• Nem Talált Eredményt

Készítette: Bíró Anikó Szakmai felelős: Bíró Anikó

N/A
N/A
Protected

Academic year: 2022

Ossza meg "Készítette: Bíró Anikó Szakmai felelős: Bíró Anikó "

Copied!
9
0
0

Teljes szövegt

(1)

GAZDASÁGSTATISZTIKA

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.

Készítette: Bíró Anikó Szakmai felelős: Bíró Anikó

2010. június

(2)

2

GAZDASÁGSTATISZTIKA 10. hét

Egyváltozós idősorelemzés: autokorreláció, stacionaritás,

AR(1) modell Bíró Anikó

Osztott késleltetésû modell – buktatók

Osztott késleltetésű modell: Y regressziója X-en és X késleltetettjein OLS nem működik, ha:

Y függ Y késleltetettjeitől

(példa: beruházás/GDP, háztartás kiadása tartós fogyasztási cikkekre) A változók nem stacionáriusak

Egyváltozós idősorelemzés

Egy idősorra vonatkozó modell Grafikus ábrázolás

1. példa: havi export (m EUR)

MNB adat

(3)

3

Példa: export havi változás

0 1000 2000 3000 4000 5000 6000 7000

1996 1998 2000 2002 2004 2006 2008 EXPORT

változás os

% ) ln(

100

) ln(

) ln(

)

ln(

1

Exp

Exp Exp

Exp

-.4 -.3 -.2 -.1 .0 .1 .2 .3 .4

1996 1998 2000 2002 2004 2006 2008

DLOG_EXP

(4)

4

Példa: államadósság

Negyedéves adatok (mrd Ft, MNB)

Trend

Makroökonómiai változók többsége (fogyasztás, jövedelem, adósság): jellemzően trendet követnek

Trend: időben állandósult változás

Változás idősora (differencia vagy log differencia): jellemzően nincs benne trend

Autokorreláció

Adott változó és saját késleltetettje közti korreláció rp: Y és p-edik késleltetettje (Y–p) közti korreláció

rp = corr(Y,Y–p) Trend: pozitív autokorreláció

0 1000 2000 3000 4000 5000 6000 7000

1996 1998 2000 2002 2004 2006 2008 EXPORT

0 4000 8000 12000 16000 20000 24000

90 92 94 96 98 00 02 04 06 08 DEBT

-.04 .00 .04 .08 .12 .16

90 92 94 96 98 00 02 04 06 08 DLOG_DEBT

(5)

5

Autokorrelációs függvény

Autokorrelációk sorozata a késleltetés függvényében Hosszabb késleltetés – kevesebb megfigyelés

„Hosszú távú emlékezet”

Példa – államadósság

Autocorrelation Partial Correlation AC PAC

. |*******| . |*******| 1 0.940 0.940 . |*******| . |*. | 2 0.893 0.072 . |*******| . |*. | 3 0.857 0.085 . |****** | . | . | 4 0.820 –0.004 . |****** | . | . | 5 0.778 –0.054 . |****** | . | . | 6 0.739 –0.008 . |***** | . | . | 7 0.700 –0.023 . |***** | . | . | 8 0.659 –0.037 . |***** | . | . | 9 0.618 –0.023 . |**** | . | . | 10 0.579 –0.014 Parciális autokorreláció: autokorreláció Xt, Xt–k

között, kiszűrve Xt–1, …, Xt–k+1 hatását

Egyváltozós autoregresszív modell

Regresszió: korrelációnál kifinomultabb AR(1) modell:

Ф = 0: véletlen ingadozás α körül Ф = 1: trendszerű viselkedés

t t

t Y e

Y 1

(6)

6

Stacionaritás – AR(1) modell

AR(1) modellben Y stacionárius ha | Ф |<1 Y nem stacionáris ha Ф = 1

Y-nak egységgyöke van Autokorreláció 1-hez közeli Trendszerű viselkedés ΔY stacionárius:

Véletlen bolyongás: Yt = Yt–1 + et Példa: részvényárfolyamok

Példák

AR(1) modell államadósság és export példákban – OLS Becsült meredekségi együttható:

Havi export: 0,96

Államadósság szintje negyedévente: 1,04

1-hez közeli értékek – egyenlőség tesztelése: t-teszt nem működik!

Összefoglalás

Trend

Autokorreláció, autokorrelációs függvény

Egyváltozós autoregresszív modell és stacionaritás

t t

t Y e

Y ( 1) 1

(7)

7

Gyakorlat

Egyváltozós idősorelemzés: autokorreláció, stacionaritás, AR(1) modell

Egyváltozós idősorelemzés

Egy idősorra vonatkozó modell Grafikus ábrázolás

példa: havi export (m EUR, MNB)

példa: államadósság negyedéves adatok (mrd Ft, MNB) Szint és log differencia (dlog) grafikonja?

Trend?

Autokorreláció

Adott változó és saját késleltetettje közti korreláció rp: Y és p-edik késleltetettje (Y–p) közti korreláció

rp = corr(Y,Y–p) Trend: pozitív autokorreláció EViews: View/Correlogram

Példák autokorrelációs függvény vizsgálatára

Államadósság szintje (mrd HUF) és változása Export szintje (m EUR) és változása

(8)

8

Egyváltozós autoregresszív modell

AR(1) modell:

Ф = 0: véletlen ingadozás α körül Ф = 1: trendszerű viselkedés

Stacionaritás – AR(1) modell

AR(1) modellben Y stacionárius ha | Ф |<1 Y nem stacionáris ha Ф = 1

Y-nak egységgyöke van Autokorreláció 1-hez közeli Trendszerű viselkedés ΔY stacionárius:

Példák

AR(1) modell államadósság és export példákban – OLS Becsült meredekségi együttható?

Feltehető-e, hogy stacioner folyamat?

Becsült együttható differenciára felírt modellben?

t t

t

Y e

Y

1

t t

t Y e

Y ( 1) 1

(9)

9

Házi feladat (csoportos)

3 tetszőlegesen kiválasztott makrogazdasági (MNB) idősor vizsgálata EViews programmal

Szint, változás grafikonja, rövid elemzés Autokorrelációs függvény vizsgálata

AR(1) modell becslése – stacionaritás feltételezhető-e?

Hivatkozások

KAPCSOLÓDÓ DOKUMENTUMOK

Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén,.. az ELTE Közgazdaságtudományi Tanszék,

Becslés hibás, ha releváns változót kihagyunk, ami korrelál az egyenletben szereplő változókkal.. Magyarázóerővel bíró

Osztott késleltetésű modell becslése, 5 éves késleltetéssel (késleltetés: X(–1)) Késleltetés hosszának megválasztása (feltételezés: max. 10 év). Késleltetés

Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén,.. az ELTE Közgazdaságtudományi Tanszék,

Mezőgazdasági és üzemanyag árindex (MNB) ΔMezőg regressziója ΔÜzem-re és u késleltetettjére Együtthatók értelmezése. Stabilitási

Feltevés: véletlen bolyongás helytálló Volatilitás mérőszáma: (Δy t )

több beépített eljárása van, és jobban programozható keresztmetszeti és panel elemzésre jobban

több beépített eljárása van, és jobban programozható keresztmetszeti és panel elemzésre jobban