Upload
reimund-aldag
View
109
Download
5
Embed Size (px)
Citation preview
Kapitel 6
Variablenauswahl und Missspezifikation
Hackl, Einführung in die Ökonometrie (6)
2
Einkommen und Konsum: Zuwachsraten
-0.02
0.00
0.02
0.04
0.06
-0.04 -0.02 0.00 0.02 0.04 0.06 0.08
PYR_D4
PC
R_D
4
PCR_D4 vs. PYR_D4
PCR_D4: Privater Konsum, real, ZuwachsratePYR: Verfügbaren Einkom- men der Haushalte, real, Zuwachsrate1970:1-2003:4Basis: 1995Quelle: AWM-Datenbasis
Hackl, Einführung in die Ökonometrie (6)
3
Konsumfunktion mit Trend
Dependent Variable: PCR_D4Method: Least SquaresDate: 02/06/05 Time: 18:06Sample(adjusted): 1971:1 2003:4Included observations: 132 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.018102 0.001932 9.371381 0.0000PYR_D4 0.658909 0.044736 14.72892 0.0000TREND -0.0902010.019479 -4.6305970.0000
R-squared 0.700178 Mean dependent var 0.024451Adjusted R-squared 0.695529 S.D. dependent var 0.014821S.E. of regression 0.008178 Akaike info criterion -6.752286Sum squared resid 0.008627 Schwarz criterion -6.686768Log likelihood 448.6509 F-statistic 150.6275Durbin-Watson stat 0.564318 Prob(F-statistic) 0.000000
Hackl, Einführung in die Ökonometrie (6)
4
Konsumfunktion mit Trend
AWM-DatenbasisC: Privater Konsum, Zuwachsraten (PCR)Y: Verfügbares Einkommen der Haushalte, Zuwachsraten (PYR)
Erweiterung des Modells um Trend Tt = t/1000
C = + Y + T + u
liefert
2ˆ 0.011 0.718 , 0.648C Y R
2ˆ 0.018 0.659 0.090 , 0.696C Y T R
Hackl, Einführung in die Ökonometrie (6)
5
Konsumfunktion mit Trend, Forts.
-0.03
-0.02
-0.01
0.00
0.01
0.02
-0.02
0.00
0.02
0.04
0.06
75 80 85 90 95 00
Residual Actual Fitted
Hackl, Einführung in die Ökonometrie (6)
6
Vergleich der Schätzer für
OLS-Schätzer für von C = + Y + u
OLS-Schätzer für von C = + Y + T + u
bcy.t und bcy stimmen nur überein, wenn ryt=0
2
cycy
y
sb
s
2
. 2 2 2 21cy t ct ty cy ct ty
cy ty t yt yt
s s s s b b bb
s s s r
Hackl, Einführung in die Ökonometrie (6)
7
Der allgemeine Fall
OLS-Schätzer für von Y = + X2 + u bzw.
von Y = + X2 + X3 + u
zeigt, wie by2 zu korrigieren ist, wenn X3 im Modell enthalten
Unkorrelierte oder orthogonale Regressoren (r23=0, b23=0): by2.3=by2
Beliebige, nicht orthogonale Regressoren: by2.3 kann größer oder kleiner als by2 sein
2 3 322.3 2
231y y
y
b b bb
r
Hackl, Einführung in die Ökonometrie (6)
8
Multiple Regression
Vergleich der ModelleY = X + u (A)Y = X + Z + v (B)
OLS-Schätzer b für aus (A):
OLS-Schätzer für aus (B) kann auf zwei Arten geschrieben werden:
mit Mz = I-Z(Z‘Z)-1Z‘
1( ' ) 'b X X X y
1
1
ˆ ˆ( ' ) '( ) (1)
ˆ ( ' ) ' (2)z z
X X X y Z
X M X X M y
Hackl, Einführung in die Ökonometrie (6)
9
Interpretation des Schätzers
Darstellung (1) zeigt Korrektur von b für Berücksichtigung von Z Darstellung (2): mit den Residuen
können wir schreiben
Den Schätzer erhalten wir also auch durch OLS-Anpassung von
,z zy M y X M X
1ˆ ( ' ) 'X X X y
y X
Hackl, Einführung in die Ökonometrie (6)
10
Interpretation von , Forts.
gibt den Effekt einer Änderung der Regressoren aus X an, nachdem der Effekt der Regressoren aus Z berücksichtigt wurde
Partielle Regressionskoeffizienten: Z enthalte alle Regressoren außer die Variable X (gilt für jedes X);
repräsentiert den Effekt von X auf Y, nachdem die Information aus X über Y, die in den Zi enthalten ist, bereits berücksichtigt wurde
mit kommt nur mehr die nicht schon in den Zi enthaltene Information zum Tragen; wir nennen die Regressionskoeffizienten einer multiplen Regression auch partielle Regressionskoeffizienten
1ˆ ( ' ) 'b x x x y
Hackl, Einführung in die Ökonometrie (6)
11
Konsumfunktion mit Trend, Forts.
Residuen von C = + T + u:
Analog:
Regression von Konsum-Residuen auf Einkommens-Residuen:
Vergleiche:
(0.0277 0.1234 )Y Y T (0.0364 0.1715 )C C T
0.6589C Y
ˆ 0.0181 0.6589 0.0902C Y T
Hackl, Einführung in die Ökonometrie (6)
12
Frisch-Waugh-Theorem
Werden alle Regressoren hinsichtlich einer Variablen durch OLS-Anpassung adjustiert und in der Regression die Regressoren durch die so erhaltenen Residuen ersetzt, so ergeben sich die gleichen Schätzer wie im Modell, das die nicht-adjustierten Variablen und zusätzlich die adjustierende Variable enthält.
Beispiel: Behandlung eines Trends Elimination des Trends aus abhängiger Variabler und aus
Regressoren; Modellierung mit adjustierten Variablen Berücksichtigung eines Trends im Modellgibt die gleichen Schätzer
Hackl, Einführung in die Ökonometrie (6)
13
Zwei Fälle von Missspezifikation
1. Ein relevanter Regressor bleibt im Modell unberücksichtigt
2. Ein nicht relevanter Regressor wird in das Modell aufgenommen
Untersuchung mittels der Modelle (A) und (B):
Fall 1: Modell (B) ist korrekt, wir spezifizieren fälschlich Modell (A); welche Eigenschaften hat der Schätzer b?
Fall 2: Modell (A) ist korrekt, wir spezifizieren fälschlich Modell (B); welche Eigenschaften hat der Schätzer ?
Hackl, Einführung in die Ökonometrie (6)
14
Eigenschaften von b und
B = (X‘X)-1X‘y ist bester, erwartungstreuer Schätzer für aus Modell (A)
Var(b) = 2(X‘X)-1
Gilt Modell (B), so ergibt sich
Man kann zeigen
2 1
ˆ
ˆ ( ' )z
E
Var X M X
ˆ 0Var Var b
Hackl, Einführung in die Ökonometrie (6)
15
Eigenschaften von b im Fall (1)
Relevante Regressoren nicht berücksichtigt
b ist verzerrt:
Das Vorzeichen des Bias ist schwer abzuschätzen
Die Varianz der Störgrößen wird überschätzt
1( )E b X X X Z
2 1( )Var b X X
2 2ˆ 0( )
xZ M ZE
n k g
Hackl, Einführung in die Ökonometrie (6)
16
Konsumfunktion mit Trend, Forts.
Das Modell lässt den Regressor T unberücksichtigt:
Bias des Vektors der Schätzer (a, b)':
(X‘X)-1X‘t
Wir erhalten für b:
und
ˆ 0.0157 0.6589 0.0902C Y T ˆ 0.011 0.718C Y
2
yt
y
sE b
s
2 2
0.00021ˆ ( 0.00902) 0.0583
0.00028yt yt
y y
s sBias b
s s
Hackl, Einführung in die Ökonometrie (6)
17
Eigenschaften von im Fall (2)
Nicht relevante Regressoren werden berücksichtigt
ist unverzerrt
Zu große Varianzen
keine effizienten Schätzer
ˆE
2 1 2 1ˆ ( ) ( )zVar X M X X X Var b
Hackl, Einführung in die Ökonometrie (6)
18
Tests für H0: = 0
Entscheidung zwischen [X: nx(k-g), Z: nxg]Y = X + u
und Y = X + Z + v
H0: = 0 bedeutet, dass kein Regressor aus Z relevant ist
H1: ≠ 0 bedeutet, dass mindestens ein Regressor aus Z relevant ist
Wenn g =1: t -Test Wenn g >1:
F-Test Varianten des F-Tests
Hackl, Einführung in die Ökonometrie (6)
19
F-Test
Asymptotische Verteilung von
N[, 2(Z‘MxZ)-1]
gilt exakt, wenn v ~ N(0,2I)
Die Teststatistik F des F-Tests ist unter H0: = 0 verteilt nach
F(g, n-k)
Vergleiche F-Statistik (5.4.4) mit
ˆ ˆ( )ˆ ˆxZ M Z n k
Fv v g
2
2
ˆ( )
1 1tt
tt
Y Y n k ESS n kF
e k RSS k
Hackl, Einführung in die Ökonometrie (6)
20
F-Statistik: Schreibweisen
e: Residuen aus Y = X + u:
Wegen ergibt sich
bzw. die Ungleichung Die Summe der quadrierten Residuen kann durch Hinzufügen von
erklärenden Variablen nicht größer werden.
mit SR=e‘e und analog S; der Index R steht für „restringiert“ (= 0)
ˆ ˆx xe M y v M Z ˆ 0X v ˆ ˆ ˆ ˆ' xe e v v Z M Z
ˆ ˆ'e e v v
ˆ ˆ
ˆ ˆRS Se e v v n k n k
Fv v g S g
Hackl, Einführung in die Ökonometrie (6)
21
F-Statistik: Berechnung
In drei Schritten:
1. Anpassen des kurzen Modells Y = X + u an die Regressoren aus X, Berechnen der Residuen e
2. Anpassen des weiteren Modells Y = X + Z + v an die Variablen aus X und Z, Berechnen der Residuen
3. Berechnen vonˆ ˆ
ˆ ˆRS Se e v v n k n k
Fv v g S g
v
Hackl, Einführung in die Ökonometrie (6)
22
Konsumfunktion, Forts.
Drei Schritte:
1. Anpassen des kurzen Modells Y = X + u an die Regressoren aus X, e‘e = 0.010061
2. Anpassen des weiteren Modells Y = X + Z + v an die Variablen aus X und Z, = 0.008627
3. Berechnen von
p-Wert: 0.000009
t-Statistik für Trendvariable: -4.6306; ergibt quadriert: 21.44
ˆ ˆ 0.01061 0.008627 132 321.44
ˆ ˆ 0.008627 1
e e v v n kF
v v g
ˆ ˆv v
Hackl, Einführung in die Ökonometrie (6)
23
Konsumfunktion, Forts.
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 (6)
24
Konsumfunktion mit Trend
Dependent Variable: PCR_D4Method: Least SquaresDate: 02/06/05 Time: 18:06Sample(adjusted): 1971:1 2003:4Included observations: 132 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.018102 0.001932 9.371381 0.0000PYR_D4 0.658909 0.044736 14.72892 0.0000TREND -0.0902010.019479 -4.6305970.0000
R-squared 0.700178 Mean dependent var 0.024451Adjusted R-squared 0.695529 S.D. dependent var 0.014821S.E. of regression 0.008178 Akaike info criterion -6.752286Sum squared resid 0.008627 Schwarz criterion -6.686768Log likelihood 448.6509 F-statistic 150.6275Durbin-Watson stat 0.564318 Prob(F-statistic) 0.000000
(-4.630597)2 = 21.4424
Hackl, Einführung in die Ökonometrie (6)
25
F-Test: Variante
Teststatistik
mit Bestimmtheitsmaß Re2 aus der Regression der Residuen e auf
Regressoren aus X und Z
Die Teststatistik gF ist unter H0: = 0 näherungsweise nach der Chi-Quadrat-Verteilung mit g Freiheitsgraden verteilt
2ˆ ˆ ˆ ˆ( )
ˆ ˆ ˆ ˆ e
e e v v e e v vgF n k n nR
v v v v
2 2 ( )egF nR g
Hackl, Einführung in die Ökonometrie (6)
26
Ramsey‘s RESET-Test
RESET: Regression Equation Specification Error
Zum Überprüfen der funktionalen Form der Regressoren
Testet H0: = 0 für Y = X + Z + v mit
Zutreffen von H0 bedeutet, dass die funktionale Form (Linearität) der Regressoren korrekt ist
Tests: t-Test, wenn g = 1 F-Test asymptotischer Chi-Quadrat-Test (Teststatistik gF)
2 3ˆ ˆ( , ,...)t t tz Y Y
Hackl, Einführung in die Ökonometrie (6)
27
Konsumfunktion, Forts.
Spezifikation C = a + bY + u liefert
Überprüfen durch Erweitern:
mit Standardfehler 3.976 für den Koeffizienten von Ĉ; t -Test gibt p-Wert von 0.437
Kein Hinweis auf Fehler in der funktionalen Form
ˆ 0.011 0.718C Y
2ˆ ˆ0.011 0.826 3.100C Y C
Hackl, Einführung in die Ökonometrie (6)
28
Konsumfunktion, Forts.
Dependent Variable: PCR_D4Method: Least SquaresDate: 02/07/05 Time: 18:09Sample(adjusted): 1971:1 2003:4Included observations: 132 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.010918 0.001202 9.084925 0.0000PYR_D4 0.826382 0.146943 5.623812 0.0000PCR_D4F^2 -3.1001323.976149 -0.7796820.4370
R-squared 0.651981 Mean dependent var 0.024451Adjusted R-squared 0.646586 S.D. dependent var 0.014821S.E. of regression 0.008811 Akaike info criterion -6.603220Sum squared resid 0.010014 Schwarz criterion -6.537701Log likelihood 438.8125 F-statistic 120.8348Durbin-Watson stat 0.499780 Prob(F-statistic) 0.000000