Lekce 1 úvod do ekonometrie
|
|
- Radka Staňková
- před 7 lety
- Počet zobrazení:
Transkript
1 Lekce 1 úvod do ekonometrie
2 Některé věci se zde budou opakovat několikrát důležité pro rozležení v hlavě a jiný úhel pohledu Dokázat aplikovat ekonometrie nestačí se pouze naučit na zkoušku Základní kurz lineární algebra (matice) spíše v dodatcích Využití programu Gretl (zdarma) pro základy stačí Je dobré mít základy statistiky ekofun určitě ne flákač!! v apendixu, určité opáčko průběžně budu doplňovat Některé použitá data jsou z reálná, některá vymyšlená Použité modely jsou většinou pro didaktické účely a nemusí se zakládat na ekonomické (jiné) teorii Než se budete ptát, projděte si celou lekci Snažte se dát lekci na jeden zátah Stažení materiálů
3 Co si řekneme v této lekci Co je to ekonometrie a k čemu slouží Motivační příklady, zatím bez matematického aparátu Lehký, ale důležitý úvod
4 K čemu slouží ekonometrie Mikroekonomie Jak ovlivní změna ceny poptávku po... Jak ovlivní snížení daně z příjmu, množství nabízené práce Makroekonomie Jak ovlivní změna úrokové míry, HDP, množství úvěrů Dopad měnové, fiskální politiky na makroekonomické indikátory Finanční trhy Fundamentální analýza Predikce volatility aktiv Bankovnictví Podle kterých kritérií má banka pujčovat peníze Vývoj porfolia CP Marketing Které faktory ovlivňují poptávku po... Sociologie, medicína...
5 Typy ekonomických dat Průřezová data - Cross-section Data firem (poměrové ukazatele), lidí (mzda, tlak) za konkrétní časové období Vybíráme výběrový soubor z určité populace co ovlivňuje mzdu v ČR, jaké faktory ovlivňují krevní tlak Prostorový charakter Pooled (repeated) cross-section Data firem (poměrové ukazatele), lidí (mzda, tlak) za rozdílná časová období Vybereme data firem pro rok 2000 a 2014 a např. zjišťujeme zda došlo k nějaké změna (dopad změny v preferencích) Časové řady Danou proměnnou (é) sledujeme v různých časových intervalech Finanční časové řady, HDP, vývoj peněžní zásoby Panelová data Data mají jak průřezový, tak časový charakter Sledujeme konkrétní firmy (poměrové ukazatele) v čase Sledujeme konkrétní domácnosti v čase a zjišťujeme například nákupní chování
6 Motivační příklady Z mikroekonomie známe, že poptávka (Q) je např: Q = f(p, P S, Y) Q-poptávané množství (pivo) P cena komodity (pivo) P S - cena substitutu (víno) Y disponibilní důchod Z ekonomie Ceteris paribus POZOR POPTÁVKU PO STATKU NEODHADNEME JAKO REGRESI NAPŘ. 4 PROMĚNNÝCH PROBLÉM JE SLOŽITĚJŠÍ Mikroekonomická teorie nám dala námět čím je řízena poptávka po dané komoditě Ekonometrie nám pomůže aplikovat tento námět v praxi Ekonometrický model poptávky např: Q = β 0 + β 1 P + β 2 P s + β 3 Y + ε Využijeme ekonometrické nástroje a zjistíme, že: Q = 20 0,7P + 0,001P s + 0,25Y Interpretace: Mezi cenou piva a poptávaným množstvím existuje nepřímá úměra Pokles ceny vína způsobí substituci mezi pivem a vínem Citlivost poptávky po pivu na cenu vína je malá S růstem disponibilního důchodu, vzroste poptávka po pivu Přesnou interpretaci hodnot si vysvětlíme dále
7 wage = β 0 + β 1 educ + ε wage = 2,41 + 0,7607educ + e Zjistili jsme: Růst vzdělání (o 1 rok) Znamená růst mzdy o 0,7607
8 Postup při modelování ekonomických procesů 1) Sestavit ekonomický model 2) Sestavit ekonometrický model na základě ekonomického modelu 3) Získat data (pozor) 4) Odhadnout ekonometický model na datovém vzorku 5) Otestovat model a odhadnuté parametry možná chyba v bodě 1,2,3,4 6) Interpretovat výsledky
9 Základní soubor (populace) vs. Výběr (sample) log(wage) = β 0 + β 1 educ + ε Nemůžeme zkoumat každého jedince v populaci Nákladné Často nemožné log(wage) = 0, ,0359educ + ε Výběrový soubor provedeme výběr, se kterým pak pracujeme Kdybychom mohli opakovat výběr Odhad vztahu z výběrového souboru log(wage) = 0, ,0279educ + e 0,0359educ 0,0279educ Proč? Odhad je náhodná veličina má své rozdělení!!! β 1
10 Musíme rozlišovat log wage = β 0 + β. educ + ε Populační regresní funkce log wage = b 0 + b 1. educ + e výběrová regresní funkce (sample) b 0 je odhadem β 0 Naším úkolem v ekonometrii bude PRÁVĚ ODHADNOUT hodnoty parametrů b 1 je odhadem β 1 β 0, β 1 jsou parametry NEMĚNÍ SE b 0, b 1 jsou estimátory odhad náhodné veličiny mění se, se změnou výběrového souboru!!!
11 NEZNÁME Hodnoty populační regresní funkce Ani zda-li má skutečný vztah tvar: log(wage) = β 0 + β 1 educ + ε Proto je nutné nejprve vytvořit ekonomický model!!! Ekonomická teorie nám pomáhá k jeho vytvoření Velikost mzdy může záviset na: Vzdělání Délce praxe Dobu u nynějšího zaměstnavatele Pohlaví... log(wage) = 0, ,0359educ + ε Výběrový soubor Odhad základního souboru log(wage) = 0, ,0279educ + e
12 Ekonomický model Jak závisí velikost prodaného zboží na jednotkových nákladech? 1) Vytvoříme ekonomický model 2) Vytvoříme ekonometrický model podle ekonomického modelu 3) Získáme data 4) Vytvoříme odhad ekonometrického modelu 5) Testujeme model, vlastnosti odhadu 6) Interpretujeme výsledky π pivovar = Q P. P Q P. C π pivovar = P. Q C. Q = tržby náklady P-cena piva C průměrné náklady na jednotku výstupu Q(P) poptávka po pivu Q P = a b. P π pivovar = Q a Q b Q. C = Q. a Q C. b b P = a Q P b π pivovar Q = a 2. Q b. C = 0 Q = a 2 b 2. C Jen ukázka
13 Ekonometrický model Předpokládáme následující vztah: Nemusí být správný!!! Q = β 0 + β 1. C + ε Q = a 2 b 2. C 1) Vytvoříme ekonomický model 2) Vytvoříme ekonometrický model podle ekonomického modelu 3) Získáme data 4) Vytvoříme odhad ekonometrického modelu 5) Testujeme model, vlastnosti odhadu 6) Interpretujeme výsledky P = a Q P b β 0 =a/2 (úrovňová konstanta) β 1 =-b/2 (sklon) ε- další vlivy
14 Pro zjištění vztahu nejlepší získat data z celé ekonomiky (základní soubor) Nákladné, nereálné Pracujeme s výběrovým souborem 1) Vytvoříme ekonomický model 2) Vytvoříme ekonometrický model podle ekonomického modelu 3) Získáme data 4) Vytvoříme odhad ekonometrického modelu 5) Testujeme model, vlastnosti odhadu 6) Interpretujeme výsledky Firma Q C Q = β 0 + β 1. C + ε Odhad populační regresní funkce Q = b 0 + b 1. C + e Q Závislost výstupu na průměrných nákladech C
15 Pracujeme s výběrovým souborem!!! Vytváříme odhad Q = β 0 + β 1. C + ε q = b 0 + b 1. C + e Skutečný vztah (neznáme) """""Q = 72 1,8. C + ε"""""" Reziduum Musíme odhadnout parametry (β) modelu metoda nejmenších čtverců maximum likelihood maximální věrohodnost GLZ GMM Q 60 Závislost výstupu na průměrných nákladech q = 71,74 1,77. C + e Všechny body neleží na přímce C
16 Q = β 0 + β 1. C + ε q = 71,74 0,177. C + e q = b 0 + b 1. C + e Firma Q C q 3 = 71,74 0, = 44,8 q 6 = 71,74 0, = 32 Existují další faktory, které ovlivňují velikost prodeje Značka, kvalita výrobku Q Závislost výstupu na průměrných nákladech C
17 Q = β 0 + β 1. C + ε q = b 0 + b 1. C + e q = 71,74 0,177. C Q = 72 0,18. C + ε Skutečný vztah Nepozorovatelný Odhadnutý vztah Naměřené hodnoty NELEŽÍ na teoretické (populační) regresní přímce Naměřené hodnoty NELEŽÍ ani na empirické (odhadnuté) regresní přímce Náhodná složka (chyba)
18 Náhodná složka ε Představuje další faktory, které kromě (x) ovlivňují (y) Chybová složka je NEPOZOROVATELNÁ y = β 0 + β 1. x 1 + ε Díky náhodné chybě neleží všechny hodnoty na přímce y 1) y je ovlivňováno x 2) y je ovlivňováno ε y = β 0 + β 1. x 1 Našim úkolem je zjistit parametry β 0,1 Udělat odhad těchto parametrů Sestrojit SRF sample regression function x
19 Na základě teorie sestavíme model (eko+ekonometrický) Udělali bychom průzkum (výběrový soubor) Odhadli parametry Q pivo = β 0. P rum + β 1 Y β 2 P pivo + ε Q pivo = 0,51P rum + 0,99Y 2,01P pivo + e y = 0,51x 1 + 0,99x 2 2,01x 3 + e e = y 0,51x 1 0,99x x 3 Existují nějaké další vlivy které působí (počasí), měsíc (Prosinec) Zahrunuté v náhodné složce ε a tedy i v residuu e.
20 Q = β 0 + β 1. C + ε q = b 0 + b 1. C + e q = 71,74 0,177. C 60 Skutečný vztah Nepozorovatelný Odhadnutý vztah!!!náhodná chyba není to samé jako reziduum!!! Náhodná chyba nepozorovatelná neznáme totiž bety Reziduum pozorovatelné Reziduum je odhadem náhodné chyby ε e e 10 ε
21 Vyrovnané hodnoty a rezidua Každé napozorované y i nahradíme (nafitujeme) vyrovnanou hodnotou y i Ideální by bylo kdyby y i = y i Všechny body by ležely na přímce deterministický model bohužel existují další proměnné (náhodné) Úkol Určit odhady parametrů b 0,1 tak, aby hodnota reziduí byla co nejmenší Rozlišovat!!! y = β 0 + β 1. x + ε y = b 0 + b 1. x + e y = b 0 + b 1. x y y 5 y = β 0 + β 1. x + ε y = b 0 + b 1. x y 2 y 5 y 2 x
22 y = β 0 + β 1. x + ε Skutečný vztah Provedeme náhodný výběr Vyrovnáme (nafitujeme) hodnoty Napozorované hodnoty nahradíme vyrovnanými hodnotami Otázkou je: podle jakého pravidla nahrazovat napozorované hodnoty jak zjistit, zda-li bylo nahrazení OK y = b 0 + b 1. x Vytvoříme odhad Skutečného vztahu y y 5 y = b 0 + b 1. x e 5 y 5 y i = y i + e i y 5 = y 5 + e 5 y 2 x 5 x
23 Existence náhodné chyby 1) Zahrnuje v sobě další minoritní vlivy praxe, schopnosti wage = β 0 + β 1 educ + ε 2) Chyba v měření, sběru dat 3) Možnost špatné specifikace modelu praxe, schopnosti 4) Stochastický (náhodný) charakter lidského chování (nepředvídatelný) C C = β 0 + β 1 Y + ε C = β 0 + β 1 Y Analýza residuí Y
24 Co bychom si měli z této lekce odnést Rozlišovat populaci a výběrový soubor Populační regresní funkce neznámá Cílem odhadnout její parametry Vycházíme z teorie ekonomického modelu nenaflákáme veškerá data, která nás napadnou
Matematické modelování Náhled do ekonometrie. Lukáš Frýd
Matematické modelování Náhled do ekonometrie Lukáš Frýd Výnos akcie vs. Výnos celého trhu - CAPM model r it = r ft + β 1. (r mt r ft ) r it r ft = α 0 + β 1. (r mt r ft ) + ε it Ekonomický (finanční model)
Více4EK201 Matematické modelování. 11. Ekonometrie
4EK201 Matematické modelování 11. Ekonometrie 11. Ekonometrie Ekonometrie Interdisciplinární vědní disciplína Zkoumá vztahy mezi ekonomickými veličinami Mikroekonomickými i makroekonomickými Ekonomie ekonomické
VíceZáklady ekonometrie. XI. Vektorové autoregresní modely. Základy ekonometrie (ZAEK) XI. VAR modely Podzim / 28
Základy ekonometrie XI. Vektorové autoregresní modely Základy ekonometrie (ZAEK) XI. VAR modely Podzim 2015 1 / 28 Obsah tématu 1 Prognózování s VAR modely 2 Vektorové modely korekce chyb (VECM) 3 Impulzní
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
VíceMakroekonomie I. Co je podstatné z Mikroekonomie - co již známe obecně. Nabídka a poptávka mikroekonomické kategorie
Model AS - AD Makroekonomie I Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Osnova: Agregátní poptávka a agregátní nabídka : Agregátní poptávka a její změny Agregátní nabídka krátkodobá a dlouhodobá Rovnováha
Více4EK211 Základy ekonometrie
4EK211 Základ ekonometrie Odhad klasického lineárního regresního modelu I Cvičení 2 Zuzana Dlouhá Metodologický postup tvor EM 1. Specifikace modelu určení proměnných určení vzájemných vaze mezi proměnnými
Více4. Aplikace matematiky v ekonomii
4. Aplikace matematiky v ekonomii 1 Lineární algebra Soustavy 1) Na základě statistických údajů se zjistilo, že závislost množství statku z poptávaného v průběhu jednoho týdne lze popsat vztahem q d =
Více4EK211 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
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)
VíceRegresní analýza. Ekonometrie. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel
Regresní analýza Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Regresní analýza 1 / 23
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
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
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
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 1 Zuzana Dlouhá Úvod do předmětu obecné informace Konzultační hodiny: úterý 16:00 18:00, místnost 433 NB e-mail: figlova@vse.cz // zuzana.dlouha@vse.cz
VícePřednáška 4. Lukáš Frýd
Přednáška 4 Lukáš Frýd Časová řada: stochastický (náhodný) proces, sekvence náhodných proměnných indexovaná časem Pozorovaná časová řada: jedna realizace stochastického procesu Analogie: Průřezový výběr,
VícePR5 Poptávka na trhu výrobků a služeb
PR5 Poptávka na trhu výrobků a služeb 5.1. Rovnováha spotřebitele 5.2. Indiferenční analýza od kardinalismu k ordinalismu 5.3. Poptávka, poptávané množství a jejich změny 5.4. Pružnost tržní poptávky Poptávka
VíceSTATISTICKÉ ZJIŠŤOVÁNÍ
STATISTICKÉ ZJIŠŤOVÁNÍ ÚVOD Základní soubor Všechny ryby v rybníce, všechny holky/kluci na škole Cílem určit charakteristiky, pravděpodobnosti Průměr, rozptyl, pravděpodobnost, že Maruška kápne na toho
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
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
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
VíceCross-section pozorování Firma, člověk Časový úsek
Pooled data y = Xβ + ε Cross-section pozorování Firma, člověk ds = αsdt + σsdw Časový úsek Základní soubor Výběrový soubor Základní soubor Je Proces 1 konkrétní realizace Co sledovat firmu(y), osobu(y)
VíceObsah. KAPITOLA I: Předmět, základní pojmy a metody národohospodářské teorie... 17. KAPITOLA II: Základní principy ekonomického rozhodování..
Obsah Úvodem.................................................. 15 KAPITOLA I: Předmět, základní pojmy a metody národohospodářské teorie.................... 17 1 Předmět a základní pojmy národohospodářské
VíceMikroekonomie Nabídka, poptávka
Téma cvičení č. 2: Mikroekonomie Nabídka, poptávka Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Podstatné z minulého cvičení Matematický pojmový aparát v Mikroekonomii Důležité minulé cvičení kontrolní
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceMAKROEKONOMIE. Blok č. 5: ROVNOVÁHA V UZAVŘENÉ EKONOMICE
MAKROEKONOMIE Blok č. 5: ROVNOVÁHA V UZAVŘENÉ EKONOMICE CÍL A STRUKTURA TÉMATU.odpovědět na následující typy otázek: Kolik se toho v ekonomice vyprodukuje? Kdo obdrží důchody z produkce? Kdo nakoupí celkový
VíceOdhady Parametrů Lineární Regrese
Odhady Parametrů Lineární Regrese Mgr. Rudolf B. Blažek, Ph.D. prof. RNDr. Roman Kotecký, DrSc. Katedra počítačových systémů Katedra teoretické informatiky Fakulta informačních technologií České vysoké
VíceMETODY ODHADU REDUKOVANÉHO A STRUKTURNÍHO TVARU MODELŮ SIMULTÁNNÍCH ROVNIC.
METODY ODHADU REDUKOVANÉHO A STRUKTURNÍHO TVARU MODELŮ SIMULTÁNNÍCH ROVNIC. ZÁKLADNÍ HARRODŮV-DOMARŮV MODEL RŮSTU A JEHO VERZE VE FORMĚ MULTIPLIKÁTOR AKCELERÁTOR. Parametry modelu simultánních rovnic ve
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
VíceMěření závislosti statistických dat
5.1 Měření závislosti statistických dat Každý pořádný astronom je schopen vám předpovědět, kde se bude nacházet daná hvězda půl hodiny před půlnocí. Ne každý je však téhož schopen předpovědět v případě
VícePravděpodobnost v závislosti na proměnné x je zde modelován pomocí logistického modelu. exp x. x x x. log 1
Logistická regrese Menu: QCExpert Regrese Logistická Modul Logistická regrese umožňuje analýzu dat, kdy odezva je binární, nebo frekvenční veličina vyjádřená hodnotami 0 nebo 1, případně poměry v intervalu
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
VíceMikroekonomie. Nabídka, poptávka. = c + d.q. P s. Nabídka, poptávka. Téma cvičení č. 2: Téma. Nabídka (supply) S. Obecná rovnice nabídky
Téma cvičení č. 2: Mikroekonomie Nabídka, poptávka Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky, JČU Téma Nabídka, poptávka Nabídka (supply) S Nabídka představuje objem zboží, které jsou výrobci ochotni
VíceMAKROEKONOMIKA. Úvod
MAKROEKONOMIKA Úvod Co chápeme pod pojmem makroekonomie? Je to samostatná vědní disciplína nebo je jen součástí šířeji pojaté vědy? Ekonomie Ekonomie zkoumá alokaci vzácných zdrojů mezi alternativní využití.
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 6 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. vorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
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
Více1.1 Příklad z ekonomického prostředí 1
1.1 Příklad z ekonomického prostředí 1 Smysl solidního zvládnutí matematiky v bakalářských oborech na Fakultě podnikatelské VUT v Brně je především v aplikační síle matematiky v odborných předmětech a
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
VíceMakroekonomie I. Model Agregátní nabídky Agregátní poptávky
Přednáška 4. Model AS -AD Makroekonomie I Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Osnova přednášky: Souhrnné opakování předchozí přednášky : Hospodářské cykly a sektory ekonomiky Agregátní poptávka
VíceVysoká škola technická a ekonomická v Českých Budějovicích. Institute of Technology And Business In České Budějovice
MAKROEKONOMIE AGREGÁTNÍ NABÍDKA A POPTÁVKA Vysoká škola technická a ekonomická v Českých Budějovicích Institute of Technology And Business In České Budějovice Tento učební materiál vznikl v rámci projektu
VíceZáklady ekonometrie. X. Regrese s časovými řadami. Základy ekonometrie (ZAEK) X. Regrese s časovými řadami Podzim / 47
Základy ekonometrie X. Regrese s časovými řadami Základy ekonometrie (ZAEK) X. Regrese s časovými řadami Podzim 2015 1 / 47 Obsah tématu 1 ADL model 2 Regrese se stacionárními řadami 3 Regrese s řadami
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,
VíceRNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.
Analýza dat pro Neurovědy RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr. Jaro 2014 Institut biostatistiky Janoušová, a analýz Dušek: Analýza dat pro neurovědy Blok 7 Jak hodnotit vztah spojitých proměnných
VíceAplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017
Aplikovaná ekonometrie a teorie časových řad Zápočtový test 2 Varianta P2017 Zadání: Predikujte na základě modelování časových řad nejlepší možný odhad počtu prodaných nových aut v průběhu roku 1990. Datový
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
VíceGymnázium a Střední odborná škola, Rokycany, Mládežníků 1115
Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: Číslo šablony: Název materiálu: Ročník: Identifikace materiálu: Jméno autora: Předmět: CZ.1.07/1.5.00/34.0410 62 Vytváření podmínek
VíceOtázka: Bankovní soustava. Předmět: Ekonomie. Přidal(a): Petra93. V této oblasti používáme základní pojmy: Potřeba Statky Služby
Otázka: Bankovní soustava Předmět: Ekonomie Přidal(a): Petra93 V této oblasti používáme základní pojmy: Potřeba Statky Služby Potřeba je vnitřní požadavek lidí, který vyplývá z vědomí nedostatky, který
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie LS 2014/15 Cvičení 10: Heteroskedasticita LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Heteroskedasticita - teorie Druhý
VícePředmět ekonomie. Tematický okruh (ŠVP) Základní ekonomické pojmy. Tematická oblast Název DUM (téma) 3.ročník Vytvořeno Červenec 2013 Autor materiálu
Předmět ekonomie Název školy Předmět ekonomie VY_32_INOVACE_05_02_01 Ekonomické systémy Název školy Ekonomické systémy VY_32_INOVACE_05_02_02 Potřeby a teorie potřeb Název školy Potřeby a teorie potřeb
VíceSPECIFIKACE, KLASIFIKACE A IDENTIFIKACE SIMULTÁNNÍCH EKONOMETRICKÝCH MODELŮ. INVESTIČNÍ FUNKCE A FAKTORY URČUJÍCÍ INVESTICE
SPECIFIKACE, KLASIFIKACE A IDENTIFIKACE SIMULTÁNNÍCH EKONOMETRICKÝCH MODELŮ. INVESTIČNÍ FUNKCE A FAKTORY URČUJÍCÍ INVESTICE SPECIFIKACE, KLASIFIKACE A IDENTIFIKACE SIMULTÁNNÍCH EKONOMETRICKÝCH MODELŮ viz
VíceInflace je peněžní jev vyvolávaný nadměrnou emisí peněz. Vzniká tehdy, když peněžní zásoba předbíhá poptávku po penězích.
Inflace Inflace je peněžní jev vyvolávaný nadměrnou emisí peněz. Vzniká tehdy, když peněžní zásoba předbíhá poptávku po penězích. V růstovém tvaru m s = + = m s - = míra inflace, m s = tempo růstu (nominální)
VíceMezi makroekonomické subjekty náleží: a) domácnosti b) podniky c) vláda d) zahraničí e) vše výše uvedené
Makroekonomická rovnováha může být představována: a) tempem růstu skutečného produktu, odpovídající vývoji tzv. potenciálního produktu b) vyrovnanou platební bilancí c) mírou nezaměstnanosti na úrovni
VíceZáklady ekonomie. Petr Musil: petrmusil1977@gmail.com
Základy ekonomie Téma č. 2: Trh, nabídka, poptávka Petr Musil: petrmusil1977@gmail.com Obsah 1. Dělba práce 2. Směna, peníze 3. Trh 4. Cena 5. Nabídka 6. Poptávka 7. Tržní rovnováha 8. Konkurence Dělba
VíceJemný úvod do statistických metod v netržním oceňování
Jemný úvod do statistických metod v netržním oceňování Ing. Jan Brůha PhD. Karlova univerzita Struktura prezentací První prezentace Cíle, možnosti a omezení Nástroje: metodologie a software CVM (open ended)
VíceMakroekonomie I cvičení
Téma Makroekonomie I cvičení 25. 3. 015 Dvousektorový model ekonomiky Spotřební funkce Ing. Jaroslav ŠETEK, Ph.D. Katedra ekonomiky Model 45 - jak je dosaženo rovnovážného HDP Východiska - graf: Osa x.
Více2. EKONOMICKÁ ROVNOVÁHA. slide 1
2. EKONOMICKÁ ROVNOVÁHA slide 1 Předmětem přednášky je.odpovědět na následující otázky: Kolik se toho v ekonomice vyprodukuje? Kdo obdrží důchody z produkce? Kdo nakoupí celkový výstup? Co vyrovná poptávku
VíceČasové řady, typy trendových funkcí a odhady trendů
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Stochastický proces Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2 } se nazývá stochastický proces
VíceMěření výkonu ekonomiky (makroekonomické výstupy)
Ústav stavební ekonomiky a řízení Fakulta stavební VUT Měření výkonu ekonomiky (makroekonomické výstupy) Ing. Dagmar Palatová dagmar@mail.muni.cz Co považuji za významné z historie pojem spravedlivá cena
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOS A SAISIKA Regresní analýza - motivace Základní úlohou regresní analýzy je nalezení vhodného modelu studované závislosti. Je nutné věnovat velkou pozornost tomu aby byla modelována REÁLNÁ
VíceLineární regrese. Komentované řešení pomocí MS Excel
Lineární regrese Komentované řešení pomocí MS Excel Vstupní data Tabulka se vstupními daty je umístěna v oblasti A1:B11 (viz. obrázek) na listu cela data Postup Základní výpočty - regrese Výpočet základních
VíceČeské vysoké učení technické v Praze Fakulta jaderná a fyzikálně inženýrská OKRUHY. ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM
OKRUHY ke státním závěrečným zkouškám BAKALÁŘSKÉ STUDIUM Obor: Studijní program: Aplikace přírodních věd 1. Vektorový prostor R n 2. Podprostory 3. Lineární zobrazení 4. Matice 5. Soustavy lineárních rovnic
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometrie ZS 2016/17 Cvičení 3: Lineární regresní model LENKA FIŘTOVÁ KATEDRA EKONOMETRIE, FAKULTA INFORMATIKY A STATISTIKY VYSOKÁ ŠKOLA EKONOMICKÁ V PRAZE 1. Seznámení s EViews Upřesnění
VíceVnější ekonomické vztahy - hlavní faktory a rizika na běžném účtu
Vnější ekonomické vztahy - hlavní faktory a rizika na běžném účtu Ing. Miroslav Kalous, CSc. Česká národní banka, sekce měnová a statistiky miroslav.kalous@.kalous@cnb.czcz Seminář MF ČR, Smilovice 2.12.2003
VíceČasové řady, typy trendových funkcí a odhady trendů
Časové řady, typy trendových funkcí a odhady trendů Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Jiří Neubauer (Katedra ekonometrie UO Brno) Časové
VíceÚvod do ekonomie Týden 11. Tomáš Cahlík
Úvod do ekonomie Týden 11 Tomáš Cahlík Obsah Makroekonomie a hospodářská politika Úvod Agregátní poptávka a Agregátní nabídka Hospodářský cyklus a stabilizační politika Inflace Hospodářská politika na
Více2.. E K E ONOMI M C I KÁ K R OV O NOV O Á V H Á A H slide 0
2. EKONOMICKÁ ROVNOVÁHA slide 0 Předmětem přednášky je.odpovědět na následující otázky: Kolik se toho v ekonomice vyprodukuje? Kdo obdrží důchody z produkce? Kdo nakoupí celkový výstup? Co vyrovná poptávku
VíceZadání Máme data hdp.wf1, která najdete zde: Bodová předpověď: Intervalová předpověď:
Predikce Text o predikci pro upřesnění pro ty, které zajímá, kde se v EViews všechna ta čísla berou. Ruční výpočty u průběžného testu nebudou potřeba. Co bude v závěrečném testu, to nevím. Ale přečíst
VíceEkonometrie. Jiří Neubauer
Úvod do analýzy časových řad Ekonometrie Jiří Neubauer Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Jiří Neubauer (Katedra ekonometrie UO Brno) Úvod do analýzy
Více4.1 Metoda horizontální a vertikální finanční analýzy
4. Extenzívní ukazatelé finanční analýzy 4.1 Metoda horizontální a vertikální finanční analýzy 4.1.1 Horizontální analýza (analýza vývojových trendů -AVT) AVT = časové změny ukazatelů (nejen absolutních)
VícePlán přednášek makroekonomie
Plán přednášek makroekonomie Úvod do makroekonomie, makroekonomické agregáty Agregátní poptávka a agregátní nabídka Ekonomické modely rovnováhy Hospodářský růst a cyklus, výpočet HDP Hlavní ekonomické
VíceStatistika. Regresní a korelační analýza Úvod do problému. Roman Biskup
Statistika Regresní a korelační analýza Úvod do problému Roman Biskup Jihočeská univerzita v Českých Budějovicích Ekonomická fakulta (Zemědělská fakulta) Katedra aplikované matematiky a informatiky 2008/2009
VíceKvízové otázky Obecná ekonomie I. Teorie firmy
1. Firmy působí: a) na trhu výrobních faktorů b) na trhu statků a služeb c) na žádném z těchto trhů d) na obou těchto trzích Kvízové otázky Obecná ekonomie I. Teorie firmy 2. Firma na trhu statků a služeb
Vícenejen Ing. Jaroslav Zlámal, Ph.D. Ing. Zdeněk Mendl Vzdìlávání, které baví www.computermedia.cz Nakladatelství a vydavatelství
nejen 1. díl Obecná ekonomie Ing. Jaroslav Zlámal, Ph.D. Ing. Zdeněk Mendl Nakladatelství a vydavatelství R Vzdìlávání, které baví www.computermedia.cz TEMATICKÉ ROZDĚLENÍ DÍLŮ KNIHY EKONOMIE NEJEN K MATURITĚ
VíceAplikovaná ekonometrie 7. Lukáš Frýd
Aplikovaná ekonometrie 7 Lukáš Frýd Nestacionární časové řady Možné příčinny Sezonost Deterministický trend (time trend) Jednotkový kořen (Stochastický trend) Strukturní zlomy Časový trend (deterministický
VíceStatistika II. Jiří Neubauer
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Časová řada konečná posloupnost reálných hodnot určitého sledovaného ukazatele měřeného v určitých
VíceTRŽNÍ HOSPODÁŘSTVÍ. stát
TRŽNÍ HOSPODÁŘSTVÍ Trh = místo, kde se střetává nabídka s poptávkou Tržní mechanismus = zajišťuje spojení výrobce a spotřebitele, má dvě strany: 1. nabídka, 2. poptávka. Znaky tržního mechanismu: - výrobky
VíceEkonomie. Správní institut Ing. Vendula Tesařová, Ph.D.
Ekonomie Správní institut Ing. Vendula Tesařová, Ph.D. Kontakt a organizační záležitosti vendula.masatova@email.cz Zakončení studia: písemná zkouška (leden, únor, popřípadě předtermín před Vánocemi) Testové
VíceAplikovaná matematika I
Metoda nejmenších čtverců Aplikovaná matematika I Dana Říhová Mendelu Brno c Dana Říhová (Mendelu Brno) Metoda nejmenších čtverců 1 / 8 Obsah 1 Formulace problému 2 Princip metody nejmenších čtverců 3
Více5EN306 Aplikované kvantitativní metody I
5EN306 Aplikované kvantitativní metody I Přednáška 3 Zuzana Dlouhá Předmět a struktura kurzu 1. Úvod: struktura empirických výzkumů 2. Tvorba ekonomických modelů: teorie 3. Data: zdroje a typy dat, význam
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
VíceMakroekonomie. Bankovní institut vysoká škola magisterské kombinované studium zimní semestr 2015/16. Metodický list č. 2
Bankovní institut vysoká škola magisterské kombinované studium zimní semestr 205/6 Metodický list č. 2 Makroekonomie Model 45 stupňů a model IS - LM Vysvětlení makroekonomické rovnováhy na trhu statků
Více2 Zpracování naměřených dat. 2.1 Gaussův zákon chyb. 2.2 Náhodná veličina a její rozdělení
2 Zpracování naměřených dat Důležitou součástí každé experimentální práce je statistické zpracování naměřených dat. V této krátké kapitole se budeme věnovat určení intervalů spolehlivosti získaných výsledků
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
VíceSTATISTICKÝ SOUBOR. je množina sledovaných objektů - statistických jednotek, které mají z hlediska statistického zkoumání společné vlastnosti
ZÁKLADNÍ STATISTICKÉ POJMY HROMADNÝ JEV Statistika pracuje s tzv. HROMADNÝMI JEVY cílem statistického zpracování dat je podání informace o vlastnostech a zákonitostech hromadných jevů: velkého počtu jedinců
VícePoptávka po penězích
Poptávka po penězích 1. Neoklasické teorie poptávky po penězích - tradiční: Fisherova, Marshallova, cambridgeská - moderní: Friedmanova 2. Keynesiánská teorie poptávky po penězích tradiční: Keynesova moderní:
VícePřepoklady KLM a Gauss Markov teorém. Blue odhad - GM. KLM Klasický lineární model. 1) Lineární v parametrech. 2) E ε = 0
Heteroskedasticita Přepoklady KLM a Gauss Markov teorém KLM Klasický lineární model 1) Lineární v parametrech ) E ε = 0 Blue odhad - GM Nezkreslený odhad 1) Lineární v parametrech ) E ε = 0 3) E( ȁ ε X)=
VícePojem a úkoly statistiky
Katedra ekonometrie FVL UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Pojem a úkoly statistiky Statistika je věda, která se zabývá získáváním, zpracováním a analýzou dat pro potřeby
VícePozitivní vs. Normativní ekonomie
Makroekonomie A 1 Povinna literatura WAWROSZ, PETR; HEISSLER, Herbert; HELÍSEK, Mojmír; MACH, Petr 2012. Makroekonomie základní kurz. Praha: VŠFS, 360 s. ISBN 978-80- 7408-059-3. WAWROSZ, Petr; HEISSLER
VíceOdhad parametrů N(µ, σ 2 )
Odhad parametrů N(µ, σ 2 ) Mějme statistický soubor x 1, x 2,, x n modelovaný jako realizaci náhodného výběru z normálního rozdělení N(µ, σ 2 ) s neznámými parametry µ a σ. Jaký je maximální věrohodný
VíceTRH. Mgr. Hana Grzegorzová
TRH Mgr. Hana Grzegorzová Vývoj trhu Pokud šlo o první formy, bylo možné vyměňovat výrobek za výrobek (tzv. barter). Postupně složitější dělbou práce se toto stává velmi obtížným a dochází ke vzniku peněz.
VícePearsonův korelační koeficient
I I.I Pearsonův korelační koeficient Úvod Předpokládejme, že náhodně vybereme n objektů (nebo osob) ze zkoumané populace. Často se stává, že na každém z objektů měříme ne pouze jednu, ale několik kvantitativních
VíceTéma č. 2: Trh, nabídka, poptávka
Téma č. 2: Trh, nabídka, poptávka Obsah 1. Dělba práce 2. Směna, peníze 3. Trh 4. Cena a směnná hodnota 5. Nabídka 6. Poptávka 7. Tržní rovnováha 8. Konkurence Dělba práce Dělba práce Jednotliví lidé se
VíceHedonický cenový index na datech poskytovatelů hypotečních úvěrů. Ing. Mgr. Martin Lux, Ph.D.
Hedonický cenový index na datech poskytovatelů hypotečních úvěrů Ing. Mgr. Martin Lux, Ph.D. Proč nový index? V ČR existuje již několik cenových indexů například index ČSÚ (na transakčních i nabídkových
Více13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách
13 Regrese 13.1. Úvod Cílem regresní analýzy je popsat závislost hodnot znaku Y na hodnotách znaku X. Přitom je třeba vyřešit jednak volbu funkcí k vystižení dané závislosti a dále stanovení konkrétních
VíceINDUKTIVNÍ STATISTIKA
10. SEMINÁŘ INDUKTIVNÍ STATISTIKA 3. HODNOCENÍ ZÁVISLOSTÍ HODNOCENÍ ZÁVISLOSTÍ KVALITATIVNÍ VELIČINY - Vychází se z kombinační (kontingenční) tabulky, která je výsledkem třídění druhého stupně KVANTITATIVNÍ
VíceSTATISTICA Téma 8. Regresní a korelační analýza, regrese prostá
STATISTICA Téma 8. Regresní a korelační analýza, regrese prostá 1) Lineární i nelineární regrese prostá, korelace Naeditujeme data viz obr. 1. Obr. 1 V menu Statistika zvolíme submenu Pokročilé lineární/nelineární
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).
VíceCíle korelační studie
Korelační studie Cíle korelační studie cíle výzkumu v psychologii deskripce predikce explanace kontrola korelační studie popisuje vztah (ko-relaci) mezi proměnnými cíle - deskripce, příp. predikce První
VíceIntervalová data a výpočet některých statistik
Intervalová data a výpočet některých statistik Milan Hladík 1 Michal Černý 2 1 Katedra aplikované matematiky Matematicko-fyzikální fakulta Univerzita Karlova 2 Katedra ekonometrie Fakulta informatiky a
VíceSeminární práce. Vybrané makroekonomické nástroje státu
Seminární práce Vybrané makroekonomické nástroje státu 1 Obsah Úvod... 3 1 Fiskální politika... 3 1.1 Rozdíly mezi fiskální a rozpočtovou politikou... 3 1.2 Státní rozpočet... 4 2 Monetární politika...
VíceMakroekonomie B. Marian Lebiedzik Pavel Tuleja Katedra ekonomie
Makroekonomie B Marian Lebiedzik Pavel Tuleja Katedra ekonomie Konzultační hodiny: Středa: 9 00 11 00 hod Čtvrtek: 8 00 10 00 hod Kancelář č. A 234 Podmínky pro splnění předmětu MAKROEKONOMIE B: Úspěšné
Více