Práce s panelovými daty #
|
|
- Dominik Dušek
- před 5 lety
- Počet zobrazení:
Transkript
1 Práce s panelovým dat Práce s panelovým dat # Václava Pánková * Úvod Panelová data vznkají opakovaným pozorováním skupn jednotek, např. domácností, frem nebo států, majících určtou společnou charakterstku (např. země EU5, tranztvní ekonomk). V kontextu ekonometrckých analýz jsou svébtnou kategorí, která umožňuje nahlédnout současně do struktur dnamk studovaných ekonomckých jevů. Představují větší souhrn detalních nformací a umožňují tak lépe posthnout měnící se ekonomckou strukturu příčn takových změn. V rámc panelových dat a technk pro jejch zpracování je uspokojvě řešena otázka krátkých časových řad, což může být užtečné př analýze dat ČR (vz např. Pánková, oba text 005). Mohou se tak stát pomůckou př zkoumání událostí, ke kterým chbí dostatečně dlouhé časové řad, avšak vsktují se paralelně v podobných vývojových stuacích. To je příklad tranztvních ekonomk. Převážně se jedná o data průřezová, přčemž je možné je zjstt opakovaně, avšak ne v přílš dlouhém časovém horzontu. Krátké časové řad ukazatelů, zejména ročních, neumožňují kvaltní ndvduální zkoumání, avšak sdružením údajů z několka analogckých ekonomk vtvoříme datový soubor, který dovoluje provést rozumnou statstckou verfkac výsledků. Velká část emprckých aplkací koresponduje buď s tpem modelu obsahujícího pouze náhodné vlv, nebo s modelem obsahujícím sstematcké vlv; tomu pak odpovídá volba odhadových metod. Rozhodnutí o výběru mez oběma tp modelů je možné podpořt aplkací Hausmanova testu. Panelová data jako východsko pro formulac modelu V obecném případě pracujeme s datovou strukturou k.. ε k =.. = ε ε =, k T T T.. T ε T kde t je vsvětlovaná proměnná příslušející jednotce a času t # * Článek bl zpracován jako jeden z výstupů výzkumného projektu Ekonometrcká analýza mkroekonomckých procesů pomocí modelů panelových dat, aplkace v ekonomckém prostředí ČR regstrovaného u Grantové agentur České republk pod evdenčním číslem 40/04/0756. Doc. RNDr. Václava Pánková, CSc.; Katedra ekonometre, Fakulta nformatk a statstk, VŠE v Praze, pankova@vse.cz. 79
2 Acta Oeconomca Pragensa, roč. 5, č., 007 j t..je hodnota j-té vsvětlující proměnné (j =,,, k) pro -tou jednotku v čase t ε t je náhodná složka rovnce pro jednotku v čase t =,,, n, t =,,, T. Pro stručnost zápsu použjeme obvklé značení ε = = ε ε = n n ε n kde je vektor rozměru nt, matce nt k, ε vektor s počtem složek nt. Relevantní standardní lneární model pak formulujeme vztahem = β + ε () kdž β = [ β β.. βk ] Pokud náhodná složka modelu () splňuje odpovídající předpoklad, můžeme vektor parametrů β odhadnout metodou nejmenších čtverců (MNČ). Znamená to ovšem gnorovat skutečnost, že n ndvduálních pozorování T-krát není totéž jako nt ndvdualt. Metodck je třeba rozlšovat případ, kd T je podstatně větší než n (krajní případ n= znamená standardní časové řad) od stuace, kd větším z obou rozměrů je n (lmtně pak T= znamená čstě průřezová data). Př analýzách vztahujících se k české ekonomce je obvklejší druhý z obou případů. Dále popsané metod jsou na VŠE k dspozc v rámc softwarového vbavení PcGve. Metod pro odhad parametrů Vzhledem k dostupnost dat popsujících ekonomku ČR je především zájem o metod týkající se případu n>t. V zájmu snadné orentace ve školním softwaru VŠE nebudou jejch anglcké názv překládán. ereme-l v úvahu panelovou strukturu dat, je vhodné náhodnou složku chápat jako součet ε = α + η, t t kde η t není korelováno s t a α reprezentuje ndvduální efekt. Tím je mšlena skutečnost, že dvě časově různá pozorování téže jednotk s budou více podobná než údaje o dvou různých jednotkách ve stejném čase. Indvduální efekt se obecně rozlšuje na dva případ () α není korelováno s t () α je korelováno s t. Metod spojené s případem () Postup tpu between Vektor parametrů β je odhadován pomocí MNČ z rovnce 80 ()
3 Práce s panelovým dat kde = β + u, T = t T t= a je defnováno analogck. Pro matcový záps bude vhodné zavést nt n rozměrnou matc D = I n T, v níž T je T-rozměrný vektor jednček, která obsahuje nula jednčkové (dumm) proměnné korespondující s každou z n jednotek souboru. Parametr tpu between je pak odhadnut pomocí estmátoru D β = ( P ) P, (3) D D kde = D( D D) je smetrcká dempotentní matce. P D Každá jednotka je ted v regres zastoupena průměrným hodnotam ze svých T pozorování; MNČ je pak aplkována na data v počtu n. Jedná se o estmátor W D Postup tpu wthn β = ( M ) M, (4) D D kde M D = InT D( D D) je rovněž smetrcká dempotentní matce. Výraz (4) je shodný s aplkací MNČ na rovnc t = ( t ) β + u (podrobnost např. v Johnston, DNardo, 997). W t Do regrese ted za každou jednotku vstupují jen odchlk od jejích průměrných ukazatelů; celkem nt údajů pro každou proměnnou. Odhad zobecněnou MNČ Tato metoda (v PcGve GLS) probíhá ve dvou krocích v prvním je odhadována kovaranční matce vektoru náhodných složek modelu, ve druhém je znalost kovaranční struktur použta k vjádření odhadu vektoru parametrů β modelu. K provedení prvního kroku nejprve formalzujeme E ( η) = 0, E( ηη ) = σ η IηT, E( α ) = 0, E( α α j ) = 0 pro j, ( α α ) = σα E, E( α η ) = 0. jt Za těchto předpokladů má každá z n jednotek kovaranční matc rozměru σ η + σα σα.. σα σα + σα.. σα Σ = E( ε ) = + = ε IT σαt T. σα σα.. + σα Datům ze schématu a modelu pak bude odpovídat kovaranční matce T T 8
4 Acta Oeconomca Pragensa, roč. 5, č., 007 Σ Σ.. 0 Ω = I Σ = = n E(εε ) Σ Pro nverz blokově dagonální matce Ω pak bude třeba zjstt Σ / θ = I T, σ η T kde θ = T σ α + σ η je velčna, kterou v prvním kroku najdeme odhadem. (5) V druhém kroku pak použjeme MNČ na data a získaná transformací = + θ, = + θ. (6) t t t Pokud máme k dspozc odhad tpu between s rezdu W s rezdu û, můžeme do (5) dosadt σ u W u W η =, nt nk n čímž získáme hledané θ. t σ α = σ, T 8 u u σ =, n k û a odhad tpu wthn Všmněme s ještě že estmátor získaný pomocí MNČ z () můžeme rozepsat jako ( ) ( ) ( M D PD ) ( ) M D = = + = βw + ( ) β Je to ted vážený součet estmátorů wthn a between. = P β. Vztah (6) pak ukazují, že σ α 0 (neexstence nekorelovaných ndvduálních komponent) znamená θ= a zobecněná MNČ je pak pouze MNČ. Nní budeme pracovat s modelem Metod spojené s případem () t = t β + α + ηt (7) v němž musíme přpustt, že cov( t, α ) 0. Důsledkem je, že hodnot α ze vztahu (7) je třeba zjstt odhadem jako další parametr. Odhad těchto parametrů však nemohou být konzstentní, protože jejch počet je roven n a s rostoucím rozsahem souboru se ted počet parametrů stále zvšuje. Abchom provedl konzstentní odhad alespoň pro parametr β, lze postupovat v souladu s větou Frshe, Waugha a Lovella (vz např. Davdson, McCnnon, 993) a vjít z modfkace (7) = β + Dα + η, kde D = I n T, a odhadnout pomocí MNČ β = ( M D ) M D, kdž = I D( D D) D, Snadno zjstíme, že takto bl vlastně proveden odhad tpu M D D
5 Práce s panelovým dat wthn, tak jak bl popsán pro případ (). Oprávněnost tohoto přístupu nahlédneme, kdž uvážíme, že je a ted = β + α + η = β + α + η t = ) β + ( η η ). (8) ( t t Ze vztahu (8) je zřejmé, že ndvduální vlv α bl takto elmnován. Stejného efektu lze dosáhnout, bude l se pracovat s dferencem původních dat. Je ale třeba upozornt, že touto cestou z modelu vloučíme takové proměnné, které jsou ndvduálním a časově nvarantním ukazatelem jednotek v souboru (podrobnost např. v Johnston, DNardo, 997). Pro úplnost zmíníme ještě dva přístup k datovým souborům s malým počtem jednotek a dostatečně dlouhým časovým řadam. Metoda LSDV (= Least Squares wth Dumm Varables) ošetřuje ndvduální vlv zavedením nula jednčkových proměnných v počtu n-, kterým jsou rozlšen jednotk souboru. Indvduální efekt se tak projevuje v různých hodnotách konstant. Odlšení ve všech parametrech můžeme dosáhnout zpracováním, které je aplkací smultánní soustav rovnc. Počet rovnc se rovná počtu sledovaných jednotek a formálně koresponduje s flozofí zdánlvě nesouvsejících regresních rovnc, které jsou propojen prostřednctvím určtých vlastností svých náhodných složek. Rovnce uvažujme opět ve tvaru = β + u, =,..., n, kde n je počet rovnc a také datových jednotek. Jsou spojen prostřednctvím náhodných složek, pro které E ( u ) = 0, E( uu ' ) = ωim, E ( u t u jt ) = ω j, pro, j =,...,n, přčemž t =,...,T je počet pozorování v čase. Předpokládáme, že E ( u t u jτ ) = 0 pro t τ. Veškerá nformace týkající se korelačních vztahů mez náhodným složkam tak může být popsána matcí Ω rozměru n n, která na místě j má prvek ω j. Dále je možné předpokládat, že každá rovnce může mít jný počet vsvětlujících proměnných n a tudíž parametrů. Počet parametrů v -té rovnc označme k a k = k. Celou soustavu rovnc můžeme popsat vztahem n 0 = β u 0 β u + n βn un nebo kompaktněj jako = β + u, (9) = 83
6 Acta Oeconomca Pragensa, roč. 5, č., 007 kdž je vektor délk Tn, je matce rozměru Tn k a β je vektor délk k. Vektor náhodných složek o délce Tn má kovaranční matc E( uu' ) E( uu... E( uun E( uu' ) E( uu... E( uun V = E( uu' ) = = Ω I E unu E u nu E unu ( ' ) (... ( n rozměru Tn Tn. Parametr modelu (9) odhadujeme zobecněnou metodou nejmenších čtverců. V případě, že předpokládané vztah mez náhodným složkam exstují, ted není-l ω j = 0 př j, budou odhad parametrů vdatnější než př použtí metod nejmenších čtverců na každou rovnc zvlášť. Hausmanův test Případ () a () odlšující vlastnost ndvduálního efektu představují v prax krajnost, které zpravdla není dosaženo. Emprcké poznatk ukazují, že vjdeme-l z předpokladu (), mohou být odhadnuté parametr vchýlené směrem nahoru, zatímco předpoklad () spíše povede k vchýlení odhadů směrem dolů. Rozhodování mez () a () je možné podpořt provedením Hausmanova testu, který stručně popíšeme. Předpokládejme, že odhad provedený za předpokladu () posktl vektor parametrů β ( ) a kovaranční matc Σ (), zatímco předpoklad () vústl v β ( ) a Σ (). Testovat budeme statstku H = β β ) ( Σ Σ ) ( β β ), ( ( ) ( ) ( ) ( ) ( ) ( ) která asmptotck má χ test s k (= počet sloupců v matc ) stupn volnost. Nulovou hpotézou je, že platí předpoklad (). Podrobněj vz např. Green (003). udeme-l mít k dspozc θ jako odhad ze vztahu (5), lze postupovat takto (vz Johnston, DNardo, 997). Proměnné, transformujeme na t = t + θ, t = t + θ, dále defnujme t = t. Hausmanův test pak lze provést jakožto F test parametru γ ve vztahu = β + γ + u. Testována je hpotéza, zda vnechání ndvduálního efektu má vlv na konzstentnost odhadů, pokud tto bl proveden metodam tpu (). Lteratura [] DAVIDSON, R. MacKINNON, J., 993 Estmaton and Inference n Econometrcs. Oxford Unv. Press, 993. [] GREEN, W. H., 003 Econometrc Analss. Pearson Educaton Ltd. New Perse,
7 Práce s panelovým dat [3] JOHNSTON, J. DNARDO, J., 997 Econometrc Methods. McGrawHll, 997. [4] PÁNKOVÁ, V., 005 Poptávka po kaptálu v tranztvních ekonomkách. Ekonomcký časops, 005, roč. 53, č., s ISSN [5] PÁNKOVÁ, V., 005 Tobnovo Q teore a aplkace. Poltcká ekonome, 005, roč. LIII, č. 5, s ISSN Práce s panelovým dat Václava Pánková Abstrakt Panelová data vznkají opakovaným pozorováním určté skupn jednotek, např. domácností č frem, ale také celých ekonomk s některým společným charakterstkam jako třeba země EU5, tranztvní ekonomk, apod. Získáme tak více detalních nformací, které nám dovolí analzovat a zdůvodnt změn zkoumané ekonomcké struktur. Z řad možných odhadových technk chce tento článek upozornt na takové, které umožňují prác s velm krátkým časovým rozměrem panelových dat. Pro Českou republku a ostatní stále ještě relatvně nové trh jsou právě tto technk velm vhodné. Většna aplkací je spojena s rozlšováním vlastností ndvduálního efektu a v důsledku toho pak s volbou adekvátní metod pro odhad. Rozlšt model v tomto smslu umožňuje např. Hausmanův test. Klíčová slova panelová data; model s náhodným/sstematckým vlv; krátké časové řad; Hausmanův test. Econometrc models wth panel data Abstract Panel data are a result of repeatng observatons of a group of unts, e.g. households, frms, but also whole economes wth some common characterstcs as EU5, transton economes a. s. o. So, more detals are avalable enablng to analze a changng economc structure and ts reasonng. Specfc technques can be chosen to deal wth short tme seres what n case of Czech Republc, and other relatvel new markets, can be ver helpful. Most part of emprcal applcatons corresponds wth random or fxed effect models, respectve. To each of ths tpe approprate methods relate. An exact choce between both effects can be done b the help of Hausman test. Ke words panel data; random / fxed effects model; short tme seres; Hausman test. JEL classfcaton C3 85
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN
ANALÝZA VZTAHU DVOU SPOJITÝCH VELIČIN V dokumentu 7a_korelacn_a_regresn_analyza jsme řešl rozdíl mez korelační a regresní analýzou. Budeme se teď věnovat pouze lneárnímu vztahu dvou velčn, protože je nejjednodušší
VíceREGRESNÍ ANALÝZA. 13. cvičení
REGRESNÍ ANALÝZA 13. cvčení Závslost náhodných velčn Závslost mez kvanttatvním proměnným X a Y: Funkční závslost hodnotam nezávsle proměnných je jednoznačně dána hodnota závslé proměnné. Y=f(X) Stochastcká
Více9. cvičení 4ST201. Obsah: Jednoduchá lineární regrese Vícenásobná lineární regrese Korelační analýza. Jednoduchá lineární regrese
cvčící 9. cvčení 4ST01 Obsah: Jednoduchá lneární regrese Vícenásobná lneární regrese Korelační analýza Vysoká škola ekonomcká 1 Jednoduchá lneární regrese Regresní analýza je statstcká metoda pro modelování
Více4EK211 Základy ekonometrie
4EK Základy ekonometre Zobecněná MNČ Cvčení 8 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = náhodné vlvy se vzájemně vynulují. E(u u T ) = σ I n konečný a konstantní
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 8 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 7 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,
Více4EK211 Základy ekonometrie
4EK Základy ekonometre Zobecněná MNČ Cvčení 7 Zuzana Dlouhá Gauss-Markovy předpoklady Náhodná složka: Gauss-Markovy předpoklady. E(u) = náhodné vlvy se vzájemně vynulují. E(uu T ) = σ I n konečný a konstantní
Více4EK211 Základy ekonometrie
4EK211 Základy ekonometre Specální případy použtí MNČ Cvčení 9 Zuzana Dlouhá Specální případy použtí MNČ cvčení 1 8 = ekonometrcký model, který byl lneární v proměnných v parametrech MNČ můžeme použít,
VíceNáhodným vektorem rozumíme sloupcový vektor složený z náhodných veličin X = (X 1, X 2,
Statstka I cvčení - 54-5 NÁHODNÝ VEKTOR Náhodným vektorem rozumíme sloupcový vektor složený z náhodných velčn = n který je charakterzován sdruženou smultánní dstrbuční unkcí ; F náhodný vektor s dskrétním
VíceBořka Leitla Bolometrie na tokamaku GOLEM
Posudek vedoucího bakalářské práce Bořka Letla Bolometre na tokamaku GOLEM Vedoucí práce: Ing. Vojtěch Svoboda, CSc Bořek Letl vpracoval svoj bakalářskou prác na tokamaku GOLEM, jehož rozvoj je závslý
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Vícenásobná regresní a korelační analýza 1 1 Tto materiál bl vtvořen za pomoci grantu FRVŠ číslo 1145/2004. O vícenásobné závislosti mluvíme tehd, jestliže je závisle proměnná závislá na více nezávislých
VíceRegresní a korelační analýza
Regresní a korelační analýza Závslost příčnná (kauzální). Závslostí pevnou se označuje případ, kdy výskytu jednoho jevu nutně odpovídá výskyt druhé jevu (a často naopak). Z pravděpodobnostního hledska
VíceAnalýza panelových dat
Petr Novák Petr Novák * Úvod V posledních desetletích výrazně roste zájem o problematku analýzy panelových dat. A to jak ve výzkumu socálních vazeb a způsobů chování obyvatelstva na straně jedné, tak př
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
VíceRegrese. používáme tehdy, jestliže je vysvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA
Regrese používáme tehd, jestliže je vsvětlující proměnná kontinuální pokud je kategoriální, jde o ANOVA Specifikace modelu = a + bx a závisle proměnná b x vsvětlující proměnná Cíl analýz Odhadnout hodnot
VíceANOVA. Analýza rozptylu při jednoduchém třídění. Jana Vránová, 3.lékařská fakulta UK, Praha
ANOVA Analýza rozptylu př jednoduchém třídění Jana Vránová, 3.léařsá faulta UK, Praha Teore Máme nezávslých výběrů, > Mají rozsahy n, teré obecně nemusí být stejné V aždém z nch známe průměr a rozptyl
Více3 VYBRANÉ MODELY NÁHODNÝCH VELIČIN. 3.1 Náhodná veličina
3 VBRANÉ MODEL NÁHODNÝCH VELIČIN 3. Náhodná velčna Tato kaptola uvádí stručný pops vybraných pravděpodobnostních modelů spojtých náhodných velčn s důrazem na jejch uplatnění př rozboru spolehlvost stavebních
VíceANALÝZA ROZPTYLU (Analysis of Variance ANOVA)
NLÝZ OZPYLU (nalyss of Varance NOV) Používá se buď ako samostatná technka, nebo ako postup, umožňuící analýzu zdroů varablty v lneární regres. Př. použtí: k porovnání středních hodnot (průměrů) více než
VíceMetody vícekriteriálního hodnocení variant a jejich využití při výběru produktu finanční instituce
. meznárodní konference Řízení a modelování fnančních rzk Ostrava VŠB-TU Ostrava, Ekonomcká fakulta, katedra Fnancí 8. - 9. září 200 Metody vícekrterálního hodnocení varant a ech využtí př výběru produktu
Více6. Demonstrační simulační projekt generátory vstupních proudů simulačního modelu
6. Demonstrační smulační projekt generátory vstupních proudů smulačního modelu Studjní cíl Na příkladu smulačního projektu představeného v mnulém bloku je dále lustrována metodka pro stanovování typů a
Vícev cenových hladinách. 2
roblematka reálné konvergence Reálná konvergence vmezuje sblžování ekonomcké úrovn dané zem s vbraným ukazatel vsplých zemí, nebo s jejch například ekonomckým uskupením. ato metoda je založena na konvergenc
Vícepodle typu regresní funkce na lineární nebo nelineární model Jednoduchá lineární regrese se dá vyjádřit vztahem y
4 Lneární regrese 4 LINEÁRNÍ REGRESE RYCHLÝ NÁHLED DO KAPITOLY Častokrát potřebujete zjstt nejen, jestl jsou dvě nebo více proměnných na sobě závslé, ale také jakým vztahem se tato závslost dá popsat.
VícePSY117/454 Statistická analýza dat v psychologii přednáška 8. Statistické usuzování, odhady
PSY117/454 Statistická analýza dat v psychologii přednáška 8 Statistické usuzování, odhady Výběr od deskripce k indukci Deskripce dat, odhad parametrů Usuzování = inference = indukce Počítá se s náhodným
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
VíceTéma 5: Parametrická rozdělení pravděpodobnosti spojité náhodné veličiny
0.05 0.0 0.05 0.0 0.005 Nomnální napětí v pásnc Std Mean 40 60 80 00 0 40 60 Std Téma 5: Parametrcká rozdělení pravděpodobnost spojté náhodné velčn Přednáška z předmětu: Pravděpodobnostní posuzování konstrukcí
VíceMatematické 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)
VíceSimulační metody hromadné obsluhy
Smulační metody hromadné osluhy Systém m a model vstupy S výstupy Systém Část prostředí, kterou lze od jeho okolí oddělt fyzckou neo myšlenkovou hrancí Model Zjednodušený, astraktní nástroj používaný pro
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
VíceNumerická matematika 1. t = D u. x 2 (1) tato rovnice určuje chování funkce u(t, x), která závisí na dvou proměnných. První
Numercká matematka 1 Parabolcké rovnce Budeme se zabývat rovncí t = D u x (1) tato rovnce určuje chování funkce u(t, x), která závsí na dvou proměnných. První proměnná t mívá význam času, druhá x bývá
VíceVLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ
VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje
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,
VíceZápadočeská univerzita v Plzni Fakulta aplikovaných věd Katedra matematiky. Bakalářská práce. Zpracování výsledků vstupních testů z matematiky
Západočeská unverzta v Plzn Fakulta aplkovaných věd Katedra matematky Bakalářská práce Zpracování výsledků vstupních testů z matematky Plzeň, 13 Tereza Pazderníková Prohlášení Prohlašuj, že jsem bakalářskou
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
VíceAVDAT Geometrie metody nejmenších čtverců
AVDAT Geometrie metody nejmenších čtverců Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Lineární model klasický lineární regresní model odhad parametrů MNČ y = Xβ + ε, ε
VíceNeparametrické metody
Neparametrcké metody Přestože parametrcké metody zaujímají klíčovou úlohu ve statstcké analýze dat, je možné některé problémy řešt př neparametrckém přístupu. V této přednášce uvedeme neparametrcké odhady
VícePříloha A: Empirická příloha
Příloha A: Empirická příloha Tato empirická příloha Metodiky pro detekci rizikových zakázek nabízí kvantitativní analýzu kritérií rizikovosti při zadávání veřejných zakázek a doplňuje samostatné akademické
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
VíceZÁPADOČESKÁ UNIVERZITA V PLZNI
ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA STROJNÍ Semestrální práce z předmětu MM Stanovení deformace soustav ocelových prutů Václav Plánčka 6..006 OBSAH ZADÁNÍ... 3 TEORETICKÁ ČÁST... 4 PRAKTICKÁ ČÁST...
Více7. Analýza rozptylu.
7. Analýza rozptylu. Uvedeme obecnou ideu, která je založena na minimalizaci chyby metodou nejmenších čtverců. Nejdříve uvedeme několik základních tvrzení. Uvažujeme náhodný vektor Y = (Y, Y,..., Y n a
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).
VíceVyužití logistické regrese pro hodnocení omaku
Využtí logstcké regrese pro hodnocení omaku Vladmír Bazík Úvod Jedním z prmárních proevů textlí e omak. Jedná se o poct který vyvolá textle př kontaktu s pokožkou. Je to ntegrální psychofyzkální vlastnost
VíceKorelační energie. Celkovou elektronovou energii molekuly lze experimentálně určit ze vztahu. E vib. = E at. = 39,856, E d
Korelační energe Referenční stavy Energ molekul a atomů lze vyjádřt vzhledem k různým referenčním stavům. V kvantové mechance za referenční stav s nulovou energí bereme stav odpovídající nenteragujícím
Vícejevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.
Parametrické metody odhadů z neúplných výběrů 2 1 Metoda maximální věrohodnosti pro cenzorované výběry 11 Náhodné cenzorování Při sledování složitých reálných systémů často nemáme možnost uspořádat experiment
Více6 Vícerovnicové ekonometrické soustavy 1
6 Vícerovnicové ekonometrické soustavy Obsah 6 Vícerovnicové ekonometrické soustavy 1 6.1 SUR - Seemingly unrelated regression (zdánlivě nepropojené regrese).......... 3 6.2 Panelová data.........................................
VíceLINEÁRNÍ MODELY. Zdeňka Veselá
LINEÁRNÍ MODELY Zdeňka Veselá vesela.zdenka@vuzv.cz Genetika kvantitativních vlastností Jednotlivé geny nejsou zjistitelné ani měřitelné Efekty většího počtu genů poskytují variabilitu, kterou lze většinou
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
VícePřednáška č. 11 Analýza rozptylu při dvojném třídění
Přednáška č. Analýza roztlu ř dvojném třídění Ve většně říadů v rax výsledk exermentu, rozboru závsí na více faktorech. Př této analýze se osuzují výsledk náhodných okusů (exerment nebo soubor získané
Více6 LINEÁRNÍ REGRESNÍ MODELY
1 6 LINEÁRNÍ REGRESNÍ MODELY Př budování regresních modelů se běžně užívá metody nejmenších čtverců. Metoda nejmenších čtverců poskytuje postačující odhady parametrů jenom př současném splnění všech předpokladů
Více7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM
7. STATISTICKÝ SOUBOR S JEDNÍM ARGUMENTEM Průvodce studem Předchozí kaptoly byly věnovány pravděpodobnost a tomu, co s tímto pojmem souvsí. Nyní znalost z počtu pravděpodobnost aplkujeme ve statstce. Předpokládané
VíceANALÝZA SPOTŘEBITELSKÉHO CHOVÁNÍ S VYUŽITÍM TÖRNQUISTOVÝCH FUNKCÍ U VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ
ANALÝZA SPOTŘEBITELSKÉHO CHOVÁNÍ S VYUŽITÍM TÖRNQUISTOVÝCH FUNKCÍ U VYBRANÝCH POTRAVINÁŘSKÝCH VÝROBKŮ THE ANALYSIS OF CONSUMER BEHAVIOR WITH TÖRNQUIST FUNCTIONS USING FOR CHOICE FOOD PRODUCTS Pavlína Hálová
VícePOROVNÁNÍ MEZI SKUPINAMI
POROVNÁNÍ MEZI SKUPINAMI Potřeba porovnání počtů mez určtým skupnam jednců např. porovnání počtů onemocnění mez kraj nebo okresy v prax se obvykle pracuje s porovnáním na 100.000 osob. Stuace ale nebývá
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).
VíceANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE
ANALÝZA VLIVU DEMOGRAFICKÝCH FAKTORŮ NA SPOKOJENOST ZÁKAZNÍKŮ VE VYBRANÉ LÉKÁRNĚ S VYUŽITÍM LOGISTICKÉ REGRESE Jana Valečková 1 1 Vysoká škola báňská-techncká unverzta Ostrava, Ekonomcká fakulta, Sokolská
VícePRAVDĚPODOBNOST A STATISTIKA
PRAVDĚPODOBNOST A STATISTIKA Náhodný výběr Nechť X je náhodná proměnná, která má distribuční funkci F(x, ϑ). Předpokládejme, že známe tvar distribuční funkce (víme jaké má rozdělení) a neznáme parametr
VícePojem endogenity a exogenity
22. 4. 2010 Úvodní definice Klasická definice Exogenita a endogenita není jednoznačná, přesto se nejčastěji pracuje s následující definicí. Proměnná x vysvětlující proměnnou y je exogenní, pokud L(y x)
VíceVícekriteriální rozhodování. Typy kritérií
Vícekrterální rozhodování Zabývá se hodnocením varant podle několka krtérí, přčemž varanta hodnocená podle ednoho krtéra zpravdla nebývá nelépe hodnocená podle krtéra ného. Metody vícekrterálního rozhodování
VíceZnamená vyšší korupce dražší dálnice? Evidence z dat Eurostatu. Michal Dvořák *
Znamená vyšší korupce dražší dálnce? Evdence z dat Eurostatu Mchal Dvořák * Článek je pozměněnou verzí práce Analýza vztahu mez mírou korupce a cenovou úrovní nfrastrukturních staveb, kterou autor zakončl
VíceVyužití nástrojů GIS při analýze vztahů socio-ekonomických faktorů a úrovně sociální péče
Využtí nástrojů GIS př analýze vztahů soco-ekonomckých faktorů a úrovně socální péče Renata Klufová Katedra aplkované matematky a nformatky, Ekonomcká fakulta JU, Studentská 13 370 05 České Budějovce,
VíceAVDAT Nelineární regresní model
AVDAT Nelineární regresní model Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Nelineární regresní model Ey i = f (x i, β) kde x i je k-členný vektor vysvětlujících proměnných
Více"Competitivness in the EU Challenge for the V4 countries" Nitra, May 17-18, 2006
MODELOVÁNÍ SPOTŘEBITELSKÉ POPTÁVKY PO POTRAVINÁCH: TEORETICKO-METODOLOGICKÁ VÝCHODISKA MODELS OF CONSUMER DEMAND FOR FOOD: THEORETICAL AND METHODOLOGICAL BASIS SYROVÁTKA Pavel, (ČR) ABSTRACT The whole
VíceDesign Experimentu a Statistika - AGA46E
Design Experimentu a Statistika - AGA46E Czech University of Life Sciences in Prague Department of Genetics and Breeding Summer Term 2015 Matúš Maciak (@ A 211) Office Hours: T 9:00 10:30 or by appointment
VíceCHYBY MĚŘENÍ. uvádíme ve tvaru x = x ± δ.
CHYBY MĚŘENÍ Úvod Představte s, že máte změřt délku válečku. Použjete posuvné měřítko a získáte určtou hodnotu. Pamětlv přísloví provedete ještě jedno měření. Ale ouha! Výsledek je jný. Co dělat? Měřt
VícePOUŽITÍ METODY PERT PŘI ŘÍZENÍ PROJEKTŮ
5. Odborná konference doktorského studa s meznárodní účastí Brno 003 POUŽITÍ METODY PERT PŘI ŘÍZEÍ PROJEKTŮ A USAGE OF PERT METHOD I PROJECT MAAGEMET Vladslav Grycz 1 Abstract PERT Method and Graph theory
VícePosuzování výkonnosti projektů a projektového řízení
Posuzování výkonnost projektů a projektového řízení Ing. Jarmla Ircngová Západočeská unverzta v Plzn, Fakulta ekonomcká, Katedra managementu, novací a projektů jrcngo@kp.zcu.cz Abstrakt V současnost je
VíceANALÝZA PRODUKCE OLEJNIN ANALYSIS OF OIL SEED PRODUCTION. Lenka Šobrová
ANALÝZA PRODUKCE OLEJNIN ANALYSIS OF OIL SEED PRODUCTION Lenka Šobrová Anotace: Olejnny patří mez významné zemědělské plodny. Nejvýznamnější zástupc této skupny se však v jednotlvých částech světa lší,
VíceL8 Asimilace dat II. Oddělení numerické předpovědi počasí ČHMÚ 2007
L8 Asmlace dat II Oddělení numercké předpověd počasí ČHMÚ 007 Plán přednášky Úvod do analýzy Optmální odhad v meteorolog D případ: demonstrace metod; mult-dmensonální případ; Zavedení předběžného pole;
VíceAVDAT Mnohorozměrné metody, metody klasifikace
AVDAT Mnohorozměrné metody, metody klasifikace Josef Tvrdík Katedra informatiky Přírodovědecká fakulta Ostravská univerzita Mnohorozměrné metody Regrese jedna náhodná veličina je vysvětlována pomocí jiných
Více2. Najděte funkce, které vedou s těmto soustavám normálních rovnic
Zadání. Sestavte soustavu normálních rovnc ro funkce b b a) b + + b) b b +. Najděte funkce, které vedou s těmto soustavám normálních rovnc nb a) nb. Z dat v tabulce 99 4 4 b) určete a) rovnc regresní funkce
VíceValidation of the selected factors impact on the insured accident
6 th Internatonal Scentfc Conference Managng and Modellng of Fnancal Rsks Ostrava VŠB-TU Ostrava, Faculty of Economcs,Fnance Department 0 th th September 202 Valdaton of the selected factors mpact on the
VíceDirectional Vehicle Stability Prototyping Using HIL Simulation Ověření systému řízením jízdy automobilu metodou HIL simulací
XXXII. Semnar AS '2007 Instruments and ontrol, arana, Smutný, Kočí & Babuch (eds) 2007, VŠB-TUO, Ostrava, ISBN 978-80-248-1272-4 Drectonal Vehcle Stablty rototypng Usng HIL Smulaton Ověření systému řízením
VíceAPLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY
APLIKACE METOD VÍCEKRITERIÁLNÍHO ROZHODOVÁNÍ PŘI HODNOCENÍ KVALITY VEŘEJNÉ DOPRAVY APPLICATION OF METHODS MULTI-CRITERIA DECISION FOR EVALUATION THE QUALITY OF PUBLIC TRANSPORT Ivana Olvková 1 Anotace:
VíceVÝPOČET VELIKOSTNÍCH PARAMETRŮ KOMPOSTÁREN NA ZPEVNĚNÝCH PLOCHÁCH THE SIZE PARAMETER CALCULATION OF COMPOST PLANTS LOCALIZED ON COMPACTED AREAS
VÝPOČET VELIKOSTNÍCH PARAMETRŮ KOMPOSTÁREN NA ZPEVNĚNÝCH PLOCHÁCH THE SIZE PARAMETER CALCULATION OF COMPOST PLANTS LOCALIZED ON COMPACTED AREAS ALTMANN VLASTIMIL ), PLÍVA PETR 2) ) Česká zemědělská unverzta
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).
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení f x = 1 2 exp x 2 2 2 f(x) je funkce hustoty pravděpodobnosti, symetrická vůči poloze maxima x = μ μ střední hodnota σ směrodatná odchylka (tzv. pološířka křivky mezi inflexními
VíceMODELOVÁNÍ A SIMULACE
MODELOVÁNÍ A SIMULACE základní pojmy a postupy vytváření matematckých modelů na základě blancí prncp numerckého řešení dferencálních rovnc základy práce se smulačním jazykem PSI Základní pojmy matematcký
VíceLineární a logistická regrese
Lineární a logistická regrese Martin Branda Univerzita Karlova v Praze Matematicko-fyzikální fakulta Katedra pravděpodobnosti a matematické statistiky Výpočetní prostředky finanční a pojistné matematiky
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
Více11 Tachogram jízdy kolejových vozidel
Tachogram jízdy kolejových vozdel Tachogram představuje znázornění závslost rychlost vozdel na nezávslém parametru. Tímto nezávslým parametrem může být ujetá dráha, pak V = f() dráhový tachogram, nebo
VíceREAKCE POPTÁVKY DOMÁCNOSTÍ PO ENERGII NA ZVYŠOVÁNÍ ENERGETICKÉ ÚČINNOSTI: TEORIE A JEJÍ DŮSLEDKY PRO KONSTRUKCI EMPIRICKY OVĚŘITELNÝCH MODELŮ
RAKC POPTÁVKY DOMÁCNOTÍ PO NRGII NA ZVYŠOVÁNÍ NRGTICKÉ ÚČINNOTI: TORI A JJÍ DŮLDKY PRO KONTRUKCI MPIRICKY OVĚŘITLNÝCH MODLŮ tela Rubínová, Unverzta Karlova v Praze, Centrum pro otázky žvotního prostředí,
VíceVLIV APLIKOVANÉ TECHNOLOGIE NA EFEKTIVNOST V SEKTORU VÝROBY MLÉKA # THE EFFECT OF APPLIED TECHNOLOGY ON THE EFFICIENCY IN DAIRY PRODUCTION
VLIV APLIKOVANÉ TECHNOLOGIE NA EFEKTIVNOST V SEKTORU VÝROBY MLÉKA # THE EFFECT OF APPLIED TECHNOLOGY ON THE EFFICIENCY IN DAIRY PRODUCTION JELÍNEK, Ladslav Abstract The objectve of the contrbuton s to
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
VíceNejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti.
U. 4. Goniometrie Nejprve si připomeňme z geometrie pojem orientovaného úhlu a jeho velikosti. 4.. Orientovaný úhel a jeho velikost. Orientovaným úhlem v rovině rozumíme uspořádanou dvojici polopřímek
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
VíceNUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT
NUMERICAL INTEGRATION AND DIFFERENTIATION OF SAMPLED TIME SIGNALS BY USING FFT J. Tuma Summary: The paper deals wth dfferentaton and ntegraton of sampled tme sgnals n the frequency doman usng the FFT and
VíceOtto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 14522
Otto DVOŘÁK 1 NEJISTOTA STANOVENÍ TEPLOTY VZNÍCENÍ HOŘLAVÝCH PLYNŮ A PAR PARABOLICKOU METODOU PODLE ČSN EN 145 UNCERTAINTY OF DETEMINATION OF THE AUTO-IGNITION TEMPERATURE OF FLAMMABLE GASES OR VAPOURS
Více4 Parametry jízdy kolejových vozidel
4 Parametry jízdy kolejových vozdel Př zkoumání jízdy železnčních vozdel zjšťujeme většnou tř základní charakterstcké parametry jejch pohybu. Těmto charakterstkam jsou: a) průběh rychlost vozdel - tachogram,
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
Více1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004.
Testy hypotéz na základě více než 2 výběrů 1 1 Tyto materiály byly vytvořeny za pomoci grantu FRVŠ číslo 1145/2004. Testy hypotéz na základě více než 2 výběrů Na analýzu rozptylu lze pohlížet v podstatě
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).
VíceStatistická analýza dat v psychologii. Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead
PSY117/454 Statistická analýza dat v psychologii Přednáška 8 Statistické usuzování, odhady Věci, které můžeme přímo pozorovat, jsou téměř vždy pouze vzorky. Alfred North Whitehead Barevná srdíčka kolegyně
VíceSTATISTIKA (pro navazující magisterské studium)
Slezská unverzta v Opavě Obchodně podnkatelská fakulta v Karvné STATISTIKA (pro navazující magsterské studum) Jaroslav Ramík Karvná 007 Jaroslav Ramík, Statstka Jaroslav Ramík, Statstka 3 OBSAH MODULU
Více4/3.3. bodem v rovině (tvoří rovinný svazek sil), jsou vždy. rovnice z-ová. Pro rovnováhu takové soustavy
STROJNICKÁ PŘÍRUČKA čá s t 4, d íl 3, k a p to la 3, str. 1 díl 3, Statka 4/3.3 ROVNOVÁHA TĚLESA Procházejí-l po uvolnění tělesa všechny síly jedním bodem v rovně (tvoří rovnný svazek sl), jsou vždy splněny
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
VíceÚvod do analýzy časových řad
Přednáška STATISTIKA II - EKONOMETRIE Katedra ekonometrie FEM UO Brno kancelář 69a, tel. 973 442029 email:jiri.neubauer@unob.cz Posloupnost náhodných veličin {Y t, t = 0, ±1, ±2... } se nazývá stochastický
VíceKontingenční tabulky, korelační koeficienty
Statistika II Katedra ekonometrie FVL UO Brno kancelář 69a, tel 973 442029 email:jirineubauer@unobcz Budeme předpokládat, že X a Y jsou kvalitativní náhodné veličiny, obor hodnot X obsahuje r hodnot (kategorií,
VíceNormální (Gaussovo) rozdělení
Normální (Gaussovo) rozdělení Normální (Gaussovo) rozdělení popisuje vlastnosti náhodné spojité veličiny, která vzniká složením různých náhodných vlivů, které jsou navzájem nezávislé, kterých je velký
Vícepermutace, popisující nějaké symetrie, je i π permutace, popisující nějakou symetrii.
DSM Cv Pólyova věta Budeme se zabývat objekty (na množně X - to jsou vrcholy těchto objektů) s různým prvky symetre (například to mohou být různé brože, tsky, ale také strukturní vzorce různých chemckých
VíceÚVOD DO TEORIE ODHADU. Martina Litschmannová
ÚVOD DO TEORIE ODHADU Martina Litschmannová Obsah lekce Výběrové charakteristiky parametry populace vs. výběrové charakteristiky limitní věty další rozdělení pravděpodobnosti (Chí-kvadrát (Pearsonovo),
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
Více1. Základy měření neelektrických veličin
. Základ měřeí eelektrckých velč.. Měřcí řetězec Měřcí řetězec (měřcí soustava) je soubor měřcích čleů (jedotek) účelě uspořádaých tak, ab blo ožě splt požadovaý úkol měřeí, tj. získat formac o velkost
Více