T T. Think Together Marta Gryčová THINK TOGETHER
|
|
- Hana Vacková
- před 8 lety
- Počet zobrazení:
Transkript
1 Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Doktorská vědecká konference 4. února 2013 T T THINK TOGETHER Think Together 2013 Mzdová disparita v českém agrárním sektoru v období od 1. čtvrtletí roku 2000 do 3. čtvrtletí roku 2012 Wage differentials in the Czech agricultural sector in the period of the 1 st quarter 2000 to the 3rd quarter 2012 Marta Gryčová 1
2 Abstrakt V roce 2011 průměrná mzda v zemědělství dosáhla 77,9 % hodnoty průměrné mzdy v celkovém národním hospodářství podle oficiálních statistik Českého statistického úřadu. Dlouho trvající mzdová disparita v zemědělství má negativní vliv na počet pracovníků v tomto sektoru a tedy demografický vývoj venkova. Příčiny mzdové disparity v agrárním sektoru dle ekonomických teorií se v čase mění a v současné době dosahují jednotlivé determinanty mzdové disparity v zemědělství různě velké významnosti. Tato práce provede hrubý výpočet externí mzdové disparity v agrárním sektoru oproti hodnotám pro celkové národní hospodářství. Hlavním cílem práce je odhad významnosti vlivu proměnné produktivity práce v agrárním sektoru, vypočítané jako podíl hrubé přidané hodnoty v agrárním sektoru a celkové zaměstnanosti v agrárním sektoru, na mzdu v agrárním sektoru pomocí lineárního regresního modelu metodou nejmenších čtverců. Řešením mzdové disparity by mohlo být právě zvýšení produktivity práce. Klíčová slova mzdová disparita, agrární pracovní trh, agrární sektor, produktivita práce Abstract In 2011, the average wage in agriculture reached 77.9 % of the average wage in the overall national economy, according to the official statistics of the Czech Statistical Office. Long lasting wage disparity in agriculture has a negative effect on the number of workers in this sector and thus rural demographic development. The causes of the external income disparities in the agricultural sector according to economic theories have changed over time and currently each determinant of wage disparities in agriculture reaches a significance of various sizes. This paper carries out the calculation of the gross external wage disparities in the agricultural sector compared to the values for the total economy. The main objective of this paper is to estimate the significance of the influence of labor productivity in agriculture, calculated as the ratio of gross value added and total employment in the agricultural sector, on wages in agriculture using linear regression model of 1st differences of the variables and ordinary least squares method. One solution could be to increase the labor productivity. Key Words wage disparity, agrarian labor market, agrarian sector, labor productivity Úvod Ve 3. čtvrtletí 2012 činila průměrná hrubá měsíční nominální mzda (dále průměrná mzda) na přepočtené počty zaměstnanců v celkem Kč dle oficiálních statistik Českého Statistického Úřadu (ČSÚ). Oproti tomu v sektoru zemědělství, lesnictví a rybářství (dále agrární sektor) podle třídění ekonomických činností CZ-NACE (skupina A) průměrná mzda byla jen Kč. Rozdíl mezi těmito hodnotami se rovná Kč v absolutní hodnotě a procentuálně je to 17,32 % z hodnoty průměrné mzdy v národním hospodářství. Přičemž se musí uvážit velké sezónní výkyvy typické pro agrární sektor, např. oproti 1. čtvrtletí 2012 rozdíl v absolutní hodnotě byl Kč a procentuálně 25,64 %. Nejvyšších hodnot dosahuje průměrná mzda v agrárním sektoru obvykle ve 4. čtvrtletí a nejmenší v 1. čtvrtletí. V roce 2011 průměrná mzda v zemědělství dosáhla 77,9 % hodnoty průměrné mzdy v celkovém národním Think Together 2013 Dostupné z:
3 hospodářství. Dlouhotrvající mzdová disparita v zemědělství má negativní vliv na počet pracovníků v tomto sektoru a tedy na demografický vývoj venkova. V roce 2011 opět ubylo množství zaměstnaných v agrárním sektoru o 5 %, tedy podíl pracovníků v agrárním sektoru se snížil o 0,1 procentního bodu na 2,3 procenta. Také v roce 2011 nejvíce zaměstnanců v agrárním sektoru, tj. 45 % veškerých zaměstnanců, patřilo do věkové kategorie 45 až 49 let. (data ČSÚ, vlastní výpočty) Tomuto problému je nezbytné se věnovat z důvodu nezastupitelné role agrárního sektoru v národním hospodářství a jeho funkcí ve společnosti celkově. Proto zde také selhává teorie vyrovnávacích mzdových rozdílů. Mzdová disparita mezi sektory ekonomiky není novým fenoménem. Například Slichter (1950) sledoval korelaci mezi jednotlivými sektory. na jeho práci navázali Krueger a Summers (1987) a v článku Krueger a Summers (1988) také se snažili vysvětlit tyto mzdové rozdíly pomocí matice charakteristik zaměstnance a matice charakteristik odvětví. Hlavní část práce a i její hlavní cíl vychází z teorie determinace nominální mzdy na trhu práce ovšem s využitím průměrných hodnot proměnných oproti jejich mezním hodnotám. Přitom vychází ze standardní mikroekonomické teorie předpokládající vztah mezi růstem mezd a růstem produktivity (Meager a Speckesser, 2011). Cíl a metodika práce V rámci této práce je proveden hrubý výpočet externí mzdové disparity v agrárním sektoru oproti hodnotám pro celkové národní hospodářství a popis jejího trendu od roku 2000 do roku 2011 pro roční data, protože pouze pro toto období uvádí ČSÚ tyto časové řady podle metodiky třídění ekonomických činností CZ-NACE, a od 1. čtvrtletí 2000 do 3. čtvrtletí 2012 pro čtvrtletní data stažená z databáze ČSÚ. Následně na tyto data budou odhadnuty následující trendové modely (viz Hindls, 2007). Lineární regresní model pro odhad trendové funkce má tvar: kde y je tedy mzdová disparita, u t je náhodná složka a t je trend. Avšak nejlepší R 2 měla na roční data mocninná trendová funkce: Oproti tomu pro čtvrtletní data největší koeficient determinace R2 dosahovala polynomická trendová funkce: Dílčí pracovní hypotézou ohledně trendu vývoje mzdové disparity v agrárním sektoru je lineárně rostoucí trend. Hlavním cílem této práce je odhad vlivu proměnné produktivity práce v agrárním sektoru, vypočítané jako podíl hrubé přidané hodnoty v agrárním sektoru a celkové zaměstnanosti v agrárním sektoru, na mzdu v zemědělství pomocí odhadu lineárního regresního modelu ve formě 1. diferencí metodou nejmenších čtverců. Hlavní hypotézou v modelu, který vychází z teorie determinace nominální mzdy na trhu práce (w = MPL*P, tedy nominální mzda se rovná nominální hodnotě meznímu produktu práce, tj. meznímu produktu práce x cena outputu), ve tvaru: kde vysvětlovaná proměnná y se rovná průměrné mzdě v agrárním sektoru a vysvětlující proměnná x j je průměrná produktivita práce v agrárním sektoru, je pozitivní vztah průměrné produktivity práce vůči průměrné mzdě v agrárním (1) (2) (3) (4) ISBN:
4 sektoru. Je to velice zjednodušená verze modelu použitém v článku Carneiro (1998). V ekonometrických modelech, resp. lineárních regresních modelech, bude tedy použita metoda nejmenších čtverců, která odhadne vektor β, vektor koeficientů u jednotlivých vysvětlujících proměnných následujícím způsobem: kde matice X je matice regresorů, tedy vysvětlujících proměnných. (Hansen, 2000). Výsledky práce Výpočet mzdových rozdílů v období Největší hodnota mzdové disparity v období od roku 2000 do roku 2011 byla v roce 2009 (5 700 Kč), v době finanční a hospodářské krize (větší dopad krize na agrární sektor než na národní hospodářství celkově). Nejmenší pak na počátku sledovaného období v roce 2000 (2 763 Kč). Nejvíce se zvýšila mzdová disparita mezi roky 2001 a 2002 (o 26,6 %) a nejvíce se zmenšila mezi lety 2009 a 2010, a to o přibližně 5,3 %, z důvodu velice vysoké hodnoty mzdové disparity v roce 2009, tj. v roce hospodářské krize. Největší hodnotu procentního poměru vůči průměrné mzdě v národním hospodářství dosáhla průměrná mzda v agrárním sektoru (CZ-NACE: A) v roce 2001 a nejmenší v roce Nejvíce se tento procentní poměr zvýšil mezi roky 2009 a 2010 (o 2,4 %) opět z důvodu velice nízké hodnotě v roce 2009, v době hospodářské krize, a nejvíce se snížil tento poměr mezi roky 2001 a 2002 (o 4,4 %). Tabulka č. 1 blíže a detailněji popisuje mzdovou disparitu v jednotlivých letech zvoleného období. (5) Tabulka č. 1: Průměrné mzdy (W) v agrárním sektoru (W-A) a národním hospodářství (W-NH), jejich rozdíl a průměrná mzda v agrárním sektoru jako procento (%) průměrné mzdy v NH, roční data, v období Průměrná mzda v národním hospodářství (W-NH) Průměrná mzda v zemědělství, lesnictví a rybářství (W-A) Podíl W-A na W-NH v % Procentní změna podílu W-A na W-NH v % Mzdová disparita (rozdíl W-NH a W-A) Procentní změna mzdové disparity v % , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,9301 0, ,11113 Následující grafy č. 1 a 2 popisují vývoj průměrné mzdy v národním hospodářství a v agrárním sektoru s jejich lineárním trendem a mzdovou disparitu v absolutní hodnotě s lineárním trendem na ročních datech v období od roku 2000 do roku ISBN:
5 Graf 1 a 2: Vývoj průměrné mzdy v národním hospodářství a v agrárním sektoru s jejich lineárním trendem a mzdová disparita v absolutní hodnotě s lineárním trendem, v CZK, Graf 3: Mzdová disparita v absolutní hodnotě s mocninným trendem, v CZK, Zdroj: data ČSÚ, vlastní výpočty a zpracování Největší koeficient determinace R 2 (0,9513) však měla mocninná trendová funkce na dalším grafu č. 3. Zdroj: data ČSÚ, vlastní výpočet a zpracování Následující grafy č. 4 a 5 demonstrují vývoj průměrné mzdy v národním hospodářství a v agrárním sektoru s jejich polynomickým trendem 2. řádu a mzdovou disparitu v absolutní hodnotě s polynomickým trendem 2. řádu na čtvrtletních datech v období od 1. čtvrtletí roku 2000 do 3. čtvrtletí roku ISBN:
6 Graf 4 a 5: Vývoj průměrné mzdy v národním hospodářství a v agrárním sektoru s jejich polynomickým trendem 2. řádu a mzdová disparita v absolutní hodnotě s polynomickým trendem 2. řádu, v CZK, 1Q2000-3Q2012 Graf 5: Podíl (ratio W A W NH) průměrné mzdy v zemědělství k průměrné mzdě (W A) v národním hospodářství (W NH) a jeho polynomický trend 6. řádu, 1Q2000-3Q2012 Zdroj: data ČSÚ, vlastní výpočty a zpracování Výsledky lineární regrese Zdroj: data ČSÚ, vlastní výpočty a zpracování V období od 1. čtvrtletí roku 2000 do 3. čtvrtletí roku 2012 vychází jako nejlepší trend polynomický trend 6. řádu podílu průměrné mzdy v zemědělství k průměrné mzdě v národním hospodářství, i když koeficient determinace R2 (0,17) je velice nízký (viz graf č. 5). Z grafu č. 5, posledního v této části, lze vyčíst, že největších hodnot podíl dosahuje v období konce roku 2000 do konce roku 2001 a nyní od konce roku Lineární regresní model uvedený v metodice této práce s 1 vysvětlovanou proměnnou byl odhadnut následovně: y = 0, ,3998 x 1 (4) Tedy pokud vzroste průměrný produkt na 1 zaměstnance o 1 mil. Kč, zvýší se průměrná mzda v zemědělství o 0,3998 Kč. Bohužel model měl velice malý koeficient determinace: R 2 =0,368849, i další testy na normalitu, autokorelaci, heteroskedasticitu a multikolinearitu nevyhovovaly Gauss- Markovovým předpokladům pro použití metody nejmenších čtverců. T-testy parametrů modelu jak pro konstantu, tak pro vysvětlující proměnnou vyhovovaly požadavkům, oba parametry byly statisticky významné (viz tabulka č. 2). ISBN:
7 Tabulka č. 2: Výsledky regrese: t-testy pro konstantu a parametr u vysvětlující proměnné průměrné produktivity v agrárním sektoru (x) jako vysvětlované proměnné průměrné mzdy v agrárním sektoru const t-value 2,553 6,116 p-value 0,0131 6,42e-08 Graf 6: Regresní linie odhadnutého lineárního modelu vztahu mezi průměrnou mzdou v agrárním sektoru a průměrnou produktivitou práce x Zdroj: data ČSÚ, výstup z Gretlu Výsledky jsou v souladu s naší hypotézou a ekonomickou teorií, ovšem tyto výsledky a celý model není statisticky významný. Shrnutí a závěr Z výsledků popisu průměrné mzdy v agrárním sektoru a z vypočteného rozdílu mezi průměrnou mzdou v národním hospodářství a v agrárním sektoru je vidět problém, kterým český agrární sektor dlouhodobě prochází. Rozdíl mezi průměrnou mzdou v národním hospodářství a v agrárním sektoru dosahuje největší hodnoty v době finanční a hospodářské krize v roce 2009, z čehož lze usuzovat, že krize tížeji dopadla na mzdy v agrárním sektoru než celkově na mzdy v národním hospodářství. Největší skoky v časové řadě podílu průměrné mzdy v agrárním sektoru vůči průměrné mzdě v národním hospodářství jsou v roce 2003 a Nejvíce se disparita mezi těmito mzdami snížila zejména po obdobích krize, kdy kontrastovala vysoká hodnota disparity v roce krize s pokrizovým navrácením do normálních hodnot. Použité trendové modely jsou velice jednoduché a nezahrnují některé velice důležité proměnné, které ovlivňují průměrnou mzdu a disparitu mezd v agrárním sektoru. Tudíž nemají velkou vypovídací schopnost. Tyto neúplné výsledky nám částečně potvrdily naši hypotézu rostoucího lineárního trendu pro mzdovou disparitu pro roční časovou řadu, přičemž nejlépe tuto časovou řadu aproximovala mocninná trendová funkce, která také předpokládá růst hodnot mzdové disparity v agrárním sektoru. Čtvrtletní data nejlépe odhadla polynomická trendová funkce 2. řádu. Tuto odchylku od pracovní hypotézy rostoucího budoucího trendu lze částečně vysvětlit nedostatky a přílišnou jednoduchostí celého modelu. Podíl průměrné mzdy v agrárním sektoru k průměrné mzdě ISBN:
8 v národním hospodářství pro čtvrtletní data nejlépe popsala polynomická trendová funkce 6. řádu. Výsledky lineárního regresního modelu odhadnutého pomocí metody nejmenších čtverců nám částečně potvrzují naši hypotézu pozitivního vlivu průměrné produktivity práce na průměrnou mzdu v agrárním sektoru dle ekonomické teorie. Ovšem opět statistická významnost tohoto modelu je velice nízká. Oproti jiným autorům je tato práce jednodušší v přístupu k mzdovým disparitách, přičemž by byla nutná a vhodnější mnohem důkladnější analýza se zahrnutím všech faktorů determinujících průměrnou mzdu v agrárním sektoru a mzdovou disparitu běžnou v literatuře, která by měla mnohem silnější vypovídací schopnost. Byl by třeba mnohem komplexnější dynamický model se zahrnutím všech faktorů ovlivňujících mzdovou disparitu v agrárním sektoru. Tato práce se pokusila přispět do debaty k řešení mzdové disparity v agrárním sektoru. Pro snížení mzdové disparity by se nabízela možnost zvýšení průměrné produktivity práce v agrárním sektoru, např. zvýšením investic v agrárním sektoru. Vypovídací schopnost výsledků lineárního regresního modelu, který popisuje vliv průměrné produktivity práce na průměrnou mzdu v agrárním sektoru, je nízká. Literatura Carneiro, F. G. (1998): Productivity effects in Brazilian wage determination. World Development 26(1): Hansen, B. E. (2000): Econometrics, manuscript, University of Wisconsin, Econometrics.pdf (online 10/11/2012). Hindls, R., Hronová S., Seger, J. a Fischer, J. (2007): Statistika pro ekonomy, Professional Publishing, Praha, 418 s., ISBN: Krueger, A., and Summers, L. (1987): Reflections on the Inter- Industry Wage Structure, NBER Working Paper No. 1968, online (30/1/2013). Krueger, A., a Summers, L. (1988): Efficiency Wages and the Inter-Industry Wage Structure, Econometrica, 56, pp Meager, N., a Speckesser, S. (2011): Wages, productivity and employment: A review of theory and international data, European EMployment Observytory, Thematic expert ad-hoc paper, Institute for Employment Studies, WagesProductivityandEmployment.pdf (online 30/1/2013). Slichter, S. (1950): Notes on the Structure of Wages, Review of Economics and Statistics, 32, pp ISBN:
4EK211 Základy ekonometrie
4EK Základy ekonometrie Odhad klasického lineárního regresního modelu II Cvičení 3 Zuzana Dlouhá Klasický lineární regresní model - zadání příkladu Soubor: CV3_PR.xls Data: y = maloobchodní obrat potřeb
VíceSociálně-politické rozhodování v praxi: modelování zaměstnanosti v agrokomplexu ČR. Marie Pechrová Ondřej Chaloupka
Sociálně-politické rozhodování v praxi: modelování zaměstnanosti v agrokomplexu ČR Marie Pechrová Ondřej Chaloupka Úvod Jedním z důležitých aspektů rozvoje venkova je udržení zaměstnanosti. Význam agrokomplexu
VíceANALÝZA DLOUHODOBÉ NEZAMĚSTNANOSTI V ZEMÍCH EU # ANALYSIS OF LONG-TERM UNEMPLOYMENT IN EU COUNTRIES. KLÍMA Jan, PALÁT Milan.
ANALÝZA DLOUHODOBÉ NEZAMĚSTNANOSTI V ZEMÍCH EU # ANALYSIS OF LONG-TERM UNEMPLOYMENT IN EU COUNTRIES KLÍMA Jan, PALÁT Milan Abstract The paper is aimed at assessing the long-term unemployment of males,
Více4ST201 STATISTIKA CVIČENÍ Č. 10
4ST201 STATISTIKA CVIČENÍ Č. 10 regresní analýza - vícenásobná lineární regrese korelační analýza Př. 10.1 Máte zadaný výstup regresní analýzy závislosti závisle proměnné Y na nezávisle proměnné X. Doplňte
VíceKorelační a regresní analýza
Korelační a regresní analýza Analýza závislosti v normálním rozdělení Pearsonův (výběrový) korelační koeficient: r = s XY s X s Y, kde s XY = 1 n (x n 1 i=0 i x )(y i y ), s X (s Y ) je výběrová směrodatná
VíceKarta předmětu prezenční studium
Karta předmětu prezenční studium Název předmětu: Číslo předmětu: 545-0250 Garantující institut: Garant předmětu: Ekonomická statistika Institut ekonomiky a systémů řízení RNDr. Radmila Sousedíková, Ph.D.
VíceIlustrační příklad odhadu LRM v SW Gretl
Ilustrační příklad odhadu LRM v SW Gretl Podkladové údaje Korelační matice Odhad lineárního regresního modelu (LRM) Verifikace modelu PEF ČZU Praha Určeno pro posluchače předmětu Ekonometrie Needitovaná
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 7: Časově řady, autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Časové řady Data: HDP.wf1
VíceUNIVERZITA KARLOVA V PRAZE. Flexicurita na českém trhu práce: aplikace v evropském kontextu
UNIVERZITA KARLOVA V PRAZE FAKULTA SOCIÁLNÍCH VĚD Institut ekonomických studií Jindřich Matoušek Flexicurita na českém trhu práce: aplikace v evropském kontextu Přílohy k bakalářské práci Praha 2011 8.
VíceTeorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných)
Teorie časových řad Test 2 Varianta A HODNOCENÍ (max. 45 bodů z 50 možných) 1. SPECIFIKACE (12 bodů): (1) Graf průběhu proměnných (1) Obě řady se chovají stejně, lze předpokládat jejich lineární vztah
VíceMEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC
MEZIREGIONÁLNÍ PŘEPRAVA NA ŽELEZNICI V ČR INTERREGINAL RAILWAY TRANSPORT IN CZECH REPUBLIC Kateřina Pojkarová 1 Anotace:Článek se věnuje železniční přepravě mezi kraji v České republice, se zaměřením na
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Úvod do předmětu obecné informace Základní pojmy ze statistiky / ekonometrie Úvod do programu EViews, Gretl Některé užitečné funkce v MS Excel Cvičení 1 Zuzana Dlouhá Úvod do
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 5 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
VíceVývojové tendence v zaměstnanosti v agrárním sektoru a potravinářském odvětví ČR
Vývojové tendence v zaměstnanosti v agrárním sektoru a potravinářském odvětví ČR 2004-2014 Mgr. Ilona Svobodová, Ph.D., Ing. Jan Drlík Bratislava, listopad 2015 Zdroje dat, literatura VŠPS (jen pro agrární
VíceEKONOMETRIE 7. přednáška Fáze ekonometrické analýzy
EKONOMETRIE 7. přednáška Fáze ekonometrické analýzy Ekonometrická analýza proces, skládající se z následujících fází: a) specifikace b) kvantifikace c) verifikace d) aplikace Postupné zpřesňování jednotlivých
VíceKlasická a robustní ortogonální regrese mezi složkami kompozice
Klasická a robustní ortogonální regrese mezi složkami kompozice K. Hrůzová, V. Todorov, K. Hron, P. Filzmoser 13. září 2016 Kompoziční data kladná reálná čísla nesoucí pouze relativní informaci, x = (x
VíceNESTEJNÝ TREND V OČEKÁVANÉM VÝVOJI MZDOVÉHO PRŮMĚRU A MZDOVÉHO MEDIÁNU V ČESKÉ REPUBLICE
Ondřej Šimpach 1 NESTEJNÝ TREND V OČEKÁVANÉM VÝVOJI MZDOVÉHO PRŮMĚRU A MZDOVÉHO MEDIÁNU V ČESKÉ REPUBLICE UNEQUAL EXPECTED TREND IN THE DEVELOPMENT OF AVERAGE WAGE AND WAGEMEDIAN IN THE CZECH REPUBLIC
VíceLINEÁRNÍ REGRESE. Lineární regresní model
LINEÁRNÍ REGRESE Chemometrie I, David MILDE Lineární regresní model 1 Typy závislosti 2 proměnných FUNKČNÍ VZTAH: 2 závisle proměnné: určité hodnotě x odpovídá jediná hodnota y. KORELACE: 2 náhodné (nezávislé)
VíceT T. Think Together Tomáš Rašovec THINK TOGETHER
Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Doktorská vědecká konference 7. února 2011 T T THINK TOGETHER Think Together 2011 Analýza vývoje mezd v podnikatelské sféře v jednotlivých
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2014/15 Cvičení 5: Vícenásobná regrese, multikolinearita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y β ε Matice n,k je matice realizací. Předpoklad: n > k, h() k - tj. matice je plné hodnosti
VíceStatistika (KMI/PSTAT)
Statistika (KMI/PSTAT) Cvičení dvanácté aneb Regrese a korelace Statistika (KMI/PSTAT) 1 / 18 V souboru 25 jedinců jsme měřili jejich výšku a hmotnost. Výsledky jsou v tabulce a grafu. Statistika (KMI/PSTAT)
VíceLibuše Svatošová, Ivana Boháčková. Úvod
ANALÝZA REGIONÁLNÍ A ODVĚTVOVÉ DISPARITY MEZD V ČR # Libuše Svatošová, Ivana Boháčková Úvod Často diskutovaný problém představuje hodnocení příjmové disparity obyvatelstva. Hlavní část příjmů většiny produktivní
VíceMATEMATIKA III V PŘÍKLADECH
VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA STROJNÍ MATEMATIKA III V PŘÍKLADECH Cvičení 10 Mgr. Petr Otipka Ostrava 01 Mgr. Petr Otipka Vysoká škola báňská Technická univerzita Ostrava ISBN
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická
VíceZávislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )
Úloha M608 Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely ) Zadání : Při kvantitativní analýze lidského krevního séra ovlivňují hodnotu obsahu vysokohustotního
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chyby v této presentaci mě prosím upozorněte. Děkuji. Tyto slidy berte pouze jako doplňkový materiál není
VíceZaměstnanci a mzdové prostředky za 1. 4. čtvrtletí 2014
Zaměstnanci a mzdové prostředky za 1. 4. čtvrtletí 2014 Stručné shrnutí Informační datová svodka Zaměstnanci a mzdové prostředky za 1. 4. čtvrtletí 2014 je analytickým výstupem ze čtvrtletních výkazů o
Více5. PŘEDNÁŠKA EKONOMETRICKÝ MODEL REGRESNÍ ANALÝZA DUMMIES VÍCENÁSOBNÁ REGRESE
5. PŘEDNÁŠKA EKONOMETRICKÝ MODEL REGRESNÍ ANALÝZA DUMMIES VÍCENÁSOBNÁ REGRESE 1 STRUKTURA PŘEDNÁŠKY - DNES - Formulace a strukturace problému za pomoci teorie; data; ekonometrický model; identifikační
VíceANALÝZA STRUKTURY A DIFERENCIACE MEZD ZAMĚSTNANCŮ EMPLOEE STRUCTURE ANALYSIS AND WAGE DIFFERENTIATION ANALYSIS
ANALÝZA STRUKTURY A DIFERENCIACE MEZD ZAMĚSTNANCŮ EMPLOEE STRUCTURE ANALYSIS AND WAGE DIFFERENTIATION ANALYSIS Pavel Tomšík, Stanislava Bartošová Abstrakt Příspěvek se zabývá analýzou struktury zaměstnanců
VíceZaměstnanci a mzdové prostředky za 1. 4. čtvrtletí 2013
Zaměstnanci a mzdové prostředky za 1. 4. čtvrtletí 2013 Stručné shrnutí Informační datová svodka Zaměstnanci a mzdové prostředky za 1. 4. čtvrtletí 2013 je analytickým výstupem ze čtvrtletních výkazů o
VíceInovace bakalářského studijního oboru Aplikovaná chemie
http://aplchem.upol.cz CZ.1.07/2.2.00/15.0247 Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky. Regrese Závislostproměnných funkční y= f(x) regresní y= f(x)
VíceSemestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat
Semestrální práce 1 3.3 Tvorba nelineárních regresních modelů v analýze dat Ing. Ján Lengyel, CSc. Centrální analytická laboratoř Ústav jaderného výzkumu Řež, a. s. Husinec Řež 130 250 68 Řež V Řeži, únor
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Predikce Multikolinearita Cvičení 4 Zuzana Dlouhá Aplikace EM predikce obecně ekonomické prognózování, předpověď, předvídání hlavním cílem je odhad hodnot vysvětlované proměnné
Více4EK211 Základy ekonometrie
4EK11 Základy ekonometrie Autokorelace Cvičení 5 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady 1. E(u) = náhodné vlivy se vzájemně vynulují. E(uu T ) = σ I n konečný
VíceVyužití regresní analýzy pro modelování státního dluhu
Mendelova univerzita v Brně Provozně ekonomická fakulta Využití regresní analýzy pro modelování státního dluhu Bakalářská práce Vedoucí práce: Mgr. Kateřina Myšková, Ph.D. Alžběta Surovcová Brno 2012 Tímto
VíceEkonomická efektivnost podniků v agrárním sektoru, možnosti trvale udržitelného rozvoje v zemědělských podnicích.
Ekonomická efektivnost podniků v agrárním sektoru, možnosti trvale udržitelného rozvoje v zemědělských podnicích. Eva Rosochatecká Vysoká škola zemědělská Praha, Provozně ekonomická fakulta, Katedra zemědělské
VíceVZTAHY MEZI PRODUKCÍ, NÁKLADY A CENOVOU ÚROVNÍ V ZEMĚDĚLSTVÍ A NÁRODNÍM HOSPODÁŔSTVÍ
VZTAHY MEZI PRODUKCÍ, NÁKLADY A CENOVOU ÚROVNÍ V ZEMĚDĚLSTVÍ A NÁRODNÍM HOSPODÁŔSTVÍ J. Burianová katedra ekonomických teorií, PEF Vysoká škola zemědělská, 165 21 Praha 6 - Suchdol Anotace: Příspěvek ukazuje
VíceModelování dopadů zemědělského sektoru na národní hospodářství ČR
Modelování dopadů zemědělského sektoru na národní hospodářství ČR RNDr. Ivan Foltýn, CSc. Mgr. Ondřej Chaloupka ÚSTAV ZEMĚDĚLSKÉ EKONOMIKY A INFORMACÍ Modelování dopadů zemědělského sektoru na národní
VíceANALÝZA EKONOMICKÉ AKTIVITY A NEZAMĚSTNANOSTI OBYVATELSTVA JIHOMORAVSKÉHO KRAJE
ACTA UNIVERSITATIS AGRICULTURAE ET SILVICULTURAE MENDELIANAE BRUNENSIS SBORNÍK MENDELOVY ZEMĚDĚLSKÉ A LESNICKÉ UNIVERZITY V BRNĚ Ročník LIII 6 Číslo 3, 2005 ANALÝZA EKONOMICKÉ AKTIVITY A NEZAMĚSTNANOSTI
VíceSTRUKTURA ZAMĚSTNANÝCH OSOB V ČESKÉ REPUBLICE PODLE ODVĚTVÍ EKONOMICKÉ ČINNOSTI
STRUKTURA ZAMĚSTNANÝCH OSOB V ČESKÉ REPUBLICE PODLE ODVĚTVÍ EKONOMICKÉ ČINNOSTI STRUCTURE OF EMPLOYED PERSONS IN CZECH REPUBLIC ACCORDING TO BRANCHES OF ECONOMIC ACTIVITIES VYDROVÁ, Hana Abstract Employment
VíceEkonomický vývoj textilního a oděvního průmyslu za rok 2017
Ekonomický vývoj textilního a oděvního průmyslu za rok 2017 Prodej, zaměstnanost, mzdový vývoj, produktivita práce, zahraniční obchod 1) Prodej Na základě výsledků za rok 2017 dosáhly tržby v běžných cenách
VíceStanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )
Příklad č. 1 Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace ) Zadání : Stanovení manganu ve vodách se provádí oxidací jodistanem v kyselém prostředí až na manganistan. (1) Sestrojte
VíceEkonomický vývoj textilního a oděvního průmyslu za rok 2016
Ekonomický vývoj textilního a oděvního průmyslu za rok 2016 Prodej, zaměstnanost, mzdový vývoj, produktivita práce, zahraniční obchod 1) Prodej Na základě výsledků za roku 2016 dosáhly tržby v běžných
VíceEkonomický vývoj textilního a oděvního průmyslu za 1. polovinu roku 2017
Ekonomický vývoj textilního a oděvního průmyslu za 1. polovinu roku 2017 Prodej, zaměstnanost, mzdový vývoj, produktivita práce, zahraniční obchod 1) Prodej Na základě výsledků za 1. polovinu roku 2017
VíceTECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD
TECHNIKA UMĚLÝCH PROMĚNNÝCH V PRŮŘEZOVÉ ANALÝZE A V MODELECH ČASOVÝCH ŘAD Umělé (dummy) proměnné se používají, pokud chceme do modelu zahrnout proměnné, které mají kvalitativní či diskrétní charakter,
VíceREGRESNÍ ANALÝZA NESTACIONÁRNÍCH EKONOMICKÝCH ČASOVÝCH ŘAD
Politická ekonomie 45: (2), str. 281-289, VŠE Praha, 1997. ISSN 0032-3233. (Rukopis) REGRESNÍ ANALÝZA NESTACIONÁRNÍCH EKONOMICKÝCH ČASOVÝCH ŘAD Josef ARLT, Vysoká škola ekonomická, Praha 1. Úvod Pro modelování
VíceEva Fišerová a Karel Hron. Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci.
Ortogonální regrese pro 3-složkové kompoziční data využitím lineárních modelů Eva Fišerová a Karel Hron Katedra matematické analýzy a aplikací matematiky Přírodovědecká fakulta Univerzity Palackého v Olomouci
VíceZpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.
SEMINÁRNÍ PRÁCE Zadání: Data: Statistické metody: Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi. Minimálně 6 proměnných o 30 pozorováních (z toho 2 proměnné
VíceV 1. pololetí 2011 rostly mzdy jen ve mzdové sféře
V 1. pololetí 2011 rostly mzdy jen ve mzdové sféře Výdělky ve mzdové a platové sféře Z údajů obsažených v Informačním systému o průměrném výdělku (ISPV) vyplývá, že v 1. pololetí 2011 vzrostla hrubá měsíční
VíceVyhodnocení cenového vývoje drahých kovů na světových burzách v období let 2005 2010
Vyhodnocení cenového vývoje drahých kovů na světových burzách v období let 2005 2010 Martin Maršík, Jitka Papáčková Vysoká škola technická a ekonomická Abstrakt V předloženém článku autoři rozebírají vývoj
VícePROSPERITA MĚŘENÁ UKAZATELI PRODUKTIVITY VYBRANÝCH ZEMĚDĚLSKÝCH PODNIKŮ NA ÚROVNI REGIONU NUTS1
PROSPERITA MĚŘENÁ UKAZATELI PRODUKTIVITY VYBRANÝCH ZEMĚDĚLSKÝCH PODNIKŮ NA ÚROVNI REGIONU NUTS1 THE PROSPERITY MEASURED BY PRODUCTIVITY INDICATORS OF CHOSEN AGRICULTURAL ENTERPRISES AT THE LEVEL OF NUTS1
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie Predikce Multikolinearita Cvičení 4 Zuzana Dlouhá Aplikace EM predikce obecně ekonomické prognózování, předpověď, předvídání hlavním cílem je odhad hodnot vysvětlované proměnné
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Prostá regresní a korelační analýza 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Problematika závislosti V podstatě lze rozlišovat mezi závislostí nepodstatnou, čili náhodnou
VíceDLOUHODOBÁ NEZAMĚSTNANOST V ČR
DLOUHODOBÁ NEZAMĚSTNANOST V ČR Tomáš Löster, Jana Langhamrová Abstrakt Nezaměstnanost je jedním ze základních ukazatelů, které hodnotí ekonomiku. Nejen z tohoto důvodu je nezaměstnanosti a její míře věnována
VíceEkonomický a ekonometrický model. Předpoklady, formulace EKO modelu a očekávání o chování proměnných
Exogenní (γ) Simultánní dynamický model Tento model zkoumá vzájemné závislosti vývoje tempa růstu/poklesu HDP, míry nezaměstnanosti a míry inflace v České republice v závislosti na indexu spotřebitelských
VíceAVDAT Klasický lineární model, metoda nejmenších
AVDAT Klasický lineární model, metoda nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model y i = β 0 + β 1 x i1 + + β k x ik + ε i (1) kde y i
VíceTHE EXPECTED TRENDS IN REAL SALARY DEVELOPMENT OF THE CZECH AND SLOVAC REPUBLIC OČEKÁVANÉ TRENDY V REÁLNÉM MZDOVÉM VÝVOJI ČESKÉ A SLOVENSKÉ REPUBLIKY
THE EXPECTED TRENDS IN REAL SALARY DEVELOPMENT OF THE CZECH AND SLOVAC REPUBLIC OČEKÁVANÉ TRENDY V REÁLNÉM MZDOVÉM VÝVOJI ČESKÉ A SLOVENSKÉ REPUBLIKY Ondřej Šimpach Jitka Langhamrová Abstract The aim of
VícePŘEDPOKLADY RŮSTU PRODUKTIVITY PRÁCE V ZEMĚDĚLSTVÍ ČESKÉ REPUBLIKY PRESUMPTION OF LABOUR PRODUCTIVITY GROWTH IN AGRICULTURE OF THE CZECH REPUBLIC
PŘEDPOKLADY RŮSTU PRODUKTIVITY PRÁCE V ZEMĚDĚLSTVÍ ČESKÉ REPUBLIKY PRESUMPTION OF LABOUR PRODUCTIVITY GROWTH IN AGRICULTURE OF THE CZECH REPUBLIC Ludmila Bervidová Anotace: Předpoklady pro růst produktivity
Víceodpovídá jedna a jen jedna hodnota jiných
8. Regresní a korelační analýza Problém: hledání, zkoumání a hodnocení souvislostí, závislostí mezi dvěma a více statistickými znaky (veličinami). Typy závislostí: pevné a volné Pevná závislost každé hodnotě
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie LS 2014/15 Cvičení 7: Autokorelace LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Autokorelace - teorie Zopakujte si G-M
VíceSTATISTIKA I Metodický list č. 1 Název tématického celku:
STATISTIKA I Metodický list č. 1 Analýza závislostí Základním cílem tohoto tématického celku je seznámit se s pokročilejšími metodami zpracování statistických údajů.. 1. kontingenční tabulky 2. regresní
VíceROZBOR VÝVOJE A ROZDÍLŮ CEN VYBRANÝCH AGRÁRNÍCH KOMODIT V ČR A V NĚKTERÝCH STÁTECH EU
ROZBOR VÝVOJE A ROZDÍLŮ CEN VYBRANÝCH AGRÁRNÍCH KOMODIT V ČR A V NĚKTERÝCH STÁTECH EU ANALYSIS OF DEVELOPMENT AND DIFFERENCES IN PRICES OF AGRICULTURAL COMMODITIES IN THE CZECH REPUBLIC AND SOME EUROPEAN
VíceInformace pro uznávání předmětů ze zahraničních studijních pobytů (2016/17) Státnicové předměty navazujících magisterských studijních oborů
Informace pro uznávání předmětů ze zahraničních studijních pobytů (2016/17) doporučení k uznání státnicových předmětů potvrzuje garant předmětu doporučení k uznání předmětů, které nejsou uvedeny jako státnicové,
VíceEkonomický vývoj textilního a oděvního průmyslu za rok 2018
Ekonomický vývoj textilního a oděvního průmyslu za rok 2018 Prodej, zaměstnanost, mzdový vývoj, produktivita práce, zahraniční obchod 1) Prodej Na základě výsledků za rok 2018 dosáhly tržby v běžných cenách
VíceAnalýza podnikání na venkově a v zemědělsko-potravinářských oborech Zpracoval tým Asociace malých a středních podniků a živnostníků ČR Únor 2017
Analýza podnikání na venkově a v zemědělsko-potravinářských oborech Zpracoval tým Asociace malých a středních podniků a živnostníků ČR Únor 2017 Stránka 1 z 10 Podíl venkova dle počtu obcí a počtu obyvatel
VíceTestování hypotéz o parametrech regresního modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model kde Y = Xβ + e, y 1 e 1 β y 2 Y =., e = e 2 x 11 x 1 1k., X =....... β 2,
VíceTestování hypotéz o parametrech regresního modelu
Testování hypotéz o parametrech regresního modelu Ekonometrie Jiří Neubauer Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra UO
VíceDaňové modely MAB/KMA. 25.1.2009 A07136 Jindrich Bek
Daňové modely MAB/KMA 25.1.2009 A07136 Jindrich Bek Obsah Základní souhrn... 4 1. Upřesněné zadání schválené vyučujícím... 5 1.1. Zadání... 5 1.2. Cíle práce... 5 2. Zdroj problému... 5 3. Popis současného
VíceVývoj sledovaného ukazatele v letech v ČR (NZ_C) a v SR (NZ_S) uvádí obrázek 1, pro srovnání je uveden i vývoj v celé EU-28 (NZ_EU).
FAKTORY PODÍLU OSOB ŽIJÍCÍCH V DOMÁCNOSTECH S NÍZKÝM ZAPOJENÍM DO PRACOVNÍHO PROCESU V ČESKÉ REPUBLICE A SLOVENSKÉ REPUBLICE V OBDOBÍ 2005-2016 FACTORS OF SHARE OF PEOPLE LIVING IN HOUSEHOLDS WITH VERY
VíceNávštěvnost v červnu 2008
Návštěvnost www.czso.cz v červnu 28 Červnové měření návštěvnosti je bez kompletních údajů za víkend 14.-15. 6., kdy byly servery z důvodu prací na novém výpočetním středisku vypnuté. V červnu 28 prošlo
VícePříloha č. 1 Grafy a protokoly výstupy z adstatu
1 Příklad 3. Stanovení Si metodou OES Byly porovnávány naměřené hodnoty Si na automatickém analyzátoru OES s atestovanými hodnotami. Na základě testování statistické významnosti regresních parametrů (úseku
VíceMasarykova Univerzita
Masarykova Univerzita Přírodovědecká fakulta BAKALÁŘSKÁ PRÁCE Markéta Vaculíková Minimální mzda a nezaměstnanost empirická analýza Vedoucí bakalářské práce: Ing. Daniel Němec, Ph.D Studijní program: Aplikovaná
VíceV 1. čtvrtletí 2011 rostly mzdy jen ve mzdové sféře
V 1. čtvrtletí 2011 rostly mzdy jen ve mzdové sféře Výdělky ve mzdové a platové sféře Z údajů obsažených v Informačním systému o průměrném výdělku (ISPV) vyplývá, že v 1. čtvrtletí 2011 vzrostla hrubá
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie LS 2014/15 Cvičení 4: Statistické vlastnosti MNČ LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Upřesnění k pojmům a značení
VíceVliv vzdělanostní úrovně na kriminalitu obyvatelstva
Ing. Erika Urbánková, PhD. Katedra ekonomických teorií Provozně ekonomická fakulta Česká zemědělská univerzita Mgr. František Hřebík, Ph.D. prorektor pro zahraniční styky a vnější vztahy Katedra managementu
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceTHE EFFECT OF PRODUCTION EFFICIENCY ON ECONOMIC RESULTS IN PIG BREEDING
THE EFFECT OF PRODUCTION EFFICIENCY ON ECONOMIC RESULTS IN PIG BREEDING Boudný J., Špička J. Institute of Agricultural Economics and Information, Prague, Czech Republic Abstract Agricultural enterprises
VíceVÝDAJE NA POTRAVINY A ZEMĚDĚLSKÁ PRODUKCE
VÝDAJE NA POTRAVINY A ZEMĚDĚLSKÁ PRODUKCE Jaroslav Mach, Jaroslava Burianová Katedra ekonomických teorií, Provozně ekonomická fakulta Česká zemědělská universita Praha Anotace: Příspěvek obsahuje návrh
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 10 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
VícePOLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.
POLYNOMICKÁ REGRESE Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými. y = b 0 + b 1 x + b 2 x 2 + + b n x n kde b i jsou neznámé parametry,
VíceFAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM
FAKTORY PŮSOBÍCÍ NA CESTUJÍCÍ V DOPRAVNÍM SYSTÉMU FACTORS WHICH HAVE EFFECT ON PASSENGERS IN TRANSPORT SYSTEM Kateřina Pojkarová 1 Anotace:Pro uskutečňování svých cest si lidé vybírají různé způsoby, a
VíceRegresní analýza 1. Regresní analýza
Regresní analýza 1 1 Regresní funkce Regresní analýza Důležitou statistickou úlohou je hledání a zkoumání závislostí proměnných, jejichž hodnoty získáme při realizaci experimentů Vzhledem k jejich náhodnému
VíceStatgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy
Dichotomická proměnná (0-1) Spojitá proměnná STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA Typ proměnné Požadovaný typ analýzy Ověření variability Předpoklady Testy, resp. intervalové odhad Test o rozptylu
VíceStatistická analýza jednorozměrných dat
Statistická analýza jednorozměrných dat Prof. RNDr. Milan Meloun, DrSc. Univerzita Pardubice, Pardubice 31.ledna 2011 Tato prezentace je spolufinancována Evropským sociálním fondem a státním rozpočtem
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Definice lineárního normálního regresního modelu Lineární normální regresní model Y Xβ ε Předpoklady: Matice X X n,k je matice realizací. Předpoklad: n > k, h(x) k - tj. matice
Více18AEK Aplikovaná ekonometrie a teorie časových řad. Řešení domácích úkolů č. 1 a 2 příklad 1
18AEK Aplikovaná ekonometrie a teorie časových řad Řešení domácích úkolů č. 1 a 2 příklad 1 Obecné pravidlo pro všechny testy Je stanovena nulová hypotéza: H 0 Je stanovena alternativní hypotéza: H A Je
VíceSEMINÁRNÍ PRÁCE Z 4ST432 Tereza Michlíková (xmict05) ZS 06/07
SEMINÁRNÍ PRÁCE Z 4ST432 Tereza Michlíková (xmict05) ZS 06/07 Nesezónní časová řada - Základní údaje o časové řadě Časová řada příjmy z daní z příjmu v Austrálii ( http://www.economagic.com/emcgi/data.exe/tmp/213-220-208-205!20061203093308
VíceDynamické metody pro predikci rizika
Dynamické metody pro predikci rizika 1 Úvod do analýzy časových řad Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých časových intervalech okamžikové např
VíceTomáš Karel LS 2012/2013
Tomáš Karel LS 2012/2013 Doplňkový materiál ke cvičení z předmětu 4ST201. Na případné faktické chb v této presentaci mě prosím upozorněte. Děkuji. Tto slid berte pouze jako doplňkový materiál není v nich
VícePravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.
Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz Pravděpodobnost a matematická statistika 010 1.týden (0.09.-4.09. ) Data, typy dat, variabilita, frekvenční analýza
VíceYou created this PDF from an application that is not licensed to print to novapdf printer (http://www.novapdf.com)
Závislost náhodných veličin Úvod Předchozí přednášky: - statistické charakteristiky jednoho výběrového nebo základního souboru - vztahy mezi výběrovým a základním souborem - vztahy statistických charakteristik
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2015/16 Cvičení 6: Multikolinearita, umělé proměnné LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE Otevřete si data z
VíceBodové a intervalové odhady parametrů v regresním modelu
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Lineární regresní model Mějme lineární regresní model (LRM) Y = Xβ + e, kde y 1 e 1 β y 2 Y =., e
VíceOvěření platnosti teorie o Phillipsově křivce v ekonomice České republiky
Mendelova univerzita v Brně Provozně ekonomická fakulta Ověření platnosti teorie o Phillipsově křivce v ekonomice České republiky Bakalářská práce Vedoucí práce Mgr. Kateřina Myšková, Ph.D. Milan Lorenz
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2016/17 Cvičení 5: Vícenásobná regrese LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Jednoduchá regrese opakování
Více(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.
Neparametricke testy (motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination. Andrew Lang) 1. Příklad V následující tabulce jsou
VíceRegresní a korelační analýza
Regresní a korelační analýza Mějme dvojici proměnných, které spolu nějak souvisí. x je nezávisle (vysvětlující) proměnná y je závisle (vysvětlovaná) proměnná Chceme zjistit funkční závislost y = f(x).
VíceEKONOMICKÁ ANALÝZA CHEMICKÉHO PRŮMYSLU. JOSEF KRAUSE a JINDŘICH ŠPIČKA. 1. Úvod klasifikace ekonomických činností
EKONOMICKÁ ANALÝZA CHEMICKÉHO PRŮMYSLU JOSEF KRAUSE a JINDŘICH ŠPIČKA Katedra podnikové ekonomiky, Fakulta podnikohospodářská, Vysoká škola ekonomická v Praze, nám. W. Churchilla 4, 130 67 Praha 3 josef.krause@vse.cz,
VíceANALÝZA SPOTŘEBY MASA V RODINÁCH S RŮZNOU ÚROVNÍ PŘÍJMU. J. Peterová katedra zemědělské ekonomiky, PEF Vysoká škola zemědělská, Prha 6 -
ANALÝZA SPOTŘEBY MASA V RODINÁCH S RŮZNOU ÚROVNÍ PŘÍJMU. J. Peterová katedra zemědělské ekonomiky, PEF Vysoká škola zemědělská, 165 21 Prha 6 - Suchdol Anotace: Obsahem článku je analýza vývoje poptávky
Více