ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
|
|
- Γάννης Καραμανλής
- 5 χρόνια πριν
- Προβολές:
Transcript
1 ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 6: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ Webpage: 1
2 Περιεχόμενο ενότητας 1. Ανάλυση της διακύμανσης στο υπόδειγμα πολλαπλής γραμμικής παλινδρόμησης 2. Συντελεστής πολλαπλού προσδιορισμού R 2 3. Η σχέση μεταξύ της στατιστικής F και του συντελεστή πολλαπλού προσδιορισμού R 2 4. Μερικοί συντελεστές συσχέτισης 5. Κριτήρια επιλογής υποδειγμάτων της παλινδρόμησης 6. Έλεγχος γραμμικών σχέσεων μεταξύ των συντελεστών της παλινδρόμησης 2
3 1. Ανάλυση της διακύμανσης στο υπόδειγμα πολλαπλής γραμμικής παλινδρόμησης Η συνολική μεταβλητότητα της εξαρτημένης μεταβλητής δίνεται από: T t=1 (Y t Y) 2 = T t=1 ( Y t Y) 2 + T t=1 (Y t Y t ) 2 SST = SSR + SSE SST: συνολική μεταβλητότητα ή συνολικό άθροισμα τετραγώνων SSR: μεταβλητότητα που ερμηνεύεται από την παλινδρόμηση ή άθροισμα τετραγώνων της παλινδρόμησης SSΕ: μεταβλητότητα που δεν ερμηνεύεται από την παλινδρόμηση ή άθροισμα τετραγώνων των καταλοίπων 3
4 Η ανάλυση των ποσοτήτων SSR και SSE που προκαλούν την συνολική μεταβλητότητα της Υ, είναι γνωστή ως ανάλυση της διακύμανσης στο πολλαπλό υπόδειγμα της παλινδρόμησης ή ANOVA (analysis of variance). Οι βαθμοί ελευθερίας για τα αθροίσματα είναι αντίστοιχα: T 1: για το SST = T t=1 (Y t Y) 2 ένας βαθμός ελευθερίας χάνεται για τον υπολογισμό του μέσου όρου Y T (k + 1): για το SSR = T t=1 ( Y t Y) 2, διότι το υπόδειγμα έχει (k + 1) άγνωστες παραμέτρους ( β 0, β 1, β k ) k: για το SSΕ = t=1 T (Y t Y t ) 2, διότι το υπόδειγμα έχει k ανεξάρτητες μεταβλητές 4
5 Ανάλυση της διακύμανσης του πολλαπλού υποδείγματος παλινδρόμησης (ANOVA). Πηγή διακύμανσης Άθροισμα τετραγώνων Βαθμοί ελευθερίας Μέσα αθροίσματα τετραγώνων Παλινδρόμηση SSR = ( Y t Υ) 2 k SSR k F = Κατάλοιπα Σύνολο SSE = (Y t Υ) 2 Τ (k + 1) SSE T (k + 1) SST = (Y t Υ) 2 Τ 1 F SSR k SSE T (k + 1) = ΜSSR MSSE Μέσα αθροίσματα τετραγώνων (mean sum of squares): ΜSSR: SSR k, ΜSSE: SSE T (k+1) 5
6 Με την στατιστική F ελέγχουμε την στατιστική σημαντικότητα όλων των συντελεστών του πολλαπλού υποδείγματος παλινδρόμησης με τη μηδενική υπόθεση να διαμορφώνεται ως Η 0 : β 1 = = β k = 0. Επίσης με την στατιστική F ελέγχουμε την στατιστική σημαντικότητα του πολλαπλού συντελεστή προσδιορισμού, δηλαδή εξετάζουμε την μηδενική υπόθεση Η 0 : R 2 = 0: O συντελεστής προσδιορισμού είναι στατιστικά σημαντικός σε επίπεδο σημαντικότητας α (συνήθως α = 0. 05), αν F > F k,t k+1,a. Αν F μικρό, τότε μεταξύ των ανεξάρτητων μεταβλητών και της εξαρτημένης μεταβλητής υπάρχει ασθενής συσχέτιση. Αν F μεγάλο, τότε μεταξύ των ανεξάρτητων μεταβλητών και της εξαρτημένης μεταβλητής υπάρχει ισχυρή συσχέτιση. 6
7 2. Συντελεστής πολλαπλού προσδιορισμού R 2 O συντελεστής προσδιορισμού είναι ένα μέτρο της ικανότητας προσαρμογής του υποδείγματος και ορίζεται ως αναλογία της μεταβλητότητας της εξαρτημένης μεταβλητής Υ που ερμηνεύεται από την παλινδρόμηση προς την συνολική της μεταβλητότητα: R 2 = t=1 Τ t=1 Τ = 1 ( Y t Y) 2 SSR = (Y t Y) 2 SST = 1 SSE SST = Τ 2 Τ 2 t=1 e t t=1 e t T t=1 Y t Y 2 = 1 T T t=1 Y t Y 2 T = 1 Var(e t) Var(Y t ) όπου Var(e t ), Var(Υ t ) είναι οι διακυμάνσεις των καταλοίπων και της μεταβλητής Υ. 7
8 To R 2 επηρεάζεται από το πλήθος των ανεξάρτητων μεταβλητών. Αν το δείγμα είναι μικρό και το πλήθος των ανεξάρτητων μεταβλητών μεγάλο, τότε η εκτίμηση του R 2 δεν είναι καλή. Διορθωμένος (προσαρμοσμένος) συντελεστής προσδιορισμού Αν αντικαταστήσουμε τις διακυμάνσεις με τις αντίστοιχες αμερόληπτες εκτιμήσεις τους, τότε: R 2 = 1 Var e t Var Y t = 1 = 1 Τ t=1 e t 2 T k + 1 T t=1 Y t Y 2 = 1 T 1 T 1 T k + 1 (1 R2 ) T 1 T k + 1 T t=1 Τ t=1 e t 2 Y t Y 2 8
9 To R 2 είναι κατάλληλο μέτρο για την σύγκριση υποδειγμάτων με διαφορετικό αριθμό ανεξάρτητων μεταβλητών και διαφορετικό πλήθος δειγμάτων. Παρατηρήσεις Οι συντελεστές R 2 και R 2 μετρούν την καλή προσαρμογή της γραμμής παλινδρόμησης του δείγματος. Ο διορθωμένος συντελεστής R 2 παίρνει τιμές μικρότερες από το R 2 : R 2 < R 2. Είναι 0 R 2 1, ενώ το R 2 παίρνει και αρνητικές τιμές. 9
10 3. Η σχέση μεταξύ της στατιστικής F και του συντελεστή πολλαπλού προσδιορισμού R 2 Είναι: F = Αν R 2 0 τότε F 0. Αν R 2 1 τότε F. R 2 k 1 R 2 T (k + 1) F k,t k+1,a 10
11 4. Μερικοί συντελεστές συσχέτισης Ο συντελεστής συσχέτισης r μεταξύ δύο μεταβλητών Χ και Υ δείχνει τον βαθμό της ταυτόχρονης μεταβολής των δυο μεταβλητών του απλού γραμμικού υποδείγματος του πληθυσμού και παίρνει τιμές από 1 έως +1. Ορίζεται ως: r = cov(x, Y) σ X σ Y cov(x, Y): η συνδιακύμανση των Χ και Υ σ X, σ Y : τυπικές αποκλίσεις των Χ και Υ Αν σε ένα πολλαπλό γραμμικό υπόδειγμα παλινδρόμησης ορίσουμε ως r ij τον απλό συντελεστή συσχέτισης μεταξύ των μεταβλητών του ανά δύο, τότε όλοι οι απλοί συντελεστές συσχέτισης δίνονται από την μήτρα συσχετίσεων: 11
12 R = r YY r YX1 r YXk r X1 X 1 r X 1 X k r Xk X 1 r Xk X k r X1 Y r Xk Y Η μήτρα συσχετίσεων είναι συμμετρική ως προς την κύρια διαγώνιο της και όλα τα στοιχεία της διαγώνιου είναι ίσα με μονάδα. Ο απλός συντελεστής συσχέτισης μεταξύ δύο μεταβλητών δεν λαμβάνει υπόψιν τις πιθανές σχέσεις των μεταβλητών αυτών ως προς μια άλλη Τρίτη μεταβλητή. Δηλαδή, δεν μετράει την αληθινή συσχέτιση μεταξύ των δυο μεταβλητών του πολλαπλού γραμμικού υποδείγματος, όταν υπάρχει και κάποια άλλη μεταβλητή που συσχετίζεται με αυτές τις δυο μεταβλητές. Στην περίπτωση αυτή χρησιμοποιούμε τους μερικούς συντελεστές συσχέτισης (partial correlation coefficient). 12
13 Στα πολλαπλά γραμμικά υποδείγματα μπορούμε να προσδιορίσουμε την καθαρή μεταβλητότητα της εξαρτημένης μεταβλητής που οφείλεται σε κάθε ανεξάρτητη μεταβλητή ξεχωριστά, χωρίς την επίδραση των υπόλοιπων ανεξάρτητων μεταβλητών. Η μέτρηση της καθαρής μεταβλητότητας της ανεξάρτητης μεταβλητής, π.χ. X 1, επί της εξαρτημένης μεταβλητής Υ γίνεται με τον μερικό συντελεστή συσχέτισης. Σε ένα πολλαπλό γραμμικό υπόδειγμα με τρεις μεταβλητές (μια εξαρτημένη μεταβλητή Υ και δύο ανεξάρτητες X 1, X 2 ), οι μερικοί συντελεστές συσχέτισης δίνονται από τους παρακάτω τύπους: 13
14 r YX1,X 2 = r YX2,X 1 = r YX 1 r YX2 r X1 X 2 1 r2 X1 X 2 1 r2 YX2 r YX 2 r YX1 r X1 X 2 1 r2 X1 X 2 1 r2 YX1 μερικός συντελεστής προσδιορισμού μεταξύ Υ και X 1, όταν η X 2 παραμένει σταθερή μερικός συντελεστής προσδιορισμού μεταξύ Υ και X 2, όταν η X 1 παραμένει σταθερή r X1 X 2,Y = r X 1 X 2 r X1 Yr X2 Υ 1 r2 X1 Υ 1 r2 X2 Y μερικός συντελεστής προσδιορισμού μεταξύ X 1 και X 2, όταν η Υ παραμένει σταθερή r YX1, r YX2, r X1 X 2 : οι απλοί συντελεστές συσχέτισης μεταξύ των μεταβλητών 14
15 Οι μερικοί συντελεστές προσδιορισμού παίρνουν τιμές από 1 έως +1. Όταν ο μερικός συντελεστής συσχέτισης είναι ίσος με μηδέν, τότε λέμε ότι δεν υπάρχει καμία γραμμική συσχέτιση μεταξύ των μεταβλητών, όταν οι άλλες μεταβλητές είναι σταθερές. Συγκεκριμένα, αν ο μερικός συντελεστής συσχέτισης r YX1,X 2 είναι κοντά στο ένα, τότε λέμε ότι υπάρχει ισχυρή γραμμική συσχέτιση μεταξύ των μεταβλητών Υ και X 1, για αυτό και η μεταβλητή X 1 είναι απαραίτητη στο υπόδειγμα. Αν ο μερικός συντελεστής συσχέτισης r YX2,X 1 είναι κοντά στο ένα (ή στο 1), τότε λέμε ότι υπάρχει ισχυρή γραμμική συσχέτιση μεταξύ των μεταβλητών Υ και X 2, για αυτό και η μεταβλητή X 2 είναι απαραίτητη στο υπόδειγμα. 15
16 Έλεγχος μερικών συντελεστών προσδιορισμού Θέλουμε να ελέγξουμε την σημαντικότητα των μερικών συντελεστών συσχέτισης του πληθυσμού με την στατιστική t statistic. H 0 : r X1 X 2,Y = 0 H 1 : r X1 X 2,Y 0 Απορρίπτουμε την Η 0 όταν t X1 X 2,Y t T k+1, a 2 (πίνακες t κατανομής). 16
17 5. Κριτήρια επιλογής υποδειγμάτων της παλινδρόμησης Ο συντελεστής προσδιορισμού R 2 μετράει την αναλογία της συνολικής μεταβλητότητας στην εξαρτημένη μεταβλητή που ερμηνεύεται από την παλινδρόμηση. Άρα ένας δείκτης που χρησιμοποιούμε για την σύγκριση υποδειγμάτων είναι το R 2 ή ο προσαρμοσμένος συντελεστής προσδιορισμού R 2. Όταν όμως υπάρχουν δύο υποδείγματα των οποίων οι εξαρτημένες μεταβλητές τους αποτελούν απλός διαφορετικές συναρτησιακές μορφές, π.χ. Y t = β 0 + β 1 X 1t + β 2 X 2t + e t και lny t = β 0 + β 1 lnx 1t + β 2 lnx 2t + e t, τότε δεν μπορούμε να συγκρίνουμε τα υποδείγματα με βάση το R 2 ή το R 2. 17
18 Κριτήρια σύγκρισης υποδειγμάτων που λαμβάνουν υπόψιν το μέγεθος του δείγματος και τον αριθμό των ανεξάρτητων μεταβλητών: Κριτήριο του Akaike AIC = 2LL Κριτήριο του Schwarz SC = 2LL T T + 2k T + klnt T Κριτήριο των Hannan και Quinn HQ = 2LL T + 2kln(lnT) T όπου LL = Τ [1 + ln 2π + ln( e t 2 )] (log likelihood) 2 T Με βάση τα παραπάνω κριτήρια, επιλέγουμε εκείνο το υπόδειγμα που έχει την μικρότερη τιμή στα κριτήρια αυτά. Οι τιμές των κριτηρίων μπορεί να είναι και αρνητικές. Όλα τα κριτήρια δεν υποδεικνύουν πάντα το ίδιο βέλτιστο υπόδειγμα. 18
19 6. Έλεγχος γραμμικών σχέσεων μεταξύ των συντελεστών της παλινδρόμησης Πολλές φορές σε ένα πολλαπλό γραμμικό υπόδειγμα της παλινδρόμησης, οι συντελεστές του πρέπει να ικανοποιούν έναν ή περισσότερους γραμμικούς περιορισμούς. Έστω το γραμμικό πολλαπλό υπόδειγμα παλινδρόμησης Y t = β 0 + β 1 X 1t + β 2 X 2t + β 3 X 3t + e t και έστω ότι θέλουμε να ισχύει ο περιορισμός β 2 = β 3 ή β 2 β 3 = 0. Στην περίπτωση αυτή πρέπει να ελέγξουμε την υπόθεση Η 0 : β 2 = β 3 ή β 2 β 3 = 0 Η 1 : β 2 β 3 ή β 2 β
20 Αν αντικαταστήσουμε τον περιορισμό στο γραμμικό πολλαπλό υπόδειγμα παλινδρόμησης, τότε θα έχουμε: Y t = β 0 + β 1 X 1t + β 2 X 2t + β 3 X 3t + e t (β 2 = β 3 ) Y t = β 0 + β 1 X 1t + β 2 X 2t + β 2 X 3t + e t Y t = β 0 + β 1 X 1t + β 2 (X 2t + X 3t ) + e t Y t = β 0 + β 1 X 1t + β 2 Ζ t + e t Δηλαδή δημιουργούμε ένα νέο υπόδειγμα που είναι συνεπές με τον περιορισμό που θέλουμε να ισχύει και το ονομάζουμε υπόδειγμα με περιορισμό, ενώ το αρχικό μας υπόδειγμα είναι το υπόδειγμα χωρίς περιορισμό. Για να ελέγξουμε αν ισχύει ή όχι ο περιορισμός στο υπόδειγμα, ακολουθούμε τα εξής βήματα: 20
21 Εκτιμούμε με τη μέθοδο ελαχίστων τετραγώνων το αρχικό υπόδειγμα χωρίς περιορισμούς και υπολογίζουμε το άθροισμα των τετραγώνων των καταλοίπων SSE. Εκτιμούμε με τη μέθοδο ελαχίστων τετραγώνων το υπόδειγμα με περιορισμούς και υπολογίζουμε το άθροισμα των τετραγώνων των καταλοίπων SSE. SSE SSE ν Υπολογίζουμε τη στατιστική F = SSE, T (k+1) όπου ν ο αριθμός των περιορισμών που θέλουμε να ελέγξουμε. Αν F > F ν,t k+1,a απορρίπτουμε την Η 0, οπότε λέμε ότι δεν ισχύει ο περιορισμός μας στο υπόδειγμα. 21
22 Παράδειγμα Συνάρτηση παραγωγής Cobb-Douglas Q: παραγωγή L: εργατικό δυναμικό Κ: κεφάλαιο : διαταρακτικός όρος Q t = β 0 L t β 1 K t β 2 e t Λογαριθμούμε την συνάρτηση, και προκύπτει το γραμμικό υπόδειγμα χωρίς περιορισμούς: lnq t = lnβ 0 + β 1 lnl t + β 2 lnk t + t 22
23 Αν υπάρχουν σταθερές αποδόσεις τότε: β 1 + β 2 = 1 (περιορισμός) Γραμμικό υπόδειγμα με περιορισμούς: lnq t = lnβ 0 + β 1 lnl t + β 2 lnk t + t (β 2 = 1 β 1 ) lnq t = lnβ 0 + β 1 lnl t + (1 β 1 )lnk t + t lnq t = lnβ 0 + β 1 lnl t + lnk t β 1 lnk t + t lnq t lnk t = lnβ 0 + β 1 lnl t lnk t + t ln Q t K t = lnβ 0 + β 1 ln L t K t L t + t Για να ελέγξουμε αν ισχύει ο περιορισμός, υπολογίζουμε το άθροισμα των τετραγώνων των καταλοίπων των δύο υποδειγμάτων. Αν F > F ν,t k+1,a απορρίπτουμε την Η 0, οπότε λέμε ότι δεν ισχύει ο περιορισμός μας στο υπόδειγμα (για ν = 1 περιορισμό). 23
24 Άσκηση Δίνονται στοιχεία σχετικά με τη ζήτηση του χρήματος στην Ελληνική οικονομία (Lecture6_exercise.xls) για την περίοδο , όπου συμβολίζουμε με Μ1 την ζήτηση χρήματος, GDP το ακαθάριστο εγχώριο προϊόν και r% το επιτόκιο. 1. Να εκτιμηθεί η συνάρτηση της ζήτησης του χρήματος της Ελληνικής οικονομίας. 2. Να κατασκευάσετε ένα 95% διάστημα εμπιστοσύνης για τους συντελεστές β 0, β 1, β 2 της γραμμής παλινδρόμησης του πληθυσμού. 3. Να ελεγχθεί η συνάρτηση της ζήτησης του χρήματος σε επίπεδο σημαντικότητας 5% ως προς την ποιότητα των αποτελεσμάτων της. 4. Να ελεγχθεί σε επίπεδο σημαντικότητας 5% αν η ζήτηση του χρήματος επηρεάζεται ταυτόχρονα από το ακαθάριστο εγχώριο προϊόν και το επιτόκιο. 24
25 5. Να συγκρίνεται το πολλαπλό υπόδειγμα ζήτησης με το υπόδειγμα ζήτησης με μόνη ερμηνευτική μεταβλητή το ακαθάριστο εγχώριο προϊόν. 6. Αν στην αρχική συνάρτηση της ζήτησης του χρήματος χρησιμοποιήσουμε ως εξαρτημένη μεταβλητή την lnm 1, να βρείτε ποια από τις δύο αυτές συναρτήσεις είναι η καλύτερη. Σύμφωνα με την Οικονομική θεωρία, το πρόσημο του επιτοκίου πρέπει να είναι αρνητικό. 7. Να εκτιμηθούν οι απλοί και μερικοί συντελεστές συσχέτισης και να ελέγξετε τη σημαντικότητα τους. 8. Ποια από τις δύο ερμηνευτικές μεταβλητές συμβάλλει περισσότερο στη μεταβλητότητα της ζήτησης του χρήματος. 9. Να βρεθεί η μήτρα συνδιακυμάνσεων και να γίνει έλεγχος της σημαντικότητας συνδιακυμάνσεων. 25
26 1. H συνάρτηση της ζήτησης του χρήματος της Ελληνικής οικονομίας είναι Υ t = GDP t r t 26
27 2. To 95% διάστημα εμπιστοσύνης για τους συντελεστές β 0, β 1, β 2 της γραμμής παλινδρόμησης του πληθυσμού είναι αντίστοιχα: 1628, 169 < β 0 < 252, , < β 1 < , 0839 < β 2 < 137,
28 3. Να ελεγχθεί η συνάρτηση της ζήτησης του χρήματος σε επίπεδο σημαντικότητας 5% ως προς την ποιότητα των αποτελεσμάτων της. Στατιστικά σημαντικοί οι συντελεστές του υποδείγματος πολλαπλής γραμμικής παλινδρόμησης (Prob. < 0.05) Συντελεστής προσδιορισμού R 2 =0,897 (κοντά στο 1) άρα καλή προσαρμογή του υποδείγματος στα δεδομένα Τυπικό σφάλμα s e = Μικρό σφάλμα 28
29 3. (συνέχεια) Η 0 : R 2 =0 Στατιστική F= Μεγάλη τιμή της F άρα το ποσοστό της μεταβλητότητας της ζήτησης Μ1 που εξηγείται από την παλινδρόμηση είναι μεγάλο σε σχέση με το άθροισμα των τετραγώνων των καταλοίπων Prob. = < 0.05 άρα η Η 0 απορρίπτεται 29
30 4. Να ελεγχθεί αν η συνάρτηση της ζήτησης του χρήματος επηρεάζεται ταυτόχρονα από το ακαθάριστο εγχώριο προϊόν και το επιτόκιο. Η 0 : β 1 = β 2 = 0 Στατιστική F= Prob. = < 0.05 άρα η Η 0 απορρίπτεται 30
31 5. Να συγκρίνεται το πολλαπλό υπόδειγμα ζήτησης με το υπόδειγμα ζήτησης με μόνη ερμηνευτική μεταβλητή το ακαθάριστο εγχώριο προϊόν. 31
32 5. (συνέχεια) Συγκρίνουμε τα υποδείγματα με βάση τον προσαρμοσμένο συντελεστή προσδιορισμού R 2, καθώς δεν έχουν τον ίδιο αριθμό μεταβλητών. Καλύτερο υπόδειγμα είναι αυτό με το μεγαλύτερο R 2. Συγκρίνουμε τα υποδείγματα με βάση τα κριτήρια Akaike (AIC), Schwarz (SC) και των Hannan και Quinn (HQ). Καλύτερο υπόδειγμα είναι όποιο έχει την μικρότερη τιμή στα κριτήρια αυτά. Καλύτερο υπόδειγμα Κριτήριο Πολλαπλό γραμμικό υπόδειγμα Απλό γραμμικό υπόδειγμα με ερμηνευτική μεταβλητή την GDP R AIC SC HQ
33 6. Στην αρχική συνάρτηση της ζήτησης του χρήματος, χρησιμοποιήσουμε ως εξαρτημένη μεταβλητή την lnm 1 : lnm 1 = β 0 + β 1 GDP t + β 2 r t Οπότε εκτιμάμε την γραμμή παλινδρόμησης του δείγματος: lnm 1 = GDP t r t 33
34 6. (συνέχεια) Το υπόδειγμα αυτό δεν συμφωνεί με την Οικονομική Θεωρία γιατί το πρόσημο του επιτοκίου πρέπει να είναι αρνητικό. Άρα το αρχικό πολλαπλό γραμμικό υπόδειγμα είναι πιο κατάλληλο. Διαφορετικά, αν θέλαμε να συγκρίνουμε με το αρχικό υπόδειγμα με αυτό δεν θα μπορούσαμε να χρησιμοποιήσουμε το R 2 ή το R 2, αλλά μόνο τα κριτήρια AIC, SC, HQ. 34
35 7. Oι απλοί συντελεστές συσχέτισης και η σημαντικότητα τους: r M1,GDP = 0, 875 Ισχυρή θετική συσχέτιση Prob. = 0, 000 < 0, 05 Στατιστικά σημαντικός ο συντελεστής συσχέτισης r M1,r = 0, 399 Ασθενής αρνητική συσχέτιση Prob. = 0, 0045 < 0, 05 Στατιστικά σημαντικός ο συντελεστής συσχέτισης r GDP,r = 0, 043 Μη συσχετισμένες μεταβλητές Prob. = 0, 7653 > 0, 05 Μη στατιστικά σημαντικός ο συντελεστής συσχέτισης 35
36 7. (συνέχεια) Oι μερικοί συντελεστές συσχέτισης και η σημαντικότητα τους: View Covariance Analysis - 36
37 7. (συνέχεια) Oι μερικοί συντελεστές συσχέτισης και η σημαντικότητα τους: r M1 GDP,r = 0, 936 Ισχυρή θετική συσχέτιση (Prob. = 0, 000) r M1 r,gdp = Μέτρια αρνητική συσχέτιση (Prob. = 0, 000) r GDP r,m1 = 0, 691 Μέτρια συσχετισμένες μεταβλητές (Prob. = 0, 000) 37
38 8. Ποια από τις δύο ερμηνευτικές μεταβλητές συμβάλλει περισσότερο στη μεταβλητότητα της ζήτησης του χρήματος: Αποφασίζουμε με βάση τους μερικούς συντελεστές συσχέτισης, όπου ελέγχουμε την συσχέτιση της εξαρτημένης μεταβλητής με κάθε μια από τις ανεξάρτητες μεταβλητές, αφαιρώντας την επίδραση των υπολοίπων ανεξάρτητων μεταβλητών: r M1 GDP,r = 0, 936 Ισχυρή θετική συσχέτιση (Prob. = 0, 000) r M1 r,gdp = Μέτρια αρνητική συσχέτιση (Prob. = 0, 000) Και οι δυο ανεξάρτητες μεταβλητές συσχετίζονται γραμμικά με την εξαρτημένη μεταβλητή αλλά η μεταβλητή GDP συμβάλλει περισσότερο στην μεταβλητότητα της Υ καθώς r M1 GDP,r > r M1 r,gdp. 38
39 9. Να βρεθεί η μήτρα συνδιακυμάνσεων και να γίνει έλεγχος σημαντικότητας των συνδιακυμάνσεων. View Covariance Analysis - cov M1, GDP = Στατιστικά σημαντική ( 0) (Prob. = 0, 000) cov M1, r = 3134, 351 Στατιστικά σημαντική (Prob. = 0, 000) cov GDP, r = 6819, 988 Μη στατιστικά σημαντική (Prob. = 0, 7653 > 0, 05) 39
40 Βιβλιογραφία Χρήστου Κ. Γεώργιος (2007) Εισαγωγή στην Οικονομετρία, Τόμος 1, Εκδότης: Γ. ΔΑΡΔΑΝΟΣ - Κ. ΔΑΡΔΑΝΟΣ Ο.Ε. Stock H. James, Watson W. Mark, επιμέλεια Πραγγίδης Ιωάννης - Χρυσόστομος (2017) Εισαγωγή στην Οικονομετρία, Εκδότης: Γ. ΔΑΡΔΑΝΟΣ - Κ. ΔΑΡΔΑΝΟΣ Ο.Ε. Χρήστου Κ. Γεώργιος (2006) Εισαγωγή στην Οικονομετρία Ασκήσεις, Εκδόσεις Gutenberg. Δριτσάκη Ν. Χάιδω, Δριτσάκη Ν. Μελίνα (2013) Εισαγωγή στην Οικονομετρία με τη Χρήση του Λογισμικού EViews, Κλειδάριθμος ΕΠΕ Εκδόσεις. 40
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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 5: Ανάλυση γραμμικού υποδείγματος Πολυμεταβλητή παλινδρόμηση (1 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: ageliki.papaa@gmail.com, agpapaa@auth.gr Webpage: http://users.auth.gr/agpapaa
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 3: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (2 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Α μέρος: Πολυσυγγραμμικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 9: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Α μέρος: Πολυσυγγραμμικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 13: Επανάληψη Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana 1 Γιατί μελετούμε την Οικονομετρία;
Διαβάστε περισσότεραΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ. Παπάνα Αγγελική
ΧΡΟΝΙΚΕΣ ΣΕΙΡΕΣ 7o Μάθημα: Απλή παλινδρόμηση (ΕΠΑΝΑΛΗΨΗ) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ & ΠΑΜΑΚ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: Ανάλυση γραμμικού υποδείγματος Απλή παλινδρόμηση (3 ο μέρος) Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Β μέρος: Ετεροσκεδαστικότητα. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 10: Οικονομετρικά προβλήματα: Παραβίαση των υποθέσεων Β μέρος: Ετεροσκεδαστικότητα Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr
Διαβάστε περισσότεραΕρωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις)
Ερωτήσεις κατανόησης στην Οικονομετρία (Με έντονα μαύρα γράμματα είναι οι σωστές απαντήσεις) 1. Έχοντας στη διάθεσή μας ένα δείγμα, προκύπτει ότι το 95% διάστημα εμπιστοσύνης για το μέσο μ ενός κανονικού
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Η μέθοδος των βοηθητικών μεταβλητών. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 12: Σφάλματα μέτρησης στις μεταβλητές Η μέθοδος των βοηθητικών μεταβλητών Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Έλεγχοι σταθερότητας των συντελεστών. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 8: Η τεχνική των ψευδομεταβλητών - Έλεγχοι σταθερότητας των συντελεστών Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage:
Διαβάστε περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 4.1 Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Γενικεύοντας τη διμεταβλητή (Y, X) συνάρτηση
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. 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 περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής Υποθέσεις του Απλού γραμμικού υποδείγματος της Παλινδρόμησης Η μεταβλητή ε t (διαταρακτικός όρος) είναι τυχαία μεταβλητή με μέσο όρο
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΕισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500
Εισόδημα Κατανάλωση 1500 500 1600 600 1300 450 1100 400 600 250 700 275 900 300 800 352 850 400 1100 500 Πληθυσμός Δείγμα Δείγμα Δείγμα Ο ρόλος της Οικονομετρίας Οικονομική Θεωρία Διατύπωση της
Διαβάστε περισσότεραΠολλαπλή παλινδρόμηση (Multivariate regression)
ΜΑΘΗΜΑ 3 ο 1 Πολλαπλή παλινδρόμηση (Multivariate regression) Η συμπεριφορά των περισσότερων οικονομικών μεταβλητών είναι συνάρτηση όχι μιας αλλά πολλών μεταβλητών Υ = f ( X 1, X 2,... X n ) δηλαδή η Υ
Διαβάστε περισσότεραΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ
ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική
Διαβάστε περισσότεραΧ. Εμμανουηλίδης, 1
Εφαρμοσμένη Στατιστική Έρευνα Απλό Γραμμικό Υπόδειγμα AΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟ ΕΙΓΜΑ Δρ. Χρήστος Εμμανουηλίδης Αν. Καθηγητής Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Εφαρμοσμένη Στατιστική, Τμήμα Ο.Ε. ΑΠΘ Χ. Εμμανουηλίδης,
Διαβάστε περισσότεραΑντικείμενο 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 περισσότεραΑπλή 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 περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ 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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότεραΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης
ΜΑΘΗΜΑ 3ο Υποδείγματα μιας εξίσωσης Οι βασικές υποθέσεις 1. Ο διαταρακτικός όρος u t είναι μια τυχαία μεταβλητή με μέσο το μηδέν. Eu t = 0 για t = 1,2,3..n 2. Η διακύμανση της τυχαίας μεταβλητής u t είναι
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο 2
013 [Κεφάλαιο ] ΟΙΚΟΝΟΜΕΤΡΙΑ Κεφάλαιο Μάθημα Εαρινού Εξάμηνου 01-013 M.E. OE0300 Πανεπιστήμιο Θεσσαλίας Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας και Περιφερειακής Ανάπτυξης [Οικονομετρία 01-013] Μαρί-Νοέλ
Διαβάστε περισσότεραΔιαχείριση Υδατικών Πόρων
Εθνικό Μετσόβιο Πολυτεχνείο Διαχείριση Υδατικών Πόρων Γ.. Τσακίρης Μάθημα 3 ο Λεκάνη απορροής Υπάρχουσα κατάσταση Σενάριο 1: Μέσες υδρολογικές συνθήκες Σενάριο : Δυσμενείς υδρολογικές συνθήκες Μελλοντική
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών
ΟΙΚΟΝΟΜΕΤΡΙΑ Βιολέττα Δάλλα Τµήµα Οικονοµικών Επιστηµών Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών 1 Εισαγωγή Οικονοµετρία (Econometrics) είναι ο τοµέας της Οικονοµικής επιστήµης που περιγράφει και αναλύει
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων Γρεβενά Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Ιδιότητες εκτιμώμενης ευθείας παλινδρόμησης με τη μέθοδο των ελαχίστων
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 5: Ανάλυση της Διακύμανσης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 5: Ανάλυση της Διακύμανσης Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΑπλή 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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότεραΠολλαπλή παλινδρόµηση. Μάθηµα 3 ο
Πολλαπλή παλινδρόµηση Μάθηµα 3 ο Πολλαπλή παλινδρόµηση (Multivariate regression ) Η συµπεριφορά των περισσότερων οικονοµικών µεταβλητών είναι συνάρτηση όχι µιας αλλά πολλών µεταβλητών Y = f ( X, X 2, X
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τμήμα Τραπεζικής & Χρηματοοικονομικής Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Τα υποδείγματα του απλού γραμμικού υποδείγματος της παλινδρόμησης (simple linear regression
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 6: Πολλαπλό Γραμμικό Υπόδειγμα Παλινδρόμησης Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΜέρος 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 περισσότεραΑΝΩΤΑΤΟ 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 περισσότεραΟικονομετρία 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 περισσότεραΑναπλ. Καθηγήτρια, Ελένη Κανδηλώρου. Αθήνα Σημειώσεις. Εκτίμηση των Παραμέτρων β 0 & β 1. Απλό γραμμικό υπόδειγμα: (1)
Σημειώσεις Αναπλ. Καθηγήτρια, Ελένη Κανδηλώρου Αθήνα -3-7 Εκτίμηση των Παραμέτρων β & β Απλό γραμμικό υπόδειγμα: Y X () Η αναμενόμενη τιμή του Υ, δηλαδή, μέση τιμή του Υ, δίνεται παρακάτω: EY ( ) X EY
Διαβάστε περισσότεραΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά
ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ Επικ Καθ Στέλιος Ζήμερας Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά 5 Έστω για την σύγκριση δειγμάτων συλλέγουμε παρατηρήσεις Υ =,,, από
Διαβάστε περισσότεραΤΕΙ 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 περισσότεραΑπλή Παλινδρόμηση και Συσχέτιση
Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989
Διαβάστε περισσότεραΑν έχουμε δύο μεταβλητές Χ και Υ και σύμφωνα με την οικονομική θεωρία η μεταβλητή Χ προσδιορίζει τη συμπεριφορά της Υ το ερώτημα που τίθεται είναι αν
ΜΑΘΗΜΑ 12ο Αιτιότητα Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή προκαλεί μία άλλη σε μία εξίσωση παλινδρόμησης. Στην
Διαβάστε περισσότεραΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΟΙΚΟΝΟΜΕΤΡΙΑ (Ι)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΧΩΡΟΤΑΞΙΑΣ, ΠΟΛΕΟΔΟΜΙΑΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ ΠΜΣ «ΕΠΕΝΔΥΣΕΙΣ ΚΑΙ ΠΕΡΙΦΕΡΕΙΑΚΗ ΑΝΑΠΤΥΞΗ» ΜΕΘΟΔΟΙ ΕΡΥΕΝΑΣ ΔΙΑΛΕΞΗ 5: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΑΓΩΓΙΚΗ
Διαβάστε περισσότεραΕφαρμοσμένη 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 περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 12ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 12ο ΑΙΤΙΟΤΗΤΑ Ένα από τα βασικά προβλήματα που υπάρχουν στην εξειδίκευση ενός υποδείγματος είναι να προσδιοριστεί η κατεύθυνση που μία μεταβλητή
Διαβάστε περισσότεραΧρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)
Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2) Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό Τμήμα,
Διαβάστε περισσότεραΕπαυξημένος έλεγχος Dickey - Fuller (ADF)
ΜΑΘΗΜΑ 5ο Επαυξημένος έλεγχος Dickey - Fuller (ADF) Στον έλεγχο των Dickey Fuller (DF) και στα τρία υποδείγματα που χρησιμοποιήσαμε προηγουμένως κάνουμε την υπόθεση ότι ο διαταρακτικός όρος e είναι μια
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 4: ΔΙΑΛΕΞΗ 04 Μαρί-Νοέλ Ντυκέν Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες
Διαβάστε περισσότεραΠανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας & Περιφερειακής Ανάπτυξης ΜΑΘΗΜΑ ΕΠΙΛΟΓΗΣ: ΟΙΚΟΝΟΜΕΤΡΙΑ Το Γενικευμένο Γραμμικό Υπόδειγμα (Α) ΔΙΑΛΕΞΗ 05 Μαρί-Νοέλ Ντυκέν,
Διαβάστε περισσότερα9. Παλινδρόμηση και Συσχέτιση
9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε
Διαβάστε περισσότεραΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ
ΕΠΑΝΑΛΗΨΗ ΒΑΣΙΚΩΝ ΕΝΝΟΙΩΝ ΣΤΑΤΙΣΤΙΚΗΣ Στα πλαίσια του προπτυχιακού μαθήματος Χρονικές σειρές Τμήμα μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα 1 Μονοδιάστατες τυχαίες μεταβλητές Τυχαία μεταβλητή είναι
Διαβάστε περισσότεραΠρόλογος Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης Αντικείμενο της οικονομετρίας... 21
Περιεχόμενα Πρόλογος... 15 Μέρος Ι: Απλό και πολλαπλό υπόδειγμα παλινδρόμησης... 19 1 Αντικείμενο της οικονομετρίας... 21 1.1 Τι είναι η οικονομετρία... 21 1.2 Σκοποί της οικονομετρίας... 24 1.3 Οικονομετρική
Διαβάστε περισσότεραΑΝΑΛΥΣΗ 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 περισσότεραΕφαρμοσμένη 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 περισσότεραΠΑΛΙΝΔΡΟΜΗΣΗ. Απλή Παλινδρόμηση. (Όγκος πωλήσεων = α +b έξοδα διαφήμησης +e ) Εκτίμηση Απλής Παλινδρόμησης. α= εκτίμηση της τεταγμένης για χ=0
ΠΑΛΙΝΔΡΟΜΗΣΗ ΓΡΑΜΜΙΚΟ ΜΗ ΓΡΑΜΜΙΚΟ ΔΕΝ ΥΠΑΡΧΕΙ ΣΧΕΣΗ Απλή Παλινδρόμηση Y = a + bx + e (Όγκος πωλήσεων = α +b έξοδα διαφήμισης +e ) Εκτίμηση Απλής Παλινδρόμησης Y = a + bx (Όγκος πωλήσεων = α +b έξοδα διαφήμησης
Διαβάστε περισσότεραΧρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές
Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές Εαρινό εξάμηνο 2018-2019 μήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή, Α.Π.Θ. & Οικονομικό μήμα, Πανεπιστήμιο
Διαβάστε περισσότεραΠΟΣΟΤΙΚΕΣ 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 περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 8ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 8ο Επιλογή του αριθμού των χρονικών υστερήσεων Στις περισσότερες οικονομικές χρονικές σειρές υπάρχει υψηλή συσχέτιση μεταξύ της τρέχουσας
Διαβάστε περισσότεραΧρονικές 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.
Διαβάστε περισσότεραΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική
ΟΙΚΟΝΟΜΕΤΡΙΑ Ενότητα 2: Ανασκόπηση βασικών εννοιών Στατιστικής και Πιθανοτήτων Παπάνα Αγγελική Μεταδιδακτορική ερευνήτρια, ΑΠΘ E-mail: angeliki.papana@gmail.com, agpapana@auth.gr Webpage: http://users.auth.gr/agpapana
Διαβάστε περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13
ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα
Διαβάστε περισσότεραΟικονομετρία Ι. Ενότητα 9: Αυτοσυσχέτιση. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής
Οικονομετρία Ι Ενότητα 9: Αυτοσυσχέτιση Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότεραΣτατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες
Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού
Διαβάστε περισσότεραΤμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα
Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 2η: Απλή Γραμμική Παλινδρόμηση Διδάσκουσα: Κοντογιάννη Αριστούλα Πώς συσχετίζονται δυο μεταβλητές; Ένας απλός τρόπος για να αποκτήσουμε
Διαβάστε περισσότεραΣυσχέτιση μεταξύ δύο συνόλων δεδομένων
Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,
Διαβάστε περισσότεραΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΕΙΔΙΚΕΥΣΗ: ΣΥΣΤΗΜΑΤΑ ΥΠΟΛΟΓΙΣΤΩΝ
Α.Τ.Ε.Ι. ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΠΛΗΡΟΦΟΡΙΚΗ ΕΙΔΙΚΕΥΣΗ: ΣΥΣΤΗΜΑΤΑ ΥΠΟΛΟΓΙΣΤΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ : «Η ΕΠΙΔΡΑΣΗ ΔΙΑΦΟΡΩΝ ΠΑΡΑΓΟΝΤΩΝ
Διαβάστε περισσότεραΣτασιμότητα χρονοσειρών Νόθα αποτελέσματα-spurious regression Ο έλεγχος στασιμότητας είναι απαραίτητος ώστε η στοχαστική ανάλυση να οδηγεί σε ασφαλή
Χρονικές σειρές 12 Ο μάθημα: Έλεγχοι στασιμότητας ΑΝΑΚΕΦΑΛΑΙΩΣΗ: Εκτίμηση παραμέτρων γραμμικών μοντέλων Συνάρτηση μερικής αυτοσυσχέτισης Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική
Διαβάστε περισσότεραΣτατιστική Ι (ΨΥΧ-1202) Διάλεξη 6 Σχέσεις μεταξύ μεταβλητών
(ΨΥΧ-1202) Λεωνίδας Α. Ζαμπετάκης Β.Sc., M.Env.Eng., M.Ind.Eng., D.Eng. Εmail: statisticsuoc@gmail.com Διαλέξεις: ftp://ftp.soc.uoc.gr/psycho/zampetakis/ Διάλεξη 6 Σχέσεις μεταξύ μεταβλητών ΠΑΝΕΠΙΣΤΗΜΙΟ
Διαβάστε περισσότεραΓ. 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 περισσότεραΟικονομετρία. Εξειδίκευση του υποδείγματος. Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης
Οικονομετρία Εξειδίκευση του υποδείγματος Προσθήκη άσχετης μεταβλητής και παράλειψη σχετικής Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση
Διαβάστε περισσότεραΤεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100
Ποσοτικές Μέθοδοι Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR 50100 Απλή Παλινδρόμηση Η διερεύνηση του τρόπου συμπεριφοράς
Διαβάστε περισσότεραΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής
ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΜΠΣ Τραπεζικής & Χρηματοοικονομικής Διαγνωστικοί Έλεγχοι Διαπίστωσης της Αυτοσυσχέτισης Οι περισσότεροι από τους διαγνωστικούς ελέγχους της αυτοσυσχέτισης αναφέρονται σε αυτοσυσχέτιση
Διαβάστε περισσότεραΕλένη Κανδηλώρου Αναπλ. Καθηγήτρια. Γραμμικά Μοντέλα. Λύσεις Ασκήσεων
Ελένη Κανδηλώρου Αναπλ. Καθηγήτρια Αθήνα, 6-4-7 Γραμμικά Μοντέλα Λύσεις Ασκήσεων η Άσκηση: (α) Eίναι η σχέση μεταξύ των δύο μεταβλητών γραμμική; Διάγραμμα Διασποράς Για το Υψόμετρο & τις Αρνητικές Τιμές
Διαβάστε περισσότεραΣΥΣΧΕΤΙΣΗ 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 περισσότεραΑΝΑΛΥΣΗ 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 015 Ανάλυση Διακύμανσης Η Ανάλυση Διακύμανσης είναι μία τεχνική που
Διαβάστε περισσότεραΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ. Συσχέτιση (Correlation) - Copulas
ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΔΙΑΧΕΙΡΙΣΗΣ ΚΙΝΔΥΝΟΥ Συσχέτιση (Correlation) - Copulas Σημασία της μέτρησης της συσχέτισης Έστω μία εταιρεία που είναι εκτεθειμένη σε δύο μεταβλητές της αγοράς. Πιθανή αύξηση των 2 μεταβλητών
Διαβάστε περισσότεραΣυνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος
ΜΑΘΗΜΑ 10 ο Συνολοκλήρωση και μηχανισμός διόρθωσης σφάλματος Η μέθοδος της συνολοκλήρωσης είναι ένας τρόπος με τον οποίο μπορούμε να εκτιμήσουμε τη μακροχρόνια σχέση ισορροπίας που υπάρχει μεταξύ δύο ή
Διαβάστε περισσότεραΑνάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017
Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017 2 Γιατί ανάλυση διακύμανσης; (1) Ας θεωρήσουμε k πληθυσμούς με μέσες τιμές μ 1, μ 2,, μ k, αντίστοιχα Πως μπορούμε να συγκρίνουμε τις μέσες τιμές k πληθυσμών
Διαβάστε περισσότεραΔιάστημα 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 περισσότεραΕισαγωγή στην Γραμμική Παλινδρόμηση
ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΔΙΑΛΕΞΗ 13-11-015 Εισαγωγή στην Γραμμική Παλινδρόμηση Γραμμική σχέση μεταξύ μεταβλητών Αν. Καθ. Μαρί-Νοέλ Ντυκέν Στόχος Πολύ συχνά, η Τ.Μ. που εξετάζουμε π.χ. η κατανάλωση των νοικοκυριών
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ. ΜΑΘΗΜΑ 3ο
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΜΑΘΗΜΑ 3ο Κίβδηλες παλινδρομήσεις Μια από τις υποθέσεις που χρησιμοποιούμε στην ανάλυση της παλινδρόμησης είναι ότι οι χρονικές σειρές που χρησιμοποιούμε
Διαβάστε περισσότεραΠροσδιοριστικοί 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 περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 5.1 Αυτοσυσχέτιση: Εισαγωγή Συχνά, η υπόθεση της μη αυτοσυσχέτισης ή σειριακής συσχέτισης
Διαβάστε περισσότεραΟικονομετρία. Απλή Παλινδρόμηση Βασικές έννοιες και τυχαίο σφάλμα. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης. Διδάσκων: Λαζαρίδης Παναγιώτης
Οικονομετρία Απλή Παλινδρόμηση Βασικές έννοιες και τυχαίο σφάλμα Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης Διδάσκων: Λαζαρίδης Παναγιώτης Μαθησιακοί Στόχοι Γνώση και κατανόηση των εισαγωγικών εννοιών που
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΑΚΑ 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 περισσότεραΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ. Οικονομετρία
ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΤΜΗΜΑ ΟΡΓΑΝΩΣΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ ΔΙΔΑΣΚΩΝ: ΘΑΝΑΣΗΣ ΚΑΖΑΝΑΣ Οικονομετρία 6.1 Ετεροσκεδαστικότητα: Εισαγωγή Συχνά, η υπόθεση της σταθερής διακύμανσης των όρων σφάλματος,
Διαβάστε περισσότεραΜΑΘΗΜΑ 4 ο. Μοναδιαία ρίζα
ΜΑΘΗΜΑ 4 ο Μοναδιαία ρίζα Είδαμε προηγουμένως πως ο έλεγχος της στασιμότητας μιας χρονικής σειράς μπορεί να γίνει με τη συνάρτηση αυτοσυσχέτισης. Ένας άλλος τρόπος που χρησιμοποιείται ευρύτατα στην ανάλυση
Διαβάστε περισσότεραΕργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο
Εργαστήριο Οικονομετρίας Προαιρετική Εργασία 2016 Χειμερινό Εξάμηνο Χρήσιμες Οδηγίες Με την βοήθεια του λογισμικού E-views να απαντήσετε στα ερωτήματα των επόμενων σελίδων, (οι απαντήσεις πρέπει να περαστούν
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ
ΚΕΦΑΛΑΙΟ ΙΙΙ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΕΝΟΤΗΤΕΣ 1. ΓΕΝΙΚΗ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΟΛΛΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ 2. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΟΥ ΑΠΟΚΛΕΙΣΜΟΥ ΜΕΤΑΒΛΗΤΩΝ 3. ΕΠΙΛΟΓΗ ΜΟΝΤΕΛΟΥ ΜΕ ΤΗ ΜΕΘΟΔΟ ΤΗΣ ΠΡΟΟΔΕΥΤΙΚΗΣ ΠΡΟΣΘΗΚΗΣ
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 Λέκτορας v.koutras@fme.aegea.gr Τηλ: 7035468 Εκτίμηση Διαστήματος
Διαβάστε περισσότεραΜάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές
Μάθημα 5-6: Στάσιμες πολυμεταβλητές χρονοσειρές και μοντέλα Διασυσχέτιση Διανυσματικά αυτοπαλίνδρομα μοντέλα Δίκτυα από πολυμεταβλητές χρονοσειρές Αιτιότητα κατά Granger Ασκήσεις Ανάλυση μονομεταβλητής
Διαβάστε περισσότεραΟγενικός(πλήρης) έλεγχος των Dickey Fuller
ΜΑΘΗΜΑ 7ο Ογενικός(πλήρης) έλεγχος των Dickey Fuller Είδαμε προηγουμένως ότι οι τιμές της στατιστικής Τ 2δ0, Τ 3δ0 και Τ 3δ1 που χρησιμοποιήθηκαν στην παραπάνω παράγραφο εξαρτώνται από τη μορφή της εξίσωσης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ 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 περισσότεραΜΑΘΗΜΑ 3ο. Βασικές έννοιες
ΜΑΘΗΜΑ 3ο Βασικές έννοιες Εισαγωγή Βασικές έννοιες Ένας από τους βασικότερους σκοπούς της ανάλυσης των χρονικών σειρών είναι η διενέργεια των προβλέψεων. Στα υποδείγματα αυτά η τρέχουσα τιμή μιας οικονομικής
Διαβάστε περισσότεραΑΠΟ 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 περισσότεραΧρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ
Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο 2018-2019 Τμήμα Μαθηματικών ΑΠΘ Διδάσκουσα: Αγγελική Παπάνα Μεταδιδακτορική Ερευνήτρια Πολυτεχνική σχολή,
Διαβάστε περισσότερα