Γενική μορφή. β β β β. i=1,2,,n ο αριθμός των παρατηρήσεων k ο αριθμός των ανεξάρτητων μεταβλητών 2 1,2

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Γενική μορφή. β β β β. i=1,2,,n ο αριθμός των παρατηρήσεων k ο αριθμός των ανεξάρτητων μεταβλητών 2 1,2"

Transcript

1

2 Γενική μορφή Y = u,, k k, =,,,n ο αριθμός των παρατηρήσεων k ο αριθμός των ανεξάρτητων μεταλητών Y = + Y,,... k, u Y,,... k, u Y=, =, =, u= Y, n, n... n k, n k un u

3 = Y ή = ΔY Δ Το αντιπροσωπεύει την μεταολή στο Υ που προέρχεται από μια μεταολή στο Χ κατά μια μονάδα όταν όλες οι άλλες ανεξάρτητες μεταλητές παραμένουν σταθερές

4 Γενική μορφή Παραδείγματα FC =, +, 9INC +,AGE +,53FSIZE +,33EDUC + uˆ FC = Μηνιαία οικογενειακή κατανάλωση φρούτων σε κιλά ΙΝC = Οικογενειακό εισόδημα σε ευρώ ΑGΕ = Ηλικία υπεύθυνου FSIZE = Μέγεθος οικογένειας EDUC = Εκπαίδευση υπεύθυνου (έτη σπουδών) HP = 58, +,SM + 7, 4BDRMS + 9,54BTHRMS + uˆ HP = Τιμή διαμερίσματος σε χιλ. ευρώ SM = Επιφάνεια σε τμ BDRMS = Υπνοδωμάτια BTHRMS = Μπάνια

5 Οι υποθέσεις Όλες οι ασικές υποθέσεις που αναφέρθηκαν στο υπόδειγμα απλής παλινδρόμησης ισχύουν και στην περίπτωση της πολλαπλής παλινδρόμησης Y = + u Το υπόδειγμα είναι γραμμικό στις παραμέτρους Το σφάλμα u ακολουθεί την κανονική κατανομή με μέσο ίσο με το μηδέν και σταθερή διακύμανση E[ u] = [ ] E uu = σ In = σ = σ σ σ Ομοσκεδαστικότητα Δεν υπάρχει αυτοσυσχέτιση

6 Στην περίπτωση της πολλαπλής παλινδρόμησης προσθέτουμε τις υποθέσεις Καμία από τις ανεξάρτητες μεταλητές δεν μπορεί να εκφραστεί σαν γραμμικός μετασχηματισμός μιας ή περισσοτέρων από τις υπόλοιπες. (αποκλείει τελεια πολυσυγγραμικότητα) Ο αριθμός των ανεξάρτητων μεταλητών (k) θα πρέπει να είναι μικρότερος του αριθμού των παρατηρήσεων (n).

7 Η μέθοδος των ελαχίστων τετραγώνων Y = + u Πληθυσμός Y ˆ = ˆ Δείγμα mn ( uˆ uˆ ) ˆ uˆ = uˆ uˆ uˆ uˆ = [ ] [ ] Y ˆ Y ˆ = ˆ ˆ Y Y = YY Y ˆ ˆ Y + ˆ ˆ = Y Y ˆ Y + ˆ ˆ = Y + ˆ = ˆ Κανονικές εξισώσεις = Y [ ] Y ˆ =

8 Αποδεικνύεται ότι και στην περίπτωση της πολλαπλής παλινδρόμησης οι συντελεστές που προκύπτουν με την μέθοδοτωνελαχίστωντετραγώνωνείναιάριστοι, Γραμμικοί, Αμερόληπτοι Εκτιμητές των συντελεστών του πληθυσμού. Έτσι ˆ ~ N ( ), σ ˆ Όπου σ ˆ σ [ ] = Όταν το σ δεν είναι γνωστό χρησιμοποιείται ο εκτιμητής του σˆ uˆ uˆ u = = n k n k ˆ Το n-k εκφράζει τους αθμούς ελευθερίας Στην περίπτωση αυτή S ˆ = σˆ [ ]

9 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) = ˆ ˆ... ˆ, ˆ ˆ, ˆ ˆ, ˆ ˆ, ˆ... ˆ ˆ, ˆ ˆ, ˆ ˆ, ˆ... ˆ, ˆ ˆ ˆ, ˆ ˆ, ˆ... ˆ, ˆ ˆ, ˆ ˆ k k k k k k k Var Cov Cov Cov Cov Var Cov Cov Cov Cov Var Cov Cov Cov Cov Var S

10 Παράδειγμα Υ 9 Χ Χ Y 9 4 = = ' = 'Y =

11 bˆ bˆ = bˆ bˆ Παράδειγμα = ,77 =,93,6,55 -, -,87 uˆ = -,6,96 -,65,6 uu ˆˆ 6,6 ˆ σ = = =,565 n k 7 3

12 Παράδειγμα S bˆ = σˆ [ ] = , ,746,4.3 =,565, ,4,67,63,3 =,63,33,66,3,66,9 S,67 b S b =,33 S,9 b S b,8 S b,576 = S,468 b

13 Ο συντελεστής πολλαπλού προσδιορισμού Μέτρο του αθμού προσαρμογής της ευθείας παλινδρόμησης στις παρατηρήσεις του δείγματος. Όπως και στην περίπτωση της απλής παλινδρόμησης συμολίζεται με R. ( Y Y) ( Y$ Y) ( Y Y$ ) = u$ Συνολικό Άθροισμα Τετραγώνων (Total Sum of Squares) - TSS. Ερμηνευόμενο Άθροισμα Τετραγώνων (Regresson Sum of Squares) - RSS. To Άθροισμα Τετραγώνων των σφαλμάτων (Error Sum of Squares) - ΕSS.

14 R RSS = = TSS ESS TSS R = ( Y Y) ( Y Y) ( Y Y) ( Y Y) $ $ = Μετράει την ερμηνευτική ικανότητα της εξίσωσης παλινδρόμησης. Το σημαντικότερο πρόλημα του συντελεστή πολλαπλού προσδιορισμού που υπολογίζεται με αυτό τον τρόπο είναι ότι η τιμή του αυξάνει πάντα όταν αυξάνει ο αριθμός των ανεξάρτητων μεταλητών.

15 Ο διορθωμένος συντελεστής πολλαπλού προσδιορισμού Όταν προστίθεται μια ανεξάρτητη μεταλητή υπάρχει όφελος αλλά και κόστος. Αυξάνει η τιμή του συντελεστή πολλαπλού προσδιορισμού Χάνεται ένας αθμός ελευθερίας (n-k) Ο διορθωμένος συντελεστής πολλαπλού προσδιορισμού λαμάνει υπόψη τόσο το κόστος όσο και το όφελος ( ) ˆ ( ) R Y Y n k n = = n k ( ) Y Y ( n ) ( R ) Ο διορθωμένος συντελεστής είναι μικρότερος από τον R, θα είναι ίσοι μόνο όταν R = και είναι δυνατό να πάρει αρνητικές τιμές

16 Παράδειγμα: Γραμμικό Υπόδειγμα Πολλαπλής παλινδρόμησης - Εκτίμηση Προσδιοριστικοί παράγοντες της ζήτησης υπηρεσιών αστικών συγκοινωνιών Στατιστικά στοιχεία από 4 περιοχές μιας χώρας για τις μεταλητές BTR = Λειτουργία αστικών συγκοινωνιών σε χιλ. ώρες FR = Τιμή εισιτηρίου σε GP = Τιμή ενζίνης σε INC = Κατά κεφαλή μέσο ετήσιο εισόδημα σε POP = Πληθυσμός σε χιλ. DENS = Πυκνότητα πληθυσμού (άτομα/τ. χιλ.) ΑRΕΑ = Έκταση περιοχής σε τ. χιλ.

17 34, , 7886,3, 65,9 6, , 349,93,6 63,6 9 49, ,3 83,93,6 5, 8 464, ,9 87,93,6 763,9 7 36, ,4 63,79,7 594,3 6 35, 5 74, 589,93,5 47, , , 58,87,5 37,6 4 35, , 734,99,6 94, 3, ,8 74,94, 879, 48, ,7 67,87,75 3,9 4, 7 486,5 77,89,5 74,6 333, 343 4,4 75,89,5 7,7 9 8, , 536,89,75 739, 8 79, 7 56,8 64,9, 648, 7 78, 5 399, 539,88,85 837,9 6 8, , 748,97,5 7343,3 5 4, , 563,9, 937,5 4 47, , 783,9,6 878,8 3 8, , 7768,3,75 36, 3, , 793,88,85 73, AREA DENS POP INC GP FR BTR A/A 6, ,6 55,96,6 3933,5 4 55, ,8 7643,9,75 4, , ,7 7633,9,75 47, 38 44, ,3 7539,88, 56, 37 58, , 33,9,75 8, 36 53, , 744,9,75 46, , ,6 886,9,75 66,7 34 3, 38 7, 84,98,5 83, 33 6, , 59,85,5 65, 3 6, ,9 639,8,85 769, 3 8, , 7743,87, 544, 3 3, , 549,93,5 698,5 9 55, ,6 57,89, 385,8 8 34, ,6 5944,9,75 55,7 7 36, , 749,9, ,6 6 3, ,3 53,, 33, 5 99, , 33,88,6 39,4 4 5, , 39,96,5 56,4 3 55, , 39,96,5 9,8 95, , 6537,86,5 68,3 AREA DENS POP INC GP FR BTR A/A Γραμμικό Υπόδειγμα Πολλαπλής παλινδρόμησης - Εκτίμηση

18 ˆ = 75,3 ˆ = 36, ˆ = 53,5 ˆ 3 =,95 ˆ 4 =, 76 ˆ 5 =,6 ˆ =,74 6 Γραμμικό Υπόδειγμα Πολλαπλής παλινδρόμησης - Εκτίμηση S = ˆ , 376, , -73,5 4,5 8,5 768, -376,7 3489,3-7538,,3 4,5 -,4 -, , -7538, 74647, 3, -7,4-4, 3 54,7-73,5,3 3,,4, -, -,6 4,5 4,5-7,4,,53 -, -,349 8,5 -,,4-4,3, -,,3,8-768, -,9 54,7 -,6 -,349,8 3, BTR = 75,3 36,FR + 53,5GP,95INC +,76POP +,6DENS,74AREA (637,9) (45,) (654,5) (,65) (,3) (,59) (,8) u ˆ 74,9 σ ˆ ˆ = 55378,3 n k = 4 7 = R u ( Y Y) σ = ˆ = = =,9 378 R n = ( R ) =,97 n k

19

20 Στατιστικός έλεγχος συγκεκριμένου συντελεστή Μονόπλευρος έλεγχος H : = γ H : < γ t = ˆ γ S ˆ tα, n k Διατύπωση της υπόθεσης Υπολογισμός της στατιστικής t ητιμήτηςστατιστικήςt από τους πίνακες για επίπεδο σημαντικότητας α και n-k αθμούς ελευθερίας Η Η απορρίπτεται αν t > t α,n k

21 Δίπλευρος έλεγχος H : = γ H : γ Διατύπωση της υπόθεσης t t α /, n k = ˆ γ S ˆ Υπολογισμός της στατιστικής t ητιμήτηςστατιστικήςt από τους πίνακες για επίπεδο σημαντικότητας α και n-k αθμούς ελευθερίας Η Η απορρίπτεται αν t > tα /, n k

22 Παράδειγμα: BTR = 75,3 36,FR + 53,5GP,95INC +,76POP +,6DENS,74AREA (637,9) (45,) (654,5) (,65) (,3) (,59) (,8) H : = H: ˆ γ 53,5 t = = = -,83 tα /, n k= t,5,33 =,38 654,5 S ˆ,83 <,38 Η Η δεν απορρίπτεται

23 Παράδειγμα: BTR = 75,3 36,FR + 53,5GP,95INC +,76POP +,6DENS,74AREA (637,9) (45,) (654,5) (,65) (,3) (,59) (,8) H : = H : > 4 4 t ˆ γ,76 = = = 7,48 tα, n k= t,5,33 =,645,3 S ˆ 7,48 >,645 Η Η απορρίπτεται

24 Στατιστικός έλεγχος δύο ή περισσοτέρων συντελεστών συγχρόνως Ο έλεγχος αυτός είναι γνωστός σαν Wald Test Χρησιμοποιείται όταν θέλουμε να ελέξουμε αν ένα υποσύνολο των ανεξάρτητων μεταλητών έχει στατιστικά σημαντική επίδραση στην ερμηνευόμενη μεταλητή. Y + = k k Το αρχικό υπόδειγμα στο οποίο δεν υπάρχει κανένας περιορισμός Y + = m m Το υπόδειγμα αυτό περιέχει m από τους k συντελεστές του προηγούμενου υποδείγματος. Στο υπόδειγμα αυτό υπάρχει ο περιορισμός ότι k-m συντελεστές είναι ίσοι με το μηδέν u v

25 έτσι H : m = m + = m + =,..., = k = H : Ένας τουλάχιστον από τους συντελεστές είναι διάφορος του μηδενός Κριτήριο ΕSS ΕSS U $u Yπόδειγμα χωρίς περιορισμούς ΕSS R $v Yπόδειγμα με περιορισμούς Αν η διαφορά ΕSS R - ΕSS U είναι μικρή τότε θεωρούμε ότι οι k-m συντελεστές δεν συμάλλουν στην ερμηνεία της Υ και άρα μπορούν να μην συμπεριληφθούν στο υπόδειγμα. Δηλαδή, η υπόθεση Η γίνεται δεκτή. πότε όμως η διαφορά αυτή είναι μικρή?

26 F = ESSR ESSU d. f. R d. f. U ESSU d. f.( U) ( ) ( ) d.f.(u) οι αθμοί ελευθερίας στο υπόδειγμα χωρίς περιορισμούς d.f.(r) οι αθμοί ελευθερίας στο υπόδειγμα με περιορισμούς F = ESS R ( n m) ( n k ) = ESS U n k ESS U ESS R ESS k m ESS U n k F α, k m, n k Η τιμή της στατιστικής F από τους πίνακες, σε επίπεδο σημαντικότητας α και αθμούς ελευθερίας k-m και n-k. H H απορρίπτεται αν F > Fα, k m, n k U

27 Παράδειγμα: BTR = 75,3 36,FR + 53,5GP,95INC +,76POP +,6DENS,74AREA (637,9) (45,) (654,5) (,65) (,3) (,59) (,8) u σ ˆ ˆ = 55378,3 n k = 4 7 = H : = = H: ή/και BTR = 3,3,94INC +,735POP +,5DENS,43AREA (,) (,63) (,) (,57) (,695) u ˆ ˆ σ = 53455,7 n k = 4 5 =

28 F ESSR ESSU = k m = 7 5 =,44 ESSU n k 4 7 Fα, k m, n k = F,5,,33 = 3, 9,44 < 3, 9 Η Η δεν απορρίπτεται H : = = = H: ή/και 4 ή/και BTR = 343, 33,9FR +,5INC + 6,38AREA (333,9) (387,3) (,78) (,974) u ˆ ˆ σ = 5485, n k = 4 4 =

29 F ESSR ESSU = k m = 7 4 = 7, ESSU n k 4 7 Fα = = 7, >,89, k m, n k F,5,3,33,89 Η Η απορρίπτεται

30 Έλεγχος της ερμηνευτικής ικανότητας του υποδείγματος συνολικά H Y v : = + H : Y = u k k Αποδεικνύεται ότι στην περίπτωση αυτή η στατιστική F έχει άμεση σχέση με τον συντελεστή προσδιορισμού R. F = R ( ) k ( R ) ( n k) H H απορρίπτεται αν F > F α, k, n k

31 Παράδειγμα: BTR = 75,3 36,FR + 53,5GP,95INC +,76POP +,6DENS,74AREA (637,9) (45,) (654,5) (,65) (,3) (,59) (,8) R =,9 F ( k ) ( R ) ( n k) ( ) (,9) ( 4 7) R,9 7 = = = 64,94 F α, k m, n k = F,5,6,33 =,39 64,94 >,39 Η Η απορρίπτεται

32 Στατιστικός έλεγχος γραμμικού συνδυασμού συντελεστών Περίπτωση η: Γραμμικός συνδυασμός συντελεστών = Y + = u H : = 3 oς τρόπος: Αν ισχύει η Η Y + ( + 3 ) + 4 u = Y = + + Z Όπου Z = + 3 Το υπόδειγμα αυτό (με περιορισμό) συγκρίνεται με το αρχικό (χωρίς περιορισμό) με άση το κριτήριο F u

33 oς τρόπος: Ορίζουμε νέο συντελεστή d έτσι ώστε όταν ισχύει η Η το d= Δηλαδή, d = 3 Με άση τον ορισμό αυτό Y + ( ) d u ( ) + 3 d u = Y + = Y + = + + Z d u Όπου Z = + 3 Εκτιμάται η τελευταία συνάρτηση και ελέγχεται η στατιστική σημαντικότητα του d με άση το κριτήριο t. Ελέγχεται δηλαδή η υπόθεση d=. Αν αυτή γίνει αποδεκτή τότε = 3.

34 u Y = Περίπτωση η : Γραμμικός συνδυασμός συντελεστών = σταθερά : 3 = + + H ( ) u Y = Αν ισχύει η Η oς τρόπος: ( ) ( ) u Y = u Z Z W = 4 4 (Υπόδειγμα με περιορισμό) Το υπόδειγμα αυτό (με περιορισμό) συγκρίνεται με το αρχικό (χωρίς περιορισμό) με άση το κριτήριο F

35 oς τρόπος: Ορίζουμε νέο συντελεστή d έτσι ώστε όταν ισχύει η Η το d= 3 = Δηλαδή, d Με άση τον ορισμό αυτό ( ) u d Y = ( ) ( ) u d Y = u d Z Z W = Εκτιμάται η τελευταία συνάρτηση και ελέγχεται η στατιστική σημαντικότητα του d με άση το κριτήριο t. Ελέγχεται δηλαδή η υπόθεση d=. Αν αυτή γίνει αποδεκτή τότε =.

36 Παράδειγμα: BTR = 75,3 36,FR + 53,5GP,95INC +,76POP +,6DENS,74AREA (637,9) (45,) (654,5) (,65) (,3) (,59) (,8) u σ ˆ ˆ = 55378,3 n k = 4 7 = Αρχικό υπόδειγμα (χωρίς περιορισμούς) BTR = + FR + GP + INC + POP + DENS + AREA

37 Υπόθεση ος τρόπος H : + = H: Αν ισχύει η Η = 3 4 BTR = + FR + GP INC + POP + DENS + AREA ( ) BTR = + FR + GP + POP INC + DENS + AREA BTR = + FR + GP + Z + DENS + AREA Εκτίμηση της παραπάνω συνάρτησης BTR ˆ = 7, 4 635,6FR + 7, GP +,33Z +, 434DENS + 8,99AREA ESS R = u = ˆR

38 F ESSR ESSU = k m = 7 6 = 38,57 ESSU n k 4 7 Fα = =, k m, n k F,5,,33 4,4 38,57 > 4,4 Η Η απορρίπτεται

39 Υπόθεση ος τρόπος: H : + = H: Ορίζουμε + = d = d ( ) BTR = + FR + GP + d INC + POP + DENS + AREA ( ) BTR = + FR + GP + dinc + POP INC + DENS + AREA BTR = + FR + GP + dinc + Z + DENS + AREA Εκτίμηση της παραπάνω συνάρτησης BTR ˆ = 75,3 36,FR + 53, 4GP +,5INC +,75Z +,6DENS,74AREA (637,9) (45,) (654,5) (, 45) (,76) (,59) (,8)

40 t dˆ,5 = = = S,45 dˆ 6, tα = = /, n k t,5,33,3 6, >,3 Η Η απορρίπτεται

41 Υπόθεση ος τρόπος: H : + + = 5 Αν ισχύει η Η H : = 5 ( ) ( ) ( ) ( ) ( ) BTR = + FR + GP + INC + POP + DENS + AREA BTR = + FR + GP FR + INC + POP + DENS FR + AREA BTR FR = + GP FR + INC + POP + DENS FR + AREA W = + Z + INC + POP + Z + AREA Εκτίμηση της παραπάνω συνάρτησης W ˆ = 95, + 336,7 Z,95 INC +,77 POP +,6 Z,8 AREA ESS R = u = ˆR

42 F ESSR ESSU = k m = 7 6 =,4 ESSU n k 4 7 Fα = =, k m, n k F,5,,33 4,4,4 < 4,4 Η Η δεν απορρίπτεται

43 Υπόθεση ος τρόπος: H : + + = 5 Ορίζουμε d H : = = d 5 5 ( ) ( ) ( ) ( ) ( ) BTR = + d FR + GP + INC + POP + DENS + AREA BTR = + FR dfr + GP FR + INC + POP + DENS FR + AREA BTR FR = dfr + GP FR + INC + POP + DENS FR + AREA W = dfr + Z + INC + POP + Z + AREA Εκτίμηση της παραπάνω συνάρτησης Wˆ = 75,3 + 77,4FR + 53,5Z,95INC +,76POP +,6Z,74AREA (637,9) (66,6) (654,5) (,65) (,3) (,59) (,8)

44 t dˆ 77,4 = = = S 66,6 dˆ,67 tα = = /, n k t,5,33,3,67 <,3 Η Η δεν απορρίπτεται

45 Υπόθεση 3 ος τρόπος: H : + 3 = H : Αν ισχύει η Η 4 =,5,5 6 (,5,5 ) BTR = + FR + GP + INC + POP + DENS + AREA ( ) BTR = + FR + GP + INC +,5POP + DENS + AREA,5 POP ( ) BTR,5POP = + FR + GP + INC + DENS + AREA,5 POP W = + FR + GP + INC + DENS + Z Εκτίμηση της παραπάνω συνάρτησης Wˆ = 3,8 35,FR+ 8,GP,4INC+,6DEN +,649Z ESS R = u = ˆR

46 F ESSR ESSU = k m = 7 6 =,9 ESSU n k 4 7 Fα = =, k m, n k F,5,,33 4,4,9 < 4,4 Η Η δεν απορρίπτεται

47 Υπόθεση 3 ος τρόπος: H : + 3 = H : Ορίζουμε d = =,5 d,56 (,5,5 ) BTR = + FR + GP + INC + d POP + DENS + AREA ( ) BTR = + FR + GP + INC +,5POP dpop + DENS + AREA,5 POP ( ) BTR,5POP = + FR + GP + INC dpop + DENS + AREA,5 POP W = + FR + GP + INC dpop + DENS + Z Εκτίμηση της παραπάνω συνάρτησης Wˆ = 75,3 36,FR + 53,4GP,94INC,545POP +,6DEN,74Z (637,9) (45,) (654,5) (,65) (,59) (,59) (,8)

48 Αλλαγή στις μονάδες μέτρησης Έστω ότι Υ*, Χ *,Χ * είναι οι μεταλητές με αλλαγμένες μονάδες μέτρησης και ότι: Y* = λ Y Αποδεικνύεται πως: y * = λ Χ για j =, j j j ˆ ˆ ˆ λ *, * ˆ, ˆ λ = λ = * = ˆ y y y λ λ Επομένως οι τιμές των εκτιμητών θα αλλάξουν εκτός και αν: λ = λ. = λ Σε αυτήν την περίπτωση θα αλλάξει μόνο το y Ομοίως και για τα τυπικά σφάλματα: λ λ ˆ ˆ, s y y s = λ * ys ˆ = s ˆ, s ˆ = s ˆ * * λ λ Όμως οι τιμές της στατιστικής t για τον έλεγχο της υπόθεσης j = δεν επηρεάζεται: * ( ) j y j j j tj* = λ λ tj s = λ λ s = s = * j ( ) y j j j ˆ.

49 Κριτήρια επιλογής παλινδρομήσεων Εκτός από το διορθωμένο συντελεστή προσδιορισμού υπάρχουν και άλλα δύο κριτήρια που χρησιμοποιούνται: Κριτήριο πληροφοριών Akake Μπεϋσιανό κριτήριο Schwarz = n uˆ + k AIC ln n uˆ k n SBC = ln + ln Επιλέγουμε το υπόδειγμα με την μικρότερη τιμή για τα κριτήρια αυτά.

50 Άσκηση Έστω ότι η προσφερόμενη ποσότητα (Υ) ενός αγαθού, είναι γραμμική συνάρτηση της τιμής του (Χ ) και τους ύψους των ημερομισθίων (Χ ) τα οποία είναι απαραίτητα για την παραγωγή του. Δηλαδή, η συνάρτηση προσφοράς είναι: Y = u Y Από την εκτίμηση της εξίσωσης ρέθηκε: Y ˆ = 89,534 +,53 7, 47 Α) Να ελεγχθεί αν η συνδυασμένη επίδραση των μεταλητών, πάνω στην Υ είναι σημαντική. Δίνεται R =,87. H H : = = : ή/ και F R = ( k ) ( R ) ( n k ) F,87 ( 3 ) (,87) ( 5 3) = = = 8,65 > F = 3,89 ( ).5,, 8,65

51 Άσκηση B) Να υπολογισθεί η ελαστικότητα προσφοράς ως προς την τιμή στο σημείο των μέσων και να επεξηγηθεί. ε ΥΧ Yˆ ˆ = = Y Y 3,67 =,53 =,398 85,4 Αυτό σημαίνει ότι αν η τιμή του αγαθού αυξηθεί κατά %, δεδομένου ότι τα ημερομίσθια παραμένουν σταθερά, τότε η προσφορά του αγαθού θα αυξηθεί κατά,398%. Γ) Να υπολογιστεί ο διορθωμένος συντελεστής προσδιορισμού. R n = n k ( R ) 5 =, ( ) 4 =,73 =,798

52 Άσκηση Έστω ότι από ένα δείγμα παρατηρήσεων εκτιμήθηκε η συνάρτηση: ˆ Y = (.57 ) (. ) (.56) Α) Να γίνει στατιστικός έλεγχος του υποδείγματος (α=.5). ˆ : = 8.79 t = = = 3.4 t = 3.4 > t(.5 ) =.365,7 :.57 H H H H H H H H : = : : = : : = = t = t = : ή/ και S ˆ ˆ S ˆ ˆ S ˆ F R = ( k ) ( R ) ( n k ) F R,957 ( 3 ) (,957) ( 3) = = = > F = 4.74 = ( ).957 ESS = = = 3.7 t t( ). = 3.7 > =.365.5,,7.5, = = 6. t t( ).56 = 6. > =.365.5,

53 Άσκηση Β) Να ελεγχθεί αν + = (α=.5) με το κριτήριο t και F. H H : + = : + Ορίζουμε d = = d ( ) Y = + d + ( ) Y = + d + ( ) Y = d + W = d + Z Εκτίμηση της παραπάνω συνάρτησης α /, n k,5,7 Wˆ = Z (.57) (.66) (.56) dˆ.58 t = = =.95 S ˆ.66 d t =.95 < t = t =,365 Η Η δεν απορρίπτεται

54 Άσκηση Β) Να ελεγχθεί αν + = (α=.5) με το κριτήριο t και F. H H : + = : + = ( ) Y = + + ( ) Y = + W = + Z + u Εκτίμηση της παραπάνω συνάρτησης F ESSR ESSU = k m = 3 =.9 ESSU 4.6 n k 3 Wˆ = Z (.3) (.8) < F(,5 ),,7 = 5,59 R =.93 ESS = 4.5 Η Η δεν απορρίπτεται

55 Άσκηση Γ) Να ελεγχθεί αν + =5 (α=.5) με το κριτήριο t και F. H H : + = 5 : + 5 Ορίζουμε d = 5 = 5 d ( 5 ) Y = + d + ( ) Y = + 5 d + ( ) Y 5 = d + W = d + Z Εκτίμηση της παραπάνω συνάρτησης α /, n k,5,7 Wˆ = Z (.57) (.67) (.56) dˆ 4.58 t = = =.75 S ˆ.67 d t =.75 > t = t =,365 Η Η απορρίπτεται

56 Άσκηση Γ) Να ελεγχθεί αν + =5 (α=.5) με το κριτήριο t και F. H H : + = 5 : + 5 = 5 ( 5 ) Y = + + ( ) Y 5 = + W = + Z + u Εκτίμηση της παραπάνω συνάρτησης F ESSR ESSU = k m = 3 = 7.56 ESSU 4.6 n k 3 Wˆ =.75.4Z (.8) (.39) > F(,5 ),,7 = 5,59 Η Η απορρίπτεται R =.79 ESS = 8.33

57 Άσκηση 3 Έστω ότι η ζητούμενη ποσότητα (Υ) ενός αγαθού, είναι γραμμική συνάρτηση της τιμής του (Χ ) καιτηςτιμήςενόςυποκατάστατου αγαθού (Χ ). Δηλαδή, η συνάρτηση ζήτησης είναι: Y = u Από την εκτίμηση της εξίσωσης ρέθηκε: Y Yˆ = ( 43. ) ( 5.43 ) ( 8.84) ESS = 7.6 Α) Να ελεγχθεί η στατιστική σημαντικότητα των συντελεστών, (α=.5). ˆ : = t = = = 6.8 t = 6.8 > t(.5 ) = 3.8,3 : 5.43 H H H H : = : t = S ˆ S ˆ ˆ 3.5 = =.6 t t( ) 8.84 R =.6 < = 3.8 =.5,3.99

58 Άσκηση 3 B) Να ελεγχθεί αν η συνδυασμένη επίδραση των συντελεστών, είναι σημαντική (α=.5). H H : = = : ή/ και F ( k ) ( R ) ( n k ) F =,9 > F(.5 ),,3 = 9,55 Γ) Να ελεγχθεί αν = και με το κριτήριο F. Εκτιμάμε την συνάρτηση: Y = + + v Yˆ = R =.98 F ESS R = = 73.4 ESSR ESSU = k m = 3 =.6 ESSU 7.6 n k 6 3,99 ( 3 ) (,99) ( 6 3) = = < F(.5 ),,3 =..9

59 Άσκηση 3 Δ) Να εκτιμηθεί η σταυροειδής ελαστικότητα ζήτησης στο σημείο των μέσων. Yˆ ε ΥΧ = 6.4 = ˆ = 3.5 =.4 Y Y 8.3 Αν η τιμή του αγαθού αυξηθεί κατά % ενώ η τιμή του αγαθού παραμένει σταθερή, η ζητούμενη ποσότητα από το αγαθό θα μειωθεί κατά.4%. Το πρόσημο δεν είναι το αναμενόμενο για υποκατάστατα αγαθά. Σφάλμα εξειδίκευσης;;

60

61 Εξειδίκευση Επιλογή των κατάλληλων ανεξάρτητων μεταλητών Παράλειψη σχετικής μεταλητής Άσχετη μεταλητή στο υπόδειγμα Επιλογή της κατάλληλης μορφής της συνάρτησης

62 Παράλειψη σχετικής μεταλητής Το ˆ k αντιπροσωπεύει την μεταολή της Υ ύστερα από μια μεταολή της Χ k κατά μία μονάδα όταν όλες οι άλλες ανεξάρτητες μεταλητές παραμένουν σταθερές σε κάποιο επίπεδο. Παράλειψη μιας μεταλητής Δεν παραμένουν όλες οι ανεξάρτητες μεταλητές σταθερές Πιθανή μεροληψία στους συντελεστές της συνάρτησης

63 Έστω Αν παραλείψουμε την Χ Y + = + + Y = + + u * u * u = u + Όπου * Eu = E u + = E ( ) ( ) Γενικά ( ) ( * Cov ) Cov u,, Y = ˆ ˆ + ( ) * + ˆ u Όταν Cov, Παραίαση ασικής υπόθεσης E ( ˆ ) E ˆ ( ) Μέρος της διακύμανσης του Υ που αποδίδεται στο Χ οφείλεται στο Χ

64 E ( ˆ ) = + aˆ = aˆ + aˆ + wˆ Συνήθως τα ή/και ˆα είναι άγνωστα. Από τα αναμενόμενα πρόσημα είναι δυνατό να προλέψουμε το πρόσημο της μεροληψίας Μεροληψία > αν > και ˆ α > ή < και ˆ α < Μεροληψία < αν > και ˆ α ή < και < ˆ α > Μεροληψία = όταν = ή/και ˆ α =

65 Αποδεικνύεται ομοίως ότι οι διακυμάνσεις των συντελεστών είναι θετικά μεροληπτικές, δηλαδή οδηγούν σε υπερεκτιμήσεις ακόμα και αν οι Χ, Χ είναι ασυσχέτιστες. Άρα ο έλεγχος υποθέσεων και τα διαστήματα εμπιστοσύνης δεν είναι αξιόπιστα. Συμπέρασμα: όταν παραλείπεται μια σχετική μεταλητή επηρεάζεται η αξιοπιστία των αποτελεσμάτων αφού οι εκτιμητές των συντελεστών και των διακυμάνσεων είναι μεροληπτικοί.

66 Παράδειγμα: Έστω Q = P +.5I D Πιθανή ένδειξη προλήματος εξειδίκευσης Αναμενόμενο πρόσημο< μεροληψία > Αν, για λόγους ευκολίας, υποθέσουμε ότι Ρ και Ι δεν συσχετίζονται α > P Η συνάρτηση ζήτησης ενός αγαθού. Πιθανή περίπτωση η παράλειψη της τιμής ενός άλλου αγαθού. Το ερώτημα είναι αν αυτό είναι υποκατάστατο ή συμπληρωματικό. Όπου Χ ημεταλητήπουέχειπαραληφθεί Χ ο συντελεστής του Χ (αν είχε συμπεριληφθεί) α ΡΧ ο συντελεστής που προκύπτει από P = a + ap + w

67 Γενικά, αναμένουμε ότι οι τιμές κινούνται στην ίδια κατεύθυνση. Δηλαδή α ΡΧ > Αν Χ η τιμή ενός συμπληρωματικού < a > P Μεροληψία < Αν Χ ητιμήενόςυποκατάστατου > a > P Μεροληψία > Συμπέρασμα: Το πιθανότερο είναι ότι έχει παραληφθεί η τιμή ενός υποκατάστατου

68 Η διαπίστωση πόσες και ποιες μεταλητές έχουν παραληφθεί είναι δύσκολη υπόθεση Συνήθως το υπόδειγμα που εκτιμάται θεωρείται το σωστό (Γιαποιολόγοναεκτιμηθείέναυπόδειγμαπουδενθεωρείταισωστό) Γι αυτό απαιτείται προσεκτική ανάλυση πριν την εκτίμηση Ποιες είναι οι μεταλητές που προκύπτουν από τη θεωρία Ποια είναι τα αναμενόμενα πρόσημα Ποια είναι η εμπειρία από άλλες παρόμοιες εργασίες

69 Προσθήκη άσχετης μεταλητής Έστω Y = + + u ηπραγματικήσυνάρτηση * και Y = u η συνάρτηση που * πρόκειται να εκτιμηθεί όπου u = u Αφού = στον πληθυσμό η προσθήκη του Χ δεν δημιουργεί πρόλημα μεροληψίας Η προσθήκη άσχετης μεταλητής Αυξάνει τις τιμές των σημαντικότητα των ˆ S ˆ και άρα μειώνει την στατιστική Μειώνει την τιμή του R

70 Κριτήρια για την αφαίρεση άσχετης μεταλητής Ηθεωρία Η στατιστική σημαντικότητα του αντίστοιχου συντελεστή (έλεγχος t) Το R Σημαντικές αλλαγές στους υπόλοιπους συντελεστές Αν κανένα από τα παραπάνω δεν ισχύει η μεταλητή αφαιρείται Αν ισχύουν ορισμένα απαιτείται η κρίση του ερευνητή ασισμένη περισσότερο στην θεωρητική επιχειρηματολογία και λιγότερο στην στατιστική

71 Η επιλογή των μεταλητών πρέπει να ασίζεται περισσότερο στην θεωρία και την εμπειρία και να ελαχιστοποιείται ο αριθμός των «εναλλακτικών εξειδικεύσεων». Θα πρέπει να αποφεύγονται τεχνικές που ασίζονται στην λογική επαναληπτικών εκτιμήσεων και επιλογή μιας συνάρτησης με κριτήριο την στατιστική σημαντικότητα μόνο Stepwse παλινδρόμηση Data mnng Εξαίρεση: όταν οι μεθοδολογίες αυτές χρησιμοποιούνται για να διατυπωθεί μια νέα θεωρία ή όταν γίνεται προσπάθεια να αποδεχτεί η αντοχή των αποτελεσμάτων σε διαφορετικές εξειδικεύσεις

72 Έλεγχος εξειδίκευσης RESET (Regresson Equaton Specfcaton Error Test) Έστω ˆ ˆ ˆ Y = + + ˆ η συνάρτηση που εκτιμήθηκε Εκτιμάται η συνάρτηση Y = Yˆ + Yˆ + Yˆ v Ελέγχεται H ˆ = ˆ = ˆ : = Αν η υπόθεση Η απορριφθεί υπάρχει ένδειξη προλήματος εξειδίκευσης Το RESET δεν οηθά στην κατεύθυνση της λύσης του προλήματος Χρησιμοποιείται κυρίως για να επιεαιώσει το πρόλημα

73 Παράδειγμα: Έστω Yˆ = 6, +,6 +,7 R =, 46 η συνάρτηση που εκτιμήθηκε Όπου Υ η οικογενειακή δαπάνη για τρόφιμα, Χ το οικογενειακό εισόδημα και Χ ο αριθμός ατόμων στην οικογένεια. Y = Yˆ + Yˆ + Yˆ + Εκτιμάμε την συνάρτηση: Και παίρνουμε: 3 4 Y = 33,3 7,4 ˆ ˆ ˆ 6,6 + 8,3Y,7Y +,3Y + v R =, 48 F = R R k m RU n k U R,48,46 = 6 3,48 =, < F(.5 ),,35 = 3, 7 Δεχόμαστε ότι 3 = 4 = 5 =, άρα δεν υπάρχει σφάλμα εξειδίκευσης. 5 4 v

74 Έλεγχος με τον πολλαπλασιαστή Lagrange για προσθήκη μεταλητών Έστω ˆ ˆ ˆ ˆ η συνάρτηση που εκτιμήθηκε () ον : Εκτιμάται η περιορισμένη μορφή () και υπολογίζονται τα κατάλοιπα û ον : Εκτιμάται η παλινδρόμηση Υπολογίζεται το Y = + + Μήπως θα έπρεπε να εκτιμήσουμε την () ;; : Y = v ˆ = u b b b b b b e nr 3 ον : Εάν nr > χα,k m η περιορισμένη μορφή () απορρίπτεται.

75 Παράδειγμα: Έστω Yˆ =,67 +,64 R =,34 Όπου Υ η οικογενειακή δαπάνη για τρόφιμα, Χ το οικογενειακό εισόδημα. Είναι σημαντική η προσθήκη της Χ (αριθμός ατόμων στην οικογένεια); Εκτιμάμε την συνάρτηση: u = v nr = 7, > χ Και παίρνουμε: uˆ = 4,553,4 +,7 η συνάρτηση που εκτιμήθηκε R =,8 ( ).5, = 3,84 Απορρίπτουμε την περιορισμένη μορφή άρα η προσθήκη της Χ είναι σημαντική.

76 Η μορφή της συνάρτησης Η επιλογή της μορφής της συνάρτησης θα πρέπει να στηρίζεται κυρίως στην θεωρία, στην εμπειρία και στην κοινή λογική και ελάχιστα στον αθμό προσαρμογής της στα στοιχεία του δείγματος. Γραμμική και προσθετική μορφή Y + = k k u = Y = ΔY Δ Υποθέτει ότι η μεταολή στο Υ ύστερα από μια μεταολή στο Χ κατά μία μονάδα είναι σταθερή (ανεξάρτητη από το Χ και Υ ) Συνήθως η θεωρία προτείνει μόνο το πρόσημο η επιλογή εκτός αν υπάρχει σοαρός λόγος για το αντίθετο

77 Διπλή λογαριθμική μορφή ln Y ln ln... ln + = k k u = ln ln Y = % % Δ Δ Y Ελαστικότητα Υποθέτει ότι η ελαστικότητα είναι σταθερή. Το % μεταολής στο Υ ύστερα από μια μεταολή στο Χ κατά % είναι σταθερό Πραγματική μορφή k u Y = e e k Προσοχή! Στις μηδενικές και αρνητικές τιμές των μεταλητών

78 Χ ln Y = + ln + ln (Διατηρώντας το Υ σταθερό) Χ Υ > < < ln Y = + ln + ln (Διατηρώντας το Χ σταθερό) < Χ

79 Παράδειγμα: Q A I P A P B P C 8 34, 4, 5,7 78,3 3 45, 38, 5, 79, , 46, 495, 53, 4,3 39,5 37,3 38, 54, 55,3 54,7 63,7 79, 79, 77,4 8, Υποθέτουμε όλες τις τιμές σταθερές , 65, 39,3 37,8 69,8 65,9 8,4 83, , 7, 77, 85, 95, 93,, 7, 35, 38,4 4, 38,6 39,8 39,7 5, 48,9 58,3 57,9 64,5 7, 73, 67,8 79, 95,4 94, 3,5 9,9 85,5 93,7 6, 4,8 4, 4, 7,6 4,9 43,6 Ζητούμενη ποσότητα (Q) , 575, 76,, 56,5 63,7 6,6 58,9 7,6 3,9 9,8 8, 39, 65,5 3,3 9,6,,, 3, Εισόδημα (I) 5 6, 66,4 4,,6 5 48, 7,4 68, 3,6

80 Γραμμική Qˆ = 8,67 +,I A (,987) (,8),889 Διπλή λογαριθμική ln Qˆ =, 6 +, 33ln I A 95 4 R = 957 R,,, = Ζητούμενη ποσότητα (Q) Εισόδημα (I) 4, 6 lnq 4 3,9 3,8 3,7 3,6 3,5 3,4 Ζητούμενη ποσότητα (Q) ,3 6 6,5 7 7,5 8 3 lni Εισόδημα (Ι)

81 Ημιλογαριθμική μορφή () (λογαριθμική-γραμμική) = ln ln Y Y + = k k = % ΔY Δ Πραγματική μορφή κ Y = e K+ + u k Υποθέτει ότι η ποσοστιαία μεταολή στο Υ ύστερα από μια μεταολή στο Χ κατά μία μονάδα είναι σταθερή u Υ > ln Y = + + (Διατηρώντας το Χ σταθερό) < Χ

82 Εφαρμογή: Μέσος ετήσιος ρυθμός μεταολής Y = Y ( ) T + r t ln Y = ln Y + T ln( + r) t ln Y t = + T = ln Y = ln( + r ) Y = e r e =

83 Παράδειγμα: T Χ Ρ P ΕΤΗ Γραμμική Pˆ = 48,6 + 49, (6,3) (4,8) R =,863 Μέση ετήσια μεταολή P ΕΤΗ

84 ln Pˆ = 4,6 +,87 P (,54) (,5) R =,988 = e =,755 r e = =,6 ln P 9, 8, 7, 6, 5, 4, 3,,,, ΕΤΗ Μέση ετήσια ποσοστιαία αύξηση P ˆ,755(,6) T t = + P ΕΤΗ

85 Ημιλογαριθμική μορφή () (γραμμική-λογαριθμική) Y = + ln + ln ln + u k k Y ΔY = = ln % Δ Υποθέτει ότι η μεταολή στο Υ ύστερα από μια μεταολή στο Χ κατά % είναι σταθερή Υ < > Αν διατηρήσουμε όλα τα Χ, εκτός του Χ, σταθερά Χ

86 Παράδειγμα: Γραμμική Qˆ = 8,67 +,I A (,987) (,8),889 R = Ζητούμενη ποσότητα (Q) Εισόδημα (I) Ημιλογαριθμική Qˆ = 4,8 +,95ln I A (3,3) (,456),97 Απόλυτη μεταολή στη ζητούμενη ποσότητα ύστερα από μια μεταολή στο εισόδημα κατά % R = Q Ζητούμενη ποσότητα (Q) ln I,,, 3, Εισόδημα (I)

87 Πολυωνυμική μορφή Παράδειγμα Y + = u Y = + Υποθέτει ότι η μεταολή στο Υ ύστερα από μια μεταολή στο Χ δεν είναι σταθερή αλλά εξαρτάται από την ίδια τη μεταλητη. Υ Υ > < < > Χ Χ

88 Παράδειγμα: L Q MP AP TC AC AC AP L Q

89 Γραμμική Μέσου Προϊόντος AP = 48,76 +,78L (,383) (,5) R =, 676 Πολυωνυμική Μέσου Προϊόντος AP = 4,64 +,65L,9L (,554) (,) (,5) R =,98 AP AP L L

90 Γραμμική Μέσου Κόστους AC = 6,38,Q (,33) (,) R =,73 Πολυωνυμική Μέσου Κόστους AC = 6,798,5Q +,3Q (,33) (,) (,) R =, AC AC Q Q

91 Αντίστροφη μορφή Παράδειγμα Y + Y = = + + Υποθέτει ότι η μεταολή στο Υ ύστερα από μια μεταολή στο Χ δεν είναι σταθερή αλλά εξαρτάται από την ίδια τη μεταλητή. Υ u Αν διατηρήσουμε όλα τα Χ, εκτός του Χ, σταθερά + > < Χ

92 Παράδειγμα: W U,8,4 8,5, 8,4,5 4,5,5 4,3, 6,9, 8,, 5,,3 3,6,8,6,9,6,5 4,,4 3,6,8 3,7, 4,8,5 4,3,3 4,6,4 W W = Ποσοστιαία μεταολή στους μισθούς U = Ποσοστό ανεργίας U

93 Γραμμική W =,343 3,88U (,7) (,43) R =,3 W Αντίστροφη =,48 + 8,74 U (,67) (,847) R =, W W U U

94 Αλληλεπίδραση μεταλητών Παράδειγμα Y + = u Y = + 3 Υποθέτει ότι η μεταολή στο Υ ύστερα από μια μεταολή στο Χ δεν είναι σταθερή αλλά εξαρτάται από την δεύτερη μεταλητή

95 Παράδειγμα: Q A I P A P B P C 8 34, 4, 5,7 78,3 3 45, 38, 5, 79, , 46, 495, 53, 4,3 39,5 37,3 38, 54, 55,3 54,7 63,7 79, 79, 77,4 8, Qˆ = 9,37 +,7I,3P +,77P +,9P,3( IP ) R A A B C A (4,79) (,7) (,8) (,6) (,4) (,7) =, , 39,3 69,8 8, , 665, 7, 77, 85, 37,8 38,4 4, 38,6 39,8 65,9 64,5 7, 73, 67,8 83,9 85,5 93,7 6, 4,8 Qˆ I A =,7,3P A 4 95, 39,7 79, 4, 43 93, 5, 95,4 4, , 7, 35, 45, 575, 48,9 58,3 57,9 56,5 63,7 94, 3,5 9,9 7,6 3,9 7,6 4,9 43,6 39, 65,5 Qˆ P A A =,3,4I 49 76, 6,6 9,8 3,3 5, 58,9 8, 9,6 5 6, 66,4 4,,6 5 48, 7,4 68, 3,6

Οικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Εξειδίκευση του υποδείγματος Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση

Διαβάστε περισσότερα

Οικονομετρία. Πολλαπλή Παλινδρόμηση. Συντελεστής Προσδιορισμού και έλεγχος υπόθεσης συγκεκριμένου συντελεστή. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Πολλαπλή Παλινδρόμηση. Συντελεστής Προσδιορισμού και έλεγχος υπόθεσης συγκεκριμένου συντελεστή. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Πολλαπλή Παλινδρόμηση Συντελεστής Προσδιορισμού και έλεγχος υπόθεσης συγκεκριμένου συντελεστή Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση

Διαβάστε περισσότερα

Οικονομετρία. Πολλαπλή Παλινδρόμηση. Υποθέσεις, ιδιότητες εκτιμητών και μέθοδος Ελαχίστων Τετραγώνων. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Πολλαπλή Παλινδρόμηση. Υποθέσεις, ιδιότητες εκτιμητών και μέθοδος Ελαχίστων Τετραγώνων. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Πολλαπλή Παλινδρόμηση Υποθέσεις ιδιότητες εκτιμητών και μέθοδος Ελαχίστων Τετραγώνων Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση

Διαβάστε περισσότερα

Οικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Εξειδίκευση του υποδείγματος Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση

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

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

Οικονομετρία. Πολλαπλή Παλινδρόμηση. Στατιστικός έλεγχος σημαντικότητας δύο ή περισσοτέρων συντελεστών ταυτόχρονα

Οικονομετρία. Πολλαπλή Παλινδρόμηση. Στατιστικός έλεγχος σημαντικότητας δύο ή περισσοτέρων συντελεστών ταυτόχρονα Οικονομετρία Πολλαπλή Παλινδρόμηση Στατιστικός έλεγχος σημαντικότητας δύο ή περισσοτέρων συντελεστών ταυτόχρονα Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι

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

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

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

ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)

ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι) ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 8ο Επιλογή του αριθμού των χρονικών υστερήσεων Στις περισσότερες οικονομικές χρονικές σειρές υπάρχει υψηλή συσχέτιση μεταξύ της τρέχουσας

Διαβάστε 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

Ιδιότητες της ευθείας παλινδρόµησης

Ιδιότητες της ευθείας παλινδρόµησης Ιδιότητες της ευθείας παλινδρόµησης Ηευθεία παλινδρόµησης περνάει από το σηµείο αφού a b, a b ( b ) b b ( + + + ) ( ) + b u u a b a b Αυτό όµως προϋποθέτει την ύπαρξη του a. Αν δηλαδή υποχρεώσουµε την

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

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

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

Επαυξημένος έλεγχος Dickey - Fuller (ADF)

Επαυξημένος έλεγχος Dickey - Fuller (ADF) ΜΑΘΗΜΑ 5ο Επαυξημένος έλεγχος Dickey - Fuller (ADF) Στον έλεγχο των Dickey Fuller (DF) και στα τρία υποδείγματα που χρησιμοποιήσαμε προηγουμένως κάνουμε την υπόθεση ότι ο διαταρακτικός όρος e είναι μια

Διαβάστε 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

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

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

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

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

Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)

Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού

Διαβάστε 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. σε μη γραμμικές μορφές. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. σε μη γραμμικές μορφές. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 7: Επεκτάσεις του γραμμικού υποδείγματος σε μη γραμμικές μορφές Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana

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

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

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΜΕΡΟΣ B Δημήτρης Κουγιουμτζής e-mal: dkugu@auth.gr Ιστοσελίδα αυτού του τμήματος του μαθήματος: http://uer.auth.gr/~dkugu/teach/cvltraport/dex.html Εφαρμοσμένη Στατιστική:

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

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

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

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

Διάστημα εμπιστοσύνης της μέσης τιμής

Διάστημα εμπιστοσύνης της μέσης τιμής Διάστημα εμπιστοσύνης της μέσης τιμής Συντελεστής εμπιστοσύνης Όταν : x z c s < μ < x +z s c Ν>30 Στον πίνακα δίνονται κρίσιμες τιμές z c και η αντιστοίχισή τους σε διάφορους συντελεστές εμπιστοσύνης:

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

Θα εξεταστούν μόνο οι περιπτώσεις των ψευδομεταβλητών που χρησιμοποιούνται σαν ανεξάρτητες μεταβλητές

Θα εξεταστούν μόνο οι περιπτώσεις των ψευδομεταβλητών που χρησιμοποιούνται σαν ανεξάρτητες μεταβλητές Όταν ένα μέγεθος είναι αδύνατο να ποσοτικοποιηθεί αλλά πρέπει οπωσδήποτε να χρησιμοποιηθεί σε ένα υπόδειγμα προσεγγίζεται συνήθως με μια μεταβλητή η οποία ονομάζεται ποιοτική μεταβλητή ή ψευδομεταβλητή.

Διαβάστε περισσότερα

Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν

Αν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν ΜΑΘΗΜΑ 12ο Αιτιότητα Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή προκαλεί μία άλλη σε μία εξίσωση παλινδρόμησης. Στην

Διαβάστε περισσότερα

Η τελεία χρησιμοποιείται ως υποδιαστολή (π.χ 3 14 τρία κόμμα δεκατέσσερα) Παρακαλώ παραδώστε τα θέματα μαζί με το γραπτό σας ΟΝΟΜΑ: ΕΠΩΝΥΜΟ: ΑΜ:

Η τελεία χρησιμοποιείται ως υποδιαστολή (π.χ 3 14 τρία κόμμα δεκατέσσερα) Παρακαλώ παραδώστε τα θέματα μαζί με το γραπτό σας ΟΝΟΜΑ: ΕΠΩΝΥΜΟ: ΑΜ: Πανεπιστήμιο Πατρών, Τμήμα Οικονομικών Επιστημών Εξεταστική περίοδος Ιανουαρίου 2014 (18-Φεβ-2014) 9:00-11:00 Μάθημα: «ΟΙΚΟΝΟΜΕΤΡΙΑ» ΟΙΚΟΝ 320 Διδάσκων: Επίκουρος Καθηγητής Ιωάννης Α. Βενέτης Διάρκεια

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι Πανεπιστημίου Πειραιώς) Τηλ.: 4..97,,, Fax : 4..634 URL : www.vtal.gr emal: f@vtal.gr Παράρτημα Πανεπιστημίου: Δεληγιώργη 6 Α (έναντι

Διαβάστε περισσότερα

Εισαγωγή στην Γραμμική Παλινδρόμηση

Εισαγωγή στην Γραμμική Παλινδρόμηση ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 13-11-015 Εισαγωγή στην Γραμμική Παλινδρόμηση Γραμμική σχέση μεταξύ μεταβλητών Αν. Καθ. Μαρί-Νοέλ Ντυκέν Στόχος Πολύ συχνά, η Τ.Μ. που εξετάζουμε π.χ. η κατανάλωση των νοικοκυριών

Διαβάστε 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

Οικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Οικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Οικονομετρία Ι Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative

Διαβάστε 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

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

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

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής ΣΤΑΤΙΣΤΙΚΕΣ ΕΚΤΙΜΗΣΕΙΣ Οι συναρτήσεις πιθανότητας ή πυκνότητας πιθανότητας των διαφόρων τυχαίων μεταβλητών χαρακτηρίζονται από κάποιες

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

Γ. Πειραματισμός Βιομετρία

Γ. Πειραματισμός Βιομετρία Γενικά Συσχέτιση και Συμμεταβολή Όταν σε ένα πείραμα παραλλάσουν ταυτόχρονα δύο μεταβλητές, τότε ενδιαφέρει να διερευνηθεί εάν και πως οι αλλαγές στη μία μεταβλητή σχετίζονται με τις αλλαγές στην άλλη.

Διαβάστε περισσότερα

Αναλυτική Στατιστική

Αναλυτική Στατιστική Αναλυτική Στατιστική Συμπερασματολογία Στόχος: εξαγωγή συμπερασμάτων για το σύνολο ενός πληθυσμού, αντλώντας πληροφορίες από ένα μικρό υποσύνολο αυτού Ορισμοί Πληθυσμός: σύνολο όλων των υπό εξέταση μονάδων

Διαβάστε περισσότερα

Οικονομετρία. Εξειδίκευση του υποδείγματος. Μορφή της συνάρτησης: Γραμμική, διπλή λογαριθμική, ημιλογαριθμική. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Εξειδίκευση του υποδείγματος. Μορφή της συνάρτησης: Γραμμική, διπλή λογαριθμική, ημιλογαριθμική. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Εξειδίκευση του υποδείγματος Μορφή της συνάρτησης: Γραμμική, διπλή λογαριθμική, ημιλογαριθμική Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση

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

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

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΣΙΜΟΣ ΜΕΙΝΤΑΝΗΣ, Αναπληρωτής Καθηγητής Τμήμα Οικονομικών Επιστημών, ΕΚΠΑ ΓΙΑΝΝΗΣ Κ. ΜΠΑΣΙΑΚΟΣ, Επίκουρος Καθηγητής Τμήμα Οικονομικών

Διαβάστε περισσότερα

Οικονομετρία. Πολυσυγγραμμικότητα. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης

Οικονομετρία. Πολυσυγγραμμικότητα. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης Οικονομετρία Πολυσυγγραμμικότητα Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση της έννοιας της πολυσυγγραμμικότητας και των συνεπειών της

Διαβάστε περισσότερα

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης 1 Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης Όπως γνωρίζουμε από προηγούμενα κεφάλαια, στόχος των περισσότερων στατιστικών αναλύσεων, είναι η έγκυρη γενίκευση των συμπερασμάτων, που προέρχονται από

Διαβάστε περισσότερα

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς Η μηδενική υπόθεση είναι ένας ισχυρισμός σχετικά με την τιμή μιας πληθυσμιακής παραμέτρου. Είναι

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

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

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

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης

ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ. Ερωτήσεις πολλαπλής επιλογής. Συντάκτης: Δημήτριος Κρέτσης ΠΑΝΕΠΙΣΤΗΜΙΑΚΑ ΦΡΟΝΤΙΣΤΗΡΙΑ ΚΟΛΛΙΝΤΖΑ Ερωτήσεις πολλαπλής επιλογής Συντάκτης: Δημήτριος Κρέτσης 1. Ο κλάδος της περιγραφικής Στατιστικής: α. Ασχολείται με την επεξεργασία των δεδομένων και την ανάλυση

Διαβάστε περισσότερα

Παραβιάσεις των κλασσικών υποθέσεων. ο εκτιμητής LS είναι: Οι βασικές ιδιότητες του εκτιμητή είναι:

Παραβιάσεις των κλασσικών υποθέσεων. ο εκτιμητής LS είναι: Οι βασικές ιδιότητες του εκτιμητή είναι: Παραιάσεις των κλασσικών υποθέσεων Στο γραμμικό υπόδειγμα y = x+ u, =,,, ο εκτιμητής LS είναι: ˆ x y = = x = Οι ασικές ιδιότητες του εκτιμητή είναι: ˆ ( ) Var =, αμεροληψία, ˆ σ = x = Επιπλέον αν δεν έχουμε

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

ΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης

ΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι

Διαβάστε περισσότερα

Οικονομετρία. Απλή Παλινδρόμηση. Υποθέσεις του γραμμικού υποδείγματος και ιδιότητες των εκτιμητών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Απλή Παλινδρόμηση. Υποθέσεις του γραμμικού υποδείγματος και ιδιότητες των εκτιμητών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Απλή Παλινδρόμηση Υποθέσεις του γραμμικού υποδείγματος και ιδιότητες των εκτιμητών Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση

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

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

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ Μ.Ν. Ντυκέν, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. Ε. Αναστασίου, Πανεπιστήμιο Θεσσαλίας Τ.Μ.Χ.Π.Π.Α. ΔΙΑΛΕΞΗ 07 & ΔΙΑΛΕΞΗ 08 ΣΗΜΠΕΡΑΣΜΑΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Βόλος, 016-017 ΕΙΣΑΓΩΓΗ ΣΤΗΝ

Διαβάστε 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

Στατιστική Επιχειρήσεων ΙΙ

Στατιστική Επιχειρήσεων ΙΙ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Στατιστική Επιχειρήσεων ΙΙ Ενότητα #4: Έλεγχος Υποθέσεων Μιλτιάδης Χαλικιάς Τμήμα Διοίκησης Επιχειρήσεων Άδειες Χρήσης Το παρόν

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

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

Υποδείγματα με Πολυωνυμικά Κατανεμημένες Χρονικές Επιδράσεις.

Υποδείγματα με Πολυωνυμικά Κατανεμημένες Χρονικές Επιδράσεις. C:\Documens nd Seings\kpig\Deskop\-------- ------G---- ----S 6.doc Υποδείγματα με Πολυωνυμικά Κατανεμημένες Χρονικές Επιδράσεις. Στα υποδείγματα με πολυωνυμικά κατανεμημένες διαχρονικές επιδράσεις υποθέτουμε

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 12ο ΑΙΤΙΟΤΗΤΑ Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή

Διαβάστε περισσότερα

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ Το ενδιαφέρον επικεντρώνεται πάντα στον πληθυσμό Το δείγμα χρησιμεύει για εξαγωγή συμπερασμάτων για τον πληθυσμό π.χ. το ετήσιο εισόδημα των κατοίκων μιας περιοχής Τα στατιστικά

Διαβάστε περισσότερα

10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης

10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης 10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης Διαστήματα εμπιστοσύνης για τον μέσο ενός πληθυσμού (Μικρά δείγματα) Άσκηση 10.7.1: Ο επόμενος πίνακας τιμών δείχνει την αύξηση σε ώρες ύπνου που είχαν

Διαβάστε περισσότερα

Οικονομετρία Ι. Ενότητα 7: Συντελεστής πολλαπλού προσδιορισμού. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Οικονομετρία Ι. Ενότητα 7: Συντελεστής πολλαπλού προσδιορισμού. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Οικονομετρία Ι Ενότητα 7: Συντελεστής πολλαπλού προσδιορισμού Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ Ονοματεπώνυμο: Όνομα Πατρός:... Σ ΑΜ:. Ημερομηνία: Παρακαλώ μη γράφετε στα παρακάτω

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

Ογενικός(πλήρης) έλεγχος των Dickey Fuller

Ογενικός(πλήρης) έλεγχος των Dickey Fuller ΜΑΘΗΜΑ 7ο Ογενικός(πλήρης) έλεγχος των Dickey Fuller Είδαμε προηγουμένως ότι οι τιμές της στατιστικής Τ 2δ0, Τ 3δ0 και Τ 3δ1 που χρησιμοποιήθηκαν στην παραπάνω παράγραφο εξαρτώνται από τη μορφή της εξίσωσης

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ

ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ ΚΕΦΑΛΑΙΟ 8 ΠΡΟΒΛΗΜΑΤΑ ΜΕ ΤΙΣ ΕΠΕΞΗΓΗΜΑΤΙΚΕΣ ΜΕΤΑΒΛΗΤΕΣ 8. ΕΙΣΑΓΩΓΗ Μέχρι τώρα τα προβλήματα που δημιουργούνται από την παραβίαση των υποθέσεων που πρέπει να ισχύουν ώστε οι OLS εκτιμητές να είναι BLUE

Διαβάστε περισσότερα

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23 Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπιστήμιο Κρήτης 2 Μαΐου 2017 1/23 Ανάλυση Διακύμανσης. Η ανάλυση παλινδρόμησης μελετά τη στατιστική σχέση ανάμεσα

Διαβάστε περισσότερα

ΣΥΝΘΕΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ

ΣΥΝΘΕΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ ΣΥΝΘΕΤΑ ΕΠΑΝΑΛΗΠΤΙΚΑ ΘΕΜΑΤΑ Α. Με ολοκληρωμένη λύση ΘΕΜΑ 1 ο Επιχείρηση χρησιμοποιεί την εργασία ως μοναδικό μεταβλητό παραγωγικό συντελεστή. Τα στοιχεία κόστους της επιχείρησης δίνονται στον επόμενο πίνακα:

Διαβάστε περισσότερα

Στατιστική Συμπερασματολογία

Στατιστική Συμπερασματολογία Στατιστική Συμπερασματολογία Διαφάνειες 5 ου κεφαλαίου Ελεγχοσυναρτήσεις για τις Παραμέτρους της Κανονικής Κατανομής Σταύρος Χατζόπουλος 08/05/207, 5/05/207 Εισαγωγή Στις παραγράφους που ακολουθούν παρουσιάζονται

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

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116)

ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙI (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) Σελίδα 1 ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΜΑΘΗΜΑ: ΠΟΣΟΤΙΚΕΣ ΜΕΘΟΔΟΙ ΙΙ (ΣΤΑΤΙΣΤΙΚΗ ΓΙΑ ΤΗ ΔΙΟΙΚΗΣΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ) (ΟΔΕ 2116) ΠΑΝΕΠΙΣΤΗΜΙΑΚΟΣ ΥΠΟΤΡΟΦΟΣ ΠΑΝΑΓΙΩΤΗΣ

Διαβάστε περισσότερα

Οικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

Οικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Οικονομετρία Απλή Παλινδρόμηση Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση

Διαβάστε περισσότερα

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις)

Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις) ΜΑΘΗΜΑ 6ο Προσδιοριστικοί όροι και μοναδιαία ρίζα (από κοινού υποθέσεις) Είδαμε στους παραπάνω ελέγχους (DF και ADF) που κάναμε προηγουμένως ότι εξετάζουμε στη μηδενικήυπόθεσημόνοτοσυντελεστήδ 2. Δεν αναφερόμαστε

Διαβάστε περισσότερα

5. Έλεγχοι Υποθέσεων

5. Έλεγχοι Υποθέσεων 5. Έλεγχοι Υποθέσεων Υποθέσεις Η μηδενική υπόθεση Η (ή ΗΑ) εναλλακτική υπόθεση Δεχόμαστε Η Απορρίπτουμε Η Η σωστή Σωστή απόφαση -α Σφάλμα τύπου Ι α Η λάθος Σφάλμα τύπου ΙΙ β Σωστή απόφαση -β ΒΙΟ39-Έλεγχος

Διαβάστε περισσότερα

Συνολοκλήρωση και VAR υποδείγματα

Συνολοκλήρωση και VAR υποδείγματα ΜΑΘΗΜΑ ο Συνολοκλήρωση και VAR υποδείγματα Ησχέσησ ένα στατικό υπόδειγμα συνολοκλήρωσης και σ ένα υπόδειγμα διόρθωσης λαθών μπορεί να μελετηθεί καλύτερα όταν χρησιμοποιούμε τις ιδιότητες των αυτοπαλίνδρομων

Διαβάστε περισσότερα

Ευαισθησία της γραμμής παλινδρόμησης (Sensitivity of linear regression)

Ευαισθησία της γραμμής παλινδρόμησης (Sensitivity of linear regression) ΜΑΘΗΜΑ 6ο Ευαισθησία της γραμμής παλινδρόμησης (Sensitivity of linear regression) Γιατηνευαισθησίατηςγραμμήςπαλινδρόμησης χρησιμοποιούμε την ανάλυση της διακύμανσης ή το στατιστικό F Έλεγχος βελτίωσης

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 6-7 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Λέκτορας v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές

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 7-8 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutras@fme.aegea.gr Τηλ: 735468 Σε αρκετές εφαρμογές

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 11: Αυτοσυσχέτιση Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Περιεχόμενο ενότητας

Διαβάστε περισσότερα

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,

Διαβάστε 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

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής

Διαβάστε 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

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ίδρυμα Θεσσαλονίκης Τμήμα Πληροφορικής Εργαστήριο «Θεωρία Πιθανοτήτων και Στατιστική» ΣΥΣΧΕΤΙΣΗ και ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Περιεχόμενα 1. Συσχέτιση μεταξύ δύο ποσοτικών

Διαβάστε περισσότερα

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 2: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana

Διαβάστε περισσότερα