Upload
xuan
View
35
Download
0
Embed Size (px)
DESCRIPTION
Økonometri 1. Afslutningsforelæsning 23. maj 2007. Dagens program:. 6-trins procedure til IV estimation. Afrunding af IV: Rygning og fødselsvægt. Afrunding og perspektivering af Kvant 2. Opfølgning af introduktionsforelæsningen. Wooldridge, kapitel 19: Carrying out an Empirical Project - PowerPoint PPT Presentation
Citation preview
KM2: F28 1
Økonometri 1
Afslutningsforelæsning
23. maj 2007
KM2: F28 2
Dagens program:
6-trins procedure til IV estimation. Afrunding af IV: Rygning og fødselsvægt. Afrunding og perspektivering af Kvant 2.
Opfølgning af introduktionsforelæsningen. Wooldridge, kapitel 19: Carrying out an Empirical Project Oversigt over økonometriske metoder
Information og spørgsmål vedr. eksamen
KM2: F28 3
Målsætning for Kvantitative metoder 2
Værdsætte betydning af relevante og pålidelige data. Forstå de problemstillinger, der knytter sig til analyser af
passivt observerede data, der fremkommer som resultat af økonomiske agenters valg.
Kunne implementere løsninger på sådanne problemer indenfor en relativt simpel, men alligevel anvendelig ramme: Modeller for uafhængige data eller paneldata.
Indse styrken af en empirisk analyse, hvor økonomisk teori, data og statistiske metoder går op i en højere enhed.
KM2: F28 4
Relevante og pålidelige data
Relevans: Teorigrundlaget giver et sæt af ”ideelle” målinger, men:
Udeladte variabler: ”ability” (kap. 3, 9, 15) Proxy-variabler (kap. 9): IQ i stedet for ”ability”: Konsistens (?)
I praksis: Databeskrivelse (u.s. 1, 2, 4, 9, opb. 1, 2), sortering (u.s. 6, 9) og splejsning af datasæt fra forskellige kilder (u.s. 7)
Pålidelighed: Målefejl i forklarende variabler (kap. 9): Problem! Betydningen af ekstreme observationer og ikke-tilfældige
stikprøver (kap. 9). I praksis: Beskriv de vigtigste karakteristika ved datasæt (u.s. 1,
2, 4, 9).
KM2: F28 5
Passiv observation contra aktiv eksperimentering
To eksempler: Måling af afkast af uddannelse versus høstudbytte.
Hovedproblem ved passivt observerede data: Korrelation mellem
regressor og uobserverbare faktorer.
I praksis har vi blandt andet set:
Underliggende forårsagende variabel:
Ability i forhold til løn og uddannelse
Generelt helbred i forhold til sammenhængen mellem fødselsvægt og rygning
Målefejl i initialin
dkomst (u.s. 10)
Løsninger: Udvide datagrundlaget:
Flere perioder: Paneldata (kap. 13): Kontrollerer for tidsinvariante uobserverbare
faktorer. Estimerer effekten af faktorer, der varierer o
ver tid.
Eksterne kilder til exogen variation i regressorerne: Instrumentvariabler (kap. 15):
Konsistent estimation af effekten af endogene forklarende variabler.
KM2: F28 6
Implementere løsninger
Grundredskab: Multipel lineær regressionsmodel Teknik om OLS-estimatoren:
Mekaniske egenskaber (kap. 3, u.s. 3, 6) Statistiske egenskaber i en konkret specificeret statistisk model
(MLR.1-4,5,6) (kapitel 3,4,5, u.s. 4, 5, 8) Check af forudsætningerne:
MLR.5 (Varianshomogenitet): Whites test, B-P test, grafiske check (kap. 8. u.s. 9 og 10).
MLR.1 (Lineær model): Test af funktionel form, grafiske check (kap. 9).
MLR.4 (Betinget middelværdi): Test af exogenitet (kap 15, u.s. 13). Løsninger:
WLS, FGLS ved heteroskedasticitet (Kap. 8, u.s. 9, 10) Paneldata estimation ved udeladte tids-invariante variabler (kap. 13,
u.s. 9) IV ved generelle former for endogenitet (Kap. 15, u.s. 10)
Vigtigste begrænsning: Lineær i parametrene
KM2: F28 7
Oversigt over økonometriske metoder i Økonometri 1(dækker ikke alt i pensum)
Økono-metrisk metode
OLS OLS
Robust std. fejl
WLS FGLS IV
(2SLS)
Paneldata
metoder
Model-
karakter-stik
Lin..reg.model
(kap. 2,3,4,5)
Heteroskedasticitet
(kap. 8)
Endogenitet
(kap. 15)
Flere obs. for samme individ (kap. 13)
Hypo-tese prøv.
t-test
F-test
LM-test
Robust t- og Wald- og LM-test
t-test
F-test
t-test
F-test
t-test
F-test
t-test
F-test
Specifikationstest
RESET
test
Breusch-Pagan
White
Grafisk test
Test af exogenitet
Test af overident. restriktioner
Efter transformation:
Som ved OLS/FGLS
KM2: F28 8
Status
Styrken af den empiriske analyse: Relevant teorigrundlag Pålidelige data (helst mange) Statistiske gyldighed af resultaterne:
Konsistens! Efficiens
Kvant 2: Forståelse og de vigtigste redskaber indenfor en simpel
modelramme. Modeller for uafhængige data og paneldata (med få perioder).
Kvant 3 og fag på kandidatstudiet: Afhængige data (tidsrækker, mere om paneldata) Andre estimationsmetoder (MLE, GMM, ikke-parametrisk
estimation)
KM2: F28 9
Empirisk projekt
Kapitel 19 i Wooldridge behandler, hvordan man udfører et empirisk projekt
Relevant både i forhold til eksamen i Kvant 2 og til et BA-projekt/øvelsesoplæg/speciale.
Oversigt over elementerne i et empirisk projekt: Valg af emne og litteraturoversigt Indsamling og behandling af data Hvordan man udfører de økonometriske analyser Vejledning i hvordan man skriver en rapport over et
empirisk projekt
KM2: F28 10
Valg af emnet for det empiriske projekt og litteraturgennemgang
Relevant fx for et BA projekt (ikke for eksamen) Hvordan vælger man sit emne? Vigtigt at kunne stille et specifikt
spørgsmål og få afgrænset emnet. Emnet kan være indenfor alle grene af økonomi (så længe man
kan skaffe data): Makroøkonomi, arbejdsmarkedsøkonomi,
sundhedsøkonomi, udviklingsøkonomi, mikroøkonomi,… For et BA-projekt bør man også sørge for, at det er let at
få fat i de relevante data (ØI biblioteks hjemmeside, ”polit-data”)
Et empirisk projekt bør indeholde en gennemgang af den mest relevante eksisterende litteratur
Benyt fx Econ-lit eller Social Science Citations Index til at finde relevant litteratur. (ØI biblioteks hjemmeside)
KM2: F28 11
Data
Valg af et relevant datasæt Sikre at relevante variabler er med i data Indsamlet på en pålidelig måde
Beskrivelse af data Manglende observationer Ekstreme værdier Fejl i data Hvilken type variabler (kvalitative/kvantitative)
Deskriptiv analyse Gennemsnit, varians Min-Max (for at tjekke for fejlobservationer) Grafer af data Krydstabeller
Hvordan skal modellen estimeres?
KM2: F28 12
Økonometrisk analyse
Valg af økonometrisk metode Fra dette kursus: OLS, WLS, FGLS, IV, paneldata metoder Undersøg om forudsætningerne for at anvende metoden er
opfyldt (f.eks. Gauss-Markov antagelserne) Ting, som man bør tjekke og overveje:
MLR.4 (de forklarende variabler er exogene): OLS. Ellers IV eller paneldata metoder.
Funktionel form, udeladte variabler Typen af variabler (kvalitative variabler kan ofte med fordel laves
til dummy variabler) Målefejl i variablerne Homoskedasticitet Sample selektion Robusthedsanalyse (er estimationsresultaterne følsomme fx
overfor et par ekstreme observationer)
KM2: F28 13
Præsentation af resultater
I kap. 19 eksempler på hvordan man præsenterer sine empiriske resultater
Deskriptiv tabel Estimationsresultater Tabel til sammenligning af estimations-resultater
KM2: F28 14
Hvad bliver det næste?
Spørgetime: Fredag den 8. juni kl. 14.15. Se hjemmesiden for lokale.
Eksamen 1: Grupper à max. 3 personer: Tirsdag den 29. maj kl. 10.00.
Opgaven vil ligge på fagets hjemmeside (og på www.ibt2.dk): Opgavetekst, forside, evt. bilag, data, programfiler (se
prøveeksamen eller tidligere eksamener på Økonometri 1 hjemmesiden)
Den samlede rapport+bilag med SAS-output, SAS-program og SAS-datafil uploades via link som angives på eksamensopgaven
Alt afleveret materiale skal forsynes med ”afleveringsnummer” (vælg et gruppemedlems eksamensnummer).
Eksamen 2: 2-timers skriftlig prøve uden hjælpemdler: Tirsdag den 12. juni.
KM2: F28 15
Regler for tag-hjem eksamen:
Hele opgaven skal besvares af hver gruppe for sig (både opgaven og SAS-programmerne). Se noten på hjemmesiden:
http://www.econ.ku.dk/metrics/qm2/eksamen/EksamenKvant2.pdf Det betyder blandt andet:
Man må ikke samarbejde med andre grupper Man må ikke få hjælp af andre grupper Man må ikke yde hjælp til andre grupper
Der er kun to undtagelser: Man må få hjælp til generering af data af forelæseren Man må få hjælp til at løse computertekniske problemer i IT-
kælderen.
KM2: F28 16
Held og lykke! Tak for denne gang!