ΤΟ ΥΠΟΔΕΙΓΜΑ ΤΥΧΑΙΟΥ ΠΕΡΙΙΙΑΤΟΥ ΜΕ ΣΦΑΛΜΑΤΑ ΑΥΤΟΠΑΛΙΝΔΡΟΜΟΥ ΣΧΗΜΑΤΟΣ ΠΡΩΤΟΥ ΒΑΘΜΟΥ
|
|
- Ἀμιναδάβ Γιαννόπουλος
- 8 χρόνια πριν
- Προβολές:
Transcript
1 ΕΠΙΘΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχος 10 (2006), ΤΟ ΥΠΟΔΕΙΓΜΑ ΤΥΧΑΙΟΥ ΠΕΡΙΙΙΑΤΟΥ ΜΕ ΣΦΑΛΜΑΤΑ ΑΥΤΟΠΑΛΙΝΔΡΟΜΟΥ ΣΧΗΜΑΤΟΣ ΠΡΩΤΟΥ ΒΑΘΜΟΥ ΠεQίληψη Στη μελέτη αυτή δείχνουμε ότι ένα υπόδειγμα τυχαίου περιπάτου με αυτοπαλίνδρομα πρώτου βαθμού σφάλματα, AR (1 ), συμπεριφέρεται σαν ένα ARIMA (1, 1, Ο), όπως το τελευταίο προκύπτει από το μη περιοριστικό υπόδειγμα του επαυξημένου ελέγχου Dickey-Fuller, με μία μόνο χρονική υστέρηση στις πρώτες διαφορές της σειράς ως ερμηνευτική μεταβλητή, όταν ισχύει η μηδενική υπόθεση. Με την χρήση Monte Carlo προσομοιώσεων, δείχνουμε ότι όταν το πληθυσμιακό υπόδειγμα είναι αυτό του τυχαίου περιπάτου με μετρίου βαθμού αυτοσυσχετιζόμενα σφάλματα AR (1), έχουμε υψηλό σφάλμα τύπου ΙΙ, τόσο σε μικρά όσο και σε μεγάλα μεγέθη δείγ ματος. Έτσι οδηγούμαστε στο να αποδεχθούμε ότι το πληθυσμιακό υπόδειγμα είναι αυτό του τυχαίου περιπάτου αλλά με σφάλματα ασυσχέτιστα. Αυτό δημιουργεί πρόβλημα στην διεν έργ εια προβλέψεων, όταν στη κατασκευή του διαστήματος πρόβλεψης για την πραγματική μελλοντική τιμή της σειράς χρησιμοποιούνται δύο τυπικές αποκλίσεις του σφάλματος πρόβλεψης εκατέρωθεν της προβλεπόμενης τιμής. Πιο συγκεκριμένα, η πιθανότητα το διάστημα να περιλαμβάνει την πραγματική τιμή της σειράς είναι ανησυχητικά μικρότερη από το 95.44%, ακόμα και όταν η πρόβλεψη διενεργείται για σχετικά μικρό αριθμό μελλοντικών περιόδων. Abstract Ιπ this study we show that a random walk model with drift and first order autocorrelated errors, AR (1), behaves like an ARIMA (1, 1, Ο). The last one is extracted from the unrestricted model of the Augmented Dickey Fuller test using as an explanatory variable a lag of order one difference of the series under consideration when ΗΟ is true. Through Monte Carlo simulations we show that when the population model is a random walk with moderate AR (1) autocorrelation in the errors we have a high type ΙΙ error either ίπ small or large samples. Thus we are accepting as a population model the random walk with unfortunately uncorrelated errors. This causes problems at the stage of making predictions when constructing prediction intervals of the series we use 2 standard deviations of the forecast error above and below the predicted value. More specifically, the actual probability the prediction interval to include the real future value is really smaller than the nominal one of 95.44% even if the number of forecasting periods ahead is relatively small compared to the sample size we are using. ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ Εντεταλμένος Λέκτορας Τμήματος Οικονομικών Επιστημών Πανεπιστημίου Θεσσαλίας ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ Επίκουρος Καθηγητής Οικονομετρίας-Στατιστικής, Τμήματος Οικονομικών Επιστημών Πανεπιστημίου θεσσολίος KEVORK ILIAS LECTURER UNIVERSITY OFTHESSALY ΗΑι:.κοs GEORGE ASSISTANT PROFESSOR UNIVERSITY OFTHESSAL Υ JEL Classification: C 5 key words: Random walk with drift, ARIMA (1, 1, Ο), Predictions, Τυχαίος περίπατος με περιπλάνηση, ARIMA (1, 1, Ο), Προβλέψεις. 91
2 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙΒΕΩΡJΙΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχος 1 Ο (2006), Εισαγωγή Ένας σημαντικός αριθμός μελετών έχει δείξει ότι πολλές χρονολογικές σειρές οικονομικών μεγεθών συμπεριφέρονται σύμφωνα με το υπόδειγμα του τυχαίου περιπάτου με περιπλάνηση (random walk model with drift). Η διαπίστωση αυτή θα πρέπει να λαμβάνεται σοβαρά υπόψη όταν τέτοιας μορφής οικονομικά μεγέθη επιλέγονται ως μεταβλητές σε μια παλινδρόμηση καθώς βασιζόμενοι στα αποτελέσματά της μπορεί να καταλήξουμε στο συμπέρασμα ότι μεταξύ των μεταβλητών υπάρχει σχέση, ενώ στην πραγματικότητα μια τέτοια σχέση δεν υφίσταται. Επομένως, στην διενέργεια παλινδρομήσεων όπου επιλέγονται ως μεταβλητές χρονολογικές σειρές, θα πρέπει να προηγείται ο έλεγχος εάν οι μεταβλητές αυτές ακολουθούν τυχαίο περίπατο. Και αν αυτό πράγματι συμβαίνει τότε η παλινδρόμηση αυτή θα είναι αποδεκτή μόνο εάν οι μεταβλητές συνολοκληρώνονται, δηλαδή όταν υπάρχει τουλάχιστον ένας γραμμικός συνδυασμός αυτών ο οποίος θα παράγει στάσιμη σειρά. Οι εκτιμήσεις του μη περιοριστικού υποδείγματος (unrestricted model) Δyι = α+βt+γυι-1 +ε ι (1) και του αντίστοιχου περιοριστικού (restricted model) το οποίο προκύπτει από την (1) θέτοντας ταυτόχρονα β = Ο και γ = Ο, αποτελούν το πρώτο στάδιο στη διαδικασία ελέγχου εάν η χρονολογική σειρά yt είναι τυχαίος περίπατος. Σε δεύτερο στάδιο ο έλεγχος της μηδενικής υπόθεσης Η0 : β = Ο, γ = Ο διενεργείται μέσω του λόγου (2) (η - λ) (ESSR - ESSuR) F = ~~~~~~~~~q ESSuR (3) όπου η είναι ο αριθμός των παρατηρήσεων, λ ο αριθμός των εκτιμώμενων συντελεστών στο μη περιοριστικό υπόδειγμα, q ο αριθμός των προς έλεγχο συντελεστών, και ESSUR, ESSR το άθροισμα των τετραγώνων των καταλοίπων αντίστοιχα στο μη περιοριστικό και περιοριστικό υπόδειγμα. Είναι όμως γνωστό ότι ο λόγος F της (3) δεν ακολουθεί την κατανομή F. Για το λόγο αυτό ο έλεγχος της Η 0 διενεργείται όχι με τη χρησιμοποίηση των πινάκων της κατανομής F αλλά μέσω ειδικά κατασκευασμένων πινάκων που έχουν παράγει οι Dickey και Fuller το Η παραπάνω μεθοδολογία εφαρμόστηκε σε περιβαλλοντικά δεδομένα, ειδικότερα δε χρησιμοποιήθηκε για τον έλεγχο εάν οι ετήσιες εκπομπές θείου για την Ουγγαρία από το 1891 έως και το 1990 ακολουθούν το υπόδειγμα του τυχαίου περιπάτου ( 1 ). Στον Πίνακα 1 δίνονται οι εκτιμήσεις του μη περιοριστικού (1) και του περιοριστικού υποδείγματος (2), οι τιμές t (σε παρενθέσεις), 92 (1) Οι πηγές των δεδομένων ε ίναι A.S.L. και Associates (1997) και Lefohn et α/. (1999).
3 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 1 Ο (2006), τα τυπικά σφάλματα, Sε, των δύο παλινδρομήσεων, οι τιμές του κριτηρίου Durbin-Watson (DW), τα αθροίσματα των τετραγώνων των καταλοίπων, και τέλος ο λόγος F, όπως αυτός υπολογίσθηκε βάσει της (3). Από τα αποτελέσματα διαπιστώνεται ότι αν και ο λόγος.f είναι μικρότερος της κριτικής τιμής των πινάκων Dickey-Fuller σε επίπεδο στατιστικής σημαντικότητας 10%, γεγονός που δεν μας επιτρέπει να απορρίψουμε την μηδενική υπόθεση, το συγκεκριμένο συμπέρασμα για την ώρα δεν ευσταθεί καθώς τα σφάλματα στο μη περιοριστικό υπόδειγμα δεν είναι ασυσχέτιστα μεταξύ τους. Αυτό φαίνεται από τη αντίστοιχη τιμή του DW, η οποία πέφτει στην περιοχή της θετικής αυτοσυσχέτισης. Πίνακας 1: Εφαρμογή του απλού κριτηρίου Dickey-Fuller στις ετήσιες εκπομπές θείου της Ουγγαρίας για την περίοδο α β γ ΛόγοςF Μη περιοριστικό υπόδειγμα (1.570) (-0.157) (-0.387) sε = DW = ESSuR = Περιοριστικό υπόδειγμα (1.333) sε = ESSR = DW = Επομένως είναι αναγκαία η χρησιμοποίηση του αντίστοιχου επαυξημένου κριτηρίου Dickey-Fuller, σύμφωνα με το οποίο ως ερμηνευτικές μεταβλητές, θα πρέπει να χρησιμοποιηθούν χρονικές υστερήσεις των πρώτων διαφορών της χρονολογικής σειράς. Στον Πίνακα 2 δίνονται, βάσει του επαυξημένου κριτηρίου Dickey-Fuller, οι εκτιμήσεις του μη περιοριστικού υποδείγματος, (4) του αντίστοιχου περιοριστικού, (5) καθώς και ο λόγος F όπως αυτός υπολογίσθηκε και πάλι βάσει της (3). Έχο- 93
4 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙθΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τ εύχος 1 Ο (2006), ντας εισάγει ως ερ μη νευτική μεταβλη τή τη Δy 1 _ 1, μπορού μ ε να δεχθού μ ε ότι τα σφάλματα στη (4) και (5) είναι ασυσχέτ ιστα καθώς η τιμή του DW είναι πολύ κοντά στο 2. Προχωρώντας επομένως στο έλεγχο της μηδενικής υπόθεσης Η 0 : β = Ο, γ = Ο, δ ιαπ ιστώνου μ ε και πάλι ότι ο λόγος F σε επίπ εδο στατιστ ικής ση μαντικότητας 10% είναι μικρότερος της αντίστοιχης κρ ιτ ικής τι μής, γεγονός που μας ο δηγεί στο συμπέρασμα να μη μπορούμε να απορρίψουμε τη μη δενική υπόθεση του τυχαίου περιπάτου. Το β ασικό όμως ερώτη μα που τίθεται εδώ μετά τη εξαγωγή του παραπάνω συμπεράσματος είνα ι ποιο υπόδε ιγμα για τη μεταβλητή Υι θα χρη σιμοποιη θεί, είτε σε μια ενδεχόμενη παλινδρόμη ση (στην οποία η y 1 θα χρησιμοποιη θεί ή ως εξαρτη μένη ή ως ερμη νευτική μεταβλη τή ), είτε στο στάδιο διενέργειας προβλέψεων για τη συγκεκριμένη χρονολογική σειρά στο μέλλον. Από τη βιβλιογραφία συνάγεται [ βλ. πχ. Pindyck & Rubinfeld (1998)] ότι το υπόδε ιγμα που θα χρησιμοποιηθεί θα είναι αυτό του τυχαίου περιπάτου μ ε τα σφάλ ματα ε 1 να είναι ασυσχέτ ιστα μεταξύ τους. (6) Πίνακας 2: Εφαρμογή του επαυξημένου κριτηρίου Dickey-Fuller στις ετήσιες εκπομπ ές θείου της Ουγγαρίας για την περίοδο α β γ f Μη περιοριστικό υπόδειγ μα (1.043) (0.641) (-1.176) (4.291) s ε = DW = ESSuR = Περιοριστικό υπόδειγμα (0.752) (4.218) Λόγος F s ε = ESSR = DW = Γ ια τις εκπομπές θείου της Ουγγαρίας τα αποτ ε λέσματα της εκτίμησης της ( 6), όπως αυτά προέκυψαν μετά την εφαρμογή τη ς μεθόδου ελαχίστων τετραγώ νων στο υπόδειγμα Δy 1 = α + ε 1, δίνονται στον Πίνακα 1, στο τμήμα του περιοριστικού υποδείγματος. Το πιο ενδαφέρον χαρακτηριστικό που παρατηρείται στα αποτελέσματα αυτά είναι η τιμή του DW, η οποία μας οδηγεί στο συ-
5 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 1 Ο (2006), μπέρασμα ότι τα σφάλματα παρουσιάζουν θετική αυτοσυσχέτιση πρώτου βαθμού. Στο ίδιο συμπέρασμα καταλήγουμε επίσης εξετάζοντας τις συναρτήσεις αυτοσυσχέτισης και μερικής αυτοσυσχέτισης των καταλοίπων [βλ. Διάγραμμα (1)], οι οποίες εμφανίζουν εικ9νες αντίστοιχες με αυτές του αυτοπαλίνδρομου σχήματος πρώτου βαθμού, AR (1). Η παραπάνω ανάλυση μας οδηγεί στη μελέτη αυτή να εισάγουμε ένα υπόδειγμα τυχαίου περιπάτου με περιπλάνηση αλλά με σφάλματα τα οποία να ακολουθούν το αυτοπαλίνδρομο σχήμα πρώτου βαθμού, AR (1). Ειδικότερα, στο επόμενο τμήμα γίνεται η ανάλογη αναφορά στην υπάρχουσα βιβλιογραφία. Στο τρίτο τμήμα, αποδεικνύουμε ότι το υπόδειγμα τυχαίου περιπάτου με περιπλάνηση και με σφάλματα που να ακολουθούν το AR(l) συμπεριφέρεται ως ARIMA (1, 1, Ο), το οποίο με τη σειρά του προκύπτει από το μη περιοριστικό υπόδειγμα του επαυξημένου κριτηρίου Dickey-Fuller, με μια χρονική υστέρηση στις πρώτες διαφορές της χρονολογικής σειράς ως ανεξάρτητη μεταβλητή, όταν β = Ο και γ = Ο. Στο ίδιο τμήμα, χρησιμοποιώντας ως βάση τα αποτελέσματα των εκτιμήσεων που προκύπτουν από τα περιβαλλοντικά δεδομένα της Ουγγαρίας, παράγουμε σειρές προσομοιώσεων για το υπόδειγμα του τυχαίου περιπάτου με περιπλάνηση και με σφάλματα που ακολουθούν το AR (1), και εξετάζουμε τη συμπεριφορά του απλού και του επαυξημένου κριτηρίου Dickey-Fuller, αναφορικά με το σφάλμα τύπου 11 να αποδεχθούμε ότι χρονολογική σειρά ακολουθεί το υπόδειγμα τυχαίου περιπάτου με σφάλματα ασυσχέτιστα. Κατόπιν, στο τέταρτο τμήμα της μελ έτης αυτής εξετάζουμε τις συνέπειες που έχουμε όταν στη διενέργεια προβλέψεων χρησιμοποιούμε το πρότυπο του τυχαίου περιπάτου με σφάλματα αυσχέτιστα, ενώ στην πραγματικότητα τα σφάλματα ακολουθούν το AR (1). Ως κριτήριο μελέτης των συνεπειών αυτών επιλέξαμε την πραγματική πιθανότητα το διάστημα πρόβλεψης να π ε ριλαμβάνει την πραγματική τιμή της σειράς, την οποία και εκτιμάμε μέσω προσομοιώσεων. Τέλος, το πέμπτο τμήμα παρουσιάζουμε συνοπτικά τα βασικά συμπεράσματα της μελέτης. η Διάγραμμα 1: Συναρτήσεις αυτοσυσχέτισης και μερικής αυτοσυσχέτισης των καταλοίπων του εκτιμηθέντος υποδείγματος Δy 1 = α+ε 1, χρησιμοποιώντας τις ετήσιες εκπομπές θείου της Ουγγαρίας για την περίοδο χ c ~ '" j Paήίal Aurocoπelation Fundion - υ~ Η!Lf_.-_ ~_ - -~- _'.~~ -_-. _- -~. --~-,-----,------,-' :-1' 10 "' "' "' 1 95
6 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙΒΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχος 1 Ο (2006), Βιβλιογραφική επισκόπηση 96 Οι Ahn et al. (2001) αναλύουν τις ιδιότητες του ελέγχου μοναδιαίας ρίζας τόσο ασυμπτωτικά όσο και για πεπερασμένου μεγέθους δείγματα, όταν τα σφάλματα υπακούουν σε κάποιο σταθερό νόμο. Θεωρούν ένα αριθμό τεστ ελέγχου (όπως αυτά των Dickey Fuller και Lagrange Multiplier) όταν η διαδικασία δημιουργίας των δεδομένων είναι ένας τυχαίος περίπατος χωρίς περιπλάνηση και το υπόδειγμα παλινδρόμησης αντιπροσωπεύσει πλήρως την διαδικασία δημιουργίας της υπό εξέταση σειράς. Οι Gallegari et al. (2003) σε μια παρόμοια ανάλυση, χαρακτηρίζουν ως περιορισμένη τόσο την συμπεριφορά των εκτιμητών της μεθόδου OLS όσο και τα κριτήρια ελέγχου Dickey-Fuller (DF) υπό το πρίσμα της διαδικασίας δημιουργίας των δεδομένων που λαμβάνεται υπόψη στην βιβλιογραφία των ελέγχων μοναδιαίας ρίζας (τυχαίος περίπατος με ή χωρίς περιπλάνηση και τα αντίστοιχα υποδείγματα παλινδρόμησης, χωρίς αιτιοκρατική συνιστώσα ( deterrninistic component) και με σταθερά και τάση). Επίσης ερευνούν τις συνέπειες της τοπικά πεπερασμένης ανάλυσης διακύμανσης συμπεραίνοντας ότ ι οι συνέπειες λανθασμένης απόφασης που λαμβάνεται από την εφαρμογή του κριτηρίου ελέγχου DF σαν το σημείο εκκίνησης από τον στερεότυπο καθορισμό της πεπερασμένης διακύμανσης τείνει να μειώνεται καθώς το μέγεθος του δείγματος τείνει στο άπειρο. Οι Leybourne και Newbold (1999) χρησιμοποιώντας απλούς θεωρητικούς υπολογισμούς επιβεβαιώνουν τις ενδείξεις των προσομοιώσεων ότι οι πιθανότητ ες απόρριψη ς της μηδενικής υπόθεσης των ελέγχων Dickey Fuller και Phillips-Perron διαφέρει ουσιαστικά όταν η διαδικασία δημιουργίας της υπό εξέταση σειράς είναι το στάσιμο δεύτερου βαθμού αυτοπαλίνδρομο σχήμα. Από την άλλη πλευρά, οι Halkos και Kevork (2003), αξιολογώντας εναλλακτικές μεθοδολογίες ελέγχου μοναδιαίας ρίζας, προτείνουν τη χρησιμοποίηση του απλού ελέγχου DF μ έσω του λόγου F καθώς αυτός επιτυγχάνει α) πραγματικό (actual) σφάλμα τύπου Ι πολύ κοντά στο ονομαστικό (nominal) όταν το πληθυσμιακό υπόδειγμα είναι πράγματι τυχαίος περίπατος, και β) δύναμη κριτηρίου (power of test) πολύ κοντά στη μονάδα για τιμές του γ στο διάστημα (-2,0), όταν το μέγεθος του δείγματος δεν είναι πολύ μικρό. μιας Ο Sanchez (2003) αναλύει την σχέση μεταξύ των σφαλ μάτων πρόβλεψης ερμηνευτικής μεταβλητής, τα οποία υποθέτουν την ύπαρξη μοναδιαίας ρίζας καθώς και αποτελεσματικό εντοπισμό μιας τέτοιας ρίζας. Οι Dickey and Fuller (1979) στήριξαν την ανάλυση στις ασυμπτωτικές ιδιότητες των εκτιμητών OLS. Σημαντικές διαφοροποιήσεις των ελέγχων DF παρατηρούνται όταν η χρησιμοποίησή τους επεκτείνεται και σε άλλες μεθόδους εκτίμησης όπως αυτές της Μεγίστης Πιθανοφάνειας (Shin and Lee, Skin and Fuller, 1998), των Γενικευμένων Ελαχίστων Τετραγώνων απαλλαγ μένων από την τάση κάτω από μια σταθερή τοπική εναλλακτική υπόθεση (Elliot et al., Xiao and Phillips, 1998) και του σταθμισμένου συμμετρικού εκτιμητή (weighted symmetric estimator, Park and Fuller, Fuller, 1996). Οι Hassler και Wolters (1994) ισχυρίζονται ότι ο Επαυξημένος Έλεγχος DF (Augmented
7 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 10 (2006), Dickey Fuller, ADF) συγκρινόμενος με κλασματικές εναλλακτικές χάνει σημαντική δύναμη όταν οι επαυξημένοι όροι προστίθενται. Από την άλλη πλευρά, ο Κramer (1998) βρίσκει ότι ο έλεγχος ADF είναι συνεπής αν ο βαθμός του αυτοπαλίνδρομου σχήματος δεν τείνει στο άπειρο με γρήγορο ρυθμό. Οι Bisaglia και Procidano (2002), χρησιμοποιώντας προσομοιώσεις Monte Carlo, επεξηγούν αυτή την αντίθεση και βρίσκουν ότι το ADF με την μέθοδο bootstrap λειτουργεί γενικά καλύτερα από το συνηθισμένο ADF ακόμα και όταν η δύναμη κριτηρίου του ελέγχου είναι τελείως χαμηλή, ειδικά όταν η διαδικασία δημιουργίας της υπό εξέταση σειράς είναι μια μη στάσιμη κλασματικά ολοκληρώσιμη. Ο Perron (1989) ισχυρίζεται ότι η απόδοση των ελέγχων ADF και ΡΡ δεν είναι ικανοποιητική όταν υπάρχει ασυνέχεια στην αιτιοκρατική συνάρτηση τάσης. Αυτός εξάγει την ασυμπτωτική κατανομή του κριτηρίου ελέγχου ερμηνεύοντας με τον τρόπο αυτό την ύπαρξη μιας ασυνεχούς τάσης (broken trend). Η μέθοδος του Perron έχει δεχθεί κριτικές καθώς το σημείο ασυνέχειας βασίζεται σε μια πριν τον έλεγχο εξέταση των δεδομένων. Χρησιμοποιώντας αρχική (prior) πληροφόρηση για την εύρεση του σημείου ασυνέχειας, ο Perron υπερτονίζει την πιθανοφάνεια της εναλλακτικής υπόθεσης για μια ασυνεχή τάση. Οι Zivot και Andrews (1992) ανέπτυξαν μεθόδους για ενδογενή εντοπισμό ενός σημείου ασυνέχειας καθώς και τον έλεγχο για μοναδιαία ρίζα, όταν η διαδικασία έχει ασυνεχή τάση. Οι Perron και Vogelsang (1992) και Banerjee et al. (1992) μεταξύ άλλων πραγματοποίησαν ελέγχους για τυχαίο περίπατο με άγνωστα σημεία ασυνέχειας χρησιμοποιώντας παρόμοιες μεθόδους για εντοπισμό των σημείων αυτών. Για μια πιο λεπτομερή περιγραφή της διαδικασίας ελέγχου διαρθρωτικών αλλαγών και μη-γραμμικότητας στις αποδόσεις μετοχών ή και άλλης μορφής δεδομένων, συνιστάτα ι στον αναγνώστη να συμβουλευθεί τις εργασίες των Κim και Κοη (1999) και Bidarkota (2000). Ο Vogelsang και Perron (1998) χρησιμοποιώντας προσομοιώσεις Monte Carlo διαπίστωσαν ότι η δύναμη κριτηρίου ενός ελέγχου μοναδιαίας ρίζας με ασυνέχεια βρίσκεται μεταξύ 60-90%, το οποίο διάστημα είναι μεγαλύτερο συγκρινόμενο με τους παραδοσιακούς ελέγχους τυχαίου περιπάτου χωρίς ασυνέχεια (βλέπε Chaudhuri και Wu, 2003, σελ. 581). Άλλο ένα μειονέκτημα των ελέγχων ADF και ΡΡ είναι ότι για σχετικά μικρά δείγματα έχουν πολύ χαμηλή δύναμη κριτηρίου ενάντια αργών μηχανισμών επαναφοράς στο μέσο επίπεδο της σειράς. Αυτό υπονοεί ότι η μη απόρριψη της μηδενική υπόθεσης δεν μπορεί να θεωρηθεί ως ισχυρή απόδειξη ενάντια στον μηχανισμό επαναφοράς στο μέσο (Chaudhuri και Wu, 2003). Οι Spilimbergo και Vambakidis (2003) μέσω των προσομοιώσεων Monte Carlo έδειξαν ότι το ποσοστό απόρριψης της μηδενικής υπόθεσης στον έλεγχο μοναδιαίας ρίζας σε επίπεδο στατιστικής σημαντικότητας 5% είναι κάτω από 6% όταν η εναλλακτική του α, φ = 0,96, είναι αληθινή. Στην ίδια μελέτη, ερευνάται η στασιμότητα στα στοιχεία με τη χρησιμοποίηση ενός έλεγχου που Προτείνεται από τους Levin και Lin (1993) στα πλαίσια των δυναμικών διαστρωματικών στοιχείων (panel data), και στον οποίο η μηδενική υπόθεση αναφέρεται 97
8 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙΒΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχος 10 (2006), στην ύπαρξη μοναδιαίας ρίζας. Τέλος, Οι Spilimbergo και Vambakidis έχουν αποκλείσει από τα δυναμικά διαστρωματικά στοιχεία τις χώρες για τις οποίες η ύπαρξη μοναδιαίας-ρίζας απορρίπτεται ήδη σε επίπεδο σημαντικότητας 5%. 3. Το κριτήριο Dickey-Fuller στο πρότυπο τυχαίου περιπάτου με σφάλματα AR (1) Το υπόδειγμα τυχαίου περιπάτου με περιπλάνηση, όταν τα σφάλματα ακολουθούν το αυτοπαλίνδρομο σχήμα πρώτου βαθμού εισάγεται ως (7α) με (7β) όπου νι νέα ασυσχέτιστα μεταξύ τους σφάλματα. Για την περίοδο t-1, η (7α) μετά από πολλαπλασιασμό αμφοτέρων των μελών με φ και την υστέρηση κατά μία χρονική περίοδο γράφεται ως Αφαιρώντας την (8) από την (7α) λαμβάνουμε (8) ή (9) όπου α = μ(l-f). Η σχέση (9) παρουσιάζει για τις πρώτες διαφορές της σειράς ένα αυτοπαλίνδρομο σχήμα πρώτου βαθμού, δηλαδή ένα ARIMA (1, 1, Ο), το οποίο επίσης προκύπτει από το μη περιοριστικό υπόδειγμα (4), που χρησιμοποιήθηκε στο επαυξημένο κριτήριο Dickey-Fuller, θέτοντας β = Ο και γ = Ο. Επομένως η μη απόρριψη της Η 0 : β = Ο, γ = Ο, οδηγεί σε ARIMA (1, 1, Ο), το οποίο με τη σειρά του μπορεί να προκύψει και από ένα υπόδειγμα τυχαίου περιπάτου με περιπλάνηση και μ ε σφάλματα τα οποία ακολουθούν το AR (1). Θεωρώντας λοιπόν ότι η χρονολογική σειρά ακολουθεί το υπόδειγμα (7), θα ήταν ενδαφέρον να προσδιορίσουμε το σφάλμα τύπου 11 του απλού και του επαυξημένου ελέγχου Dickey-Fuller ότι μια σειρά ακολουθεί το υπόδειγμα τυχαίου περιπάτου μ ε περιπλάνηση και με σφάλματα που είναι ασυσχέτιστα μεταξύ τους. Δηλαδή, να προσδιορίσουμε την πιθανότητα αποδοχής της μηδενικής υπόθεσης του τυχαίου περιπάτου με σφάλματα ασυσχέτιστα, όταν η χρονολογική σειρά ακολουθεί πραγματικά τυχαίο περίπατο αλλά με σφάλματα αυτοσυχετιζόμενα κατά AR (1). Στο υπόλοιπο λοιπόν του τμήματος αυτού παρουσιάζονται οι εκτιμήσε ις της παραπάνω πιθανότητας αποδοχής της συγκεκριμένης μηδενικής υπόθεσης, όπως αυτές προέκυψαν από 200 σειρές προσομοιώσεων από το πληθυσμιακό υπόδειγμα 98 (10)
9 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 10 (2006), με y 0 = 80, σε = σν = 30, και ε 0 να επιλέγεται τυχαία από τη κανονική κατανομή με μέσο μηδέν και διακύμανση σ'u (1-φ2). Η επιλογή των τιμών των παραπάνω παραμέτρων για την εκκίνηση των πειραμάτων προσομοίωσης βασίστηκε στις εκτιμήσεις μέσω της μεθόδου ελαχίστων τετραγώνων των υποδειγμάτων (7α) και (7β), χρησιμοποιώντας τις ετήσ ι ες εκπομπές θείου της Ουγγαρίας για την περίοδο Στο σημείο αυτό θα πρέπει να σημειωθεί ότι για τη διενέργεια των πειραμάτων προσομοίωσης χρησιμοποιήθηκε η γεννήτρια τυχαίων αριθμών Χ = α+χy 1 + (mod m) με α = και m = = Με τις συγκεκριμένες τιμές του α και του m, η μέγιστη περίοδος της γεννήτριας αυτής είναι 231 (Law and Kelton, 1982). Υποδιαιρώντας τη συνολική περίοδο σε μη επικαλυπτόμενα τμήματα των παρατηρήσεων (βλ. Keνork, 1990) εξασφαλίζονται δυο επιθυμητές ιδιότητες στη διαδικασία παραγωγής τυχαίων αριθμών: α) οι ίδιοι τυχαίοι αριθμοί δεν χρησιμοποιούνται σε διαφορετικές σειρές προσομοίωσης, και β) το μήκος του κάθε τμήματος είναι αρκούντως μεγάλο. Επιπλέον η αποθήκευση της πρώτης τιμής του κάθε τμήματος (τιμή εκκίνησης της παραγωγής τυχαίων αριθμών) εξασφαλίζει την αναπαραγωγή πάντα της ίδιας σειράς τυχαίων αριθμών. Οι Halkos & Kevork (2003) διαιρώντας τις πρώτες 500 παρατηρήσεις διακοσίων τμημάτων [τα οποία επιλέχθηκαν από τα 1436 προτεινόμενα τμήματα του Kevork (1990)] με τη μέγιστη περίοδο παρήγαγαν τυχαίους αριθμούς από την ομοιόμορφη κατανομή στο διάστημα [0,1 ]. Η χρησιμοποίηση κατόπιν της παραδοσιακής μεθόδου των Βοχ & Muller (1958) έδωσε αντίστοιχα, για κάθε ένα από τα 200 τμήματα, 500 τυχαίους αριθμούς από την τυποποιημένη κανονική κατανομή Ν (0,1). Ας σημειωθεί τέλος ότι σε κάθε ένα από τα διακόσια αυτά τμήματα οι 500 παρατηρήσεις πέρασαν τους ελ έγχους α) Box Ljung στις πρώτες 36 υστερήσεις για αυτοσυσχέτιση σε α = 1 %, β) σταθερής διακύμανσης μέσω της γραφικής μεθόδου, και γ) Bera-Jarque για κανονικότητα. Για την εκτίμηση του σφάλματος τύπου 11, όπως αυτό ορίστηκε παραπάνω, προσαρμόστηκε σε κάθε μια από τις 200 σειρές προσομοίωσης, βάσει της μεθόδου ελαχίστων τετραγώνων, το μη περιοριστικό υπόδειγμα (1) για διαφορετικά μεγέθη δείγματος η = 50, 100, 150 και 200 παρατηρήσεων. Κατόπιν, χρησιμοποιώντας το κριτήριο Durbin-Watson (DW) ελέγχθηκε σε επίπεδο στατιστικής σημαντικότητας α = 1 % εάν τα σφάλματα του υποδείγματος αυτού είvαι ασυσχέτιστα. Στον Πίνακα 3 δίνονται τα ποσοστά των σειρών προσομοίωσης όπου η τιμή του DW έπεφτε αντίστοιχα στις περιοχές θετικής αυτοσυσχέτισης, αβεβαιότητας, και μη αυτοσυσχέτισης για τα τέσσερα διαφορετικά μεγέθη δείγματος. Όπως παρατηρούμε σε μικρά μεγέθη δείγματος η πιθανότητα να προχωρήσουμε στην εφαρμογή του απλού ελέγχου Dickey-Fuller (DF) είναι σημαντική (για η = 50 η εκτιμηθείσα αυτή πιθανότητα είναι 28.5 % ). Αντίθετα σε μεγάλα δείγματα, το DW σε όλες τις σειρές προσομοίωσης έπεφτε στην περιοχή της θετικής αυτοσυσχέτισης, γεγονός που μας οδηγεί στην εφαρμογή του ε παυ ξημένου κριτηρίου ελέγχου Dickey-Fuller (ADF). Για η = 50, και για εκείνες τις σειρές όπου το DW έπεφτε στην περιοχή είτε της αβεβαιό- 99
10 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙθΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχος 1 Ο (2006), τητας είτε της μη αυτοσυσχέτισης εκτιμήθηκε και το περιοριστικό υπόδειγμα (2) και εφαρμόστηκε ο απλός έλεγχος DF. Στο 89% αυτών των σειρών δεν μπορούσαμε να απορρίψουμε την μηδενική υπόθεση του τυχαίου περιπάτου με περιπλάνηση και σφάλματα ασυσχέτιστα. Πίνακας 3: Εκτιμηθείσες πιθανότητες χρησιμοποίησης του απλού κριτηρίου ελέγχου Dickey-Fuller (DF) αντί του αντίστοιχου επαυξημένου (ADF) όταν το πληθυσμιακό υπόδειγμα είναι τυχαίος περίπατος με περιπλάνηση και σφάλματα που ακολουθούν το AR (1) Μέγεθος Χρησιμοποίηση Αβεβαιότητα** Χρησιμοποίηση Δείγματος (DF)* (ADF)*** * Το DW της (1) πέφτει στην περιοχή μη αυτοσυσχέτισης σε α = 1 % ** Το DW της (1) πέφτει στην αβέβαιη περιοχή σε α = 1 % ***Το DW της (1) πέφτει στην περιοχή θετικής αυτοσυσχέτισης σε α = 1 % Στην αντίθετη περίπτωση όπου το DW της (1) έπεφτε είτε στην περιοχή της θετικής αυτοσυσχέτισης είτε στην περιοχή της αβεβαιότητας εκτιμήθηκε το υπόδειγμα ( 4 ), και επανελέγχτηκε μέσω των νέων τιμών DW εάν τα σφάλματα του υποδείγματος (4) ήταν ασυσχέτιστα. Για όλα τα μεγέθη δείγματος και για όλες τις εξετασθείσες σειρές προσομοίωσης παρατηρήθηκε ότι το DW έπεφτε στην περιοχή της μη αυτοσυσχέτισης, γεγονός που μας επέτρεψε να μην επεκταθούμε στην εφαρμογή του κριτηρίου ελέγχου ADF εισάγοντας περισσότερες υστερήσεις στις πρώτες διαφορές των τιμών της σειράς ως ερμηνευτικές μετμβλητές στο υπόδειγμα ( 4 ). Στον Πίνακα 4, και για τις εξετασθείσες σειρές προσομοίωσης δίνονται οι εκτιμηθείσες πιθανότητες μη απόρριψης της Η 0 : β = Ο, γ = Ο όταν το πληθυσμιακό υπόδειγμα είναι αυτό του τυχαίου περιπάτου με περιπλάνηση και σφάλματα που να ακολουθούν το AR (1). Όπως παρατηρείται σε ονομαστικό επίπεδο στατιστικής σημαντικότητας 1 %, οι εκτιμηθείσες αυτές πιθανότητες είναι πάρα πολύ κοντά στη μονάδα. Με άλλα λόγια έχουμε πολύ υψηλή πιθανότητα να αποδεχθούμε το υπόδειγμα τυχαίου περιπάτου με περιπλάνηση και σφάλματα ασυσχέτιστα όταν πραγματικά τα σφάλματα στο υπόδειγμα αυτό ακολουθούν το AR (1). 100
11 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 1 Ο (2006), Πίνακας 4: Εκτιμηθέν σφάλμα τύπου 11 για το ADF όταν το πληθυσμιακό υπόδειγμα είναι τυ'χαίος περίπατος με περιπλάνηση και σφάλματ~ που ακολουθούν το AR (1) Μέγεθος Αριθμός εξετασθέντων a = 10% a=5% a=1% Δείγματος σειρών προσομοίωσης Συνέπειες στη διενέργεια προβλέψεων από τη χρησιμοποίηση του υποδείγματος τυχαίου περιπάτου με σφάλματα ασυσχέτιστα Η μέχρι τώρα ανάλυση στη μελέτη αυτή έχει δείξει ότι εάν μια χρονολογική σειρά ακολουθεί το υπόδειγμα τυχαίου περιπάτου με σφάλματα τα οποία να αυτοσυσχετίζονται σε όχι υψηλό βαθμό, όπως το υπόδειγμα (10), η εφαρ μογή του απλού ή του επαυξημένου κριτηρίου Dickey-Fuller (ανάλογα με τη τιμή του DW που λαμβάνεται από το αντίστοιχο μη περιοριστικό υπόδειγμα), μας οδηγεί με μεγάλη πιθανότητα στο να αποδεχθούμε ότι το πληθυσμιακό υπόδειγμα είναι μεν αυτό του τυχαίου περιπάτου αλλά με σφάλματα ασυσχέτιστα. Είναι ενδιαφέρον λοιπόν στη συνέχεια να μελετήσουμε τις συνέπειες που έχει η λανθασμένη χρησιμοποίηση του υποδείγματος του τυχαίου περιπάτου με σφάλματα ασυσχέτιστα στη διενέργεια προβλέψεων σε χρονολογικές σειρές που στην πραγματικότητα ακολουθούν το υπόδειγμα (10). Είναι γνωστό (Pindyck and Rubinfeld, 1998) ότι όταν η προς μελέτη χρονολογική σειρά Υι (t = 1, 2,...,Τ) ακολουθεί το υπόδειγμα του τυχαίου περιπάτου με περιπλάνηση και με σφάλματα ασυσχέτιστα, η πρόβλεψη καθώς και η διακύμανση του σφάλματος πρόβλεψης για την πραγματική τιμή της σειράς f - περιόδους μπροστά δίνονται αντίστοιχα από τις παρακάτω δυο σχέσεις: (12) όπου ~ και s~ είναι οι εκτιμήσεις του όρου της περιπλάνησης και της διακύμανσης των σφαλμάτων, όπως αυτές λαμβάνονται μετά την εφαρμογή στο διαθέσιμο δείγμα των παρατηρήσεων της μεθόδου των ελαχίστων τετραγώνων 101
12 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ ΕΠΙθΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Τεύχος 1 Ο (2006), για το υπόδειγμα Δyι = μ+ ει. Επομένως λαμβάνοντας ±k τυπικές αποκλίσεις του σφαλματος πρόβλεψης εκατέρωθεν της προβλεπόμενης τιμής, το διάστημα εμπιστοσύνης για την πραγματική μελλοντική τιμή της χρονολογικής σειράς είναι Υτ(f)± k ~. Εάν k~2 τότε το ονομαστικό επίπεδο εμπιστοσύνης που συνδέεται με το διάστημα αυτό είναι 95.44%, ενώ όταν k=3 αυτό είναι 99.74%. Λαμβάνοντας επομένως ως βάση αναφοράς το ονομαστικό επίπεδο εμπιστοσύνης, το κριτήριο μελέτης των συνεπειών της λανθασμένης χρησιμοποίησης του υποδείγματος τυχαίου περιπάτου με περιπλάνηση και με σφάλματα ασυσχέτιστα μεταξύ τους ορίζουμε να είναι η πραγματική πιθανότητα το διάστημα εμπιστοσύνης της πρόβλεψης να περιέχει την μελλοντική τιμή της χρονολογικής σειράς. Ονομάζουμε δε την πιθανότητα αυτή πραγματικό επίπεδο εμπιστοσύνης του διαστήματος πρόβλεψης. Είναι σαφές ότι εκτιμώντας πρώτα την πιθανότητα αυτή, μπορούμε να υπολογίσουμε στη συνέχεια το μέγεθος της απόκλισης μεταξύ του πραγματικού και του ονομαστικού επίπεδου εμπιστοσύνης του διαστήματος πρόβλεψης, το οποίο μέγεθος από μόνο του φανερώνει την έκταση του όλου προβλήματος που μελετάμε. Για την εκτίμηση του πραγματικού επιπέδου εμπιστοσύνης χρησιμοποιήσαμε τις 200 σειρές προσομοίωσης του υποδείγματος (10), για διαφορετικά μεγέθη δείγματος η = 50, 100, 150, 200, και για διαφορετικές τιμές του.e, το οποίο ορίστηκε ως το 10% του αντίστοιχου μεγέθους του δείγματος. Ειδικότερα, σε κάθε σειρά προσομοίωσης, για κάθε μέγεθος δείγματος, και για κάθε τιμή του.e κατασκευάσαμε το διάστημα εμπιστοσύνης της πρόβλεψης βάσει της μεθοδολογίας που δόθηκε παραπάνω και εξετάσαμε εάν το διάστημα αυτό περιήχε την πραγματική τιμή της χρονολογικής σειράς. Για κάθε περίπτωση, το πραγματικό επίπεδο εμπιστοσύνης, το οποίο εκτιμήθηκ ε ως το ποσοστό των διαστημάτων εμπιστοσύνης στο σύνολο των διακοσίων που περιείχαν τις αντίστοιχες πραγματικές μελλοντικές τιμές της χρονολογικής σειράς, δίνεται στον Πίνακα 5. Όπως παρατηρείται, δοθέντος του αριθμού των τυπικών αποκλίσεων k του σφάλματος πρόβλεψης εκατέρωθεν της προβλεπόμενης τιμής, και του μεγέθους του δείγματος, η, το πραγματικό επίπεδο εμπιστοσύνης μειώνεται καθώς αυξάνεται ο αριθμός των.e- περιόδων στο μέλλον όπου γίνεται η πρόβλεψη. Οι διαφοροποιήσεις όμως μεταξύ του ονομαστικού και του πραγματικού επιπέδου εμπιστοσύνης είναι πολύ πιο έντονες όταν χρησιμοποιούνται δυο τυπικές αποκλίσεις αντί για τρεις (η χρησιμοποίηση k = 2 είναι πολύ συνηθισμένο γεγονός στη κατασκευή διαστημάτων εμπιστοσύνης). Ενδεικτικά δε αναφέρουμε ότι για k = 2, ακόμα και σε μέγεθος δείγματος 150 παρατηρήσεων, το οποίο είναι αρκετά μεγάλο, η διαφοροποίηση μεταξύ του πραγματικού και του ονομαστικού επιπέδου εμπιστοσύνης ξεπερνά το 10% όταν το.e = 4. Βεβαίως μια τέτοια τιμή για το.e είναι αρκετά μικρή όταν είμαστε στο στάδιο διενέργειας προβλέψεων έχοντας διαθέσιμο ένα δείγμα της τάξεως των 150 παρατηρήσεων. Αντίθετα, φαίνεται ότι τέτοιες διαφοροποιήσεις μεταξύ πραγματικού και ονομαστικού επιπέδου εμπιστοσύνης είναι μάλλον αμελητέες όταν χρησιμοποιούνται τρεις τυπικές αποκλίσεις του σφάλματος πρόβλεψης. Θα πρέπει
13 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 10 (2006), όμως εδώ να σημειωθεί ότι το τίμημα το οποίο πληρώνεται για k = 3 είναι ένα αρκετά πλατύ διάστημα εμπιστοσύνης το οποίο και συνεπάγεται χαμηλής ποιότητας πληροφόρηση αναφορικά με το που θα κυμανθεί η πραγματική τιμή της σειράς στο μέλλον. Πίνακας 5: Πραγματικά επίπεδα εμπιστοσύνης του διαστήματος πρόβλεψης για το υπόδειγμα τυχαίου περιπάτου με περιπλάνηση και με σφάλματα ασυσχέτιστα μεταξύ τους k=2 k=2 i η=50 η= 100 η= 150 η=200 η= 50 η= 100 η= 150 η=200 l 0,95 0,96 0,97 0,93 0,995 0,995 0,995 l 2 0,915 0,91 0,905 0,915 0,99 0,99 0,985 0,99 3 0,88 0,86 0,895 0,905 0,97 0,97 0,975 0, ,845 0,845 ο 84 0,89 0,97 0, ,845 0,855 0,86 0,905 0,97 0,97 0,955 0, ,83 0,835 0,87 0,965 0,965 0, ,835 0,885 0,945 0,95 0, ,825 0,8 0,85 0,935 0,94 0,96 9 ο ,835 0,94 0,935 0, ,805 0,795 0,815 0,94 0,935 0, ,795 0, ,82 0,78 0,93 0, ,82 0,785 0,935 0, ο 805 0,78 0,945 0, ,815 0,78 0,945 0,95 16 ο ,77 0, , ,795 0, ,8 0,94 5.Συμπεράσματα Στη μελέτη αυτή αποδεικνύουμε πρώτα ότι ένα υπόδειγμα τυχαίου περιπάτου με σφάλματα τα οποία να ακολουθούν το αυτοπαλίνδρομο σχήμα πρώτου βαθμού, AR (1), συμπεριφέρεται σαν ένα ARIMA (1, 1, Ο). Το τελευταίο δε Προκύπτει από το μη περιοριστικό υπόδειγμα του επαυξημένου ελέγχου Dickey-Fuller, με μία μόνο χρονική υστέρηση στις πρώτες διαφορές της σειράς ως ανεξάρτητη μ εταβλητή, όταν ισχύει η μηδενική υπόθ ε ση. Την συγκεκριμένη μεθοδολογία την επαληθεύουμε χρησιμοποιώντας τις ετήσιες εκπομπές θείου για την Ουγγαρία από το 1891 έως το Στη συνέχεια δείχνουμε, με την βοήθεια προσομοιώσεων, ότι όταν το πληθυσμιακό υπόδειγμα (δηλαδή αυτό το οποίο παράγει τις τιμές της χρονολογικής σειράς) είναι.αυτό του τυχαίου περιπάτου με σφάλματα τα οποία αυτοσυσχετίζονται σε μ έτριο βαθμό, έχουμ ε υψηλό σφάλμα τύπου 11, τόσο σε μικρά όσο και σε μεγάλα μεγέθη δείγματος. Αυτό εγκυμονεί τον κίνδυνο να αποδε- 103
14 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙθΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχο ς 1 Ο (2006), χθούμ ε ότι το πληθυσμιακό υπόδειγμα είναι αυτό του τυχαίου περιπάτου αλλά με σφάλματα ασυσχέτιστα. Οι συνέπ ε ιες μιας τ έτοιας λανθασμένης επιλογής είναι αρκετά σοβαρές στη διενέργεια προβλέψεων, όταν στη κατασκευή του διαστήματος πρόβλεψης για την πραγματική μελλοντική τιμή της σειράς χρησιμοποιούνται δυ ο τυπικ έ ς αποκλίσεις του σφάλματος πρόβλεψης εκατέρωθεν της προβλεπόμενης τιμής. Ειδικότερα, σε μια τ έτοια περίπτωση δείχνουμε ότι ακόμα και σε μεγάλα μεγέθη δείγματος η πραγματική πιθανότητα το διάστημα πρόβλεψης να περιλαμβάνει την αληθινή τιμή της σειράς είναι σημαντικά μικρότερη της αντίστοιχης ονομαστικής (95.44%) ακόμα και όταν η πρόβλεψη διενεργείται για σχετικά μικρό αριθμό μ ε λλοντικών περιόδων μπροστά. Βιβλιογραφία 104 Ahn, S.Κ., Fotopoulos, S.B., and He, L. (2001). "Unit root tests with infinite νariance errors". Econometrίc Re νίew, 20, A.S.L. and Associates (1997). Sulfur Emίssίons By Countιy And Year, Report Νο: DE , US Department of Energy, Washington DC. Banerjee, Α., Lumsdaine, R., and Stock, J. (1992). "Recursiνe and sequential tests of the unit root and trend break hypothesis: Theory and international evidence". Journal of Busίn ess and Economίc Statίstίcs, 10, Bidarkota, P.V. (2000). "Asymmetries ίη the conditional mean dynamics of real GNP: Robust evidence". Review of Economίcs and Statistίcs, 82, Bisaglia L., and Procidano, 1. (2002). 'Όη the power of the Augmented Dickey Fuller test against fractional alternatives bootstrap". Economίcs Letters, 77, Βοχ, G.E.P., and Muller, Μ.Ε. (1958). 'Ά Note on the Generation of Random Normal Deviaties".Ann. Math. Statist. 29: Chaudhuri, Κ. and Wu, Υ. (2003). "Random walk versus breaking trend in stock prices: Evidence from emerging markets". Journal of Banking and Finance, 27, Dickey, D.A., and Fuller, W.A. (1979). "Distribution of the Estimators for Autoregressive Time-Series with Unit Root". Journal of the American Statistical A ss ocίation, 74, Dickey, D.A., and Fuller, W.A. (1981). "Likelihood Ratio Statistics for Autoregressive Time Series with a unit Root". Econometrίca, 49, EHiot G., Rothenberg, T.J., and Stock, J.H. (1996). "Efficient tests for an autoregressive unit root". Econometrica, 64, Fuller, W.A. (1996). lntroductίon to statίstίcal Tίm e Serίes, 2πct edn, Wiley, New York.
15 KEVORK ILIAS, HALKOS GEORGE - REVIEW OF ECONOMIC SCIENCES - Νο 1 Ο (2006), Gallegari F., Cappuccio Ν., and Lubian D. (2003). "Asymptotic inference ίη time series regressions with a unit root and infinite variance errors". Joumal of Statίstίcal Plannίng and Inference, 116, Halkos G.E. and Kevork, l.s. (20Ό3). Α comparίson of altematίve unίt root tests. Discussion Papers Series 0302, Department of Economics University of Thessaly. Hassler, U. and Wolters, J. (1994). "Οη the power of unit root test against fractional alternatives". Economίcs Letters, 45, 1-5 Kevork, l.s. (1990). Confidence lnterval Methods for Discrete Event Computer Simulation: Theoretical Properties and Practical Recommendations. Unpublished Ph.D. Thesis, University of London, London. Κim, D. and Κοη, S.J. (1999). "Structural change and time dependence ίη models of stock returns". Joumal of Empίrίcal Fίnance, 6, Κramer, W. (1998). "Fractional integration and the augmented Dickey Fuller test". Economίcs Letters, 61, Law, Α.Μ., and Kelton, W.D. (1982). Sίmulatίon Modellίng and Analysίs. McGraw-Hill, New York. Lepohn, Α. S., D.H. Janja and Rudolf, Β.Η. (1999). "Estimating historical anthropogenic global sulfur emission patterns for the period ", Atmospherίc Envίronm ent, 33, Levin, Α. and Lin, C.F. (1993). Unit root test in panel data: asymptotic and finite sample properties. University of California at San Diego, Discussion Paper 92/93. Leybourne S., Newbold Ρ. (1999). "The behaviour of Dickey Fuller and Phillips Perron under the alternative hypothesis". Econometrίcs Joumal, 2 (1 ), Perron, Ρ. (1989). "The great crash, the oil price shock and the unit root hypothesis". Econometrίca, 55, Perron Ρ., and Vogelsang, T.J. (1992). "Nonstationary and level shifts with an application to purchasing power parity". Journal of Busίness and Economίc Statίstίcs, 10, Pindyck, R.S., and Rubinfeld, D.L. (1998). Econometrίc Models and Economίc Forecasts. 4th edn. McGraw-Hill lnternational Editions. Sanchez, 1. (2003). "Efficient forecasting ίη nearly non-stationary processes". Journal of Forecastίng, in prepapration. Shin D.W., and Lee, J.H. (2000). "Consistency of the maximum likelihood estimators for non-stationary ARMA regression with time trends". Joumal of Statίstίcal Plannίng Inference, 87, Skin D.W., and Fuller, W.A. (1998). "Unit root tests based οη unconditional 105
16 ΗΛΙΑΣ Σ. ΚΕΒΟΡΚ, ΓΕΩΡΓΙΟΣ Ε. ΧΑΛΚΟΣ - ΕΠΙθΕΩΡΗΣΗ ΟΙΚΟΝΟΜΙΚΩΝ ΕΠΙΣΤΗΜΩΝ - Τεύχος 1 ο (2006), maximum likelihood estimation for the autoregressive moving average". J ournal of Tίme Serίes Analysίs, 19, Spilimbergo, Α. and Vamvakidis, Α. (2003). "Real effective exchange rate and the constant elasticity of substitution assumption". Journal of Internatίonal Economίcs, 60, Vogelsang, T.J. and Perron, Ρ. (1998). Additional tests for a unit root allowing for a break in the trend function at an unknown time. Internatίonal Economίc Revίew, 39, Xiao Ζ., and Phillips, P.C.B. (1998). "Απ ADF coefficient test for a unit root ίη ARMA models of unknown order with empirical applications to the US economy". Econometrίc Journal, 1, Zivot Ε., and Andrews, D.W. Κ. (1992). "Further evidence on the great crash, the oil-price shock, and the unit-root hypothesis". Journal of Busίness and Economίc Statistίcs, 10,
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
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 5ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 5ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης.
ΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα
ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση
Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008
Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008 1 Τύποι Οικονομικών Δεδομένων Τα οικονομικά δεδομένα που χρησιμοποιούνται για την εξέταση οικονομικών φαινομένων μπορεί να έχουν τις ακόλουθες
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
The random walk model with autoregressive errors
MPRA Munich Personal RePEc Archive The random walk model wih auoregressive errors Halkos George and Kevork Ilias Universiy of Thessaly, Deparmen of Economics 2005 Online a hp://mpra.ub.uni-muenchen.de/33312/
Η ΑΣΥΜΠΤΩΤΙΚΗ ΔΙΑΚΥΜΑΝΣΗ ΣΕ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΟΝ ΣΤΑΣΙΜΟ ΠΛΗΘΥΣΜΙΑΚΟ ΜΕΣΟ
«ΣΠΟΥΔΑΙ», Τόμος 54, Τεύχος 3ο, (4) / «SPOUDAI», Vol. 54, No 3, (4), University of Piraeus, pp. 55-74 Η ΑΣΥΜΠΤΩΤΙΚΗ ΔΙΑΚΥΜΑΝΣΗ ΣΕ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΤΟΝ ΣΤΑΣΙΜΟ ΠΛΗΘΥΣΜΙΑΚΟ ΜΕΣΟ Υπό Ηλία Σ. Κεβόρκ*,
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
Using the asymptotic variance to estimate the stationary mean under autocorrelation
MPRA Munich Personal RePEc Archive Using the asymptotic variance to estimate the stationary mean under autocorrelation George, Halkos and Ilias, Kevork University of Thessaly, Department of Economics 004
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
ΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ. (TEST: Unit Root-Cointegration )
ΧΡΟΝΟΣΕΙΡΕΣ & ΠΡΟΒΛΕΨΕΙΣ-ΜΕΡΟΣ 7 ΕΛΕΓΧΟΙ (TEST: Unit Root-Cointegration ) ΦΑΙΝΟΜΕΝΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η στασιμότητα των δεδομένων (χρονοσειρών) είναι θεωρητική προϋπόθεση για την παλινδρόμηση, δηλ. την εκτίμηση
Έλεγχος των Phillips Perron
ΜΑΘΗΜΑ 8ο Έλεγχος των Phillip Perron Είδαμε στον έλεγχο των Dickey Fuller ότι για το πρόβλημα της αυτοσυσχέτισης των καταλοίπων προτείνουν την επαύξηση της εξίσωσης με επιπλέον όρους τωνδιαφορώντηςεξαρτημένηςμεταβλητής.
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
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,
Στασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
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
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
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 3ο Κίβδηλες παλινδρομήσεις Μια από τις υποθέσεις που χρησιμοποιούμε στην ανάλυση της παλινδρόμησης είναι ότι οι χρονικές σειρές που χρησιμοποιούμε
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
Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο
Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο Χρήσιμες Οδηγίες Με την βοήθεια του λογισμικού E-views να απαντήσετε στα ερωτήματα των επόμενων σελίδων, (οι απαντήσεις πρέπει να περαστούν
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
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
Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model)
ΜΑΘΗΜΑ 4 ο 1 Παραβίασητωνβασικώνυποθέσεωντηςπαλινδρόμησης (Violation of the assumptions of the classical linear regression model) Αυτοσυσχέτιση (Serial Correlation) Lagrange multiplier test of residual
ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΕΙΡΩΝ ΚΑΝΟΝΙΚΟΤΗΤΑ
ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΕΙΡΩΝ ΚΑΝΟΝΙΚΟΤΗΤΑ απόκλιση από την κανονικότητα µπορεί να σηµαίνει Ύπαρξη θετικής ή αρνητικής ασυµµετρίας Ύπαρξη λεπτοκύρτωσης, δηλαδή παρουσία ακραίων τιµών που δεν είναι συµβατές
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,
3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ
3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ Πρόβλημα: Ένας ραδιοφωνικός σταθμός ενδιαφέρεται να κάνει μια ανάλυση για τους πελάτες του που διαφημίζονται σ αυτόν για να εξετάσει την ποσοστιαία μεταβολή των πωλήσεων
ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ
ΚΕΦΑΛΑΙΟ 6 ΠΡΟΒΛΕΨΕΙΣ ΜΕ ΥΠΟΔΕΙΓΜΑΤΑ ΧΡΟΝΟΣΕΙΡΩΝ 6. Εισαγωγή 6. Μονομεταβλητές προβλέψεις Βέλτιστη πρόβλεψη και Θεώρημα βέλτιστης πρόβλεψης Διαστήματα εμπιστοσύνης 6.3 Εφαρμογές A. MILIONIS KEF. 6 08 BEA
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
Analyze/Forecasting/Create Models
(εκδ 11) (εκδ 11) Σχολή Κοινωνικών Επιστημών Τμήμα Οικονομικών Επιστημών 24 Οκτωβρίου 2014 1 / 12 Εισαγωγή (εκδ 11) 1 2 2 / 12 ΧΣ (εκδ 11) ΧΣ μέσω υποδειγμάτων ARIM A/SARIM A Αϕου δημιουργήσουμε τον χώρο
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
2. ΕΠΙΛΟΓΗ ΤΟΥ ΜΕΓΕΘΟΥΣ ΤΩΝ ΠΑΡΑΤΗΡΗΣΕΩΝ
1. ΕΙΣΑΓΩΓΗ ΣΤΟ SPSS Το SPSS είναι ένα στατιστικό πρόγραμμα γενικής στατιστικής ανάλυσης αρκετά εύκολο στη λειτουργία του. Για να πραγματοποιηθεί ανάλυση χρονοσειρών με τη βοήθεια του SPSS θα πρέπει απαραίτητα
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
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 4ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 4ο Διαδικασία των συντελεστών αυτοσυσχέτισης Ονομάζουμε συνάρτηση αυτοσυσχέτισης (autocorrelation function) και συμβολίζεται με τα γράμματα
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
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής Διαγνωστικοί Έλεγχοι Διαπίστωσης της Αυτοσυσχέτισης Οι περισσότεροι από τους διαγνωστικούς ελέγχους της αυτοσυσχέτισης αναφέρονται σε αυτοσυσχέτιση
ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΠΑΤΡΑΣ Εργαστήριο Λήψης Αποφάσεων & Επιχειρησιακού Προγραμματισμού Καθηγητής Ι. Μητρόπουλος ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ
Χρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 10 Ο μάθημα: Μη στάσιμα μοντέλα ARIMA Μεθοδολογία Box-Jenkins Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ.
Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21
ΚΕΦΑΛΑΙΟ 21 Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ (Power of a Test) Όπως είδαμε προηγουμένως, στον Στατιστικό Έλεγχο Υποθέσεων, ορίζουμε δύο είδη πιθανών λαθών (κινδύνων) που μπορεί να συμβούν όταν παίρνουμε αποφάσεις
ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ
A εξάμηνο 2009-2010 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ Μεθοδολογία Έρευνας και Στατιστική ΑΝΤΩΝΙΟΣ ΧΡ. ΜΠΟΥΡΑΣ Χειμερινό Εξάμηνο 2009-2010 Ποιοτικές και Ποσοτικές
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;
Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv
Σ ΤΑΤ Ι Σ Τ Ι Κ Η i Statisticum collegium iv Στατιστική Συμπερασματολογία Ι Σημειακές Εκτιμήσεις Διαστήματα Εμπιστοσύνης Στατιστική Συμπερασματολογία (Statistical Inference) Το πεδίο της Στατιστικής Συμπερασματολογία,
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ
ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ ΤΕΧΝΙΚΕΣ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΘΕΩΡΙΑΣ-ΣΤΑΣΙΜΕΣ ΔΙΑΔΙΚΑΣΙΕΣ-ΥΠΟΔΕΙΓΜΑΤΑ SARIMA (sp,sd,qs) ARIMA (p,d,q) ΕΠΙΧ - Τεχνικές Προβλέψεων & Ελέγχου
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
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
Πρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21
Περιεχόμενα Πρόλογος... 15 Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης... 19 1 Αντικείμενο της οικονομετρίας... 21 1.1 Τι είναι η οικονομετρία... 21 1.2 Σκοποί της οικονομετρίας... 24 1.3 Οικονομετρική
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
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
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
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
Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (ARIMA)
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου
Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις
Χρονικές σειρές 11 Ο μάθημα: Προβλέψεις Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
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
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
ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ
Α εξάμηνο 2010-2011 ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ Ποιοτικές και Ποσοτικές μέθοδοι και προσεγγίσεις για την επιστημονική έρευνα users.sch.gr/abouras
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
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Τεχνικές Προβλέψεων. Προετοιμασία & Ανάλυση Χρονοσειράς
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων Προετοιμασία & Ανάλυση Χρονοσειράς http://www.fsu.gr
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
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
Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 :
Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 : 1. Να χρησιμοποιηθεί το αρχείο gssft.sav για να γίνει έλεγχος της υπόθεσης ότι στους εργαζόμενους με πλήρη απασχόληση η τιμή του μέσου
1 1 1 2 1 2 2 1 43 123 5 122 3 1 312 1 1 122 1 1 1 1 6 1 7 1 6 1 7 1 3 4 2 312 43 4 3 3 1 1 4 1 1 52 122 54 124 8 1 3 1 1 1 1 1 152 1 1 1 1 1 1 152 1 5 1 152 152 1 1 3 9 1 159 9 13 4 5 1 122 1 4 122 5
χ 2 test ανεξαρτησίας
χ 2 test ανεξαρτησίας Καθηγητής Ι. Κ. ΔΗΜΗΤΡΙΟΥ demetri@econ.uoa.gr 7.2 Το χ 2 Τεστ Ανεξαρτησίας Tο χ 2 τεστ ανεξαρτησίας (όπως και η παλινδρόμηση) είναι στατιστικά εργαλεία για τον εντοπισμό σχέσεων μεταξύ
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
Supplementary Appendix
Supplementary Appendix Measuring crisis risk using conditional copulas: An empirical analysis of the 2008 shipping crisis Sebastian Opitz, Henry Seidel and Alexander Szimayer Model specification Table
Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών
Στατιστική Ι Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για
Εισαγωγή στην Ανάλυση Δεδομένων
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 09-10-2015 Εισαγωγή στην Ανάλυση Δεδομένων Βασικές έννοιες Αν. Καθ. Μαρί-Νοέλ Ντυκέν ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 30-10-2015 1. Στατιστικοί παράμετροι - Διάστημα εμπιστοσύνης Υπολογισμός
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
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
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για τους Μέσους - Εξαρτημένα Δείγματα (Paired samples t-test) Το κριτήριο Paired samples t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε
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
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
Διάλεξη 1 Βασικές έννοιες
Εργαστήριο SPSS Ψ-4201 (ΕΡΓ) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις αναρτημένες στο: Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη
ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
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
Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις
Α. Μπατσίδης Πρόχειρες βοηθητικές διδακτικές σημειώσεις Οι παρούσες σημειώσεις επιχειρούν να αποτελέσουν μια βοήθεια τόσο στην παρακολούθηση της διάλεξης όσο και στη μελέτη κάποιων εκ των θεμάτων της Γραμμικής
ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ
ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ Ενότητα 4: Time and Frequency Analysis Διδάσκων: Γεώργιος Στεφανίδης Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών Σκοποί ενότητας Για την περιγραφή ενός συστήματος κρίσιμο
Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου
Χρονικές σειρές 8 Ο μάθημα: Μοντέλα κινητού μέσου Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα, Πανεπιστήμιο
ΑΝΙΧΝΕΥΣΗ ΣΗΜΕΙΟΥ ΑΛΛΑΓΗΣ ΤΑΣΗΣ ΣΕ ΧΡΟΝΟΣΕΙΡΕΣ
Ελληνικό Στατιστικό Ινστιτούτο Πρακτικά ου Πανελληνίου Συνεδρίου Στατιστικής (7), σελ 3- ΑΝΙΧΝΕΥΣΗ ΣΗΜΕΙΟΥ ΑΛΛΑΓΗΣ ΤΑΣΗΣ ΣΕ ΧΡΟΝΟΣΕΙΡΕΣ Θ. Βαφειάδης, Ε. Μπόρα-Σέντα, Δ. Κουγιουμτζής Μαθηματικό Τμήμα, Αριστοτέλειο
2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
2. ΧΡΗΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΠΑΚΕΤΩΝ ΣΤΗ ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ Η χρησιμοποίηση των τεχνικών της παλινδρόμησης για την επίλυση πρακτικών προβλημάτων έχει διευκολύνει εξαιρετικά από την χρήση διαφόρων στατιστικών
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
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
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,
ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Εισήγηση 4A: Έλεγχοι Υποθέσεων και Διαστήματα Εμπιστοσύνης Διδάσκων: Δαφέρμος Βασίλειος ΤΜΗΜΑ ΠΟΛΙΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΣΧΟΛΗΣ ΚΟΙΝΩΝΙΚΩΝ
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
Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα
Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια
Οικονομετρία Ι. Ενότητα 9: Αυτοσυσχέτιση. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 9: Αυτοσυσχέτιση Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική Ενότητα 3: Έλεγχοι υποθέσεων - Διαστήματα εμπιστοσύνης Δρ.Ευσταθία Παπαγεωργίου, Αναπληρώτρια Καθηγήτρια Οι ερευνητικές υποθέσεις Στην έρευνα ελέγχουμε
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS)
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΕΡΓΑΣΤΗΡΙΟ (SPSS) Έλεγχος Υποθέσεων για την Μέση Τιμή ενός Δείγματος (One Sample t-test) Το κριτήριο One sample t-test χρησιμοποιείται όταν θέλουμε να συγκρίνουμε τον αριθμητικό
Κλωνάρης Στάθης. ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας
Κλωνάρης Στάθης ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας Μέχρι τώρα ασχοληθήκαμε με τις τεχνικές εκτίμησης παραμέτρων για ένα πληθυσμό όπως: τον Μέσο µ και το ποσοστό p Θα συνεχίσουμε
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
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
ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ
ΚΕΦΑΛΑΙΟ 4ο ΧΡΟΝΙΚΟΙ ΤΕΛΕΣΤΕΣ ΚΑΙ ΣΤΑΤΙΣΤΙΚΑ ΕΡΓΑΛΕΙΑ ΑΝΑΛΥΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ 4.1 ΕΙΣΑΓΩΓΗ 4. ΔΙΑΔΙΚΑΣΙΕΣ ΛΕΥΚΟΥ ΘΟΡΥΒΟΥ 4.3 ΥΠΟΔΕΙΓΜΑΤΑ ΤΥΧΑΙΟΥ ΠΕΡΙΠΑΤΟΥ 4.4 Η ΣΥΝΑΡΤΗΣΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗΣ 4.5 ΜΕΡΙΚΗ ΑΥΤΟΣΥΣΧΕΤΙΣΗ
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
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 3 ΔΕΣΜΕΥΜΕΝΗ ΠΙΘΑΝΟΤΗΤΑ, ΟΛΙΚΗ ΠΙΘΑΝΟΤΗΤΑ ΘΕΩΡΗΜΑ BAYES, ΑΝΕΞΑΡΤΗΣΙΑ ΚΑΙ ΣΥΝΑΦΕΙΣ ΕΝΝΟΙΕΣ 71
ΠΕΡΙΕΧΟΜΕΝΑ ΜΕΡΟΣ ΠΡΩΤΟ ΠΙΘΑΝΟΤΗΤΕΣ 11 ΚΕΦΑΛΑΙΟ 1 ΕΙΣΑΓΩΓΗ 13 ΚΕΦΑΛΑΙΟ 2 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΠΙΘΑΝΟΤΗΤΑΣ 19 2.1 Αβεβαιότητα, Τυχαία Διαδικασία, και Συναφείς Έννοιες 21 2.1.1 Αβεβαιότητα και Τυχαίο Πείραμα
3η Ενότητα Προβλέψεις
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Προβλέψεων & Στρατηγικής Forecasting & Strategy Unit Τεχνικές Προβλέψεων 3η Ενότητα Προβλέψεις (Μέρος 4 ο ) http://www.fsu.gr
Ενότητα 2: Έλεγχοι Υποθέσεων Διαστήματα Εμπιστοσύνης
ΕΘΝΙΚΟ ΚΑΠΟΔΙΣΤΡΙΑΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ - ΙΑΤΡΙΚΗ ΣΧΟΛΗ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ «ΕΦΑΡΜΟΣΜΕΝΗ ΝΕΥΡΟΑΝΑΤΟΜΙΑ» «Βιοστατιστική, Μεθοδολογία και Συγγραφή Επιστημονικής Μελέτης» Ενότητα 2: Έλεγχοι Υποθέσεων
Τηλ./Fax: ,
Ποσοτικές Μέθοδοι στη Χρηματοοικονομική Π.Μ.Σ. Λογιστικής & Χρηματοοικονομικής Ανδριανός Ε. Τσεκρέκος Οκτώβριος Νοέμβριος, 2015 Περίληψη Το παρόν κείμενο παρέχει πληροφορίες για την διεξαγωγή του μαθήματος
ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης
ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης Από την περασμένη φορά... Πληθυσμός (population): ένα σύνολο ατόμων Παράμετρος (parameter): χαρακτηριστικό του
Οικονομετρία. Σταματίου Παύλος Διδάκτωρ Οικονομετρικών Εφαρμογών & Μακροοικονομικών Πολιτικών
Οικονομετρία Σταματίου Παύλος Διδάκτωρ Οικονομετρικών Εφαρμογών & Μακροοικονομικών Πολιτικών E-mail: stamatiou@uom.edu.gr Info: https://sites.google.com/site/pavlossta2/home Αυτοσυσχέτιση (Durbin - Watson)
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