υφίσταται όταν έχουµε διασπορά σε µια ή παραπάνω ανεξάρτητες µεταβλητές, όταν έχουµε διαστρωµατικά δεδοµένα, ή ακόµα όταν υπάρχουν παράγοντες που επιδρούν στην εξαρτηµένη µεταβλητή και δεν τους λάβαµε υπόψη. Στην περίπτωση αυτή ο εκτιµητής ˆβ είναι συνεπής αλλά όχι BLUE για την παράµετρο β. Για την ανίχνευση της ισχύος της υπόθεσης E(uu i j)= 0 για κάθε i j τόσο στην ίδια εξίσωση όσο και µεταξύ των δυο εξισώσεων, δηλαδή της υπόθεσης περί µη ύπαρξης αυτοσυσχέτισης ή καλύτερα περί µη συσχέτισης των διαταρακτικών όρων όπως συνηθίζεται να λέγεται στην περίπτωση των διαστρωµατικών δεδοµένων, δε λαµβάνουµε ιδιαίτερα µέτρα δεδοµένης της φύσης των διαστρωµατικών δεδοµένων και της τάσης αυτών να µην εµφανίζουν αυτοσυσχέτιση. Η υπόθεση της γραµµικής ανεξαρτησίας των ανεξάρτητων µεταβλητών υποδηλώνει τη σηµαντικότητα του προβλήµατος της πολυσυγγραµµικότητας. Είναι ευνόητο ότι θα υπάρχει σίγουρα κάποιος βαθµός εξάρτησης µεταξύ των ανεξάρτητων µεταβλητών της εξίσωσης και το ερώτηµα που προκύπτει είναι από τί ποσοστό εξάρτησης και άνω, µπορεί αυτό να αποδειχθεί επικίνδυνο για την αξιοπιστία των εκτιµήσεών µας. Γενικά στην οικονοµετρική αρθρογραφία και βιβλιογραφία δεν έχει δοθεί µια κοινώς παραδεκτή λύση του προβλήµατος της πολυσυγγραµµικότητας. Ένας απλός τρόπος είναι να υπολογίσουµε το συντελεστή συσχέτισης µεταξύ των δυο ερµηνευτικών µεταβλητών που έχουµε στην εξίσωση ˆF και M (αυτό ενδείκνυται µόνο στην περίπτωση αυτή που έχουµε δυο ερµηνευτικές µεταβλητές). Πρέπει να σηµειωθεί ότι δε γίνεται χρήση της µεταβλητής F αλλά της ˆF, διότι µε βάση την τελευταία λάβαµε τις SLS εκτιµήσεις. Έχουµε ότι το τετράγωνο του συντελεστή συσχέτισης είναι r = 0.9. Ο Klein υποστήριξε (βλέπε Klein, 196, σελ. 101), ότι αν το ˆF M, 49

50 τετράγωνο του συντελεστή συσχέτισης δυο µεταβλητών είναι µικρότερο από το συντελεστή προσδιορισµού R², τότε η πολυσυγγραµµικότητα δεν αποτελεί ιδιαίτερο πρόβληµα. Στην εξίσωσή µας r = 0.9 < 0.857= R² (για σχετικό ˆF M, τύπο του δειγµατικού συντελεστή συσχέτισης, βλέπε Τσίµπο Γεωργιακώδη, 000, σελ. 106) οπότε αν δεχθούµε τον ισχυρισµό του Klein, δεν τίθεται θέµα πολυσυγγραµµικότητας (βλέπε Κιντή, 198, σελ. 168). Τέλος, όσον αφορά την ισχύ της βασικής υπόθεσης (ε), εξετάζουµε την µήτρα σχεδιασµού Χ που αποτελείται από m στήλες (όσες δηλαδή και οι παράµετροι της παλινδρόµησης) εκ των οποίων η πρώτη στήλη είναι µονάδες και οι υπόλοιπες m-1 αποτελούν τις τιµές των ερµηνευτικών µεταβλητών της εξίσωσης. Με την υπόθεση (ε) εξασφαλίζουµε ότι τα στοιχεία της µήτρας σχεδιασµού Χ είναι ανεξάρτητα ή τουλάχιστον ασυσχέτιστα µε τα στοιχεία του διανύσµατος του διαταρακτικού όρου. Αυτό όµως εξασφαλίζει ότι η κατανοµή πιθανότητας της εξαρτηµένης ενδογενούς µεταβλητής εξαρτάται αποκλειστικά από την κατανοµή πιθανότητας του διαταρακτικού όρου, πράγµα το οποίο βεβαιώνει τη µονόδροµη σχέση αιτίας αποτελέσµατος από τις ανεξάρτητες µεταβλητές προς τις εξαρτηµένες (βλέπε Κιντή, 198, σελ. 61). Υποθέτουµε ότι η µήτρα Χ είναι σταθερή σε επαναλαµβανόµενα δείγµατα και όχι τυχαία, παρόλο που η φύση των οικονοµικών µεταβλητών υποδεικνύει γενικά το αντίθετο. Αυτό συµβαίνει, διότι θεωρούµε ότι λόγω της αντιπροσωπευτικότητας του δείγµατος, αν λάβουµε επαναλαµβανόµενα δείγµατα ασφαλισµένων ηλικιών 0 µε 65, θα έχουµε περίπου τις ίδιες τιµές των ετών υπηρεσίας, πιθανοτήτων θνησιµότητας και µισθών. Άρα ισχυριζόµαστε ότι σε επαναλαµβανόµενα δείγµατα ασφαλισµένων ηλικίας 0 µε 65 η µήτρα σχεδιασµού Χ, που αποτελείται από τη στήλη των µονάδων και τα διανύσµατα τιµών των ˆF και M, θα είναι ουσιαστικά σταθερή. Γενικά αν η Χ είναι τυχαία, τότε οι εκτιµήσεις µας παραµένουν συνεπείς και αµερόληπτες, αρκεί τα στοιχεία της µήτρας Χ να είναι ανεξάρτητα του διανύσµατος του διαταρακτικού όρου, πράγµα που µπορεί να ανιχνευθεί µε διαγράµµατα των X i µε τα e i (βλέπε Κιντή, 198, σελ. 193). Πράγµατι, σε 50

51 περίπτωση που θεωρήσουµε ότι η Χ είναι τυχαία (και συνεπώς το αρχικό δείγµα δεν είναι αντιπροσωπευτικό) και λάβουµε το διάγραµµα διασποράς (scaer plo) των ˆF και e i (όπου e i είναι τα τελικά residuals του δεύτερου σταδίου χρησιµοποιώντας τις παρατηρούµενες τιµές F ), διαπιστώνουµε ότι δεν υπάρχει κάποια συγκεκριµένη εξάρτηση συναρτησιακής µορφής συνολικά: που να τα συνδέει Το αυτό συµβαίνει αν παρατηρήσουµε και το scaer plo τωνm και e i : 51

52 Άρα θεωρούµε ότι σε κάθε περίπτωση οι εκτιµήσεις µας θα παραµείνουν αξιόπιστες. 4.. Εξίσωση η SLS εκτιµητές 1 ο στάδιο Αρχικά, εκτιµούµε µε τη συνήθη µέθοδο των ελαχίστων τετραγώνων (OLS) την εξίσωση: C = d0 + d1m + dz + u 5

53 Έχουµε : = + Ĉ M 0, 85Z Όπως είπαµε και στην 1 η εξίσωση, αν η C εξαρτάται γραµµικά από την Z, τότε στη η εξίσωση του συστήµατος θα έχουµε πολυσυγγραµµικότητα και συνεπώς παραβιάζεται η (στ) από τις βασικές υποθέσεις. Οπότε αν το υπόδειγµα είναι σωστό, το R² διαµορφώνεται κυρίως από τη γραµµική εξάρτηση των C και M. Εδώ, το R²= ο στάδιο Εκτιµούµε µε τη συνήθη µέθοδο των ελαχίστων τετραγώνων (OLS) την εξίσωση: F = b Cˆ + b Z + ε 1 και λαµβάνουµε την: ˆF = 0.75C Z Στατιστική ανάλυση Τονίζουµε ξανά, ότι για να λάβουµε τις εκτιµήσεις της F, δηλαδή τις ˆF, πρέπει µετά το ο στάδιο να αντικατασταθούν οι εκτιµηθείσες τιµές του 1 ου σταδίου Ĉ µε τις πραγµατικές C. Υπολογίζουµε κατά τα γνωστά τα σωστά Residuals και τον εκτιµητή της διασποράς του θορύβου u της ης δοµικής εξίσωσης του συστήµατος (.3) που δίνεται όπως και στην 1 η εξίσωση από τον αντίστοιχο τύπο: S = u (F F ˆ ) T m όπου Τ είναι το πλήθος παρατηρήσεων και m το πλήθος παραµέτρων. Έτσι για να λάβουµε τις σωστές τιµές των τυπικών σφαλµάτων, πολλαπλασιάζουµε τις 53

54 ληφθείσες τιµές των τυπικών σφαλµάτων του δεύτερου σταδίου µε το λόγο S u/ S ε, όπου S ε είναι η εκτίµηση της τυπικής απόκλισης του διαταρακτικού όρου χρησιµοποιώντας τις εκτιµηµένες τιµές Ĉ του πρώτου σταδίου. Έχουµε: S (F F ˆ ) (F F ˆ ) = T m = = u S u = S ε = S = ε S u / Sε = Συνεπώς, οι σωστές τυπικές αποκλίσεις των b1 και b είναι αντίστοιχα: S = = ˆb 1 (0.117)(0.651) S = = ˆb (0.05)(0.651) Επίσης έχουµε: ˆb 1 ˆb 1 = = = S ˆb ˆb ˆb = = = S ˆb

55 Κάτω από τη µηδενική υπόθεση Η0: b i =0, i=1,, γνωρίζουµε ότι η ˆb ακολουθεί i την κατανοµή Suden µε T-m βαθµούς ελευθερίας ή αλλιώς ~. b ˆ i T m Για επίπεδο σηµαντικότητας α=0.05 συγκρίνουµε τις ποσότητες ˆb i S 0, i=1,, µε ˆb i την κριτική τιµή α / ;T m της κατανοµής Suden. Αν ˆb i S ˆb i 0 > α / ;T m τότε απορρίπτουµε την Η0: b i =0, i=1,, δηλαδή δεχόµαστε ότι οι µεταβλητές (η κάθε µια ξεχωριστά) που χρησιµοποιούµε για την εκτίµηση της F είναι στατιστικά σηµαντικές. Αν θέλουµε να κάνουµε στατιστικό έλεγχο της µορφής Η0: b 1= b =0, αυτό επιτυγχάνεται ως γνωστό µε τη στατιστική F και ουσιαστικά ελέγχουµε αν η µεταβάλλεται σηµαντικά όταν οι ανεξάρτητες µεταβλητές µεταβάλλονται συγχρόνως. F Κάτω από την υπόθεση Η0 : b 1= b =0, γνωρίζουµε ότι: F = SSR / (m 1) SSE / (T m) ~ F m 1,T m όπου SSR = (Fˆ F ) και SSE = (F ˆ F ). Για επίπεδο σηµαντικότητας α=0.05 συγκρίνουµε την ποσότητα F µε την κριτική τιµή F,4;0.05 της κατανοµής Snedecor. Αν F>F,4;0.05 τότε απορρίπτουµε τη µηδενική υπόθεση Η0 δηλαδή δεχόµαστε ότι οι ανεξάρτητες µεταβλητές είναι συνολικά σηµαντικές στη διαµόρφωση των τιµών της F. Συνολικά έχουµε: bˆ 0.05;4 1 = 9.514>.0= 55

56 bˆ 0.05;4 = 4.0>.0= Άρα απορρίπτουµε τη µηδενική υπόθεση Η0 και στις δύο περιπτώσεις. Στη συγκεκριµένη περίπτωση, επειδή δεν υπάρχει σταθερός όρος, ο συντελεστής προσδιορισµού R² δεν έχει τη συνήθη σηµασία του κι έτσι καταφεύγουµε σε άλλες µεθόδους (βλέπε Λαζαρίδη, 00, σελ. 3-35). Για την περίπτωση αυτή και προκειµένου να έχουµε µια εικόνα σε τι ποσοστό η παλινδρόµηση ερµηνεύει τη συνολική µεταβλητικότητα της εξαρτηµένης µεταβλητής F και γενικότερα για την καλή προσαρµογή του µοντέλου µας, οι Murphy (1973), Theil (1975) και οι Pindyck και Rubinfeld (1981) προτείνουν τον παρακάτω δείκτη (βλέπε Λαζαρίδη, 00, σελ. 306): U= RMSE 1 1 ˆF + T F T όπου 1 RMSE = (Fˆ F ) T και άρα έχουµε: U= = Γενικά, όσο πιο κοντά βρίσκεται αυτός ο δείκτης στο µηδέν, τόσο καλύτερη προσαρµογή έχει το µοντέλο. Η τιµή U=0.134 είναι σχετικά κοντά στο µηδέν και συνεπώς δεν υπάρχει λόγος να δεχτούµε ότι το µοντέλο δεν έχει καλή προσαρµογή. 56

57 Τα διαστήµατα εµπιστοσύνης σε επίπεδο σηµαντικότητας α=0.05 για τις παραµέτρους b i, i=1, έχουν ως εξής: Έχουµε: (bˆ s, bˆ + s ) i α / bˆ i α / i ένα 95% διάστηµα εµπιστοσύνης για την παράµετρο b 1 είναι το (bˆ s, bˆ + s ) ή το ( 0.571, 0.879) 1 α/ bˆ 1 α/ bˆ 1 1 και ένα 95% διάστηµα εµπιστοσύνης για την παράµετρο b είναι το (bˆ s, bˆ + s ) ή το ( 0.67, 0.807). α/ bˆ α/ bˆ bˆ i Έλεγχος ισχύος των βασικών υποθέσεων της ης εξίσωσης Αρχικά θα ερευνήσουµε την κανονικότητα του διαταρακτικού όρου µέσω των Residuals. Έχουµε: e ˆσ = i T m όπου Τ=44, m=, i=1,,,44 µε ˆσ ²= και ˆσ = Υπολογίζουµε τη στήλη i ˆ e /σ και αναµένουµε περίπου δύο παρατηρήσεις να είναι εκτός του διαστήµατος (-1.96, 1.96). Μόνο µια παρατήρηση βρίσκεται εκτός του διαστήµατος αυτού. Επειδή δε µας ικανοποιεί αυτό το αποτέλεσµα σε βαθµό που να έχουµε έντονη ένδειξη για κανονικότητα του διαταρακτικού όρου θα εφαρµόσουµε το es των Kolmogorov Smirnov για την κανονική κατανοµή. Με τη χρήση του SPSS λαµβάνουµε τον ακόλουθο πίνακα: 57

58 One-Sample Kolmogorov-Smirnov Tes RES_SLS_F N 44 Normal Mean Parameers a Sd. Deviaion Mos Exreme Differences Absolue.119 Posiive.085 Negaive Kolmogorov-Smirnov Z.790 Asymp. Sig. (-ailed).561 a. Tes disribuion is Normal. Το p-value=0.561 > 0.05=α. Άρα δεχόµαστε την υπόθεση Η0, δηλαδή δεχόµαστε την υπόθεση ότι τα Residuals κατανέµονται κανονικά. Προς αυτή την κατεύθυνση συνηγορεί και το ιστόγραµµα των Residuals ή των Sandardized Residuals. Παρακάτω, παραθέτουµε το ιστόγραµµα των τυποποιηµένων παρατηρούµενων σφαλµάτων: 58

ΚΕΦΑΛΑΙΟ 9 ΕΙΣΑΓΩΓΗ ΣΤΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΤΑΥΤΟΧΡΟΝΩΝ (ΑΛΛΗΛΟΕΞΑΡΤΗΜΕΝΩΝ) ΕΞΙΣΩΣΕΩΝ

ΚΕΦΑΛΑΙΟ 9 ΕΙΣΑΓΩΓΗ ΣΤΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΤΑΥΤΟΧΡΟΝΩΝ (ΑΛΛΗΛΟΕΞΑΡΤΗΜΕΝΩΝ) ΕΞΙΣΩΣΕΩΝ ΚΕΦΑΛΑΙΟ 9 ΕΙΣΑΓΩΓΗ ΣΤΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΥΠΟΔΕΙΓΜΑΤΑ ΤΑΥΤΟΧΡΟΝΩΝ (ΑΛΛΗΛΟΕΞΑΡΤΗΜΕΝΩΝ) ΕΞΙΣΩΣΕΩΝ Μέχρι τώρα η μελέτη μας επικεντρώθηκε σε οικονομικά υποδείγματα μιας εξισώσεως, όπου έχουμε πάντα μια εξαρτημένη

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

Εισόδημα 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 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών

ΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Συστήµατα εξισώσεων: Βασικές έννοιες Μέχρι τώρα υποθέταµε ότι το υπόδειγµα περιέχει µία εξίσωση και

Διαβάστε περισσότερα

Χ. Εμμανουηλίδης, 1

Χ. 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 περισσότερα

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΕΡΩΤΗΣΕΙΣ ΣΤΗΝ ΟΙΚΟΝΟΜΕΤΡΙΑ II ΗΜΗΤΡΙΟΣ ΘΩΜΑΚΟΣ

ΕΠΑΝΑΛΗΠΤΙΚΕΣ 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 περισσότερα

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΧΡΟΝΙΚΕΣ 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 περισσότερα

Πολλαπλή παλινδρόµηση. Μάθηµα 3 ο

Πολλαπλή 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 περισσότερα

x y max(x))

x y max(x)) ΚΕΦΑΛΑΙΟ 0 Απλή Γραµµική Παλινδρόµηση Μωυσιάδης Χρόνης 6 o Εξάµηνο Μαθηµατικών Ένα Πρόβληµα εδοµένα.6 3. 3.8 4. 4.4 5.8 6.0 6.7 7. 7.8 y 5.6 7.9 8.0 8. 8. 9. 9.5 9.4 9.6 9.9 Έχει σχέση το yµε το ; Ειδικότερα

Διαβάστε περισσότερα

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΣΧΟΛΗ 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2

ΟΙΚΟΝΟΜΕΤΡΙΑ 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 περισσότερα

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β

Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Στατιστική για Πολιτικούς Μηχανικούς Λυμένες ασκήσεις μέρους Β Κουγιουμτζής Δημήτρης Τμήμα Πολιτικών Μηχανικών Α.Π.Θ. Θεσσαλονίκη, Μάρτιος 4 Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

Τεχνολογικό 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 περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

ΤΕΙ 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 περισσότερα

Ασφαλιστικά Μαθηµατικά Συνοπτικές σηµειώσεις

Ασφαλιστικά Μαθηµατικά Συνοπτικές σηµειώσεις Από την Θεωρία Θνησιµότητας Συνάρτηση Επιβίωσης : Ασφαλιστικά Μαθηµατικά Συνοπτικές σηµειώσεις Η s() δίνει την πιθανότητα άτοµο ηλικίας µηδέν, ζήσει πέραν της ηλικίας. όταν s() s( ) όταν o

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής

ΤΕΙ 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 περισσότερα

ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗ ΙΟΙΚΗΣΗ ΚΑΙ ΣΤΗΝ ΟΙΚΟΝΟΜΙΑ

ΑΝΩΤΑΤΟ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙ ΕΥΤΙΚΟ Ι ΡΥΜΑ ΜΕΣΟΛΟΓΓΙΟΥ ΣΧΟΛΗ ΙΟΙΚΗΣΗΣ & ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΕΦΑΡΜΟΓΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΤΗ ΙΟΙΚΗΣΗ ΚΑΙ ΣΤΗΝ ΟΙΚΟΝΟΜΙΑ Α εξεταστική περίοδος χειµερινού εξαµήνου 4-5 ιάρκεια εξέτασης ώρες και 45 λεπτά Θέµατα Θέµα (α) Τα υποδείγµατα που χρησιµοποιούνται στην οικονοµική θεωρία ονοµάζονται ντετερµινιστικά ενώ τα οικονοµετρικά

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ

ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ ιαφάνειες για το µάθηµα Information Management ΑθανάσιοςΝ. Σταµούλης 1 ΠΗΓΗ Κονδύλης Ε. (1999) Στατιστικές τεχνικές διοίκησης επιχειρήσεων, Interbooks 2 1 Γραµµική παλινδρόµηση Είναι

Διαβάστε περισσότερα

Απλή Παλινδρόμηση και Συσχέτιση

Απλή 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 περισσότερα

Διαχείριση Υδατικών Πόρων

Διαχείριση 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 περισσότερα

ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική

ΧΡΟΝΙΚΕΣ 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 περισσότερα

Ονοµατεπώνυµο : Σίσκου Σταµατίνα Ειρήνη. Υπεύθυνοςκαθηγητής: ΑναστάσιοςΒ. Κάτος. Θεσσαλονίκη, Ιανουάριος 2010

Ονοµατεπώνυµο : Σίσκου Σταµατίνα Ειρήνη. Υπεύθυνοςκαθηγητής: ΑναστάσιοςΒ. Κάτος. Θεσσαλονίκη, Ιανουάριος 2010 Π.Μ.Σ ΤΜΗΜΑΤΟΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Ο προσδιορισµός του επιπέδου της ιδιωτικής κατανάλωσης, των επενδύσεων και των συνολικών εισαγωγών. Mία εµπειρική µελέτη για την Νορβηγία, την

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΕΞΕΙ ΙΚΕΥΣΗ ΕΝΟΣ ΣΧΗΜΑΤΟΣ. ΑΛΛΗΛΕΞΑΡΤΗΣΕΩΝ. ( Παλινδρόµηση στον Πληθυσµό και Παλινδρόµηση στο είγµα).

ΣΤΑΤΙΣΤΙΚΗ ΕΞΕΙ ΙΚΕΥΣΗ ΕΝΟΣ ΣΧΗΜΑΤΟΣ. ΑΛΛΗΛΕΞΑΡΤΗΣΕΩΝ. ( Παλινδρόµηση στον Πληθυσµό και Παλινδρόµηση στο είγµα). ΣΤΑΤΙΣΤΙΚΗ ΕΞΕΙ ΙΚΕΥΣΗ ΕΝΟΣ ΣΧΗΜΑΤΟΣ. ΑΛΛΗΛΕΞΑΡΤΗΣΕΩΝ. ( Παλινδρόµηση στον Πληθυσµό και Παλινδρόµηση στο είγµα). Στην Στατιστική Εξειδίκευση ένα Σχήµα Αλληλεξάρτησης εξειδικεύεται στον Πληθυσµό και το

Διαβάστε περισσότερα

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΣΧΟΛΗ 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 5 Έστω για την σύγκριση δειγμάτων συλλέγουμε παρατηρήσεις Υ =,,, από

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΘΕΩΡΙΑ 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 περισσότερα

MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ Y= g( X1, X2,..., Xn)

MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ Y= g( X1, X2,..., Xn) MEΤΑΣΧΗΜΑΤΙΣΜΟΙ ΤΗΣ ΜΟΡΦΗΣ g( Έστω τυχαίες µεταβλητές οι οποίες έχουν κάποια από κοινού κατανοµή Ας υποθέσουµε ότι επιθυµούµε να προσδιορίσουµε την κατανοµή της τυχαίας µεταβλητής g( Η θεωρία των ένα-προς-ένα

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

9. Παλινδρόμηση και Συσχέτιση

9. Παλινδρόμηση και Συσχέτιση 9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε

Διαβάστε περισσότερα

Είδη Μεταβλητών. κλίµακα µέτρησης

Είδη Μεταβλητών. κλίµακα µέτρησης ΠΕΡΙΕΧΟΜΕΝΑ Κεφάλαιο 1 Εισαγωγικές Έννοιες 19 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Η Μεταβλητότητα Η Στατιστική Ανάλυση Η Στατιστική και οι Εφαρµοσµένες Επιστήµες Στατιστικός Πληθυσµός και Δείγµα Το στατιστικό

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΑΣΚΗΣΕΙΣ ΜΕΡΟΣ ΙΙ - ΟΙΚΟΝΟΜΕΤΡΙΑ Ι Ι ΑΣΚΩΝ : ΤΣΕΡΚΕΖΟΣ ΙΚΑΙΟΣ ΑΣΚΗΣΗ 1. Ν'αποδειχθεί η σχέση : σ 2 =Ε(Χ 2 )-µ 2 ΑΣΚΗΣΗ 2

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΑΣΚΗΣΕΙΣ ΜΕΡΟΣ ΙΙ - ΟΙΚΟΝΟΜΕΤΡΙΑ Ι Ι ΑΣΚΩΝ : ΤΣΕΡΚΕΖΟΣ ΙΚΑΙΟΣ ΑΣΚΗΣΗ 1. Ν'αποδειχθεί η σχέση : σ 2 =Ε(Χ 2 )-µ 2 ΑΣΚΗΣΗ 2 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΑΣΚΗΣΕΙΣ ΜΕΡΟΣ ΙΙ - ΟΙΚΟΝΟΜΕΤΡΙΑ Ι Ι ΑΣΚΩΝ : ΤΣΕΡΚΕΖΟΣ ΙΚΑΙΟΣ ΑΣΚΗΣΗ Ν'αποδειχθεί η σχέση : σ =Ε(Χ )-µ ΑΣΚΗΣΗ Ν'αποδειχθεί η σχέση : Cov(X,Υ)=Ε(ΧΥ)-Ε(Χ)Ε(Υ) ΑΣΚΗΣΗ 3 Να δείξετε ότι

Διαβάστε περισσότερα

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R, Επίκουρος Καθηγητής, Τοµέας Μαθηµατικών, Σχολή Εφαρµοσµένων Μαθηµατικών και Φυσικών Επιστηµών, Εθνικό Μετσόβιο Πολυτεχνείο. Περιεχόµενα Εισαγωγή στη

Διαβάστε περισσότερα

ΒΑΣΙΚΗ ΕΦΑΡΜΟΓΗ. Οικονομετρία ΙΙ. Διδάσκων Τσερκέζος Δικαίος.

ΒΑΣΙΚΗ ΕΦΑΡΜΟΓΗ. Οικονομετρία ΙΙ. Διδάσκων Τσερκέζος Δικαίος. :\Documens and Seings\kpig\Deskop\basikh askhsh aaaa.doc ΒΑΣΙΚΗ ΕΦΑΡΜΟΓΗ. Οικονομετρία ΙΙ. Διδάσκων Τσερκέζος Δικαίος. ΒΑΣΙΚΗ ΕΦΑΡΜΟΓΗ ΣΤΗΝ ΕΞΕΙΔΙΚΕΥΣΗ-ΕΚΤΙΜΗΣΗ-ΑΝΑΛΥΣΗ- ΠΡΟΒΛΕΨΗ- ΣΕΝΑΡΙΑ ΚΑΙ ΤΟΝ ΑΡΙΣΤΟ

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική

Εφαρμοσμένη Στατιστική ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Εφαρμοσμένη Στατιστική Παλινδρόμηση Διδάσκων: Επίκουρος Καθηγητής Κωνσταντίνος Μπλέκας Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

προβλήµατος Το φίλτρο Kalman διαφέρει από τα συνηθισµένα προβλήµατα ΜΕΤ σε δύο χαρακτηριστικά: παραµέτρων αγνώστων

προβλήµατος Το φίλτρο Kalman διαφέρει από τα συνηθισµένα προβλήµατα ΜΕΤ σε δύο χαρακτηριστικά: παραµέτρων αγνώστων Φίλτρα Kalman Εξαγωγή των εξισώσεων τους µε βάση το κριτήριο ελαχιστοποίησης της Μεθόδου των Ελαχίστων Τετραγώνων. Αναλυτικές Μέθοδοι στη Γεωπληροφορική Μεταπτυχιακό Πρόγραµµα ΓΕΩΠΛΗΡΟΦΟΡΙΚΗ ιατύπωση του

Διαβάστε περισσότερα

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS)

ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (POPULATION PROJECTIONS) ΚΕΦΑΛΑΙΟ 8 ΕΚΤΙΜΗΣΕΙΣ, ΠΡΟΒΛΕΨΕΙΣ ΚΑΙ ΠΡΟΒΟΛΕΣ ΠΛΗΘΥΣΜΟΥ (OULATION ROJECTIONS) Η κύρια πηγή στατιστικών δεδοµένων που αφορούν το µέγεθος και τη σύνθεση του πληθυσµού είναι η απογραφή. Η απογραφή πληθυσµού

Διαβάστε περισσότερα

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης Γραμμική Παλινδρόμηση και Συσχέτιση Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών Εξίσωση παλινδρόμησης Πρόβλεψη εξέλιξης Διμεταβλητές συσχετίσεις Πολλές φορές χρειάζεται να

Διαβάστε περισσότερα

5. 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 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 περισσότερα

Απλή Γραμμική Παλινδρόμηση II

Απλή Γραμμική Παλινδρόμηση II . Ο Συντελεστής Προσδιορισμού Η γραμμή Παλινδρόμησης στο δείγμα, αποτελεί μία εκτίμηση της γραμμής παλινδρόμησης στον πληθυσμό. Αν και από τη μέθοδο των ελαχίστων τετραγώνων προκύπτουν εκτιμητές που έχουν

Διαβάστε περισσότερα

Σηµειώσεις στις σειρές

Σηµειώσεις στις σειρές . ΟΡΙΣΜΟΙ - ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ Σηµειώσεις στις σειρές Στην Ενότητα αυτή παρουσιάζουµε τις βασικές-απαραίτητες έννοιες για την µελέτη των σειρών πραγµατικών αριθµών και των εφαρµογών τους. Έτσι, δίνονται συστηµατικά

Διαβάστε περισσότερα

Πολλαπλή παλινδρόμηση (Multivariate regression)

Πολλαπλή 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 περισσότερα

Οικονομετρία 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 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 περισσότερα

Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)

Αναπλ. 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 περισσότερα

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το ΜΑΘΗΜΑ 9ο ΣΥΝΟΛΟΚΛΗΡΩΣΗ (Έννοιες, Ορισµοί) Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το πρόβληµα της

Διαβάστε περισσότερα

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2016-2017 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων Τοπογράφων Μηχανικών

Διαβάστε περισσότερα

Y Y ... y nx1. nx1

Y Y ... y nx1. nx1 6 ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΜΕ ΤΗ ΧΡΗΣΗ ΠΙΚΑΚΩΝ Η χρησιμοποίηση και ο συμβολισμός πινάκων απλοποιεί σημαντικά τα αποτελέσματα της γραμμικής παλινδρόμησης, ιδίως στην περίπτωση της πολλαπλής παλινδρόμησης Γενικά,

Διαβάστε περισσότερα

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis) Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει

Διαβάστε περισσότερα

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ MSc Τραπεζικής & Χρηματοοικονομικής

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 περισσότερα

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ Στα πλαίσια της ΣΤΑΤΙΣΤΙΚΗΣ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑΣ προσπαθούµε να προσεγγίσουµε τα χαρακτηριστικά ενός συνόλου (πληθυσµός) δια της µελέτης των χαρακτηριστικών αυτών επί ενός µικρού

Διαβάστε περισσότερα

Τμήμα 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 Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων

Διαβάστε περισσότερα

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων

Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Τοπογραφικά Δίκτυα και Υπολογισμοί 5 ο εξάμηνο, Ακαδημαϊκό Έτος 2017-2018 Ανασκόπηση θεωρίας ελαχίστων τετραγώνων και βέλτιστης εκτίμησης παραμέτρων Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων και Τοπογράφων

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ

ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ ΚΕΦΑΛΑΙΟ 6 ΧΡΗΣΗ ΓΡΑΜΜΙΚΩΝ ΜΟΝΤΕΛΩΝ ΚΑΙ ΓΡΑΜΜΙΚΗΣ ΠΑΛΙΝ ΡΟΜΗΣΗΣ 6.1 Εισαγωγή Σε πολλές στατιστικές εφαρµογές συναντάται το πρόβληµα της µελέτης της σχέσης δυο ή περισσότερων τυχαίων µεταβλητών. Η σχέση

Διαβάστε περισσότερα

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος Έλεγχοι Υποθέσεων 1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος µ = 100 Κάθε υπόθεση συνοδεύεται από µια εναλλακτική: Ο

Διαβάστε περισσότερα

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 2: Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 2: Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 2: Παλινδρόμηση. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 07-08 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΣΧΟΛΗ 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Α μέρος: Πολυσυγγραμμικότητα. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

Συλλογή,, αποθήκευση, ανανέωση και παρουσίαση στατιστικών δεδοµένων

Συλλογή,, αποθήκευση, ανανέωση και παρουσίαση στατιστικών δεδοµένων Συλλογή,, αποθήκευση, ανανέωση και παρουσίαση στατιστικών δεδοµένων 1. Αναζήτηση των κατάλληλων δεδοµένων. 2. Έλεγχος µεταβλητών και κωδικών για συµβατότητα. 3. Αποθήκευση σε ηλεκτρονική µορφή (αρχεία

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ

ΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ ΚΕΦΑΛΑΙΟ ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ Ως γνωστό δείγμα είναι ένα σύνολο παρατηρήσεων από ένα πληθυσμό. Αν ο πληθυσμός αυτός θεωρηθεί μονοδιάστατος τότε μπορεί να εκφρασθεί με τη συνάρτηση

Διαβάστε περισσότερα

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΙΚΗ 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 περισσότερα

στατιστική θεωρεία της δειγµατοληψίας

στατιστική θεωρεία της δειγµατοληψίας στατιστική θεωρεία της δειγµατοληψίας ΕΙΓΜΑΤΟΛΗΨΙΑ : Εισαγωγή δειγµατοληψία Τα στοιχεία που απαιτούνται τόσο για την ανάλυση των µεταφορικών συστηµάτων και όσο και για την ανάπτυξη των συγκοινωνιακών µοντέλων

Διαβάστε περισσότερα

Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος

Συνολοκλήρωση 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 περισσότερα

ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ

ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ Μετά από την εκτίµηση των παραµέτρων ενός προσοµοιώµατος, πρέπει να ελέγχουµε την αλήθεια της υποθέσεως που κάναµε. Είναι ορθή η υπόθεση που κάναµε? Βεβαίως συνήθως υπάρχουν

Διαβάστε περισσότερα

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΟ ΜΑΘΗΜΑ ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΠΟΛΙΤΙΚΟΥΣ ΜΗΧΑΝΙΚΟΥΣ ΜΕΡΟΣ Β ηµήτρης Κουγιουµτζής http://users.auth.gr/dkugiu/teach/civilengineer E mail: dkugiu@gen.auth.gr 1/11/2009 2 Περιεχόµενα 1 ΠΕΡΙΓΡΑΦΙΚΗ

Διαβάστε περισσότερα

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου Στατιστική Συμπερασματολογία Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων εκτιμήτρια συνάρτηση, ˆ θ σημειακή εκτίμηση εκτίμηση με διάστημα εμπιστοσύνης

Διαβάστε περισσότερα

Οικονομετρία Ι. Ενότητα 2: Ανάλυση Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Οικονομετρία Ι. Ενότητα 2: Ανάλυση Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Οικονομετρία Ι Ενότητα 2: Ανάλυση Παλινδρόμησης Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commos. Για εκπαιδευτικό

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

ΠΕΡΙΕΧΟΜΕΝΑ 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 περισσότερα

Εξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή

Εξέταση Φεβρουαρίου (2011/12) στο Μάθηµα: Γεωργικός Πειραµατισµός. Ζήτηµα 1 ο (2 µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή Σειρά Β Εξέταση Φεβρουαρίου (0/) στο Μάθηµα: Γεωργικός Πειραµατισµός Θεσσαλονίκη: 4/0/0 Επώνυµο Όνοµα Αρ. Μητρώου Κατεύθυνση Ζήτηµα ο ( µονάδες) Για κάθε λανθασµένη απάντηση δεν λαµβάνεται υπόψη µία σωστή

Διαβάστε περισσότερα

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Σ ΤΑΤ Ι Σ Τ Ι Κ Η i ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Κατανομή Δειγματοληψίας του Δειγματικού Μέσου Ο Δειγματικός Μέσος X είναι μια Τυχαία Μεταβλητή. Καθώς η επιλογή και χρήση διαφορετικών δειγμάτων από έναν

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

2. Στοιχεία Πολυδιάστατων Κατανοµών Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε

Διαβάστε περισσότερα

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής:

ΣΕΙΡΕΣ TAYLOR. Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων. Πολυώνυµο είναι κάθε συνάρτηση της µορφής: ΣΕΙΡΕΣ TAYLOR Στην Ενότητα αυτή θα ασχοληθούµε µε την προσέγγιση συναρτήσεων µέσω πολυωνύµων Πολυώνυµο είναι κάθε συνάρτηση της µορφής: p( ) = a + a + a + a + + a, όπου οι συντελεστές α i θα θεωρούνται

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης

Διαβάστε περισσότερα

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές Κ Ι ΠΑΠΑΧΡΗΣΤΟΥ Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ Ιδιότητες & Εφαρµογές ΠΕΙΡΑΙΑΣ 2013 ΟΡΙΖΟΥΣΕΣ Έστω 2 2 πίνακας: a b A= c d Όπως γνωρίζουµε, η ορίζουσα του Α είναι ο αριθµός a

Διαβάστε περισσότερα

Επαναληπτικές Ερωτήσεις για Οικονοµετρία 2

Επαναληπτικές 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 περισσότερα

Παρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο

Παρουσίαση 2 η : Αρχές εκτίμησης παραμέτρων Μέρος 1 ο Εφαρμογές Ανάλυσης Σήματος στη Γεωδαισία Παρουσίαση η : Αρχές εκτίμησης παραμέτρων Μέρος ο Βασίλειος Δ. Ανδριτσάνος Αναπληρωτής Καθηγητής Γεώργιος Χλούπης Επίκουρος Καθηγητής Τμήμα Μηχανικών Τοπογραφίας

Διαβάστε περισσότερα

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 05 Έλεγχος διακυμάνσεων Μας ενδιαφέρει να εξετάσουμε 5 δίαιτες που δίνονται

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότερα

ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία

ΣΧΟΛΗ 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 περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Εισαγωγή

ΟΙΚΟΝΟΜΕΤΡΙΑ 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 περισσότερα

H ΧΡΗΣΙΜΟΤΗΤΑ ΕΝΟΣ ΥΝΑΜΙΚΟΥ ΟΙΚΟΝΟΜΕΤΡΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΣΤΟΧΑΣΤΙΚΩΝ

H ΧΡΗΣΙΜΟΤΗΤΑ ΕΝΟΣ ΥΝΑΜΙΚΟΥ ΟΙΚΟΝΟΜΕΤΡΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΣΤΟΧΑΣΤΙΚΩΝ H ΧΡΗΣΙΜΟΤΗΤΑ ΕΝΟΣ ΥΝΑΜΙΚΟΥ ΟΙΚΟΝΟΜΕΤΡΙΚΟΥ ΣΥΣΤΗΜΑΤΟΣ ΣΤΟΧΑΣΤΙΚΩΝ ΕΞΙΣΩΣΕΩΝ. ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΒΑΣΗ ΤΑ ΥΝΑΜΙΚΑ ΟΙΚΟΝΟΜΕΤΡΙΚΑ ΣΥΣΤΗΜΑΤΑ. ΠΡΟΒΛΕΨΕΙΣ. Μία από τις χρησιµότερες εφαρµοές της χρήσης ενός οικονοµετρικού

Διαβάστε περισσότερα

Εκτίµηση της ζήτησης. Ανάλυση. Μέθοδοι έρευνας µάρκετινγκ ΚΕΦΑΛΑΙΟ 4

Εκτίµηση της ζήτησης. Ανάλυση. Μέθοδοι έρευνας µάρκετινγκ ΚΕΦΑΛΑΙΟ 4 Εκτίµηση της ζήτησης ΚΕΦΑΛΑΙΟ 4 Ανάλυση Παλινδρόµησης και Μέθοδοι έρευνας µάρκετινγκ Το πρόβληµα του προσδιορισµού της (πραγµατικής) καµπύλης ζήτησης Η απλή συνένωση στα πλαίσια ενός διαγράµµατος των παρατηρήσεων

Διαβάστε περισσότερα

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος

Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Ποσοτικές Μέθοδοι στη Διοίκηση Επιχειρήσεων ΙΙ Σύνολο- Περιεχόμενο Μαθήματος Χιωτίδης Γεώργιος Τμήμα Λογιστικής και Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

ΑΝΑΛΟΓΙΣΤΙΚΟ ΠΑΡΑΤΗΡΗΤΗΡΙΟ ΤΣΜΕΔΕ 3 η Τεχνική Αναφορά. τ. Πρόεδρος Εθνικής Αναλογιστικής Αρχής Μέλος Διοικούσας Επιτροπής ΤΕΕ

ΑΝΑΛΟΓΙΣΤΙΚΟ ΠΑΡΑΤΗΡΗΤΗΡΙΟ ΤΣΜΕΔΕ 3 η Τεχνική Αναφορά. τ. Πρόεδρος Εθνικής Αναλογιστικής Αρχής Μέλος Διοικούσας Επιτροπής ΤΕΕ ΑΝΑΛΟΓΙΣΤΙΚΟ ΠΑΡΑΤΗΡΗΤΗΡΙΟ ΤΣΜΕΔΕ 3 η Τεχνική Αναφορά Αλέξανδρος Α. Ζυμπίδης Κωνσταντίνος Γ. Μακέδος Αναλογιστής Πολιτικός Μηχανικός τ. Πρόεδρος Εθνικής Αναλογιστικής Αρχής Μέλος Διοικούσας Επιτροπής ΤΕΕ

Διαβάστε περισσότερα

Τμήμα 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 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 περισσότερα

Μάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος

Μάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος ΤΜΜΑ ΕΠΙΧΕΙΡΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΜΑΤΩΝ Μάθηµα εύτερο-τρίτο- Βασικά Ζητήµατα στο Απλό Γραµµικό Υπόδειγµα Ακαδηµαϊκό Έτος - Στο παρόν µάθηµα δίνεται µε κάποια απλά παραδείγµατα-ασκήσεις

Διαβάστε περισσότερα

Στον πίνακα επιβίωσης θεωρούµε τον αριθµό ζώντων στην κάθε ηλικία

Στον πίνακα επιβίωσης θεωρούµε τον αριθµό ζώντων στην κάθε ηλικία ΚΕΦΑΛΑΙΟ 4 ΠΙΝΑΚΕΣ ΠΟΛΛΑΠΛΩΝ ΚΙΝ ΥΝΩΝ (MULTIPLE DECREMENT TABLES) Στον πίνακα επιβίωσης θεωρούµε τον αριθµό ζώντων στην κάθε ηλικία αρχίζοντας από µια οµάδα γεννήσεων ζώντων που αποτελεί την ρίζα του πίνακα

Διαβάστε περισσότερα

Επίλυση Γραµµικών Συστηµάτων

Επίλυση Γραµµικών Συστηµάτων Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n

Διαβάστε περισσότερα

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση Εκεί που είμαστε Κεφάλαια 7 και 8: Οι διωνυμικές,κανονικές, εκθετικές κατανομές και κατανομές Poisson μας επιτρέπουν να κάνουμε διατυπώσεις πιθανοτήτων γύρω από το Χ

Διαβάστε περισσότερα

E[ (x- ) ]= trace[(x-x)(x- ) ]

E[ (x- ) ]= trace[(x-x)(x- ) ] 1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού

Διαβάστε περισσότερα

Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ.

Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ. Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ

Διαβάστε περισσότερα

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς

Διαβάστε περισσότερα

Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 4.1 Συσχέτιση δύο τ.µ.

Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 4.1 Συσχέτιση δύο τ.µ. Κεφάλαιο 4 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ

Διαβάστε περισσότερα

Απλή Γραμμική Παλινδρόμηση I

Απλή Γραμμική Παλινδρόμηση I Απλή Γραμμική Παλινδρόμηση I. Εισαγωγή Έστω ότι θέλουμε να ερευνήσουμε εμπειρικά τη σχέση που υπάρχει ανάμεσα στις δαπάνες κατανάλωσης και στο διαθέσιμο εισόδημα, των οικογενειών. Σύμφωνα με την Κεϋνσιανή

Διαβάστε περισσότερα

Η απόδοση της εκπαιδευσης

Η απόδοση της εκπαιδευσης Η απόδοση της εκπαιδευσης Τι ονομάζουμε ως συνάρτηση μισθού; Οποιαδήποτε παλινδρόμηση με την οποία προσπαθούμε να ερμηνεύσουμε την μεταβλητότητα του ωρομισθίου ή των αμοιβών από εργασία (ατομικά δεδομένα)

Διαβάστε περισσότερα