Upload
swanhilde-frank
View
131
Download
6
Embed Size (px)
Citation preview
Kapitel 1
Der Begriff „Ökonometrie“
Hackl, Einführung in die Ökonometrie
2
„Ökonometrie ist …
… die kombinierte Anwendung von mathematisch-ökonomischer und mathematisch-statistischer Forschung“ (Tinbergen, 1952)
… die statistische Verifizierung theoretisch begründeter Lehrmeinungen“ (Tinbergen, 1952)
… der Bereich der Ökonomie, der sich mit der Anwendung der mathematischen Statistik und der Methode des statistischen Schließens zum empirischen Nachweis von Beziehungen befasst, die sich aus der ökonomischen Theorie ergeben“ (Greene, 2000)
… ein Methodenbereich mit den Elementen ökonomische Theorie Sprache der Mathematik statistische Methoden Software
Hackl, Einführung in die Ökonometrie
3
Ökonometrie: Inhalte
Lineare Regressionsmodelle: Das klassische Regressionsmodell, Lineare Regression: Schätzverfahren, Annahmen des linearen Regressionsmodells, Statistische Bewertung von Regressionsbeziehungen, Variablenauswahl und Missspezifikation, Lineare Restriktionen, Prognose und Prognosequalität
Methodische Erweiterungen: Analyse der Modellstruktur, Multikollinearität, Heteroskedastizität, Autokorrelation, Zeitreihen und Zeitreihen-Modelle, Trends und Unit-root-Tests, Instrumentvariablen-Schätzung
Modellierung in der Ökonometrie: Ökonometrische Modelle, Dynamische Modelle: Konzepte, Dynamische Modelle: Schätzen der Parameter, Kointegration, Mehrgleichungs-Modelle: Konzepte, Mehrgleichungs-Modelle: Schätzverfahren, VAR-Prozesse und VEC-Modelle
Hackl, Einführung in die Ökonometrie
4
Ökonometrische Analyse
Zielsetzungen Abbildung der Realität Prognose Simulation
Hackl, Einführung in die Ökonometrie
5
Modell-Typen
Y X u
Y: endogene VariableX: exogene VariableModell beschreibt den datengenerierenden Prozess von Y unter der Bedingung X
A: einfaches lineares Regressionsmodell (statisch)
: Koeffizient von X: Interzept
1 2 2 ... k kY X X u multiples lineares Regressionsmodell
Hackl, Einführung in die Ökonometrie
6
Modell-Typen, Forts.
1t t tY Y u
1 1 2 2 ...t t t k kt tY Y X X u
B: dynamische Modelle
{Y} bestimmen {Y1,…,Yn}
Y reagiert eine Periode verzögert (lag)1t t tY X u
Hackl, Einführung in die Ökonometrie
7
Modell-Typen, Forts.
1 1 2 1 3 2 1
2 1 2 3 2 1 2
Y X X u
Y X Y u
C: Mehrgleichungs-Modelle
simultanes Mehrgleichungs-Modell
rekursives Modell
1 1 2 1 3 2 1
2 1 2 2 2 1 2
Y X Y u
Y X Y u
Hackl, Einführung in die Ökonometrie
8
Lineare vs. nichtlineare Modelle
Y X u
21 2 3Y X X u
Q a L K
ist linear (in den Parametern)
ist linear (in den Parametern)
nichtlinear, aber linearisierbar; mit = log a:
log log logQ L K log-linear; konstante partielle Elastizitäten; z.B.:
Q L
L Q
Hackl, Einführung in die Ökonometrie
9
Einkommen und Konsum
PCR: Privater Konsum, real, in Mrd.EURPYR: Verfügbaren Einkom- men der Haushalte, real1970:1-2003:4
Basis: 1995Quelle: AWM-Datenbasis
200
400
600
800
1000
1200
70 75 80 85 90 95 00
PYR PCR
Hackl, Einführung in die Ökonometrie
10
Einkommen und Konsum, Forts.
PCR: Privater Konsum, real, in Mrd.EURPYR: Verfügbaren Einkom- men der Haushalte, real1970:1-2003:4
Basis: 1995Quelle: AWM-Datenbasis
200
400
600
800
1000
400 600 800 1000 1200
PYR
PC
R
PCR vs. PYR
Hackl, Einführung in die Ökonometrie
11
Konsumfunktion
Dependent Variable: PCR_D4Method: Least SquaresDate: 02/03/05 Time: 18:06Sample(adjusted): 1971:1 2003:4Included observations: 132 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.010708 0.001169 9.156915 0.0000PYR_D4 0.717628 0.046151 15.54963 0.0000
R-squared 0.650341 Mean dependent var 0.024451Adjusted R-squared 0.647652 S.D. dependent var 0.014821S.E. of regression 0.008797 Akaike info criterion -6.613670Sum squared resid 0.010061 Schwarz criterion -6.569991Log likelihood 438.5022 F-statistic 241.7910Durbin-Watson stat 0.502740 Prob(F-statistic) 0.000000
Hackl, Einführung in die Ökonometrie
12
Area-Wide Model (AW-Modell)
Europäische Zentralbank Working Paper Nr. 42 (2001) von Gabriel Fagan, Jerome Henry, Ricardo Mestre beschreibt die makroökonomischen Prozesse der Euro-Zone Zielsetzungen:
the assessment of economic conditions in the area microeconomic forecasting policy analysis deepening the understanding of the functioning of euro area economy
Hackl, Einführung in die Ökonometrie
13
EViews
Software zur Ökonometrischen Analyse QMS (Quantitative Micro Software, USA) bringt 1994 EViews 1.0 als
moderne Version von Micro TSP Link: www.eviews.com/index.html aktuelle Version: EViews 6 (2007) EViews 6 Student wird von QMS als aktuelle Student-Version
angeboten (EUR 28) Vertriebspartner für EViews 6 Student: STATCON (www.statcon.de) WU: Campus-Lizenz, an allen PCs EViews 5.1
Hackl, Einführung in die Ökonometrie
14
EViews: Erste Schritte
Anhang F der „Einführung in die Ökonometrie“ Hinweise zu
Aufruf von EViews Einlesen von Daten Typische Analyse, Interpretation des Ergebnis-Output Wichtige Konzepte (workfile, Objekte, Fenstertechnik, Funktionen)
„Introduction to EViews“ im EViews Help System
Kapitel 2
Das klassischeRegressionsmodell
Hackl, Einführung in die Ökonometrie
16
Ein Beispiel
Konsumtheorie nach KeynesCt = f(Yt)
Ökonometrisches ModellCt = b1 + b2Yt + ut
Aufgaben der ökonometrischen Analyse Schätzen der Parameter Testen von Hypothesen Überprüfen des Modells
Hackl, Einführung in die Ökonometrie
17
Einfache, lineare Regression
Yt = 1 + 2Xt + ut
Y: abhängige oder endogene VariableX: unabhängige oder exogene oder erklärende Variable, auch
Regressoru: Zufallsfehler, Störgröße, Noise
nicht berücksichtigte erklärende Variable MessfehlerVerteilungsgesetz E{ut}=0 Var{ut}=2
Cov{us,ut}=0, s≠t
: Regressionskoeffizienten
Hackl, Einführung in die Ökonometrie
18
Einkommen und Konsum
PCR: Privater Konsum, real, in Mrd.EURPYR: Verfügbaren Einkom- men der Haushalte, real1970:1-2003:4
Basis: 1995Quelle: AWM-Datenbasis
200
400
600
800
1000
1200
70 75 80 85 90 95 00
PYR PCR
Hackl, Einführung in die Ökonometrie
19
Einkommen und Konsum, Forts.
PCR: Privater Konsum, real, in Mrd.EURPYR: Verfügbaren Einkom- men der Haushalte, real1970:1-2003:4
Basis: 1995Quelle: AWM-Datenbasis
200
400
600
800
1000
400 600 800 1000 1200
PYR
PC
R
PCR vs. PYR
Hackl, Einführung in die Ökonometrie
20
Matrixschreibweise
n Beobachtungen
(X1,Y1), … , (Xn,Yn)
Modell: Yt = 1 + 2Xt + ut, t=1,…,n oder
y = X + u
mit
1 1 11
2
1
, , ,
1n n n
Y X u
y X u
Y X u
Hackl, Einführung in die Ökonometrie
21
Matrixschreibweise, Forts.
n Beobachtungen
(X1,Y1), … , (Xn,Yn)
Modell: Yt = xt‘ + ut, t=1,…,n,
mit
1
2
1,t
t
xX
Hackl, Einführung in die Ökonometrie
22
Schätzen der Koeffizienten
1, 2: „wahre“ Regressionskoeffizienten
Störgrößen: ut = Yt - (1 + 2Xt)
Residuen: et = Yt - (b1 + b2 Xt)
Schätzer von i: bi ist Funktion von (Xt, Yt), t=1,…,n.
Summe der Fehlerquadrate
S(1, 2) = t ut2= t [Yt - (1 + 2Xt)]2
Prinzip der Kleinsten Quadrate:bi = arg min1, 2 S(1, 2)
Hackl, Einführung in die Ökonometrie
23
Ableiten der Normalgleichungen
Partielles Ableiten von S(1, 2) = t [Yt - (1 + 2Xt)]2
liefert
1 21
1 22
2 ( )
2 ( )
t tt
t t tt
SY X
SY X X
Nullsetzen:
ergibt die Normalgleichungen1 2
0, 0S S
Hackl, Einführung in die Ökonometrie
24
OLS-Schätzer
Auflösen nach b1 und b2 gibt die OLS-Schätzer
1 2
21 2 t
t tt t
t t tt t t
b b X Y
b X b X X Y
2 2
1 2
xy
x
sb
s
b y b x
2 2
1( )( )
1( )
xy t tt
x tt
s X x Y yn
s X xn
mit den Mittelwerten und
und zweiten Momenten
xx y
Normalgleichungen
Hackl, Einführung in die Ökonometrie
25
Einkommen und Konsum, Forts.
PCR: Privater Konsum, real, in Mrd.EURPYR: Verfügbaren Einkom- men der Haushalte, real1970:1-2003:4
Basis: 1995Quelle: AWM-Datenbasis
200
400
600
800
1000
400 600 800 1000 1200
PYR
PC
R
PCR vs. PYR
Hackl, Einführung in die Ökonometrie
26
Konsumfunktion
AWM-Datenbasis, 1970:1-2003:4
C: Privater Konsum (PCR), jährliche ZuwachsrateY: Verfügbares Einkommen der Haushalte (PYR) , jährliche
Zuwachsrate
ˆ 0.011 0.718C Y
Hackl, Einführung in die Ökonometrie
27
Multiple, lineare Regression
Modell
Yt = xt‘ + ut = 1+ 2X2t+ … + kXkt + ut
Normalgleichungen
jbjtXjtXit = tXitYt, i=1,…,k
Hackl, Einführung in die Ökonometrie
28
Invertierbarkeit von X‘X
Voraussetzung der Invertierbarkeit ist voller Rang der Matrix X‘X und von X
Achtung! Trifft nicht zu, wenn n < k zwischen den Vektoren der Beobachtungen der
Regressoren lineare Beziehungen bestehen
Hackl, Einführung in die Ökonometrie
29
Beurteilung der Regression
Kriterien: Ökonomische Beurteilung Voraussetzungen und Annahmen, die für das Anwenden
des statistischen Instrumentariums vorausgesetzt werden
Diagnostisches Überprüfen Können Voraussetzungen und Annahmen und die daraus
folgenden Eigenschaften der Ergebnisse als zutreffend angesehen werden oder nicht?
Bei verletzten Voraussetzungen und Annahmen: Mit welchen Konsequenzen ist zu rechnen? Kann eine adäquatere Analyse durchgeführt werden?
Hackl, Einführung in die Ökonometrie
30
EViews: Standard-Output
Dependent Variable: PCR_D4Method: Least SquaresDate: 02/03/05 Time: 18:06Sample(adjusted): 1971:1 2003:4Included observations: 132 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.010708 0.001169 9.156915 0.0000PYR_D4 0.717628 0.046151 15.54963 0.0000
R-squared 0.650341 Mean dependent var 0.024451Adjusted R-squared 0.647652 S.D. dependent var 0.014821S.E. of regression 0.008797 Akaike info criterion -6.613670Sum squared resid 0.010061 Schwarz criterion -6.569991Log likelihood 438.5022 F-statistic 241.7910Durbin-Watson stat 0.502740 Prob(F-statistic) 0.000000
Hackl, Einführung in die Ökonometrie
31
Standard-Output
Output zu jedem Regressor: Geschätzter Regressionskoeffizient bi (Coefficient) Standardfehler von bi (Std.Error) t-Statistik mit p-Wert
Diagnostische Statistiken F-Statistik mit p-Wert Bestimmtheitsmaß R2 (R-squared) Standardfehler s der Regression (S.E. of regression,
geschätzte Std.Abw. der Störgrößen) Summe der quadrierten Residuen logarithmierte Likelihood-Funktion Informationkriterium von Akaike Durbin-Watson Statistik
Hackl, Einführung in die Ökonometrie
32
Einige diagnostische Kriterien
t-Statistik: Zum Test von H0: i = 0 gegen die Alternative H1: i ≠ 0; der p-Wert ist die Wahrscheinlichkeit, beim Verwerfen von H0 den Fehler 1. Art zu begehen
Bestimmtheitsmaß R2 (R-squared): das Quadrat des Korrelationskoeffizienten zwischen den beobachteten Werten und den Schätzwerten der abhängigen Variablen, die die angepasste Regressionsbeziehung geben
Durbin-Watson Test: Zum überprüfen, ob die Störgrößen, die zu aufeinander folgenden Zeitpunkten gehören, unkorreliert sind.