Praktické využití regresní analýzy Struktura národního hospodářství a znečištění ovzduší v tranzitivních ekonomikách: Případ České republiky Gabriela Jandová.

Slides:



Advertisements
Podobné prezentace
ZÁKLADY EKONOMETRIE 6. cvičení Autokorelace
Advertisements

Sedm základních nástrojů managementu jakosti
Testování statistických hypotéz
Cvičení 6 – 25. října 2010 Heteroskedasticita
Predikce Zobecněná MNČ
Cvičení října 2010.
4EK211 Základy ekonometrie Autokorelace Cvičení /
Lineární regresní analýza Úvod od problému
Robustní vyrovnání Věra Pavlíčková, únor 2014.
Úvod do regresní analýzy
Regresní analýza a korelační analýza
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
Získávání informací Získání informací o reálném systému
CHYBY MĚŘENÍ.
Hypotézy ve výzkumu.
Analýza dat.
Obecný lineární model Analýza kovariance Nelineární modely
Základy ekonometrie Cvičení září 2010.
Sociologický výzkum.
Základy ekonometrie Cvičení října 2010.
Řízení a supervize v sociálních a zdravotnických organizacích
Základy ekonometrie Cvičení 3 4. října 2010.
Lineární regrese.
Simultánní rovnice Tomáš Cahlík
Testy významnosti Karel Mach. Princip (podstata): Potvrzení H O Vyvrácení H O →přijmutí H 1 (H A ) Ptáme se:  1.) Pochází zkoumaný výběr (jeho x, s 2.
Dokumentace informačního systému
VY_32_INOVACE_EKO_06 MARKETINGOVÝ VÝZKUM I. Autor: Ing. Hana Motyčková „Autor je výhradní tvůrce materiálu.“ Datum vytvoření: Klíčová slova:
Lineární regresní model Statistická inference Tomáš Cahlík 4. týden.
Statistika Zkoumání závislostí
Korelace a elaborace aneb úvod do vztahů proměnných
Lineární regrese.
REGIONÁLNÍ ANALÝZA Cvičení 3 Evropský sociální fond
Lineární regresní analýza
Biostatistika 7. přednáška
- Pojmy - SPSS Statistické zpracování kvantitativních šetření.
Jedno-indexový model a určení podílů cenných papírů v portfoliu
Ekonometrie „ … ekonometrie je kvantitativní ekonomická disciplína, která se zabývá především měřením v ekonomice na základě analýzy reálných statistických.
AEM – význam a vliv krajských energetických koncepcí.. ENVIROS s.r.o. Vladimíra Henelová a kol. ÚEK - územní interpretace Státní energetické koncepce.
Fitování Konstrukce křivky (funkce), která co nejlépe odpovídá naměřeným hodnotám. - může podléhat dodatečným podmínkám Lineární vs. nelineární regrese.
Základy ekonometrie 4EK211
8. Kontingenční tabulky a χ2 test
Biostatistika 8. přednáška
Kvantitativní metody výzkumu v praxi
Jednoduchý lineární regresní model Tomáš Cahlík 2. týden
Biostatistika 1. přednáška Aneta Hybšová
Marketingový průzkum Milan Mrázek Matematika & Business
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
Aplikovaná statistika 2. Veronika Svobodová
METODY STŘEDNĚDOBÉHO PROGNÓZOVÁNÍ SURO jaro 2010.
Postup při empirickém kvantitativním výzkumu
Přenos nejistoty Náhodná veličina y, která je funkcí náhodných proměnných xi: xi se řídí rozděleními pi(xi) → můžeme najít jejich střední hodnoty mi a.
IV..
Aplikovaná statistika 2.
REGRESNÍ ANALÝZA Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České Budějovice.
Statistické metody pro prognostiku Luboš Marek Fakulta informatiky a statistiky Vysoká škola ekonomická v Praze.
Základy zpracování geologických dat R. Čopjaková.
Ověření modelů a modelování Kateřina Růžičková. Posouzení kvality modelu Ověření (verifikace) ● kvalitativní hodnocení správnosti modelu ● zda model přijatelně.
Ekonometrie1.část Vyučující Ing. Pavlína Hálová, Ph.D kancelář č.379 tel.linka 2062 Konzultační hodiny: Po 14:00 – 15:
Metody zkoumání závislosti numerických proměnných
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
INDUKTIVNÍ STATISTIKA
Chyby měření / nejistoty měření
Prostorová analýza voleb POL 509
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Úvod do statistického testování
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
Úvod do induktivní statistiky
Plánování přesnosti měření v IG Úvod – základní nástroje TCHAVP
Lineární regrese.
7. Kontingenční tabulky a χ2 test
Transkript prezentace:

Praktické využití regresní analýzy Struktura národního hospodářství a znečištění ovzduší v tranzitivních ekonomikách: Případ České republiky Gabriela Jandová Michaela Krčílková

Obsah prezentace I.Představení regresních modelů II.Sestavení regresního modelu III.Výsledky a jejich analýza

snaží se o zachycení skutečnosti s využitím systémů rovnic. vysvětlují vztahy mezi proměnnými. umožňují kvantifikaci těchto vztahů. I. Regresní modely

II. Sestavení regresního modelu Konceptuální model Hypotézy Rovnice Sběr dat Výpočet Ověření Chyby modelu

je grafické vyobrazení skutečnosti. slouží pro specifikaci hledaných vazeb. je nástrojem pro konkretizování podstatných faktorů a pro zpřesnění hledaného problému. měl by ujasnit naše předpoklady a pomoci při volbě metod dalšího šetření. Sestavení regresního modelu Konceptuální model

Náš konceptuální model Agriculture IndustryServices Individual people Economic system Air Soil Water Organisms Ecological system Political system INPUTS: production resources OUTPUTS: products, waste

Hypotézy vyjadřují předpoklady a očekávání o zkoumaných jevech. Jejich potvrzení či zamítnutí je cílem regresní analýzy. Sestavení regresního modelu

Naše hypotézy Znečištění ovzduší je závislé na struktuře národního hospodářství. Průmysl je největším znečišťovatelem ovzduší. V průběhu 90. let došlo v České republice k výraznému zlepšení kvality ovzduší. Tohoto zlepšení nebylo dosaženo díky poklesu výkonnosti hospodářství.

Rovnice musí zahrnovat podstatné a stálé vazby mezi zkoumanými jevy. obsahují vysvětlované a vysvětlující proměnné. Vypočtené regresní koeficienty měří vliv dané vysvětlující proměnné na proměnnou vysvětlovanou. Sestavení regresního modelu 1.

Požadavky na proměnné: Měřitelnost Dostupnost Přesvědčivost Testovatelnost Jednotné metody měření Rovnice 2. Srovnatelnost Časové řady Vzájemná nezávislost Jedinečnost Vhodnost Sestavení regresního modelu

Naše rovnice Kde: Y n = závislé (vysvětlované) proměnné (NOx, CO, Prach) X 1 = Hrubá přidaná hodnota dosažená v sektoru zemědělství X 2 = Hrubá přidaná hodnota dosažená v sektoru průmyslu X 3 = Hrubá přidaná hodnota dosažená v sektoru služeb  = Náhodná proměnná  1  2  3 = regresní koeficienty Y n =  n1 X 1 +  n2 X 2 +  n3 X 3 +  n

Sběr dat Zprávy statistického úřadu Knižní publikace Internet Žurnály a odborné publikace Interview Zdroje: Sestavení regresního modelu

Naše data Podkladové údaje nutné pro sestavení matic umožňujících výpočet jsme získaly od regionálních poboček Českého statistického úřadu a Hydrometeorologického úřadu. 1. Ukázka formuláře získaného od ČSÚ

Pro získání dat bylo nutné em oslovit všech 14 regionů. V některých případech bylo nutné žádost několikrát opakovat. Naše data 2.

Pro získání matic bylo nutné obdržená data dále upravit. Naše data 3. Příklad matic pro výpočet NO x

Výpočet Metoda nejmenších čtverců (MNČ) Dvoustupňová metoda nejmenších čtverců (2MNČ) Instrumentální proměnné Maximum likelihood method General least square Non-linear least square Sestavení regresního modelu

Naše výpočty Použitá metoda: MNČ Výsledky:

Ověření statistické ověření  Koeficient korelace – R 2 Hodnota R 2 by měla být vyšší než 0,66.  T-test Vypočtené hodnoty pro t-test musí být v absolutní hodnotě větší než kritické hodnoty pro danou hladinu významnosti uvedené ve statistických tabulkách.  F-test Získané hodnoty musí být vyšší než hodnoty tabulkové.  Interval spolehlivosti Vypočtené intervaly nesmí obsahovat nulu. logické posouzení Sestavení regresního modelu

Ověření našeho modelu Statistické ověření 1.

Ověření našeho modelu Statistické ověření 2. Intervaly spolehlivosti:

Ověření našeho modelu Logické posouzení Koeficienty pro průmysl jsou kladné. Koeficienty pro služby a zemědělství jsou záporné.

Chyby v modelech Indikátory chyb  Nízká hodnota koeficientu korelace  Regresní koeficienty nejsou významné  Nula leží v intervalu spolehlivosti Příčiny chyb:  Špatná volba proměnných  Zanedbání důležitých faktorů  Rovnice nejsou identifikované  Chyby při sběru a zpracování dat  Krátké časové řady, málo napozorovaných hodnot Sestavení regresního modelu

Experimentování s modelem Výpočet s aditivní konstantou

III. ANALÝZA VÝSLEDKŮ je důležitým krokem pro správnou interpretaci modelu. je zakončena potvrzením či zamítnutím hypotéz.

Analýza našich výsledků Statistická významnost koeficientů dokazuje platnost první hypotézy. První hypotéza 1. Znečištění ovzduší je závislé na struktuře národního hospodářství.

Druhou hypotézu dokazuje fakt, že koeficienty průmyslu mají nejvyšší hodnotu a jsou kladné. Analýza našich výsledků Druhá hypotéza 2. Průmysl je největším znečišťovatelem ovzduší.

Pokles všech koeficientů v čase dokazuje platnost třetí hypotézy. Analýza našich výsledků Třetí hypotéza 3. V průběhu 90. let došlo v České republice k výraznému zlepšení kvality ovzduší. Tohoto zlepšení nebylo dosaženo díky poklesu výkonnosti hospodářství.

Shrnutí Všechny hypotézy byly potvrzeny. Návrh na další využití modelu: Vyzkoušet platnost modelu v netranzitivních ekonomikách. Použít model v zemích s větším počtem regionů.

KONEC