4EK211 Základy ekonometrie Modely simultánních rovnic Problém identifikace strukturních simultánních rovnic Cvičení 12 13. 5. / 14. 5. 2014 Zuzana.

Slides:



Advertisements
Podobné prezentace
PLAYBOY Kalendar 2007.
Advertisements

ZÁKLADY EKONOMETRIE 6. cvičení Autokorelace
Téma 5 Metody řešení desek, metoda sítí.
Konvekce Konvekce 1.
Cvičení 9 – Ekonomická funkce nelineární v parametrech :
TEORIE ROZHODOVÁNÍ A TEORIE HER
Dynamické systémy.
*Zdroj: Průzkum spotřebitelů Komise EU, ukazatel GfK. Ekonomická očekávání v Evropě Březen.
SINOVÁ VĚTA PRO III. ROČNÍK SOU Poznámky pro žáky se SPU DOC PDF
Úvod Klasifikace disciplín operačního výzkumu
Odhady parametrů základního souboru
Ručně vyráběný kalendář 2014 »» výsledky hlasování ««
Cvičení 6 – 25. října 2010 Heteroskedasticita
Predikce Zobecněná MNČ
Téma 3 ODM, analýza prutové soustavy, řešení nosníků
Cvičení října 2010.
ZÁKLADY EKONOMETRIE 10 cvičení Cobb-Douglas PF
4EK211 Základy ekonometrie Logistická křivka Umělé proměnné Cvičení /
4EK211 Základy ekonometrie Autokorelace Cvičení /
4EK211 Základy ekonometrie Heteroskedasticita Cvičení – 8
Lineární regresní analýza Úvod od problému
AnotacePrezentace, která se zabývá opakováním znalostí o zlomcích. AutorMgr. Václav Simandl JazykČeština Očekávaný výstupŽáci opakují znalosti o zlomcích.
Náhodná složka G-M předpoklady Vlastnoti bodové odhadové funkce.
ZÁKLADY EKONOMETRIE 7. cvičení Heteroskedasticita
ZÁKLADY EKONOMETRIE 4. cvičení PREDIKCE MULTIKOLINEARITA
ZÁKLADY EKONOMETRIE 2. cvičení KLRM
ZÁKLADY EKONOMETRIE 8. cvičení MZNČ
Sylabus V rámci PNV budeme řešit konkrétní úlohy a to z následujících oblastí: Nelineární úlohy Řešení nelineárních rovnic Numerická integrace Lineární.
4EK211 Základy ekonometrie Úvod do předmětu – obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné.
4EK416 Ekonometrie Úvod do předmětu – obecné informace
Lineární algebra.
Vzdělávací materiál / DUMVY_32_INOVACE_02B14 Příkazový řádek: obsah souborů PŘÍKLADY AutorIng. Petr Haman Období vytvořeníLeden 2013 Ročník / věková kategorie3.
MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA reg. č.: CZ.1.07/1.4.00/ Základní škola, Šlapanice, okres Brno-venkov, příspěvková organizace Masarykovo nám.
VY_32_INOVACE_ 14_ sčítání a odčítání do 100 (SADA ČÍSLO 5)
Regresní analýza a korelační analýza
64. Odhady úplných chyb a vah funkcí BrnoLenka Bocková.
Získávání informací Získání informací o reálném systému
Gravitační vlny v přesných řešeních Einsteinových rovnic RNDr
Dělení se zbytkem 6 MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA
Dělení se zbytkem 5 MODERNÍ A KONKURENCESCHOPNÁ ŠKOLA
Obchodní akademie, Ostrava-Poruba, příspěvková organizace
LOGISTICKÉ SYSTÉMY 4/14.
Jazyk vývojových diagramů
Posloupnosti, řady Posloupnost je každá funkce daná nějakým předpisem, jejímž definičním oborem je množina všech přirozených čísel n=1,2,3,… Zapisujeme.
KIV/PRO Cvičení Nalezení maxima Nalezněte (co nejefektivněji) maximum v následující posloupnosti: – 2; 12; 8; 39; 9; 4; 3; 20; 28; 19;
Násobení zlomků – teorie a cvičení VY_32_INOVACE_19
Zásady pozorování a vyjednávání Soustředění – zaznamenat (podívat se) – udržet (zobrazit) v povědomí – představit si – (opakovat, pokud se nezdaří /doma/)
Základy ekonometrie Cvičení září 2010.
Projekt PŘEDPOVĚĎ POČASÍ. projekt PŘEDPOVĚĎ POČASÍ.
PROPORCIONÁLNÍ TECHNIKA V HYDRAULICE Seminář 4. června 2014
Vnějšího prostředí Marián Vávra Ekonomické modelování.
Makroekonomie I ( Cvičení 13 – Mezinárodní obchod a obchodní politika)
Základy ekonometrie Cvičení října 2010.
Číslo projektu CZ.1.07/1.500/ Číslo materiálu VY_42_INOVACE_matematika_22 Název školy Táborské soukromé gymnázium, s. r. o. Autor Bc. Ivana Kotková.
Základy ekonometrie Cvičení 3 4. října 2010.
Gymnázium Jiřího Ortena KUTNÁ HORA Předmět: Matematika Cílová skupina: 1. ročník (kvinta) gymnázia Oblast podpory: IV/2 Inovace a zkvalitnění výuky směřující.
1 Celostátní konference ředitelů gymnázií ČR AŘG ČR P ř e r o v Mezikrajová komparace ekonomiky gymnázií.
Technické kreslení.
ANALÝZA VÝSLEDKŮ LINEÁRNÍHO OPTIMALIZAČNÍHO MODELU
Simultánní rovnice Tomáš Cahlík
REGIONÁLNÍ ANALÝZA Cvičení 3 Evropský sociální fond
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
Katedra ekonometrie1 Optimalizace. Katedra ekonometrie2 Příklad – ekonomický model švestky cukr 150 kg 20 kg kompot slivovice povidla Cena/jedn. 20 Kč/ks.
Základy ekonometrie 4EK211
Jednoduchý lineární regresní model Tomáš Cahlík 2. týden
Aplikovaná statistika 2.
Operační výzkum Lineární programování Dualita v úlohách lineárního programování. Operační program Vzdělávání pro konkurenceschopnost Název projektu: Inovace.
Statistické metody pro prognostiku Luboš Marek Fakulta informatiky a statistiky Vysoká škola ekonomická v Praze.
Ekonometrie1.část Vyučující Ing. Pavlína Hálová, Ph.D kancelář č.379 tel.linka 2062 Konzultační hodiny: Po 14:00 – 15:
Ekonometrické modely poptávky Spotřeba Poptávka. Typy poptávky  Agregovaná  Desagregovaná – dílčí Poptávka jednotlivých spotřebitelů Poptávka po jednotlivých.
Transkript prezentace:

4EK211 Základy ekonometrie Modely simultánních rovnic Problém identifikace strukturních simultánních rovnic Cvičení 12 13. 5. / 14. 5. 2014 Zuzana Dlouhá

Modely simultánních rovnic (MSR) existence vzájemných vazeb mezi proměnnými v modelu, které nemůžeme popsat pouze jednou rovnicí, nýbrž soustavou rovnic, ve kterých jsou proměnné vzájemně závislé rekurzivní MSR = mezi proměnnými v MSR neexistuje zpětná vazba, ale pouze jednostranná závislost interdependentní MSR = mezi endogenními proměnnými v MSR existují zpětné vazby Proměnné v MSR: endogenní – snažíme se vysvětlit pomocí modelu (Y) exogenní – proměnné určené mimo model (X) predeterminované – exogenní + zpožděné endogenní (Xt, Yt-1) Rovnice v MSR: stochastické – neznámé parametry + náhodná složka identita – bilanční rovnice, podmínka rovnováhy nebo definiční rovnice 2 2

Modely simultánních rovnic (MSR) Uvažujme příklad: Ct = α0 + α1Yt + α2Ct-1 + ut1 (1) Yt = β0 + β1It + β2Mt + ut2 (2) It = γ0 + γ1Rt + γ2It-1 + ut3 (3) Gt = Yt – Ct – It (4) (1)-(3) = stochastické rovnice (4) = identita endogenní proměnné: Ct, Yt, It, Gt exogenní proměnné: Mt, Rt predeterminované proměnné: Mt, Rt, Ct-1, It-1 3 3

Modely simultánních rovnic (MSR) Možné tvary MSR strukturní tvar = strukturní rovnice a strukturní parametry – specifikace vychází z ekonomické teorie (znázorňuje strukturu zkoumaného systému) Ct = α0 + α1Yt + α2Ct-1 + ut1 (1) Yt = β0 + β1It + β2Mt + ut2 (2) It = γ0 + γ1Rt + γ2It-1 + ut3 (3) Gt = Yt – Ct – It (4) redukovaný tvar = vyjádříme všechny endogenní proměnné jako funkce pouze predeterminovaných proměnných – tj. zkusím z rovnice (2) dosadit Yt do rovnice (1) a podívám se, jestli jsou na pravé straně jenom predeterminované proměnné,… – nemění se počet rovnic modelu – někdy nelze vyjádřit všechny endogenní proměnné jako funkce predeterminovaných proměnných jednoznačně!!! – parametry redukovaného tvaru = přímé / běžné a dynamické multiplikátory konečný tvar = v případě, když MSR obsahuje zpožděné endogenní proměnné – jednotlivé nezpožděné endogenní proměnné jsou funkce jejich hodnot ve výchozím období, běžných a zpožděných hodnot exogenních proměnných a náhodných složek 4 4

Problém identifikace strukturních simultánních rovnic viz dokument MSR_identifikace.doc 5 5

Problém identifikace – příklady 1. Stanovte identifikaci soustavy: y1t = β13y3t + δ11x1t + δ13x3t + δ14x4t + u1t y2t = β21y1t + β23y3t + δ21x1t+ δ22x2t+ δ23x3t + u2t y3t = β31y1t + δ31x1t + δ34x4t + u3t 2. Stanovte identifikaci soustavy: y1t = β10 + α12y2t + α14x1t + β12x2t + u1t y2t = β20 + α22y2,t-1 + β21x1t + u2t y3t = β30 + α31y1t + β31x1t + β33y2,t-1 + u3t y4t = β40 + α42y2t + β41x1t + β43y2,t-1 + u4t 6 6

Metody odhadu MSR S omezenou informací nezohledňují informace z ostatních rovnic, odhaduji každou rovnici zvlášť, nejsou tak náročné na počet pozorování, nejsou výpočetně složité, jsou v praxi rozšířenější, metody vycházející z MNČ: např. metoda nepřímých nejmenších čtverců (MNNČ), metoda dvoustupňových nejmenších čtverců (M2NČ). S úplnou informací odhadují všechny rovnice najednou, berou tedy v potaz všechny informace obsažené ve všech rovnicích, vyžadují větší počet pozorování, z logiky věci se zdají být vhodnější pro MSR, jsou výpočetně náročnější, jsou velmi citlivé na specifikační chyby, pokud špatně specifikujeme jednu rovnici, chyba se rozšíří do všech rovnic, metody vycházející z MNČ: např. metoda třístupňových nejmenších čtverců (M3NČ). 7 7

Modely simultánních rovnic (MSR) – příklad Soubor: CV12_PR1.xls Data: C = celková spotřeba ve stálých cenách; endogenní Y = HDP ve stálých cenách; endogenní I = hrubé investice do výroby ve stálých cenách; předetermin. Zadání: MSR ve strukturálním tvaru: Ci = α0 + α1Yi + u1i Yi = β0 + β1Ii + u2i Yi = Ci + Ii i = 1,2,…,8 odvoďte redukovaný tvar modelu je soustava identifikovaná? odhadněte MSR pomocí EViews 8 8

Modely simultánních rovnic (MSR) – příklad Soubor: CV12_PR2.xls Data: y1t = cena zboží (USD/kg) y2t = objem zboží (kg) x1t = cena substitučního zboží (USD/kg) x2t = disponibilní příjem (USD) x3t = cena pronájmu skladovacích prostor (USD/den) Zadání: MSR ve strukturálním tvaru: y2t = α0 + α1y1t + α2x1t + α3x2t + u1t y2t = β0 + β1y1t + β2x3t + u2t Redukovaný tvar MSR: je soustava identifikovaná? odhadněte MSR pomocí EViews 9 9