Documentos de Académico
Documentos de Profesional
Documentos de Cultura
konometrie
Vorlesung 7-8
Die lineare Einfachregression
Die Statistik und konometrie Abteilung
konometrie
Inhalt
1.
2.
3.
4.
5.
6.
7.
8.
Beispiel.
konometrie
Man prft, ob die Variation der X ein guter Indikator fr die Variation Y ist
Dies bedeutet:
1.
2.
3.
4.
konometrie
4
konometrie
A5: Die Zufallsvariable ist normalverteilt und hat einen Mittelwert gleich
Null und eine konstante Varianz.
5
konometrie
6
konometrie
a. Positive Korrelation
b. Negative Korrelation
Die Statistik und konometrie Abteilung
konometrie
8
konometrie
Wenn
, haben wir Heteroskedastizitt. Im gegenteiligen Fall
haben wir Homoskedastizitt und die Parametern sind
Die Statistik und konometrie Abteilung
9
konometrie
10
konometrie
A4: Autokorrelation
Man muss in diesem Fall die folgenden Aspekte beobachten:
1. Die Ermittlung der Ursachen fr das Auftreten von Fehler-Korrelation.
2. Statistische Tests zur Autokorrelation erkennen.
3. Methoden, um das Phnomen der Autokorrelation des Fehlers zu
beseitigen.
Wenn wir das Phnomen der Autokorrelation von Fehlern haben, kov (i,j) 0;
KQM erlaubt nicht, effiziente Schtzer zu erhalten, die Werte der
Koeffizienten zeigen Verzerrung zu der tatschlichen Werte der Koeffizienten.
Die Schtzer sind noch konsistent, aber das erfordert lange Datenreihen
(Stichproben mit vielen Werte).
11
konometrie
12
konometrie
i
y i
Graphisch wird die Autokorrelation von Fehlern durch eine regelmige Oszillation der
Residuen von den geschtzten Werten der endogenen Variable manifestiert.
13
konometrie
r1
i 2
n 1
i i 1
der
ersten
Ordnung
i 2
n
i 1
i i 1
i 1
r1 1; 1
i2
konometrie
DW
i i 1
i 2
i
i 1
Dieser berechnete DW Wert, wird mit zwei theoretischen Werten, d1 und d2,
vergleicht. Diese Werte nimmt man von der Durbin-Watson Tabelle fr ein
Signifikanzniveau , ( = 0,05 oder = 0,01), und fr die Anzahl der exogenen
Variablen (k) und fr die Anzahl der beobachteten Werte (n).
konometrie
Bemerkungen:
Der Durbin-Watson Test prft
nur die Existenz der ersten
Ordnung Autokorrelation;
Man kann den Durbin Watson
Test nur verwenden, wenn:
Das Modell freie Koeffizienten
hat;
Unter den erklrenden Variablen
haben wir nicht die endogene
Variable mit Lag;
Die Datenreihen sind numerisch
Die Statistik und konometrie Abteilung
16
konometrie
0 DW d1
d1 DW d2
d2 DW 4-d2
4-d2 DW 4-d1
4-d1 DW <4
Positive
Autokorrelation
Unentschlossenhei
t
keine
Autokorrelation
Unentschlossenheit
Negative
Autokorrelation
17
konometrie
DW
i 2
i 2
i 2
i 2
n 1
i i 1
i 1
2
i
Fr n
i
i 2
i 2
2
i 1
i
i 1
i 1
DW 2 2
i 1 2 ii 1
2
DW 2 1 r1 r1 1
DW
d [0,4]
2
r1 0 independen
d 2
indecizie
18
konometrie
zu schtzen
y i a bxi
und
y i r1 y i 1 a (1 r1 ) b( xi r1 xi 1 ) vi
19
konometrie
r1
i 2
n 1
i 1
Notiert man:
i 1
2
i
yi* yi r1 yi 1
xi* xi r1 xi 1
a1 a(1 r1 )
b b
1
*
*
y
b
x
Es gibt das folgende Modell: i
1
1 i vi
Schtzt man die Parameter fr das Modell und dann geht man zurck an
das erste Modell.
Die Statistik und konometrie Abteilung
20
konometrie
P i t 1
Der JB Testwert:
S 2 K 3 2
2
JB n
~ ;2
24
6
Er basiert auf der Annahme, dass die Normalverteilung einen Schiefekoeffizient gleich
Null (S = 0) und einen Steilheitskoeffizient gleich drei hat (K = 3).
Wenn der Steilheitskoeffizient grer als 3 ist, dann ist die Verteilung schmal und wenn
der Steilheitskoeffizient kleiner als 3 ist, so ist die Verteilung flach
n= die Stichprobengre;
S= der Schiefekoeffizient (skewness) fr die Residuen:
Die Statistik und konometrie Abteilung
1 n
yi y
n i 1
S
3
22
konometrie
Die Entscheidung:
1 n
yi y
n i 1
K
4
Wenn der Testwert weniger als der tabellierte JB-Wert ist, wird H0 akzeptiert und die
Residuen werden normalverteilt;
Wenn der Testwert grer als der tabellierte JB-Wert ist, wird H0 ablehnt und die
Residuen werden nicht normalverteilt.
23
konometrie
Vorhersagen treffen
1.
Vorhersagen Typen
Einzelwerte Vorhersagen
Konfidenzintervall Vorhersagen
2.
Wenn wir annehmen, dass die unabhngige Variable den angegebenen Wert, Xn+v,
nimmt, und die lineare Beziehung aufrechterhalten wird, dann wird der entsprechende
Wert der abhngigen VariableYn+v :
Y X
nv
nv
Yn v a bX n v
Die Statistik und konometrie Abteilung
24
konometrie
Vorhersagen treffen
Um das Konfidenzintervall fr die Vorhersage zu bilden, brauchen wir die Verteilung (der
Mittelwert und die Varianz), fr
.y
nv
n vist Studentenverteilt (t-verteilt) mit (n k 1) Freiheitsgrade.
Die Variable y
n v t / 2 , n k 1 s y nv
yn v y
2
y n v
1 ( xn v x)
s 1 n
n
2
( xi x)
i 1
25
konometrie
Durchsnittliche
Zeit
(Min.)
25
23
30
25
20
33
18
21
22
30
26
26
27
29
20
Vertrge Anzahl
10
11
14
12
18
10
10
15
11
15
12
14
11
konometrie
27
konometrie
unabhngig
sind,
akzeptiert werden.
28
konometrie
, R2=0.014
29
konometrie
30
konometrie
y i 1,73 0,5492 xi
Stufe 2 : Man berechnet die Residuen:
Stufe 3 : Man berechnet den Durbin Watson Wert :
DW
i 2
i 1
i 1
2.39
31
konometrie
32
konometrie
Von Excel:
Skew=0.38
Von Excel:
Kurt=-0.38
Der JB Testwert:
Wenn der berechnete Wert fr den JB-Test kleiner ist als der theoretische
Wert fr ein Signifikanzniveau von 5%, akzeptiert man die Nullhypothese H0
und lehnt man die Alternativhypothese H1 ab. Die Residuen werden
normalverteilt.
Die Statistik und konometrie Abteilung
33
konometrie
Vorhersagen treffen
Wenn die durchsnittliche Zeit
Einzelwert
Vorhersagen
xn v 35 ist , dann
yn v y n v t 2;n k 1 s y nv
y
i i
n k 1
22.35
1,719
13
1 ( x x)
1 (35 25)
s y2nv s2 1 n n v
1.719 1
n
15
264
( xi x) 2
i 1
2.484
Sicherheitswahr
scheinlichkeit.95%
34
konometrie
Dankeschn!
konometrie