ÖKONOMETRIA
ÖKONOMETRIA
Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén
az ELTE Közgazdaságtudományi Tanszék, az MTA Közgazdaságtudományi Intézet,
és a Balassi Kiadó közreműködésével.
ÖKONOMETRIA
Készítette: Elek Péter, Bíró Anikó Szakmai felelős: Elek Péter
2010. június
ELTE TáTK Közgazdaságtudományi Tanszék
ÖKONOMETRIA
5. hét
Többváltozós regresszió 2
Elek Péter, Bíró Anikó
Előrejelzés
Előrejelzési hiba:
Előrejelzési hiba varianciája (k magyarázó változó)
20 2
10 1
0
ˆ ˆ ˆ
ˆ x x
y
0 20
2 2
10 1
1 0
0
ˆ ( ˆ ) ( ˆ )
ˆ y x x u
y
ˆ ) ˆ ,
( )
( ) 1 (
1 0
1 1
0 2
m l
m m
k
l
k
m
l
l x x x Cov
n x
Előrejelzési hiba varianciájának becslése
Előrejelzett várható érték és standard hibája = segédregresszió becsült konstansa és annak standard hibája
u x
x x
x y
y
x x
x x
x x
y E y
x x
y
u x
x y
) (
) (
) ,
| (
ˆ ˆ ˆ
ˆ
20 2
2 10
1 1
0
20 2
10 1
20 2
10 1
0
20 2
10 1
0
2 2 1
1
Paraméterbecslés mintavételi eloszlása
A feltevések (normalitás, homoszkedaszticitás is) teljesülése esetén:
ahol RSSi a reziduális és TSSi a teljes négyzetösszeg az xi regressziójából a többi magyarázó változóra, Ri2 pedig ugyanennek a regressziónak
a determinációs együtthatója
(analógia egyváltozós regresszióval!)
2 2
2
, 1
~ ,
ˆ ~
i i
i
i N TSS R
N RSS
Lényeges változók kihagyása 1.
Kétváltozós regresszió
Tényleges modell: y = β1x1 + β2x2 + u Becsült modell: y = γ1x1 + u
Torzítás: Corr(x1,x2)>0 Corr(x1,x2)<0
β2 >0 + –
β2 <0 – +
2 12 1
1
2 1 1 2
1 2 1 2
2 1 1 1 1
ˆ ) ( ˆ
b E
x u x x
x x x
y x
i i
i i i
i i
i i i
i i
i i i
Lényeges változók kihagyása 2.
k magyarázó változó, k1+1, …, k. kihagyása
u x
b x
b x
k i
b E
k jk
j j
j k
k j
ji i
i
1 1
1 1
1 1
...
,..., 1
, ˆ )
(
1
Lényeges változó kihagyása, példa
Bértarifa (2003)
Iskolázottság és életkor között gyenge negatív korreláció
Életkor parciális hatása poz. – kihagyva isk.
becsült együtthatója enyhén lefelé torzított
Becsült egyenletek
LOG(KER) = 10.46 + 0.1547 ISKVEG9 + 0.0078 KOR LOG(KER) = 10.79 + 0.1544 ISKVEG9
Lényegtelen változók a regresszióban
Tényleges modell: y = β1x1 + β2x2 + u
Becsült modell: y = β1x1 + β2x2 + β3x3 + u, β3= 0 Torzítatlanságot nem befolyásolja
Variancia nő:
RSSi: xi regressziójából többi magyarázó
változóra (plusz változó: RSSi csökken, kivéve, ha korrelálatlan)
i
i
RSS
Var
2
)
(
t-próba
„jó” becslés a hibatag varianciájára, ezért:
Kétoldali próba: H0: βi = 0, H1: βi ≠ 0 Egyoldali próba: pl. H0: βi = 0, H1: βi > 0 Konfidencia intervallum:
~
1ˆ ) ( ˆ
k n i
i
i
t
SE
ˆ ) ˆ (
i
i
c SE
~ 1 ˆ 1
2 2 1
2
k n
k n
RSS
n k
i
i RSS
SE(ˆ ) ˆ 2 /
t-próba, példa
Hitelbírálat, diszkrimináció tesztelése településenként
jóv_ráta
i= α + β
1kisebbs_ráta
i+ β
2jöv_átl
i+ + β
3vagyon_átl
i+ u
i, i = 1…n
Nincs különbség kisebbségi ráta szerint H
0: β
1= 0
Negatív diszkrimináció kisebbséghez tartozókkal szemben
H
1: β
1< 0
Példa egy változó
szignifikanciájának tesztelésére
Adott végzettség mellett tapasztaltabbak többet keresnek?
(Bértarifa, 2003)
log(Keri) = α + β1Iski + β2 Expi + ui H0: β2 = 0 H1: β2 > 0
Dependent Variable: LOG(KER)
Method: Least Squares
Included observations: 201971
Variable Coefficient Std. Error t-Statistic Prob.
C 10.556 0.004 2630.523 0.0000
ISKVEG9 0.164 0.001 320.482 0.0000
EXP 0.008 9.45E-05 79.859 0.0000
Példa a keresetek és iskolában töltött évek kapcsolata
log(Keri) = α + β1Iskevi + ui, 2003-as bértarifa (F-teszt egyváltozós esetben a t-teszt négyzete)
Varianciaanalízis
Használható-e a regressziós egyenlet?
Szórás forrása
Négyzet- összeg
Szabadság- fok
Átlagos négyzetö.
F
Regresszió (ESS)
R2Syy k R2Syy/k = MS1 F =
MS1/MS2 Maradék
(RSS)
(1 – R2)Syy n – k – 1 (1 – R2)Syy/(n – k – 1)
= MS2 Teljes
(TSS)
Syy n – 1
F-próba a regresszió használhatóságához
H0: βi = 0 (i = 1,…,k)
H0 teljesülése esetén
TSS ~ σ2 Khin-12
RSS ~ σ2 Khin-k-12, ESS ~ σ2 Khik2 függetlenek
Ezért:
Tehát elutasítjuk H0-t, ha F > Fk,n – k – 1 eloszlás kritikus értéke
1 2 ,
2
) ~ 1 /(
) 1
(
/ )
1 /(
/
Fk n k
k n R
k R k
n RSS
k F ESS
Gyakorlat
Többváltozós regresszió 2.
Gyakorló feladatok
Maddala: 4/1, 4/3, 4/4, 4/5, 4/6, 4/9, 4/10 Wooldridge: 4.12, 4.14, 4.17, 4.19, 6.15 Megbeszélendő
t- és F-próbák
Előrejelzés EViews programmal
Adatok
Bértarifa részminta (ld. 4. hét)
Wooldridge lakásár adatbázis (hprice.dta)