- Stahuj zápisky z přednášek a ostatní studijní materiály
- Zapisuj si jen kvalitní vyučující (obsáhlá databáze referencí)
- Nastav si své předměty a buď stále v obraze
- Zapoj se svojí aktivitou do soutěže o ceny
- Založ si svůj profil, aby tě tví spolužáci mohli najít
- Najdi své přátele podle místa kde bydlíš nebo školy kterou studuješ
- Diskutuj ve skupinách o tématech, které tě zajímají
Studijní materiály
Zjednodušená ukázka:
Stáhnout celý tento materiálZákladní pojmy a metody
Ekonometrie
= vědní disciplína a obor ekonomie představující systém poznatků za matematiky, statistiky a ekonomických teorií
vznikla ve 30. letech 20. století - velká ekonomická krize (zjistilo se, že ekonomické jevy jsou stochastické)
50. léta - další etapa vývoje ekonometrie
dva vlivy:ekonomický - začalo se brát v úvahu, že výrobní zdroje jsou omezené
politický - rozdělení světa na kapitalistickou a socialistickou část
předmětem ekonometrie je na základě ekonomické teorie a matematicko-statistických metod kvantifikace vztahů mezi ekonomickými veličinami pro modelování vývoje zkoumaného jevu
Model
představuje jakékoliv zobrazení skutečného jevu, který je reálný systém nebo proces (zjednodušení reality)
vysvětluje a předpovídá jeho chování z důvodu možnosti jeho řízení
jde o hlavní nástroj ekonometrického zkoumání
na modelu dokážeme lépe pochopit fungování systému a tím můžeme lépe odhadnout jeho chování v budoucnu ( snižuje se míra rizika neurčitosti v budoucnosti chování systému - ekonometrické modelování
Typologie modelů podle historického vývoje:
věcně-logické modely (např. filozofický výrok)
fyzikální modely (např. Archimedův zákon)
geometrické modely (např. model nabídky a poptávky - tržní rovnováha)
algebraické modely (matematické modely)
ekonometrické modely jsou specifickou formou algebraických modelů (jsou to algebraické modely, které obsahují alespoň jednu stochastickou proměnnou)
Ekonometrický model (EKM)
vysvětluje chování ekonomických proměnných představovaných jejich různými kvantitativními hodnotami v minulém období a zjišťuje důvody jejich chování na základě kvantifikace vztahů mezi těmito veličinami
zkoumají se příčinné souvislosti mezi proměnnými (jak se navzájem ovlivňují)
ekonomický ( ekonometrický model
ekonomický model - př. Y = f (L, K) - předpokládáme vztah mezi HDP a výrobními faktory
EKM - př. Y = (K + (L - konkrétní funkční vztah (rozšíření ekonomického modelu)
Fáze konstrukce EKM:
formulace ekonomického modelu zkoumané reality
vymezení předmětu zájmu
výběr a klasifikace proměnných
volba funkčního vztahu
formulace matematických rovnic charakterizujících danou ekonomickou strukturu
zajištění datové základny (shromažďování dat, úprava primární podkladových údajů - agregace, desagregace, očišťování)
odhady strukturálních parametrů na základě zvolené metody
vektor strukturálních parametrů aplikujeme do modelu
analýza, prognóza ekonomického jevu a zpětná kontrola
musí se vždy provést verifikace:
věcně logická - výsledek musí odpovídat teoretickým předpokladům modelu
matematická - klasická zkouška dosazením výsledků do zadání
statistická - v modelu pracujeme pouze s výběrovým souborem, proto se musí testovat obecná platnost výsledků (zobecnitelnost) - testuje se každý parametr, rovnice
Obsah EKM:
rovnice - 2 typy:stochastické - obsahují stochastickou proměnnou (cca 98 % rovnic)
identitní - neobsahují stochastickou proměnnou, zvyšují vnitřní závislost v rámci modelové struktury, což je nežádoucí jev
proměnné - 3 typy - každá reprezentuje jednotlivou charakteristiku nebo jev
strukturální parametry - 2 druhy - kvantifikují vztahy
Proměnné v EKM
Typy proměnných:
endogenní (závislé) = proměnná, jejíž velikost je generována modelem
značí se Yi, t, dílčí proměnné yi, t
stojí nalevo od znaménka =
indexy umožňují jednoznačně identifikovat proměnné (i … pořadové číslo proměnné, t … poloha v čase - t = současnost nebo t-n = minulost, nikdy ne t+n = prognóza do budoucna)
exogenní (nezávislé) - pomocí nich se vysvětlují hodnoty endogenních proměnných
značí se Xi, t ,dílčí xi, t (i … pořadové číslo proměnné, t … poloha v čase)
jejich hodnoty jsou generovány mimo stávající modelové struktury
náhodné (stochastické) - je tvořena třemi složkami (3 chyby), jež nelze oddělit (je to vektor)
opomenutí důležitých proměnných (zjednodušení modelové struktury)
chyby vzniklé při měření
zjednodušení analytického tvaru funkce - máme korelační pole a snažíme se proložit jím co nejvhodnější funkční vztah (jednodušší funkce = lehčí výpočet, ale nevystihuje pole přesně)
značí se ui, t (i … pořadové číslo rovnice, t … poloha v čase - pouze v současnosti)
v každé rovnici je jedna nebo žádná (maximálně 1)
Agregace proměnných:
endogenní proměnné
predeterminované proměnné - množina endogenních zpožděných, exogenních a exogenních zpožděných proměnných (y1, t … endogenní nezpožděná, y1, t-1 … endogenní zpožděná)
stochastická proměnná
Strukturální parametry EKM
vyjadřují směr a intenzitu působení predeterminovaných proměnných na endogenní proměnné
směr - je dán znaménkem (+ … přímá příčinná závislost, ( … nepřímá příčinná závislost)
intenzita - absolutní hodnota parametru (síla závislosti)
jsou analogické regresním koeficientům
Typy strukturálních parametrů:
(i, j … představuje parametr pro endogenní proměnné
(i, j … představuje parametr pro predeterminované proměnné
stochastické proměnné nemají strukturální parametry
Klasifikace a typy EKM
je možné uplatnit jakékoliv kritérium
Dělení podle fáze reprodukčního procesu:
modely dílčí (např. model poptávky)
modely komplexní - popisují reprodukční proces jako celek)
Dělení podle poznávacích schopností:
kauzální modely - vysvětlující proměnné vystupují jako příčiny změn endogenních proměnných (nejhodnotnější typ modelu - podává nejvíce informací)
symptomatické modely - obsahují vysvětlující proměnné, jež nutně nepředstavují příčiny (patří sem většina modelů, podávají méně informací než kauzální modely)
růstové modely - charakterizují vlastní vývoj závisle proměnných v čase, hodnoty endogenních proměnných jsou vysvětlovány historickými hodnotami dané proměnné (nejméně informací)
Dělení podle formy závislosti mezi endogenními proměnnými, tj. dle tvaru matice B:
matice B = matice všech strukturální parametrů všech endogenních nezpožděných proměnných
matice je odvozena z následujícího tvaru modelu:
y1,t = (1,1x1,t + (1,2x2,t + u1,t
y2,t = (2,1y1,t + (2,1x1,t + u2,t
(i, j (i … pořadové číslo rovnice, j … pořadové číslo proměnné y, u které parametr stojí)
(i, j (i … pořadové číslo rovnice, j … pořadové číslo proměnné x, u které parametr stojí)
Odvození matice B - nezpožděné endogenní proměnné se přesunou nalevo:
y1,t = (1,1x1,t + (1,2x2,t + u1,t
( (2,1y1,t + y2,t = (2,1x1,t + u2,t
1 ((1,1)0 ((1,2)
( (2,11 ((2,2)
prosté modely - matice B je jednotková
rekurzivní (rekurentní) modely - matice B je spodní trojúhelník (existuje alespoň jeden nenulový prvek po diagonálou) - vyjadřují dopředné vztahy mezi proměnnými
simultánní modely - existuje alespoň jeden nenulový prvek nad diagonálou (v případě, že se jedná od horní trojúhelník, vyjadřuje model zpětné vazby mezi proměnnými)
Dělení podle agregace proměnných:
agregátní modely - souhrnné modely makroagregátů (využívají se v makroekonomii)
strukturní modely - členění podle odvětví, území atd. (mikro úroveň)
Dělení podle faktoru času:
statické modely - neobsahují prvek času
dynamické modely - prvek času je obsažen
dynamizace modelu = zavedení času do modelu, možnosti:
zahrnutí časové proměnné (další predeterminovaná proměnná)
data ve formě postupných diferencí (krátí se tím rozsah časové řady)
použití časově zpožděných proměnných
rozlišujeme dynamizaci na úrovni modelové struktury (první nebo třetí způsob) a na úrovni dat (druhý způsob)
Dělení podle závislosti endogenních proměnných na vysvětlujících proměnných:
modely ve strukturální formě - vyjadřují strukturu vztahů mezi proměnnými bez ohledu na to, zda se jedná o endogenní nebo exogenní proměnné
modely v redukovaném tvaru - strukturální forma se upraví tak, aby každá endogenní proměnná byla závislá jen na exogenních (obecně predeterminovaných) proměnných a náhodné proměnné
Identifikace rovnic ekonometrického modelu
rovnice posuzujeme z hlediska:
ekonomického - zda odvozené parametry vyjadřují vztah
matematického - zda je možné pomocí lineární kombinace ostatních rovnic odvodit dílčí rovnici (taková rovnice je v modelu zbytečná - nežádoucí), zda je možné model vůbec vyřešit
je-li rovnice identifikovaná, její obsah je jednoznačně určen
podmínka identifikovatelnosti: kn + gv ( g ( 1
Počet predeterminovaných proměnných nezahrnutých je větší nebo roven počtu endogenních proměnných zahrnutých sníženému o 1.
prosté a rekurzivní modely jsou jednoznačně identifikovány (ident. musíme simultánní modely)
Metody odhadu strukturálních parametrů
běžně přijímané je členění těchto metod podle míry informovanosti
metody s omezenou informací
provádí odhad strukturální parametrů na úrovni jednotlivých rovnic
parametry ostatních rovnic se získají opakovaným propočtem
např.: DMNČ (Dvoustupňová Metoda Nejmenších Čtverců), MPR (metoda Minimalizace Poměrů Rozptylů) atd.
VÝHODA: případná chyba se nepřenáší na ostatní rovnice
NEVÝHODA: z pohledu času jsou početně náročnější
metody s neomezenou informací
provádí odhad strukturálních parametrů pro všechny rovnice modelové struktury současně
jsou náročnější na výpočet
např.: třístupňová metoda nejmenších čtverců atd.
VÝHODA: z hlediska času jsou méně náročné
NEVÝHODA: případná početní chyba se promítne do všech rovnic (musí se přepočíst celý model)
Metoda Minimalizace Poměrů Rozptylu (MPR)
spočívá v odhadu parametrů proměnných tak, aby reziduální rozptyl při regresi na X* byl v poměru k reziduálnímu rozptylu při regresi na X co nejmenší
X* … matice predeterminovaných proměnných zahrnutých v rovnici
X … matice všech predeterminovaných proměnných
Rozptyly:
celkový rozptyl = teoretický + reziduální rozptyl
( (y ( y )2
S2y =
ni
teoretický (regresní) rozptyl
(( (yteor ( y )2
S2y =
nt
reziduální rozptyl
( (y ( yteor)2
S2u =
ni
Postup řešení:
převedení rovnice do tvaru: (11y1t + … + (1gygt + (11x1t + … + (1kxkt = u1t
sestavení potřebných vektorů a matic: Y*, X*, X**, X
výpočet matice W* při regresi Y* na X*
W* = Y(TY( ( Y(TX* (X*TX*)-1 X*TY(
výpočet matice W při regresi Y na X
W = Y(TY( ( Y(TX (XTX)-1 XTY(
hledáme takové b, pro které je poměr k minimální
b1*W*b1*T
k =
b1*W b1*T
podmínka splněna při: det |W* ( kW| = 0
dalšími úpravami obdržíme polynomní funkci n-tého řádu: (W* ( kW) (jT = 0
vyčíslení parametrů: (*j = ( (1*Y*TX* (X*TX*)(1
výsledné vektory se doplní do modelu (nahradíme obecné značení parametrů konkrétními skaláry)
Dvoustupňová Metoda Nejmenších Čtverců (DMNČ)
podstatou je nahrazení matice Y2 (skutečné hodnoty) maticí Yteor2 (vyrovnané - teoretické - hodnoty) na základě regrese na predeterminované proměnné v modelu jako celku
Postup výpočtu:
seřazení dohadované rovnice do tvaru: y2t = (23y3t + (21x1t + (22x2(t-1) + u2t
úprava vstupních vektorů a matic: y1, Y2, X*, X**, X
y1 … vektor endogenní proměnné, pro kterou počítáme (pro každé y se tento vektor znační y1)
Y2 … vektor ostatních endogenních proměnných zahrnutých v rovnici
výpočet teoretických hodnot Yteor2
Yteor2 = X(XTX)(1 XTY2
odhad strukturálních parametrů
(2TYteor2TYteor2 … Y2TX* (1Yteor2T
= ( ( y1
(1TX*TY2…X*TX*X*T
odhadnou se strukturální parametry endogenních i exogenních proměnných současně
doplnění výsledků do modelu
Ekonometrické modely poptávky
nejde o charakterizování poptávky z psychologicko-sociologického pohledu
poptávkové EKM popisují rozhodnutí subjektů týkající se poptávaného množství při respektování svých rozpočtových omezení
statistické výkaznictví sleduje spíše výdaje potažmo spotřebu (než vlastní poptávku)
spotřeba = poptávka - zásoby; pro model předpokládáme zásoby = 0 ( spotřeba = poptávka
Typy poptávky podle subjektu:
poptávka spotřebitelů (C - consumption)
poptávka vlády (G) - okolo jedné třetiny
poptávka firem (I) - spotřeba soukromého kapitálu
poptávka zahraniční (EX)
Klasifikace poptávkových EKM
Dělení podle úrovně agregace:
makroekonomické poptávkové model
Vloženo: 26.04.2009
Velikost: 396,50 kB
Komentáře
Tento materiál neobsahuje žádné komentáře.
Mohlo by tě zajímat:
Skupina předmětu EEE16E - Ekonometrie PaA
Reference vyučujících předmětu EEE16E - Ekonometrie PaA
Podobné materiály
- AAE01E - Obecná fytotechnika - Přednášky
- AGE01E - Chov zvířat I. - Přednášky
- AGE01E - Chov zvířat I. - Přednášky
- EAE02E - Ekonomicko matematické metody II. - Přednášky
- EEE02E - Ekonomika agrárního sektoru PaA - Přednášky
- EEE33E - Investice a dlouhodobé financování - PaA - Přednášky
- EEE35E - Ekonomika veřejného sektoru - Přednášky
- EHE12E - Politologie - PAA - Přednášky (2)
- EHE12E - Politologie - PAA - Přednášky
- EJE04Z - Občanské právo - Přednášky - Pikola
- EJE05E - Obchodní právo - Přednášky
- EJE14E - Základy právních nauk - PAE - Přednášky
- EJE14E - Základy právních nauk - PAE - Přednášky
- ENE04E - Obecná ekonomie I. - Přednášky (2)
- ENE04E - Obecná ekonomie I. - Přednášky
- ENE05E - Obecná ekonomie II. - Prednasky - pokračování
- ENE05E - Obecná ekonomie II. - Přednášky - Pavelka
- ENE05E - Obecná ekonomie II. - Přednášky
- ENE15E - Obecná ekonomie III. - Přednášky
- ENE15E - Obecná ekonomie III. - Přednášky
- EPE09E - Psychologie a etika v podnikání - Přednášky - Kolman
- EPE10E - Psychologie osobnosti a komunikace - Přednášky
- ERE15E - Marketing I. PAA - Přednášky
- ERE49E - Kybernetika v řízení PAA - Přednášky
- ERE49E - Kybernetika v řízení PAA - Přednášky
- ERE61E - Teorie řízení PAA - Přednášky
- ESE15Z - Statistika I. - PAA - Přednášky
- ESE17E - Statistika II. - PAA - Přednášky (2)
- ESE17E - Statistika II. - PAA - Přednášky
- ETE05E - Informační systémy - Přednášky - celek
- ETE05E - Informační systémy - Přednášky - Šilerová
- ETE05E - Informační systémy - Přednášky
- ETE41E - ICT pro manažery - Přednášky
- EUE06E - Finance a úvěr - Přednášky
- EUE12E - Mezinárodní obchod - Přednášky
- EUE20E - Potravinářské zbožíznalství - Přednášky (2)
- EUE20E - Potravinářské zbožíznalství - Přednášky
- EUE21Z - Teorie účetnictví - PAA, INFO - Přednášky - Valder
- EUE21Z - Teorie účetnictví - PAA, INFO - Přednášky - Váchová
- EUE21Z - Teorie účetnictví - PAA, INFO - Přednášky
- EUE21Z - Teorie účetnictví - PAA, INFO - Přednášky
- EUE22E - Účetnictví pro podnikatele - PaE - Přednášky
- EUE28E - Základy obchodních nauk - Přednášky
- TAE21E - Matematika - Přednášky - Gurka
- ARE01E - Speciální fytotechnika - Přednášky - Vašák
- EEE08E - Ekonomika podniků I. PaE - Přednášky
- EEE08E - Ekonomika podniků I. PaE - Přednášky
- ERE02E - Administrativní technika VSRR - Přednášky ve wordu
- EHE55E - Věda, filosofie a společnost - PAE - přednášky
- AGE01E - Chov zvířat I - přednášky + výpisky ze skript
- EHE60E - Věda, filosofie a společnost - PAA - přednášky
- EJA05E - Základy právních nauk - Přednášky
- ABE01E - Základy fytotechniky - přednášky - houby
- ABE01E - Základy fytotechniky - výpisky z přednášky
- ABE01E - Základy fytotechniky - výpisky z přednášky
- ABE01E - Základy fytotechniky - výpisky z přednášky
- ABE01E - Základy fytotechniky - výpisky z přednášky
- ABE01E - Základy fytotechniky - výpisky z přednášky
- ARE01E - Speciální fytotechnika - přednášky
- EHE10E - Politologie - PaE - přednášky
- ERE07E - Kybernetika v řízení PAE - přednášky
- ARE01E - Speciální fytotechnika - Výtah ze sladů - přednášky
- EHE60E - Věda, filosofie a společnost - PAA - Přednášky
- ERE86E - Marketingová komunikace - KS PaE - Přednášky KS
- EAE01E - Ekonomicko matematické metody I. - přednášky
- ESE27E - Základy statistiky - Přednášky
- ERE61E - Teorie řízení PAA - Přednášky Lhotská
- ERE39E - Teorie řízení PAE - Přednášky Lhotkská
- ERA09E - Teorie řízení - FAPPZ - Přednášky Lhotská
- ERE02E - Administrativní technika VSRR - Prednášky
- EAE01Z - Ekonomicko matematické metody I - přednášky
Copyright 2024 unium.cz