1 / 16

ПРАКТИКУМ ПО ПРИКЛАДНЫМ ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ Часть 2

ПРАКТИКУМ ПО ПРИКЛАДНЫМ ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ Часть 2. ЛЕКЦИЯ 1. 2 ВЫБОР ФУНКЦИОНАЛЬНОЙ ФОРМЫ МОДЕЛИ Демидова О.А., demidova@hse.ru Каф. Математической экономики и эконометрики, доцент Лаборатория «Эмпирический анализ предприятий и рынков», заведующий. Тест Бокса – Кокса.

Download Presentation

ПРАКТИКУМ ПО ПРИКЛАДНЫМ ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ Часть 2

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. ПРАКТИКУМ ПО ПРИКЛАДНЫМ ЭКОНОМИЧЕСКИМ ИССЛЕДОВАНИЯМ Часть 2 ЛЕКЦИЯ 1.2 ВЫБОР ФУНКЦИОНАЛЬНОЙ ФОРМЫ МОДЕЛИ Демидова О.А., demidova@hse.ru Каф. Математической экономики и эконометрики, доцент Лаборатория «Эмпирический анализ предприятий и рынков», заведующий

  2. Тест Бокса – Кокса

  3. Преобразование Бокса - Кокса Оценки параметров β1,,β2, λ1, λ2 находятся с помощью метода максимального правдоподобия. Проверка гипотез о конкретных значениях λ1, λ2 называется тестом Бокса – Кокса. 3

  4. Преобразование Бокса - Кокса При λ = 1 преобразование Бокса – Кокса сводится к линейному, а если λ = 0, то к логарифмическому. 4

  5. Пример (разные преобразования для левой и правой части) boxcox price mpg weight length, model(theta) Log likelihood = -648.35103 Prob > chi2 = 0.000 price Coef. Std. Err. z P>z [95% Conf. Interval] /lambda 3.715776 1.040706 3.57 0.000 1.676029 5.755522 /theta -1.072082 .3220818 -3.33 0.001 -1.70335 -.4408131 Estimates of scale-variant parameters Coef. Notrans _cons .9326668 Trans mpg -8.03e-11 weight 9.97e-18 length -3.14e-13 /sigma .0000259 Test Restricted H0: log likelihood chi2 Prob > chi2 theta=lambda = -1 -649.31985 1.94 0.164 theta=lambda = 0 -660.59002 24.48 0.000 theta=lambda = 1 -679.35161 62.00 0.000 4

  6. Пример (преобразуется только левая часть) boxcox price mpg weight length, model(lhsonly) Log likelihood = -651.33332 Prob > chi2 = 0.000 price Coef. Std. Err. z P>z [95% Conf. Interval] /theta -1.250768 .3199382 -3.91 0.000 -1.877835 -.6237003 Estimates of scale-variant parameters Coef. Notrans mpg -2.82e-07 weight 5.33e-09 length -8.95e-08 _cons .7994978 /sigma 5.76e-06 Test Restricted LR statistic P-value H0: log likelihood chi2 Prob > chi2 theta = -1 -651.64645 0.63 0.429 theta = 0 -659.6433 16.62 0.000 theta = 1 -679.35161 56.04 0.000 4

  7. Пример (преобразуется только правая часть) boxcox price mpg weight length, model(rhsonly) Number of obs = 74 LR chi2(4) = 46.82 Log likelihood = -672.30451 Prob > chi2 = 0.000 price Coef. Std. Err. z P>z [95% Conf. Interval] /lambda 3.750754 .7491952 5.01 0.000 2.282358 5.21915 Estimates of scale-variant parameters Coef. Notrans _cons 7481.734 Trans mpg -.0077379 weight 1.01e-09 length -.0000529 /sigma 2135.076 Test Restricted LR statistic P-value H0: log likelihood chi2 Prob > chi2 lambda = -1 -680.2045 15.80 0.000 lambda = 0 -681.63851 18.67 0.000 lambda = 1 -679.35161 14.09 0.000 4

  8. Пример (левая и правая части преобразуются одинаково) boxcox price mpg weight length, model(lambda) Number of obs = 74 LR chi2(3) = 31.55 Log likelihood = -648.23569 Prob > chi2 = 0.000 price Coef. Std. Err. z P>z [95% Conf. Interval] /lambda -1.405301 .2789134 -5.04 0.000 -1.951961 -.8586412 Estimates of scale-variant parameters Coef. Notrans _cons .7882749 Trans mpg -.0002949 weight -.1117418 length .0042636 /sigma 1.45e-06 Test Restricted LR statistic P-value H0: log likelihood chi2 Prob > chi2 lambda = -1 -649.31985 2.17 0.141 lambda = 0 -660.59002 24.71 0.000 lambda = 1 -679.35161 62.23 0.000 4

  9. RESET- тест Рамсея для проверки гипотезы о существовании упущенных переменных

  10. RESET – regression specification error test. RESET – тест Рамсея отвечает на вопрос, надо ли включать в регрессию степени независимых переменных. 1

  11. RESET – тест Рамсея H0 : спецификация модели (*) является правильной H1: спецификация модели (*) является неправильной, 2

  12. Пример • Проведение RESET – теста Рамсея • Оцениваем коэффициенты функции регрессии (*) • Сохраняем столбец оцененных значений • Оцениваем коэффициенты вспомогательной регрессии 3

  13. Метод последовательного исключения переменных 4) Тогда проверка гипотезы о правильной спецификации равносильна проверке гипотезы H0: H1: 5) Вычисляем значение тестовой статистики 6) Если то гипотеза H0отвергается. 4

  14. Пример reg earnings age educ sex Source | SS df MS Number of obs = 4893 -------------+------------------------------ F( 3, 4889) = 168.49 Model | 1.8575e+10 3 6.1918e+09 Prob > F = 0.0000 Residual | 1.7966e+11 4889 36747469.4 R-squared = 0.0937 -------------+------------------------------ Adj R-squared = 0.0931 Total | 1.9823e+11 4892 40522005.4 Root MSE = 6062 ------------------------------------------------------------------------------ earnings | Coef. Std. Err. t P>|t| [95% Conf. Interval] -------------+---------------------------------------------------------------- age | -14.84304 7.18472 -2.07 0.039 -28.92832 -.7577593 educ | 388.4089 25.7661 15.07 0.000 337.8958 438.9221 sex | -3307.229 176.4169 -18.75 0.000 -3653.085 -2961.372 _cons | 5645.355 551.2111 10.24 0.000 4564.733 6725.976 ------------------------------------------------------------------------------ 4

  15. Пример ovtest Ramsey RESET test using powers of the fitted values of earnings Ho: model has no omitted variables F(3, 4886) = 4.90 Prob > F = 0.0021 4

  16. Пример reg earnings age agesq educ sex Source SS df MS Number of obs = 4893 F( 4, 4888) = 138.61 Model 2.0195e+10 4 5.0487e+09 Prob > F = 0.0000 Residual 1.7804e+11 4888 36423634.2 R-squared = 0.1019 Adj R-squared = 0.1011 Total 1.9823e+11 4892 40522005.4 Root MSE = 6035.2 earnings Coef. Std. Err. t P>t [95% Conf. Interval] age 272.1451 43.62763 6.24 0.000 186.6153 357.6748 agesq -3.501215 .5250484 -6.67 0.000 -4.530546 -2.471884 educ 376.8115 25.7112 14.66 0.000 326.406 427.217 sex -3343.731 175.7231 -19.0 0.000 -3688.228 -2999.235 _cons 542.6265 941.6523 0.580.564 -1303.4352388.688 4

More Related