Notat 1: Grunnleggende statistikk og introduksjon til økonometri

Like dokumenter
Introduksjon til økonometri, kap 8, 9.1 og 9.2. Hva er formålet med økonometri? Utvalgskorrelasjoner To-variabel regresjoner

Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Analyse av sammenhenger

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Sannsynlighetsregning med statistikk

Om enkel lineær regresjon II

Om enkel lineær regresjon II

Om enkel lineær regresjon II

Econ 2130 uke 15 (HG)

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Visuell/grafisk presentasjon av data. Datainnsamling; utdanning og inntekt

Econ 2130 uke 19 (HG) Inferens i enkel regresjon og diskrete modeller

TMA4245 Statistikk Eksamen mai 2016

som vi ønsker å si noe om basert på data Eksempel. Uid-modellen: X1, X ,,,

Forelesning 19 og 20 Regresjon og korrelasjons (II)

STK1100 våren Konfidensintevaller

ÅMA110 Sannsynlighetsregning med statistikk, våren Estimering. Målemodellen. Estimering. Målemodellen. Kp. 5 Estimering. Målemodellen.

STK1100 våren Estimering. Politisk meningsmåling. Svarer til sidene i læreboka. The German tank problem. Måling av lungefunksjon

Det ble orientert i plenum under eksamensdagen om følgende endringer i forhold til oppgaven:

1. Konfidens intervall for

Forelesning Enveis ANOVA

ÅMA110 Sannsynlighetsregning med statistikk, våren 2007

STK1110 høsten Lineær regresjon. Svarer til avsnittene i læreboka (med unntak av stoffet om logistisk regresjon)

Oversikt over tester i Econ 2130

Mer om Hypotesetesting (kap 5) Student t-fordelingen. Eksamen. Fordelingene blir like ved stor n:

Forelesning 25 og 26 Introduksjon til Bayesiansk statistikk

Forelesning 2 MET3592 Økonometri ved David Kreiberg Vår 2011

Econ 2130 uke 13 (HG)

Oversikt over konfidensintervall i Econ 2130

Oversikt over tester i Econ 2130

TMA4245 Statistikk Eksamen august 2014

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Formler og regler i statistikk ifølge lærebok Gunnar Løvås: Statistikk for universiteter og høgskoler

Seminaroppgaver for uke 13

Seminaroppgaver for uke 13 (Oppgave (1), (2), og (3))

Løsningskisse seminaroppgaver uke 17 ( april)

Regler om normalfordelingen

Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Regler om normalfordelingen

EKSAMEN løsningsforslag

Regler om normalfordelingen

Løsningsforslag (ST1201/ST , kontinuasjonseksamen) ln L. X i = 2n.

Forelesning 21 og 22 Goodness of fit test and contingency table ( 2 test og krysstabell)

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL

TMA4240 Statistikk Høst 2016

Statistikk med anvendelse i økonomi

Forelesning Ordnings observatorer

Avdeling for estetiske fag, folkekultur og lærerutdanning BOKMÅL 29. mai 2007

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT. Innleveringssted: Ekspedisjonen i 12. etasje (mellom ) OG Fronter (innen klokken 15).

Oppgave 1 Det er oppgitt i oppgaveteksten at estimatoren er forventningsrett, så vi vet allerede at E(ˆµ) = µ. Variansen til ˆµ er 2 2 ( )

TMA4245 Statistikk Eksamen 21. mai 2013

Oversikt over tester i Econ 2130

Forelesning Punktestimering

Løsningsforslag Eksamen i Statistikk Nov 2001 Oppgave 1 a) Det fins 8 mulige kombinasjoner. Disse finnes ved å utelate ett og ett tall.

Om enkel lineær regresjon I

Oppgave 1 ECON 2130 EKSAMEN 2011 VÅR

Randi Johannessen. Mikroindeksformel i konsumprisindeksen. 2001/64 Notater 2001

Eksempel 1 - Er gjennomsnittshøyden for kvinner i Norge økende?

Introduksjon. Hypotesetesting / inferens (kap 3) Populasjon og utvalg. Populasjon og utvalg. Populasjonsvarians

Om enkel lineær regresjon I

Makroøkonomi - B1. Innledning. Begrep. B. Makroøkonomi. Mundells trilemma går ut på følgende:

Påliteligheten til en stikkprøve

Estimering 1 -Punktestimering

ARBEIDSNOTAT ARBEIDSNOTAT

Estimering 1 -Punktestimering

TMA4240/4245 Statistikk Eksamen august 2016

Medisinsk statistikk, del II, vår 2008 KLMED Lineær regresjon, Rosner Regresjon?

Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Medisinsk statistikk, del II, vår 2009 KLMED 8005

Enveis variansanalyse (One-way ANOVA, fixed effects model) (Notat til Kap. 12 i Rosner)

Erling Siring INNHOLD

ØVINGER 2017 Løsninger til oppgaver

ECON240 Statistikk og økonometri

EKSAMEN. Oppgavesettet består av 5 oppgaver, hvor vekten til hver oppgave er angitt i prosent i oppgaveteksten. Alle oppgavene skal besvares.

(ii) Anta vi vet om en observasjon av X at den ikke er større enn 5. Hva er da sannsynligheten for at den er lik 5? (Hint: Finn PX ( = 5 X 5) ).

KLMED8004 Medisinsk statistikk. Del I, høst Estimering. Tidligere sett på. Eksempel hypertensjon

Positive rekker. Forelest: 3. Sept, 2004

Oversikt over konfidensintervall i Econ 2130

Seleksjon og uttak av alderspensjon fra Folketrygden

Oppgaver fra boka: Med lik men ukjent varians antatt har vi fra pensum at. t n1 +n 2 2 under H 0 (12 1) (12 1)

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt

Estimering og hypotesetesting. Estimering og hypotesetesting. Estimering og hypotesetesting. Kapittel 10. Ett- og toutvalgs hypotesetesting

Lineær regresjonsanalyse (13.4)

Oversikt over konfidensintervall i Econ 2130

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Forelesning 3 mandag den 25. august

Del A: Diskret optimering og heuristiske metoder Leksjon 2

Emnenavn: Eksamenstid: 4 timer. Faglærer: Hans Kristian Bekkevard

Kap. 9: Inferens om én populasjon. Egenskaper ved t-fordelingen. ST0202 Statistikk for samfunnsvitere. I Kapittel 8 brukte vi observatoren

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

Econ 2130 uke 15 (HG) Poissonfordelingen og innføring i estimering

TMA4245 Statistikk Vår 2015

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

Kap. 9: Inferens om én populasjon

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

i B maksimal b Fundamentalteoremet for lineærprogrammering Den leksikografiske metode Blands pivoteringregel MoD233 - Geir Hasle - Leksjon 4 2

STK1100 våren 2017 Estimering

X = 1 5. X i, i=1. som vil være normalfordelt med forventningsverdi E( X) = µ og varians Var( X) = σ 2 /5. En rimelig estimator for variansen er

Forventningsverdi. MAT0100V Sannsynlighetsregning og kombinatorikk

Transkript:

Notat : Gruleggede statstkk og troduksjo tl økoometr Gruleggede statstkk Populasjo vs. utvalg Statstsk feres gjør bruk av formasjoe et utvalg tl å trekke koklusjoer (el. slutger) om populasjoe som utvalget er tatt fra. Grulaget for statstsk feres har stt utsprg skllet mellom populasjoe og utvalget. Defsjoer Populasjo: De uverselle megde av alle objekter eller dvder e stude. Utvalg: E udergruppe av populasjoe. Populasjoe represeterer hele gruppe av dvder e forsker eller aalytker er teressert. Dersom v har tlgag tl hele populasjoe vl det utgagspuktet være lte eller ge gru tl å utføre statstsk hypotesetestg. Det vser seg mdlertd både kostbart og tl dels umulg å samle data for hele populasjoe. E mer overkommelg oppgave er å samle data for et utvalg av populasjoe. Estmerg Ie statstkk skller v mellom e estmator og et estmat. E estmator er e fuksjo (ormalt formulert som et matematsk uttrykk eller formel) som brukes tl å estmere e ukjet populasjosparameter. Et estmat er dermot resultatet av de faktske avedelse av estmatore på et bestemt sett av data. Et aet, og ofte brukt, uttrykk for estmat er aslag. Ulke deskrptve mål Belggehetsmål E populasjo ka ha flere teressate parametre. E av dsse parametree er populasjoes gjeomstt eller mddelverd. Gjeomsttet represeterer populasjoes mdtpukt. Ta utgagspukt de stokastske varabele. I e edelg populasjo beståede av dvder fer v populasjosgjeomsttet ved følgede uttrykk μ =, =

hvor μ er populasjosgjeomsttet. Dersom for represeterer et utvalg beståede {,..., } av målger (el. observasjoer) fra e populasjo, fer v gjeomsttet ved = = gtt ved utrykket ovefor er her vår estmator av populasjosgjeomsttet represetert ved μ. Vårt estmat er de faktske tallverde v bereger år v aveder på et utvalg av målger gtt ved:,...,. Gjeomstt er det mest kjete og også det mest brukte belggehetsmålet. Adre kjete mål på belggehet er meda og modus. Spredgsmål Varase er et mål på varasjoe data. Varase bereges som gjeomsttet av de kvadrerte avvk fra gjeomsttet. Formele for varas e edelg populasjo er gtt ved følgede uttrykk σ = ( μ) = Basert på et utvalg av dvder estmerer v σ ved hjelp av s = ( ) = = TSS, Merk forskjelle mellom σ og s. I beregge av σ deler v på. For å få et forvetgsrett estmat på σ må v mdlertd dele på beregge av s. V ser at forskjelle mellom σ og s mker år utvalgsstørrelse ærmer seg populasjosstørrelse. Faktsk vl det være slk at e uedelg populasjo vl s σ år utvalgsstørrelse går mot uedelg. Et ært beslektet begrep tl varas er stadardavvk. Stadardavvket tl varabele er gaske ekelt kvadratrote av varase s = s Mage applkasjoer e statstkk gjør bruk av stadardavvk. Mål på samvarasjo kovaras og korrelasjo Kovarase mellom to stokastske varabler måler hvor mye to varabler varerer samme (tl forskjell fra varas, som måler hvor mye e ekelt varabel varerer seg selv). Med utgagspukt de mest valge otasjoe fer v de estmerte kovarase mellom varablee Y og ved hjelp av følgede uttrykk s = ( Y Y)( ) Y =

Som det fremgår av uttrykket, kovarase mellom Y og er postv år avvket: (egatv) samtdg som det er e tedes tl at også avvket: Y Y er postv er postv (egatv). Sagt med adre ord, kovarase mellom de to varablee er postv dersom varablee har e tedes tl å følge hveradre. Postv kovaras ka grafsk llustreres på følgede måte: 0.0 0.08 A B 0.06 0.04 y 0.0 0.00-0.0 Y -0.04-0.06 C D -0.06-0.04-0.0 0.00 0.0 0.04 0.06 0.08 0.0 x Merk at mesteparte av observasjoee befer seg kvadratee B og C. Motsatt har v at kovarase mellom Y og er egatv år avvket: Y er postvt (egatvt) samtdg som det er e tedes tl at også avvket: Y er egatvt (postvt). Med adre ord: Kovarase mellom de to varablee er egatv dersom de to varabler har e tedes tl å gå mot hveradre. Grafsk ser det slk ut: 0.0 0.08 A B 0.06 0.04 y 0.0 0.00-0.0 Y -0.04-0.06 C D -0.0-0.08-0.06-0.04-0.0 0.00 0.0 0.04 0.06 x 3

V ser å at mesteparte av observasjoee er å fe kvadratee A og D. Dersom kovarase mellom Y og er ær ull, da vl v se at observasjoee fordeler seg okså jevt alle kvadratee dagrammet. Merk også at kovarase mellom e varabel og seg selv er lk varase. Dette ka v ekelt vse ved hjelp av følgede utregg s = ( )( ) = = ( ) = = s Kovarase er et mye brukt mål e statstkk. Det vser seg mdlertd at kovarase er oe begreset som deskrptvt mål. I prakss vl det ofte være vaskelg å vurdere omfaget av samvarasjo mellom to varabler basert på kovarase alee. For å komme rudt dette problemet, skalerer v kovarase på følgede måte: r Y ( Y Y)( ) sy s s s s = = = Y Y hvor r er korrelasjoe mellom Y og. Korrelasjo er et stadardsert mål slk at, Y r ; Y + hvor r dkerer e perfekt egatv sammeheg mellom Y og, mes dkerer e Y = r =+ Y perfekt postv sammeheg. r = 0 dkerer ge sammeheg mellom de to varablee. Y Itroduksjo tl økoometr Hva er Økoometr? I all hovedsak hadler økoometr om hvorda v ka tallfeste og teste økoomske sammeheger ved hjelp av økoomske data. Sagt ltt aerledes: Heskte med økoometrsk aalyse er å tlege seg kuskap om økoomske sammeheger ved hjelp av data. Målet med økoometrske aalyser (el. regresjosaalyser) er å udersøke forholdet mellom e avhegg varabel (også kalt resposvarabel) og e eller flere uavhegge varabler (også kalt predktorer eller forklargsvarabler). De matematske modelle som beskrver dette forholdet er regresjoslgge. E regresjoslgg eholder e eller flere ukjete regresjosparametre (el. koeffseter) som kytter de uavhegge varabler tl de avhegge. Parametree ka estmeres fra gtte realsasjoer av de avhegge og uavhegge varabler modelle. Fra teor tl empr med et eksempel Formulerge av de matematske modelle dkteres hovedsak av økoomsk teor og skt problemstllge som øskes udersøkt. Eksempel: 4

La oss ta utgagspukt kaptalverdmodelle (modelle bør være kjet for studeter som har tatt et troduksjoskurs fasell økoom). De teoretske formulerge av modelle er gtt ved ( ) ( ) E r = rf + β E r rf j j m, ( ) hvor E r er forvetet avkastg tl eedel j (for eksempel e aksje eller et aksjefod), rf er j avkastge på e rskofr vesterg, er eedeles systematske rsko og E r j forvetede avkastg. De emprske formulerge av modelle ser slk ut: R rf = α + β R rf u jt t j j + mt t t β ( ) m er markedets Legg merke tl at de emprske formulerge på flere måter skller seg fra de teoretske. Blat aet ser v at de emprske formulerge holder koeffsete α. I de teoretske formulerge er α lk 0. I tllegg ser v at de emprske formulerge eholder et felledd. Dette felleddet fager opp de uke varasjoe avkastge tl eedel j. De uke varasjoe utgjør varasjo avkastge som kke ka tlskrves varasjoe markedsportefølje. De teoretske formulerge er e modell for forvetet avkastg og har dermed kke oe felledd. Felleddet represeterer dermed de usystematske rskoe kyttet tl avkastge eedel j. 5