Cyfroteka.pl

klikaj i czytaj online

Cyfro
Czytomierz
00657 010926 7490157 na godz. na dobę w sumie
Ekonometria - ebook/pdf
Ekonometria - ebook/pdf
Autor: Liczba stron: 142
Wydawca: C. H. Beck Język publikacji: polski
ISBN: 978-83-255-4345-7 Data wydania:
Lektor:
Kategoria: ebooki >> prawo i podatki
Porównaj ceny (książka, ebook, audiobook).

Podręcznik zawiera podstawowy kurs ekonometrii i jest przeznaczony dla studentów różnych dyscyplin ekonomicznych. Prezentowane zagadnienia są podawane od podstaw i nie są nadmiernie skomplikowane pod względem formalnym. Autorowi udało się w sposób syntetyczny, bez odsyłania do zaawansowanej matematyki lub statystyki, za to ze wskazaniem możliwości aplikacyjnych, omówić zagadnienia zwykle uważane za trudne.

Książka będzie również przydatna tym wszystkim, którzy prowadzą analizy ekonomiczne, a nie dysponują szeroką wiedzą matematyczno-statystyczną.

W podręczniku w sposób uporządkowany przedstawiono kolejne etapy budowy modelu ekonometrycznego, dobór zmiennych do modelu oraz podstawowe metody szacowania jego parametrów, wraz z oceną trafności tego oszacowania, oraz podano pod dyskusję problem wykorzystania tego modelu do celów prognostycznych. Odrębną część stanowi omówienie modeli nieklasycznych. Warto podkreślić, że w każdym z rozdziałów zawarto dobrze dobrane i szczegółowo przeanalizowane przykłady ilustrujące prezentowane w rozdziale zagadnienie odpowiednio o charakterze teoretycznym lub praktycznym (…). Każdy z rozdziałów, oprócz pierwszego, zakończony jest sporą liczbą przykładów do samodzielnego rozwiązania (…). Kontrolę stopnia opanowania materiału ułatwiają rozwiązania wszystkich zadań zamieszczone w odrębnym rozdziale na końcu podręcznika.

Dr hab. Maria Balcerowicz-Szkutnik, prof. UE

Katedra Metod Statystyczno-Matematycznych w Ekonomii

Uniwersytet Ekonomiczny w Katowicach

Znajdź podobne książki

Darmowy fragment publikacji:

Ekonometria Ekonometria Mieczys∏aw Sobczyk Metody ilo–ciowe M. Sobczyk Ekonometria Ekonometria Mieczysław Sobczyk wydanie 1 WYDAWNICTWO C.H. BECK WARSZAWA 2012 Wydawca: Dorota Ostrowska-Furmanek Redakcja merytoryczna: Beata Socha Recenzent: dr hab. Maria Balcerowicz-Szkutnik, prof. UE Projekt okładki i stron tytułowych: Maryna Wiśniewska Ilustracja na okładce: c(cid:13) Mark Evans/iStockphoto.com Seria: Metody ilościowe Złożono programem TEX c(cid:13) Wydawnictwo C.H. Beck 2012 Wydawnictwo C.H. Beck Sp. z o.o. ul. Bonifraterska 17, 00-203 Warszawa Skład i łamanie: Wydawnictwo C.H. Beck Druk i oprawa: Elpil, Siedlce ISBN 978-83-255-4344-0 e-book 978-83-255-4345-7 Spis treści . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Wprowadzenie . . Rozdział 1. Modelowanie ekonometryczne . . 1.1. Istota modelu ekonometrycznego i jego elementy składowe . . 1.2. Etapy budowy modelu ekonometrycznego . . . 1.3. Klasyfikacja modeli ekonometrycznych . . . . . . . . . . . Rozdział 2. Dobór zmiennych objaśniających do modelu ekonometrycznego . . 7 9 9 11 15 17 2.1. Współczynnik zmienności jako kryterium doboru zmiennych . 17 2.2. Metoda analizy współczynników korelacji jako podstawa doboru zmiennych 20 2.3. Wykorzystanie współczynników korelacji wielorakiej w celu doboru . . . . 2.4. Dobór zmiennych objaśniających metodą Hellwiga . Zadania . . . . . zmiennych . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rozdział 3. Estymacja parametrów liniowego modelu ekonometrycznego . 22 24 27 33 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zadania . . . . . . . . . . . . . . . . 3.1. Pojęcie estymacji i estymatora. Założenia klasycznej metody . najmniejszych kwadratów (KMNK) objaśniającymi . . . 3.2. Estymacja parametrów modelu z jedną zmienną objaśniającą . . 3.3. Estymacja parametrów modelu liniowego z wieloma zmiennymi . . ekonometrycznego . . . . . 4.1. Istotność parametrów strukturalnych . . . 4.2. Badanie normalności składnika losowego . 4.3. Badanie autokorelacji składnika losowego . . 4.4. Badanie jednorodności wariancji składnika losowego . . Zadania . . . . . . . . Rozdział 4. Weryfikacja jednorównaniowego liniowego modelu . . . . . . . . . . . . . . . . . . Rozdział 5. Wykorzystanie jednorównaniowych modeli ekonometrycznych . . . . . . do prognozowania . . . . 5.1. Pojęcie, funkcje i klasyfikacja prognoz . 5.2. Zasady i metody prognozowania . . . 5.3. Budowa prognoz punktowych i przedziałowych . . 5.4. Mierniki dokładności predykcji . Zadania . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 36 41 48 53 53 58 62 66 67 71 71 73 75 86 99 5 Spis treści Rozdział 6. Nieliniowe modele ekonometryczne . . . 6.1. Typy modeli nieliniowych . . 6.2. Estymacja parametrów modeli nieliniowych . . . . . . . . . Zadania . . . . . . . . . 6.2.1. Modele liniowe względem parametrów . . 6.2.2. Modele linearyzowane przez logarytmowanie . . . . . . . . . . Odpowiedzi do zadań . . . . . . . . Rozdział 2 . Rozdział 3 . Rozdział 4 . Rozdział 5 . Rozdział 6 . Tablice . . . . Bibliografia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106 . . 106 . . 106 . 106 . . . 113 . 122 . . 124 . . 124 . . . 124 . 125 . . 126 . . 126 . . 128 . . . 139 Wprowadzenie Zajęcia z ekonometrii są – w mniejszym lub większym zakresie – realizowane we wszystkich uczelniach ekonomicznych. Przekazywane w ramach tego przedmiotu treści są dość zróżnicowane i uzależnione głównie od kierunku studiów. Niniej- szy podręcznik zawiera podstawowy kurs ekonometrii i jest przeznaczony dla studentów różnych dyscyplin ekonomicznych. Sądzę, że książka będzie również przydatna tym wszystkim, którzy prowadzą analizy ekonomiczne, a nie dyspo- nują szeroką wiedzą matematyczno-statystyczną. Prezentowane w podręczniku zagadnienia są bowiem podawane od podstaw i nie są nadmiernie skomplikowane pod względem formalnym. Cenną zaletą podręcznika jest prezentacja przykła- dów, które ilustrują istotę wykorzystywanych procedur oraz pokazują możliwości interpretacyjne otrzymanych wyników. Ponadto, praca zawiera zestaw zadań do samodzielnego rozwiązywania. Kontrolę stopnia opanowania wiedzy ułatwiają zamieszczone odpowiedzi do zadań. Zawarte w podręczniku treści zostały ujęte w sześciu merytorycznych roz- działach. Pierwszy z nich wprowadza Czytelnika w podstawowe zagadnienia dotyczące modelowania ekonometrycznego (jego istotę, elementy składowe, eta- py budowy i klasyfikacje). Rozdział drugi poświęcono prezentacji wybranych metod doboru zmiennych objaśniających do modelu ekonometrycznego (w oparciu o współczynniki: zmien- ności i korelacji wielorakiej, analizę macierzy współczynników korelacji oraz szeroko wykorzystywaną w praktyce metodę Hellwiga). W rozdziale trzecim zaprezentowano zagadnienia dotyczące wykorzystania metody najmniejszych kwadratów do estymacji parametrów strukturalnych linio- wych modeli ekonometrycznych z jedną i wieloma zmiennymi objaśniającymi. Rozważania zawarte w rozdziale czwartym skoncentrowane są na problema- tyce weryfikacji jednorównaniowego modelu ekonometrycznego, w tym również funkcji trendu liniowego. Zostały tu przedstawione techniki z zakresu zastoso- wania testów statystycznych do badania istotności parametrów strukturalnych, badania normalności, autokorelacji i homoskedastyczności składników losowych. Przedmiotem zainteresowań w rozdziale piątym jest wykorzystanie modeli ekonometrycznych dla celów prognozowania (predykcji) punktowego i prze- działowego. W końcowej części tego rozdziału zwrócono szczególną uwagę na prezentację mierników bezwzględnych i względnych średnich błędów prognoz ex ante. 7 Wprowadzenie W ostatnim, szóstym, rozdziale przedstawiono problematykę estymacji, wery- fikacji i wykorzystania do prognozowania modeli nieliniowych, które uprzednio należy zlinearyzować (np. przez podstawianie bądź logarytmowanie). W podręczniku zamieszczono także bibliografię, zawierającą pozycje z dzie- dziny ekonometrii. Pozwoli to na pogłębienie znajomości zagadnień prezento- wanych w niniejszej pracy, jak również – w razie konieczności – na poszerzenie wiedzy w zakresie treści pominiętych. Podręcznik zawiera także tablice statystyczne, które są niezbędne przy wnio- skowaniu statystycznym. W ten sposób tworzy on pewną całość (teoria – przykłady – zadania). Wydaje się, że zarówno zawarty w pracy zakres przedmiotowy, jak i zwięzły oraz jasny sposób ujęcia rozpatrywanych zagadnień – nadają jej przyja- zny dla czytelników charakter. Autor składa gorące podziękowania Pani Profesor Marii Balcerowicz-Szkutnik za cenne uwagi, które miały istotny wpływ na ostateczny kształt podręcznika. Słowa wdzięczności kieruję również do Pani Redaktor Beaty Sochy za niezwykłą umiejętność dostrzeżenia wszelkich niedociągnięć oraz do córki Eweliny – za trud włożony w techniczne przygotowanie tekstu. Mieczysław Sobczyk Rozdział 1. Modelowanie ekonometryczne 1.1. Istota modelu ekonometrycznego i jego elementy składowe Istotą modelowania ekonometrycznego jest budowa modelu wyjaśniającego me- chanizm zmian zachodzących w badanym wycinku rzeczywistości. Przedmiotem naszych zainteresowań będą ilościowe zależności zachodzące między analizowa- nymi zjawiskami gospodarczymi (procesami ekonomicznymi). Z formalnego punktu widzenia model ekonometryczny jest równaniem (układem równań) opisującym zasadnicze powiązania między określonymi wielkościami ekonomicznymi. W ogólnej postaci jednorównaniowy model eko- nometryczny jest zapisywany następująco: Y = f(X1, X2, . . . , Xk, ε), (1.1) gdzie: Y – zmienna objaśniana (endogeniczna), Xk – zmienne objaśniające (egzogeniczne), f – analityczna postać funkcji zmiennych objaśniających (np. funkcja liniowa, wykładnicza, parabola), ε – składnik losowy (odchylenia losowe) modelu ekonometrycznego. Jak wynika z relacji (1.1), model ekonometryczny opisuje powiązanie między zmienną objaśnianą (Y ) a zmiennymi objaśniającymi (X1, X2, . . . , Xk). Zjawiska ekonomiczne często odznaczają się dużą złożonością. Z tego też względu model ekonometryczny ma jedynie przybliżony charakter. Z reguły nie ma bowiem możliwości skonstruowania prostych, dających się łatwo zinterpretować modeli ekonometrycznych całkowicie zgodnych z danymi empirycznymi. Z drugiej strony, modelem ekonometrycznym nie może być dowolna funkcja. Musi być ona dobrze uzasadniona teoretycznie (z punktu widzenia teorii ekonomii i postulatów ekonometrycznych) i empirycznie. Uwzględnienie w modelu ekonometrycznym odchyleń losowych (ε) nada- je mu stochastyczny charakter. Składnik losowy odzwierciedla wpływ zjawisk ubocznych, a jego wprowadzenie do modelu ekonometrycznego jest uwarunko- wane poniższymi przyczynami [Osińska, 2007, s. 15]: – przyjęciem niewłaściwej postaci analitycznej funkcji, – brakiem możliwości uwzględnienia w modelu wszystkich zmiennych obja- śniających opisujących kształtowanie się zmiennej objaśnianej, 9 Rozdział 1. Modelowanie ekonometryczne – błędami wynikającymi z niedokładności pomiaru zmiennych, – losowością postępowania podmiotów ekonomicznych, a zwłaszcza zachowań ludzkich. Przejawia się to tym, że ten sam konsument w obliczu tak samo sformułowanego dylematu wyboru każdorazowo może podjąć nieco inną decyzję. Stochastyczny charakter modelu oznacza, że prawidłowości rozwoju badanej zmiennej uwidaczniają się w dużej liczbie obserwacji (prawo wielkich liczb). Im model ekonometryczny lepiej odzwierciedla badaną rzeczywistość, tym odchylenia rzeczywistych wartości zmiennej objaśnianej od jej wartości wyznaczonych z modelu (przy przyjętym zbiorze zmiennych objaśniających) są mniejsze. Zakładając liniową zależność zmiennej objaśnianej Y od zmiennych obja- śniających (X1, X2, . . . , Xk), model (1.1) zapisujemy następująco: Y = α0 + α1X1 + α2X2 + ··· + αkXk + ε. (1.2) W relacji (1.2) można wyróżnić dwie części: deterministyczną i stochastyczną. Część deterministyczną tworzą α0+α1X1+α2X2+···+αkXk, natomiast część stochastyczna związana jest ze składnikiem losowym, czyli zakłócającym (ε). Po odrzuceniu odchyleń losowych ε otrzymujemy równanie o postaci: ˆY = α0 + α1X1 + α2X2 + ··· + αkXk. (1.3) W równaniu tym symbol ˆY oznacza oczekiwaną wartość zmiennej ob- jaśnianej Y . Po prawej stronie równania (1.3) występują nieznane wielkości (α0, α1, α2, . . . , αk), które należy oszacować. Noszą one nazwę parametrów strukturalnych modelu. Ze składnikiem losowym modelu ekonometrycznego związane są parame- try struktury stochastycznej. Są to parametry dotyczące rozkładu odchyleń losowych modelu (np. wartość oczekiwana, wariancja odchyleń losowych, współ- czynnik autokorelacji odchyleń). W notacji macierzowo-wektorowej liniowy model ekonometryczny zapisywa- ny jest następująco: (1.4) gdzie: y – wektor obserwacji zmiennej objaśnianej, X – macierz obserwacji zmiennych objaśniających, a – wektor ocen parametrów strukturalnych modelu, e – wektor reszt; y = Xa + e, , X =   y1 y2 ... yn y = 1 x11 x12 ··· x1k 1 x21 x22 ··· x2k ... ... 1 xn1 xn2 ··· xnk ... ... ... , a =  a1 a2 ... an , e =  . e1 e2 ... en Teoretyczne wartości zmiennej objaśnianej znajdujemy z równania macierzowego: (1.5) ˆy = Xa. 10 1.2. Etapy budowy modelu ekonometrycznego Podstawą badań ekonometrycznych powinna być teoria ekonomii. Jednakże nie zawsze w teorii ekonomii znajdujemy dostatecznie opracowane twierdzenia dające się weryfikować empirycznie. W związku z tym w analizach ekonometrycznych należy również wykorzystywać intuicję. Jak stwierdza B. Guzik „…ekonometryk musi być osobą, która umiejętnie i nieszablonowo łączy obie sfery działalności intelektualnej – naukę, czyli wiedzę, oraz sztukę, czyli fantazję. (…) Ani sama nauka, ani sama fantazja nie wystarczy” [Guzik, 2008, s. 18]. Podobną opinię prezentuje G.S. Maddala, stwierdzając, że „ekonometria to zastosowanie metod statystycznych i matematycznych do analizy danych ekonomicznych w celu nadania teoriom ekonomicznym kontekstu empirycznego oraz ich potwierdzenia lub odrzucenia” [Maddala, 2006, s. 31]. Warto nadmienić, że używana w publikacjach ekonometrycznych termino- logia nie jest ujednolicona. Przykładowo, zmienne występujące w modelach ekonometrycznych noszą zazwyczaj nazwę zmiennych objaśnianych oraz obja- śniających. Nazewnictwo to jest używane w celu podkreślenia, że celem modelu jest wyjaśnienie kształtowania się zmiennej Y . W matematyce mówi się nato- miast o zmiennej zależnej i zmiennych niezależnych. W literaturze przedmiotu zmienną Y nazywa się niekiedy regresorem, a zmienną X – regresatą [Welfe, 2009, s. 27]. W zagadnieniach dotyczących prognozowania zmienną objaśnianą określa się mianem zmiennej prognozowanej (predykaty), a zmienne objaśniają- ce – predyktantami. Zmienna wyjaśniana przez model nazywana jest zmienną endogeniczną (wewnętrzną), a zmienną niewyjaśnianą przez model – zmienną egzogeniczną (zewnętrzną). Terminy: zmienna zależna i zmienne niezależne są powszechnie stosowane w programach informatycznych. Zasadniczym celem ekonometrii jest weryfikacja teorii ekonomicznych. Od- bywa się ona w drodze konstrukcji dobrego modelu ekonometrycznego. Modelem ekonometrycznym nie jest dowolna funkcja, lecz taka, która jest dobrze uzasad- niona teoretycznie (z punktu widzenia ekonomii i postulatów ekonometrycznych) oraz weryfikowalna empirycznie. 1.2. Etapy budowy modelu ekonometrycznego Procedura budowy modelu ekonometrycznego ma wieloetapowy charakter. Model jest wynikiem postępowania łączącego w jedną całość metody matematyczne, statystyczne i informatyczne z wiedzą ekonomiczną i intuicją. W procesie budowy modelu ekonometrycznego można wyróżnić pięć etapów, a mianowicie [Strahl i in., 2004, s. 29–30]: – specyfikację zmiennych, – wybór analitycznej postaci modelu, – estymację parametrów, – weryfikację modelu, – praktyczne wykorzystanie oszacowanego modelu. 11 Rozdział 1. Modelowanie ekonometryczne Etap pierwszy obejmuje takie czynności, jak: określenie celu budowy mo- delu, ustalenie listy zmiennych (objaśnianej i objaśniających) oraz zebranie informacji statystycznych. Z reguły wiadomo od razu, co jest zmienną objaśnia- ną (wydajność pracy, popyt, produkcja itp.). W niektórych wypadkach zmienna objaśniana może mieć złożony charakter (np. poziom życia). Pojawia się wówczas problem, za pomocą jakich zmiennych scharakteryzować dane zjawisko złożone. W każdym razie wybór zmiennych powinien być dokonany tak, aby możliwie dokładnie została określona relacja między interesującymi nas procesami go- spodarczymi. Ustalając listę potencjalnych zmiennych występujących w modelu koniecznym jest zwrócenie uwagi na siłę powiązań między nimi. Dobierając zmienne do modelu, kierujemy się wskazaniami teorii, wynikami innych badań, eksperymentami obliczeniowymi. Niejednokrotnie stosowane są tu statystyczne procedury doboru zmiennych objaśniających. Chodzi bowiem o to, by zmienne objaśniające gwarantowały najlepszy – z punktu widzenia przyjętego wskaźnika jakości – model. Przykładowo, często sugeruje się dobór takich zmiennych ob- jaśniających, które maja wysoką zmienność bądź wykazują silne skorelowanie ze zmienną objaśnianą, a są słabo skorelowane ze sobą. Występujące w mode- lu ekonometrycznym zmienne powinny być jasno zdefiniowane i mieć wyraźną interpretację ekonomiczną. Praktyczne wykorzystanie zbudowanego modelu ekonometrycznego jest – w znacznym stopniu – uzależnione od jakości zebranych danych statystycznych. Dane statystyczne, stanowiące podstawę konstrukcji modelu, mogą być specjalnie zbierane dla celów danego badania (dane pierwotne) lub pozyskiwane uprzednio do innych celów, ale wykorzystywane w procesie budowy modelu (dane wtórne). Dane statystyczne mogą mieć postać szeregów czasowych, przekrojowych lub przekrojowo-czasowych. Efektem specyfikacji zmiennych jest określona hipote- za modelowa, która będzie – w dalszych etapach konstrukcji modelu – podlegała weryfikacji. Drugim etapem procedury modelowania ekonometrycznego jest określenie postaci analitycznej modelu. Teoria ekonomii nie dostarcza w tym względzie gotowych rozwiązań. Pomocne są tutaj wyniki innych badań, intuicja, ekspery- menty obliczeniowe (próbujemy różnych funkcji, a spośród nich wybieramy tę, która najlepiej pasuje do danych empirycznych), wykresy przebiegu zmiennej objaśnianej względem zmiennych objaśniających, własności funkcji matema- tycznych (np. funkcja liniowa charakteryzuje się tym, że przyrostom zmiennej objaśniającej o jednostkę towarzyszy stały bezwzględny przyrost zmiennej obja- śnianej, a w wypadku funkcji wykładniczej, stały jest przyrost względny), jak również testy statystyczne stosowane w odniesieniu do modeli liniowych sensu stricte lub modeli liniowych względem parametrów1. Trzecim etapem budowy modelu ekonometrycznego jest estymacja (szaco- wanie) parametrów strukturalnych. Podstawą tej czynności są zebrane informacje 1 Por.: [Guzik, 2008, s. 25]. 12 1.2. Etapy budowy modelu ekonometrycznego statystyczne. Informacje te powinny być wiarygodne i możliwie wyczerpują- ce. Liczba obserwacji powinna być przynajmniej 3–5-krotnie większa od liczby szacowanych parametrów modelu. Dobrze jest, jeśli obserwacje są porównywal- ne. Oznacza to, że wszystkie zmienne (objaśniana i objaśniające) powinny być wyrażone w tych samych jednostkach miary (w cenach stałych, jednostkach na- turalnych, cenach bieżących itp.). Ważne znaczenie ma również ujednolicenie wymiarów zmiennych. Na przykład, jeśli Y jest zasobem, to zmienne X powinny mieć również charakter zasobów. Jeśli natomiast Y jest strumieniem, to zmienne objaśniające także powinny być strumieniami. Zasoby dotyczą wielkości danego zjawiska w ściśle określonym punkcie czasowym (np. według stanu na koniec miesiąca, roku), a strumienie powstają w wyniku sumowania wartości badanego zjawiska dla przedziałów o jednakowych rozpiętościach (np. roczna produkcja przedsiębiorstwa X jest sumą wartości produkcji z 12 miesięcy lub 4 kwartałów). O ile zatem zasoby mają wymiar W (stan na dany moment), o tyle strumienie – wymiar W T −1 (wielkość zjawiska w jednostce czasu). Rozróżnianie wymia- rów zjawisk ma istotne znaczenie w analizie procesów społeczno-gospodarczych. Jak żartobliwie stwierdził M. Kalecki: „ekonomia jest nauką, w której ekonomi- ści stale mieszają pojęcia zasobów i strumieni, i popełniają wskutek tego błędy” [Lange, 1976, s. 547]. Za pomocą pojęć zasobu i strumienia definiowane są różne kategorie eko- nomiczne. Na przykład proces produkcji można określić jako przekształcanie zasobów (pracy żywej i uprzedmiotowionej) w strumień wyrobów gotowych. T = W T −1. Jeśli Mamy tu bowiem zasoby W wydatkowane w czasie T , czyli W natomiast przekształcamy zysk (czyli strumień towarzyszący części wydatko- wanej pracy żywej w procesie produkcji) w postać kapitału na dany moment (w zasób), to mamy do czynienia z działaniem typu W T −1 · T = W , czyli z two- rzeniem zasobów. Do szacowania parametrów strukturalnych modelu najczęściej wykorzysty- wane są procedury aproksymacyjne. Polegają one na takim oszacowaniu, przy którym model najlepiej pasuje do danych empirycznych. Jest to spełnione wów- czas, gdy minimalizowana jest rozbieżność między wartościami teoretycznymi (otrzymanymi z modelu) a odpowiednimi wartościami empirycznymi zmiennej Y . W praktyce, najczęściej stosowaną metodą estymacji nieznanych parametrów strukturalnych α0, α1, α2, . . . , αk jest klasyczna metoda najmniejszych kwa- dratów (KMNK). Wektor ocen parametrów strukturalnych liniowego modelu ekonometrycznego otrzymany przy wykorzystaniu KMNK jest określony relacją: a = (XTX)−1XTy. (1.6) Warunki stosowalności KMNK zostaną omówione w rozdziale trzecim. Czwartym etapem konstrukcji modelu ekonometrycznego jest weryfikacja. Przebiega ona w dwóch płaszczyznach: ekonomicznej (merytorycznej) i staty- stycznej. Weryfikacja ekonomiczna oparta jest na badaniu zgodności modelu 13 Rozdział 1. Modelowanie ekonometryczne z wiedzą o badanych zjawiskach i zdrowym rozsądkiem. W trakcie weryfikacji statystycznej wykorzystuje się m.in. odpowiednie mierniki dopasowania modelu ekonometrycznego do danych empirycznych, jak też sprawdza, czy np. zmienne objaśniające są istotne. Zwraca się też uwagę na sensowność poziomów i znaków ocen parametrów stojących przy zmiennych objaśniających. Na tym etapie bada się również koincydentność modelu. Mówimy, że model jest koincydentny, jeśli dla każdej zmiennej objaśniającej spełniony jest warunek: sgn(ri) = sgn(ai) dla i = 1, 2, . . . , k, (1.7) gdzie: ai jest oszacowaniem parametru strukturalnego αi występującego przy zmiennej objaśniającej Xi, natomiast ri jest współczynnikiem korelacji liniowej Pearsona między zmienną Xi oraz Y . Symbol sgn oznacza znak (łac. signum). Model jest koincydentny, jeśli znaki przed wszystkimi ocenami parametrów są takie same, jak przy współczynnikach korelacji zmiennych objaśniających ze zmienna objaśnianą. Jeżeli model nie jest koincydentny, należy zmienić zbiór zmiennych objaśniających. Przyczynami braku koicydentności może być np. niewłaściwa postać analityczna modelu ekonometrycznego, bądź występująca współliniowość, tj. silna zależność między zmiennymi objaśniającymi. Jeżeli wynik weryfikacji jest pozytywny, zbudowany model uznawany jest za dopuszczalny. W przeciwnym wypadku należy podjąć próbę skonstruowania innego modelu w drodze np. modyfikacji postaci analitycznej czy listy zmiennych objaśniających. Niekiedy może występować konieczność modyfikacji materiału statystycznego, przez jego rozszerzenie lub wyłączenie obserwacji nietypowych. Problematyka weryfikacji modelu ekonometrycznego zostanie szerzej zapre- zentowana w trzecim rozdziale tego podręcznika. Rezultatem każdego badania ekonometrycznego powinno być skonstruowanie dobrego modelu. Tylko taki model może być bowiem wykorzystany praktycz- nie (etap piąty). Wykorzystanie modelu związane jest z celami jego budowy. Zgodnie z zamówieniem społecznym, inspirującym budowę modelu, może on być wykorzystany do prognozowania, symulacji, zwięzłego opisu zależności zmien- nej objaśnianej od zmiennych objaśniających (cel analityczny) bądź też stanowić podstawę podejmowania decyzji kierowniczych. Prognoza to kategoryczny sąd o wartości danego zjawiska w ustalonym momencie w przyszłości. Wartość logiczna tego sądu (prawda, fałsz) nie jest znana w momencie jego formułowania. Odmiennym od prognoz pojęciem są symulacje. Symulacje to sądy warunkowe, tzn. sądy typu: „jeśli zajdą dane okoliczności, to badana wielkość przyjmie następującą wartość” (determinacja czasowa nie musi tu wystąpić). Operacyjnie rzecz biorąc, wykorzystanie modelu ekonometrycznego do pro- gnozowania i symulacji polega na tym samym: należy obliczyć wartość zmiennej objaśnianej występującej w modelu przy ustalonych wartościach prognozowanych lub wariantowanych zmiennych objaśniających. Inna jest natomiast ich interpre- tacja. Na przykład, jeśli chcemy określić poziom sprzedaży przy następujących 14 1.3. Klasyfikacja modeli ekonometrycznych wariantach indeksu dochodów: 1,4; 1,5; 1,6 – to obliczenia mają charakter sy- mulacyjny. Jeśli natomiast interesuje nas wielkość sprzedaży artykułu X w roku następnym, w którym przewiduje się indeks dochodów równy 1,25 – to wyzna- czamy prognozę. 1.3. Klasyfikacja modeli ekonometrycznych Modele ekonometryczne mogą być klasyfikowane według różnych kryteriów: – liczby zmiennych objaśnianych (lub liczby równań w modelu), – roli czynnika czasu przy opisie modelowanych zjawisk, – postaci analitycznej, – charakteru poznawczego modelu, – zakresu badania. Kryterium podziału modeli ekonometrycznych ze względu na liczbę zmien- nych objaśnianych jest równoznaczne z liczbą równań. Model opisujący jedną zmienną objaśnianą nazywamy jednorównaniowym, natomiast model opisujący kształtowanie się wielu zmiennych jednocześnie – wielorównaniowym. Przykła- dem modelu jednorównaniowego jest model opisujący popyt na określone dobro, zaś wielorównaniowego – modele rynków finansowych. Ze względu na rolę czynnika czasu (własności dynamiczne) modele dzieli- my na dynamiczne i statyczne. W modelach dynamicznych występują zmienne z opóźnieniami lub wyprzedzeniami czasowymi lub dowolna funkcja trendu. Wprowadzenie zmiennej z opóźnieniami oznacza, że bieżący – obserwowany w momencie t – stan zmiennej objaśnianej zależy od zaobserwowanych w prze- szłości wartości zmiennych (tzn. w okresach t − 1, t − 2 itp.). Do klasy modeli dynamicznych zaliczane są również modele z parametrami zmieniającymi się w czasie. Jeśli model nie uwzględnia dynamiki analizowanych procesów – nazy- wamy go statycznym [Witkowska, 2005, s. 52]. Z punktu widzenia postaci analitycznej, modele dzielimy na liniowe i nieli- niowe. W modelu liniowym zmienna objaśniana jest liniową funkcją zmiennych objaśniających i odchylenia losowego. Równanie modelu nieliniowego jest funkcją nieliniową. Wśród modeli nieliniowych możemy wyróżnić modele sprowadzalne do postaci liniowej i niesprowadzalne do postaci liniowej. W celu sprowadzenia modeli nieliniowych do liniowych wykorzystuje się odpowiednie transformacje (np. podstawianie, logarytmowanie). Mówimy wówczas o modelach lineary- zowalnych [Dittmann, 2003, s. 132]. Istnieją również takie modele nieliniowe, które nie dają się sprowadzić do liniowych. Nazywamy je modelami nieliniowymi w ścisłym sensie. Przykładem modelu tego typu jest funkcja logistyczna. Ze względu na wartości poznawcze modele ekonometryczne dzielimy na przy- czynowo-skutkowe, symptomatyczne, autoregresyjne oraz modele trendu (tendencji rozwojowej) [Nowak, 1994, s. 8]. W modelach przyczynowo-skut- kowych zjawiska (skutki) są wyjaśnianie za pomocą innych, traktowanych jako 15 Rozdział 1. Modelowanie ekonometryczne przyczyny. Przykładowo, wzrost zachorowań w okresie jesienno-zimowym powo- duje zwiększenie popytu na leki przeciwdziałające przeziębieniu. W modelach symptomatycznych przynajmniej niektóre spośród wyróż- nionych zmiennych objaśniających nie stanowią bezpośredniej przyczyny dla zmiennej objaśnianej, ale są z nią silnie skorelowane. Na przykład poziom kon- sumpcji ryb w gospodarstwie domowym pozostaje w związku ze spożyciem mięsa i warzyw, chociaż spożycia wymienionych produktów nie pozostają ze sobą w związku przyczynowym. Modele autoregresyjne to takie modele, w których jedyną zmienną objaśnia- jącą jest zmienna objaśniana o opóźnionych w czasie wartościach. Tego rodzaju modele mają zastosowanie głównie do zjawisk odznaczających się inercją. Modele trendu (tendencji rozwojowej) opisują rozwój zjawisk w czasie. W modelach tych jedyną zmienną objaśniającą jest czas. Zmienna czasowa (t) przybiera wartości kolejnych liczb naturalnych przyporządkowanych jednostkom czasu badanego okresu. Kryterium zakresu badania pozwala sklasyfikować modele na mikro-, mezo- i makroekonomiczne. Modele mikroekonomiczne są budowane dla procesów zachodzących w przedsiębiorstwach. Przykładem modeli w skali mezo- są m.in. modele regionalne oraz modele sektorów gospodarki. W analizie zjawisk obser- wowanych w skali całej gospodarki, rynków międzynarodowych lub gospodarki światowej – budowane są modele makroekonomiczne. Rozdział 2. Dobór zmiennych objaśniających do modelu ekonometrycznego 2.1. Współczynnik zmienności jako kryterium doboru zmiennych Kryterium wyboru zmiennych objaśniających do modelu ekonometrycznego powinna być merytoryczna znajomość badanego zjawiska. Chodzi tu bowiem o taki wybór zmiennych, które mają istotny wpływ na kształtowanie się zmiennej objaśnianej. Takie zebrane zmienne tworzą zbiór potencjalnych zmiennych obja- śniających. Wysoka liczebność tego zbioru może stwarzać określone trudności w zebraniu materiału statystycznego, stanowiącego podstawę konstrukcji modelu ekonometrycznego. W celu określenia właściwego zestawu zmiennych objaśnia- jących stosuje się zazwyczaj trzy podejścia oparte na [Witkowska, 2005, s. 30]: – wiedzy wynikającej z teorii ekonomii, – zebranym materiale statystycznym, doświadczeniu i intuicji (jeśli teoria ekonomii nie jest dostatecznie rozwinięta), – metodach statystycznych (gdy teoria ekonomiczna i analiza empiryczna połączone z doświadczeniem nie są wystarczające). M. Gruszczyński podaje, że dobór zmiennych objaśniających do modeli powi- nien uwzględniać przedstawione poniżej zasady [Gruszczyński, 2010, s. 79–80]. 1. Zmienne powinny być merytorycznie (teoretycznie) uzasadnione, tzn. wyja- śniać kształtowanie się zmiennej objaśnianej Y . W większości wypadków nie mamy takich teorii, a tylko określone intuicje, które uznawane są za pewne wskazania merytoryczne. 2. Liczba zmiennych objaśniających powinna być – nawet w wypadku posiadania dużych zbiorów danych – ograniczona. Jest to zasada selekcji i nie mnożenia liczby zmiennych objaśniających. 3. Ograniczoną liczbę zmiennych objaśniających należy wybierać z różnych ich grup. Grupami tymi mogą być np. warunki ekonomiczne rodziny, stan demograficzny, poglądy polityczne. Każda z tych grup zawiera (reprezentuje) wiele zmiennych. Zmienne opisujące kształtowanie się zmiennej objaśnianej powinny być wybrane ze wszystkich grup. Ograniczając liczbę zmiennych objaśniających, należy kierować się ich reprezentatywnością. 4. Zmienne, które znalazły się w zbiorze wybranych zmiennych objaśniających nie powinny charakteryzować się endogenicznością. Endogeniczność ozna- 17 Rozdział 2. Dobór zmiennych objaśniających do modelu ekonometrycznego cza, iż dana zmienna objaśniająca modelu jest skorelowana ze składnikiem losowym. Podkreślić należy, że wybór zmiennych pozbawionych własności endogeniczności opiera się raczej na intuicji niż na teorii. 5. W modelu ekonometrycznym powinny znaleźć się zmienne istotne statystycz- nie, tzn. w uzasadniony statystycznie sposób mające związek ze zmienną objaśnianą. 6. Zmienne wybrane do modelu nie powinny wykazywać współliniowości. Współliniowość oznacza wysoką korelację między zmiennymi objaśniającymi. Utrudnia to, a niekiedy wręcz uniemożliwia wydzielenie indywidualnego wpływu każdej ze zmiennych objaśniających na zmienną objaśnianą. W pierwszym kroku z potencjalnego zbioru zmiennych objaśniających należy wyeliminować te, których zróżnicowanie nie jest wystarczające. Noszą one nazwę zmiennych quasi-stałych. Miernikiem zmienności (zróżnicowania) zmiennej jest współczynnik zmienności określony wzorem: Vi = si ¯xi , (2.1) gdzie: si – odchylenie standardowe zmiennej Xi, ¯xi – średnia arytmetyczna zmiennej Xi. Po ustaleniu przez badacza wartości krytycznej V ∗, przyrównuje się ją do wartości współczynnika zmienności dla danej zmiennej. Zmienne spełniające nierówność: Vi ‹ V ∗ (2.2) uznaje się za quasi-stałe i eliminuje ze zbioru potencjalnych zmiennych objaśnia- jących. Zmienne quasi-stałe posiadają zbyt niski poziom zmienności i nie wnoszą istotnych informacji o kształtowaniu się zmiennej objaśnianej. Wartość krytyczna V ∗ jest ustalana arbitralnie, np. na poziomie 0,10 lub 0,15. Zależy to od warunku przyjętego przez osobę tworzącą model ekonometryczny. Przykład 2.1. Mamy dokonać wyboru zmiennych objaśniających do liniowego modelu ekonometrycznego opisującego kształtowanie się produkcji żywca w decytonach na 1 ha użytków rolnych (Y ) w dużych gospodarstwach rolnych pewnego regionu. Potencjalny zbiór zmiennych objaśniających składa się z sześciu elementów, a mianowicie: x1 – plony owsa w dt/ha, x2 – plony jęczmienia w dt/ha, x3 – plony żyta w dt/ha, x4 – zbiory ziemniaków w dt/ha, x5 – zbiory siana łąkowego w t/ha, x6 – średnie ceny skupu żywca w zł/kg. Liczbowe wartości wyróżnionych zmiennych, obejmujące ostatnie dziesięć lat, przedstawiono w tabeli 2.1. ności, przy przyjęciu krytycznej wartości na poziomie V ∗ = 0, 15. Do wyboru zmiennych należy wykorzystać metodę opartą o współczynniki zmien- 18 2.1. Współczynnik zmienności jako kryterium doboru zmiennych Tabela 2.1. Zaobserwowane wartości zmiennych Lata 1 2 3 4 5 6 7 8 9 10 yt 5 5 6 6 8 8 9 10 10 11 Potencjalne zmienne objaśniające x6 x1 2,6 10 12 2,7 2,9 12 3,0 15 15 3,5 3,5 17 3,7 18 3,8 19 20 4,0 4,3 24 x4 30 31 32 34 34 36 37 38 38 40 x2 12 14 14 15 18 20 20 21 22 23 x3 8 8 9 9 10 10 10 11 11 11 x5 6 7 7 7 8 8 8 8 9 9 Źródło: [Grabowski, 2002, s. 24]. Średnie arytmetyczne potencjalnych zmiennych objaśniających są równe: ¯x1 = ¯x4 = 162 10 = 16,2; 350 10 = 35; ¯x2 = ¯x5 = 179 10 = 17,9; 77 10 = 7,7; ¯x3 = ¯x6 = 97 10 = 9,7; 34 10 = 3,4. Odchylenia standardowe dla poszczególnych zmiennych objaśniających wynoszą: r163,6 r100 s1 = s4 = 10 = 4,04; 10 = 3,16; s2 = s5 = r134,90 r6,41 10 = 3,67; 10 = 0,80; r12,1 r2,98 10 = 1,1; 10 = 0,55. s3 = s6 = Obliczone według wzoru (2.1) współczynniki zmienności poszczególnych zmien- nych V przyjmują wartości: V1 = V4 = 4,04 16,2 = 0,25; V2 = 3,16 35 = 0,09; V5 = 3,67 17,9 = 0,21; V3 = 0,8 7,7 = 0,10; V6 = 1,1 9,7 = 0,11; 0,55 3,4 = 0,16. Okazuje się, że współczynniki dla zmiennych objaśniających: x3, x4 oraz x5 są niższe od założonej wartości krytycznej 0,15. Zmienne te są więc quasi-stałymi, któ- re należy wyeliminować ze zbioru potencjalnych zmiennych objaśniających. W zbiorze zmiennych objaśniających modelu ekonometrycznego powinny znaleźć się zmienne: plo- ny owsa (x1), plony jęczmienia (x2) oraz średnie ceny skupu żywca (x6). 19
Pobierz darmowy fragment (pdf)

Gdzie kupić całą publikację:

Ekonometria
Autor:

Opinie na temat publikacji:


Inne popularne pozycje z tej kategorii:


Czytaj również:


Prowadzisz stronę lub blog? Wstaw link do fragmentu tej książki i współpracuj z Cyfroteką: