"autokorrelatsiooni" - 23 õppematerjali

Ökonomeetria kordamisküsimustele vastused

Sõltuvate fiktiivsete muutujate kasutamiseks valitakse lineaarse tõenäosuse, logit ja probit mudeleid. Nende kasutamise põhiliseks probleemiks on see, et jääkliikmed on heteroskedastiivsed. Samuti probleemiks võib olla see, et tõenäosuste näitajad võivad mitte olla lineaarses seoses selgitava muutujaga. Tõenäosuse koefitsiendid võivad olla suurem kui üks või negatiivsed. (seda ei tohi olla) Determinatsioonikordaja võib olla väike. Millised on negatiivse autokorrelatsiooni vähendamise võimalused:  Andmete teisendamine (nt logaritmeerimine)  Faktoranalüüsi kasutamine  Andmerea pikendamine  Autokorrelatsiooni omapära (trendi) elimineerimine  Sesoonsuse kasutamine, diferentside võtmine, uute andmete mudeli juurde võtmine Milles seisneb VAR mudelite põhimõte? Põhimõtte seisneb selles, et majanduses ei ole võimalik vahet teha eksogeensetel ja endogeensetel muutujatel

Analüürimeetodid äriuuringutes eksam V1

Tegevuspõhine kuluanalüüs on selle edasiarendus. Toodete lõikes kuluanalüüs jääb varju. Idee on vähendada võimalikke vastuolusid disaini ja tootlikkuse vahel. Võib turundusele vastu töötada, aga võetakse maha oht, et tarbijat petetakse. Väga oluline on hindamise etapp. E(efekt)/Z(kulud)=max, ehk saadav efekt kulude suhtes peaks olema maksimaalne 4. MIDA NÄITAB DURBIN-WATSONI KRITEERIUMI SUUR VÄÄRTUS? Durbin-Watsoni statistikut kasutatakse 1. järku autokorrelatsiooni avastamiseks. Valemist on näha, et autokorrelatsiooni olemasolu korral on kriteeriumi väärtus väike. DW statisiku kasutamise eeldused: 1) regressioonimudel peab sisaldama konstantset liiget 2) mudel ei sisalda sõltuva muutuja viitajaga liikmeid. D- statistiku väärtus alati 0 d 4. Vähem kui 1,5 on positiivne autokorrelatsioon, 1,5-2,5 autokorrelatsioon puudub, suurem kui 2,5 on negatiivne autokorrelatsioon

Spikker

See meetod võib tekitada kaudu. Kahe juhusliku jada x(m) ja y(n) vaheline spektraalhinnang ehk kõigepealt arvutatakse autokorrelatsiooni- ja PSD teste olemasolevatest ebastabiilse mudeli, kuid annab parema sageduse (rist-, vastastikune) korrelatsioon on signaali autokorrelatsiooni ja seepärast leitakse selle andmetest. Tulemused aga võrdleme lahutusvõime kui Yule-Walker'i meetod. FFT. Korrelatsiooni arvutamisel osutub, et suure teoreetiliselt saadud mudelitega. Niisugune esmane 18. Lineaarennustus ja funktsioon lpc() Kui x(n)=y(n), siis on tegemist autokorrelatsiooniga

Aegread

............................... 4. Statsionaarsuse ja mittestatsionaarsuse aegreadede statistika saamiseks näited........ Aegrea karakteristikud Kui meil on juba antud vaid üks realisatsiooni protsess - aegrida, siis ei ole meil võimalik täpselt aru saada stohhastilise protsessi karakteristikuid. Kuid me saame vaadelda aegrea keskmist väärtust, standardviga ning k-järku autokorrelatsioonikordajad statsionaarse juhuslikku protsessi keskväärtusse, dispersiooni ja autokorrelatsiooni funktsiooni hinnangutena. Kui aegread sisaldavad arengutendentsi, trendi, siis need karakteristikud on kindlasti suhteliselt väheinformatiivsed aegrea iseloomustamiseks, kuna nende väärtused sõltuvad oluliselt vaadeldava ajaperioodi pikkusest. Üheks oluliseks aegrea omaduse jaoks on aegrea väärtuse perioodil t sõltuvus varasemate perioodide väärtustest, millega on seotud sellega autokorrelatsioonikordaja.

mudel on lineaarne parameetrite suhtes, vaatluste arv ei tohi olla väiksem kui hinnatavate parameetrite arv (n>=k), regressori väärtused valimis ei tohi olla ühesugused, regressorid ei tohi olla lineaarselt sõltuvad, Regressorid X on eksogeensed: regressorite X väärtused on fikseeritud või sõltumatud juhuslikest liikmetest, eeldus: juhuslike liikmete keskväärtus peab olema 0, Homoskedastiivsus, Cov(ui , uj )=0, jääkliikmete autokorrelatsiooni puudumine, juhuslike liikmed peavad alluma normaaljaotusele, Aegread peavad olema statsionaarsed. 36) Regressorite suhtes lineaarne mudel Regressorid X esinevad mudelis vaid astmes 1. Ei ole ruutliimkeid, ln x. Graafikuks sirge. 37) Parameetrite suhtes lineaarne mudel Parameetrid esinevad mudelis vaid astmes 1. Vastasel juhul ei saa lineariseerida (kasutada OLS) 38) Mis juhtub, kui vaatluste arv on väiksem kui parameetrite arv?

Analüürimeetodid äriuuringutes kordamisküsimused

Aditiivset mudelit rakendatakse aegridadele, mille sesoonsed kõrvalekalded trendist on konstantsed Y T S C H st Y T S C H Multiplikatiivset mudelit saab rakendada siis, kui sesoonsed kõrvalekalded on võrdelised trendi väärtustega Y TSCH Ignoreerides tsüklilist komponenti Y Y T S H ja SH T 27. Mis on korrelogramm? Korrelatsiooni iseloomustab korrelogramm, korrelogrammilt näeme, kuidas autokorrelatsiooni väärtus sõltub vaatlusi eraldavast ajaühikust. Korrelogramm on graafik, millel on kujutatud aegrea liikmete autokorrelatsioonikordajad. Ehk siis see on graafik, mis näitab kui palju on liikmete väärtus korreleeritud sama liikme eelmiste perioodide väärtustega. 28. Mida näitab Durbin-Watsoni kriteeriumi suur väärtus? Durbin-Watsoni kriteerium arvutatakse valemiga  n ¦ H H i 1  2 i

KORDAMINE ÖKONOMEETRIA KONTROLLTÖÖKS

standardvigade hinnangud (heteroskedasticity-consistent standard errors, robust standard errors) ehk kohandatud standardvead on suuremad, arvestavad võimalikku heteroskedastiivust. Kohandatud standardvead EI KAOTA heteroskedastiivsust · Nad võtavad heteroskedastiivsust arvesse. ­ Nende arvutamisel kasutatakse teistsugust metoodikat kui tavaliste standardvigade korral 45. Mis on autokorrelatsioon? 3. eeldus Cov(ui , uj )=0, jääkliikmete autokorrelatsiooni puudumine. Aegrea autokorrelatsioon on perioodil t esineva aegrea väärtuse sõltuvus varasemate perioodide väärtustest. 46. Durbin-Watsoni statistiku väärtuste interpreteerimine.  47. Durbin-Watsoni statistiku testimine: nullhüpotees ja sisukas hüpotees. Positiivse autokorrelatsiooni testimine 1. Hüpoteesipaari püstitamine. Nullhüpotees H0 : positiivne autokorrelatsioon puudub. Sisukas hüpotees H1 : positiivne autokorrelatsioon eksisteerib. 2

Ökonomeetria kontrolltöö kordamisküsimused 2020

Eristada tuleb: • lineaarsus regressorite suhtes; • lineaarsus parameetrite suhtes. 2. Eeldus: vaatluste arv ei tohi olla väiksem kui hinnatavate parameetrite arv 3. Eeldus: regressori väärtused valimis ei tohi olla ühesugused 4. Eeldus: regressorid ei tohi olla lineaarselt sõltuvad 5. Eeldus: regressorid X on eksogeensed 6. Eeldus: juhuslike liikmete keskväärtus peab olema 0 7. Eeldus: Homoskedastiivsus 8. Eeldus Cov(ui , uj )=0, jääkliikmete autokorrelatsiooni puudumine 9. eeldus: juhuslike liikmed peavad alluma normaaljaotusele 10. Aegread peavad olema statsionaarsed! 36. Regressorite suhtes lineaarne mudel Kui mudel ei ole lineaarne regressorite suhtes, aga on lineaarne parameetrite suhtes, saab seda lineariseerida ning parameetrite hindamiseks kasutada harilikku vähimruutude meetodit OLS. Mudeli saab kirjutada kujul y, x2, x3 ,.... võivad olla ka mingid funktsioonid (ln, √) mõõdetud suurustest. 37. Parameetrite suhtes lineaarne mudel

Mitmene regressioonmudel I

7  8. eeldus Cov(ui, uj)=0, jääkliikmete 7. eeldus: Homoskedastiivsus autokorrelatsiooni puudumine Y Aegrea autokorrelatsioon on Y perioodil t esineva aegrea väärtuse sõltuvus varasemate perioodide väärtustest

Elektrijaotustehnika: Elektrivõrgu koormus

KT 5 aines Elektrijaotustehnika 5.Elektrivõrgu koormus 1. Koormusmudelid ja prognoosimudelid Koormusi on vaja prognoosida lühema või pikema ennetusajaga (mõnest tunnist aastani ja enam), aga ka analüüsida ja imiteerida. Vajalike koormusandmete laad sõltub rakendusest. Peaaegu alati on vajalik matemaatiline ootus koormuse pikaajalise prognoosi või mõne muu nimetuse all. Kuigi traditsiooniline lähenemine koormuse käsitlemisele võib anda kasutuskõlblikke tulemusi, saab koormusnäitajaid leida tunduvalt täpsemalt ja mitmekülgsemalt, kui koostada koormuse matemaatiline mudel. Mudeli koostamisel selgitatakse välja koormuse füüsikalised omadused ja esitatakse need kvantitatiivselt. Koormust tuleks jälgida vähemalt mõne aasta vältel, et selle omadused tuleksid esile. Koormusmudeli olulised eelised prognoosimudelite ees tulevad selgelt esile, kui vaadelda mudeli rakendusi. Se...

Ökonomeetria mõisted

1. Autokorrelatsioon ja heteroskedastatiivsus võivad mudelis olla kahel põhjusel: 1) mudeli spetsifikatsioon on vale. Mudelist on välja jäetud mõned olulised muutujad ja/või mudeli funktsionaalne kuju on vale. Mudel tuleb ümber vaadata. 2) Tavalise vähimruutude meetodi rakendamise protseduur võib anda standardhälvete nihkega hinnangud. Tuleb kasutada uusi lähenemisi mudeli parameetrite hindamiseks. Autokorrelatsiooni testitakse aegridade puhul. Kui juhuslikud vead korreleeruvad omavahel, siis on olemas autokorrelatsioon. Kui autok. Esineb, tuleb mudel ümber vaadata, tuleb muuta spetsifikatsiooni. 2. Asümptootilised hinnangud ­ kui juhuslike vigade normaaljaotuse eeldus ei ole täidetud, siis usalduspiirid on asümptootilised. Nad on täpsed siis, kui valimi maht on lõpmatu; lõpliku valimi mahu korral usalduspiirid on ligikaudsed. 3

Ökonomeetriline projekt - Brutopalga sõltuvus haridustasemest, meeste osakaalust ning linlaste osakaalust maakondade lõikes

Testiti hüpoteesi, kas kõik parameetrid (v.a. vabaliige) on samaselt võrdsed nulliga. Kui nullhüpotees kehtib, siis mudelis heteroskedastiivsus puudub. (Paas, Raus 2012, 58) White’i test andis teststatistiku olulisuse tõenäosuseks 0,2961 (vt lisa 10). Seega autorite poolt võetakse vastu nullhüpotees – saadud mudelis heteroskedastiivsus puudub. Mudelit iseloomustab homoskedastiivsus, mis on klassikalise lineaarse regressioonmudeli eelduseks. Analüüsitava mudeli puhul autokorrelatsiooni testimine tarkvaraprogrammiga ei ole teostatav. Kuna testitavat mudelit võib käsitleda kui ristandmete mudelit (aastaid käsitletakse kui fiktiivseid tunnuseid), siis võib eeldada, et mudelis autokorrelatsiooni ei esine, sest ristandmete puhul ei ole erinevad andmed omavahel seotud (Paas, Raus 2012, 76). Seega loevad autorid ka kolmanda klassikalise mudeli eelduse täidetuks. Kui VIF > 10 siis on mudelis tugev multikollineaarsus. Reeglina viitab juba VIFj > 5

Ökonomeetria-BA.

1  30 ln X t  25 ln X t 1  15 ln X t 2  ut (p) (0.008) (0.18) (0.03) d  2.42 (d lower  1.46, d upper  1.62) Millised muutujad on statistiliselt olulised olulisuse nivool 0.01, millised on statistiliselt olulised olulisuse nivool 0.05. Leida raha pakkumise lühi- ja pikaajaline mõjukordaja inflatsioonitaseme suhtes. Tõlgendage lühi- ja pikaajalise mõjukordajate arvulisi väärtusi. Analüüsige, kas mudelis esineb autokorrelatsiooni. Lahendus.  Statistiliselt olulised muutujad olulisuse nivool 0.01 on ln( X t ) , olulisuse nivool 0.05 on olulised muutujad ln( X t ) ja ln( X t 2 ) .  Lühiajaline mõjukordaja on sama perioodi sõltumatu muutuja ees olev kordaja 30.  Pikaajaline mõjukordaja on kõigi viitaegade ees olevate kordajate summa 70 (70=30+25+15).  Kuna sõltumatu muutuja on logaritmitud kujul ning sõltuv logaritmitud kujul, siis

STATISTIKA konspekt

osadeks lammutamine, siis esimesena otsitakse juhuslikku komponenti. · Trend ehk tendents. Lihtsamateks meetoditeks trendi leidmiseks ja kirjeldamiseks on libisevad ja eksponentkeskmised (lisaks aegrea analüütiline silumine). Mugavaks vahendiks trendi esitamiseks on tunnuse trendiväärtuste kirjeldamine funktsioonina ajast. Räägitakse kas lineaarsest või mittelineaarsest trendist. Aegridades võib täheldada kolme liiki trende: keskmise taseme trend; dispersiooni trend; autokorrelatsiooni trend. Keskmise taseme trend on tavaliselt hästi jälgitav aegrea graafikul; trendi võime kujutada mingi matemaatilise funktsiooni graafikuna, joonena, mille ümber varieeruvad uuritava nähtuse tegelikud väärtused. Taolisel juhul on trendi väärtused üksikutel ajamomentidel uuritava nähtuse matemaatilisteks ootusteks, millest tuleb ka kasutatav nimetus ­ keskmise taseme trend. Dispersiooni trend kujutab endast nähtuse empiiriliste väärtuste ja determineeritud

Statistika eksamiks

8. vabaliige 18,5 kirjeldab joone tõusu 9. igal ajaperioodil väärtused vähenevad 0,48 korda (mitte korda, vaid ühiku võrra) 10. ei ükski (ÕIGE) Kronoloogilist keskmist kasutatakse juhul, kui (IGAL AASTAL ON OLNUD) Kasutatakse momentridade puhul ja võrdse pikkusega vahemikega Ei ole vaja 1. kvartiilide valemeid 2. intervall rea puhul Mo ja Me valemeid (peab üldiselt teadma) 3. dispersioonide liitmise lause (valemina) 4. autokorrelatsiooni valemid 5. Durban-Watson 6. A-sümmeetria ja ektsessikordaja valemid  Regressioonisõltuvus ei ole pööratav.  Tema kuju oleneb sellest, kas vaadelda suurust y x-i funktsioonina või vastupidi.  Siiski läbivad mõlemad jooned punkti, mille koordinaatideks on tunnuste väärtuste aritmeetilised keskmised.  Mida rangem on seos kahe suuruse vahel, seda lähedasemad on need sõltuvused teineteisele.

Rakenduslik süsteemiteooria - konspekt

suurusteks ja protsessideks. Müraks nimetatakse väliskeskkonna juhuslikku mõju, mis avaldab mõju süsteemi väljundile, muutes selle juhuslikuks, kuid mida ei ole võimalik või ei vaadelda kui süsteemi sisendeid. Mürad on kõikides süsteemides. Müra toime avaldub süsteemi väljundis, kuid seejuures müra ei ole süsteemi sisend. Valgeks müraks nimetatakse juhuslikku protsessi, mille spektraaltihedus on konstantne kõigi sageduste korral nullist lõpmatuseni ja mille autokorrelatsiooni funktsioon on null kui   0 . Infoks nimetatakse teavet, mida üks süsteem teisele edastab. Info edastatakse signaalide vahendusel materiaalse kandja kaudu. Igasugune info võib olla õige või väär. Aposterioorne info on info mineviku st juba toimunud sündmuste, suuruste ja protsesside kohta. Aprioorseks infoks nimetatakse infot tuleviku kohta – sündmuste, suuruste, protsesside ja süsteemide tuleviku kohta. X t  PX . (1.11)

Statistika proovitest

koguvariatsioon on minimaalne b. seletamata variatsioon on minimaalne c. seletatud variatsioon on minimaalne Vale Selle esituse hinded: 0/1. Question 10 Hinded: 1 Sisenejate loendamine kaupluse ukse juures ja tulemuste ülesmärkimine on Vali üks vastus. a. sekundaarne vaatlus b. eksperiment c. otsene vaatlus Õige Selle esituse hinded: 1/1. 80857 Lõpeta ülevaade Hinne 4 maksimaalsest 10 (40%) Question 1 Hinded: 1 Regressioonmudeli jääkliikmete autokorrelatsiooni testimisel kasutatakse Vali üks vastus. a. Durbin-Watsoni testi b. Fisheri testi c. t-testi Vale Selle esituse hinded: 0/1. Question 2 Hinded: 1 Tugev negatiivne korrelatiivne seos tähendab, et Vali üks vastus. a. eksisteerib ka põhjuslik seos b. põhjuslikku seost ei ole kindlasti c. põhjuslik seos võib olla, kuid ei pruugi olla Vale Selle esituse hinded: 0/1. Question 3 Hinded: 1 Baasperioodi kaalusid kasutatakse Vali üks vastus. a

Statistika testid

c. seletatud variatsioon on minimaalne Vale Selle esituse hinded: 0/1. Question 10 Hinded: 1 Sisenejate loendamine kaupluse ukse juures ja tulemuste ülesmärkimine on Vali üks vastus. a. sekundaarne vaatlus b. eksperiment c. otsene vaatlus Õige Selle esituse hinded: 1/1. 80857 Lõpeta ülevaade Hinne 4 maksimaalsest 10 (40%) Question 1 Hinded: 1 Regressioonmudeli jääkliikmete autokorrelatsiooni testimisel kasutatakse Vali üks vastus. a. Durbin-Watsoni testi b. Fisheri testi c. t-testi Vale Selle esituse hinded: 0/1. Question 2 Hinded: 1 Tugev negatiivne korrelatiivne seos tähendab, et Vali üks vastus. a. eksisteerib ka põhjuslik seos b. põhjuslikku seost ei ole kindlasti c. põhjuslik seos võib olla, kuid ei pruugi olla Vale Selle esituse hinded: 0/1. Question 3 Hinded: 1 Baasperioodi kaalusid kasutatakse

Taimkatte kaugseire

meetodil. PCA- muutunud alad tavaliselt suurema numbriga peakomponentides ­ reeglina domineerivad piltidel püsivad alad. Ökoloogilise seisundi muutused ­ suktsessiooniline rida ­ lageraie, noorendik, lehtmets, segamets, okasmets. Lageraiete avastamiseks sobiv kanal on keskmine infrapunane. Ruumilise muutlikkuse iseloomustamine ­ heleduse autokorrelatsioon ja semivariogramm: Semivariogramm iseloomustab uuritava suuruse autokorrelatsiooni, - kui tahame teada, kuidas on seotud pikslite väärtused, mis on teineteisest ühe kaugusel. H ­ tähistab kaugust, x punkti asukohta, N on punktipaaride arv, mille kaugus on h. Kriging e interpolatsioon Cokriging ­ kasut interpolatsiooniks mingit uuritava suurusega korreleeruvat satelliidipildi kanalit või kanalite kombinatsioone. Lisaküsimused 1. Ülesandeks on hinnata Eesti metsade kogupindala kosmilise kaugseire abil. Kuidas tegutseksite?

Standardhälve, SEOSED JA DISPERSIOONANALÜÜS

ning hea vastavuse korral a V ei tohiks olla suurem kui 5%, rahuldava vastavuse korral mitte suurem kui 10%. trendifunktsioonide kasutamise korral oleks mõistlik trendifunktsiooni statistilise usaldatavuse kontroll läbi viia, kasutades selleks nullhüpoteesi (trendifunktsiooni tegelikud parameetrid on võrdsed nulliga, s.t. uuritavas reas ei olegi trendi) paikapidavuse kontrollimist. Aegreas sisalduva autokorrelatsiooni all mõeldakse seost ühe ja sama rea liikmete vahel ehk korrelatsiooni ridade ja nihutatud ridade vahel. Seega d-statistiku väärtus on alati suurem või võrdne nulliga (võrdus kehtib vaid siis, kui kõik jääkliikmed on võrdsed nulliga; see tuleneb jääkliikmete omadusest 1) ning väiksem või võrdne neljaga Seega saime ligikaudse seose d-statistiku ja esimest järku autokorrelatsioonikordaja vahel

Analüüsimeetodid äriuuringutes loengukonspekt

x erineva kujuga ja mõõtühikutega regressioonimudelite arvutamine x mudelite headuse hindamine determinatsioonikoefitsientide abil x mudelite usaldatavuse kontroll F- kriteeriumi abil x mudelite adekvaatsuse hindamine (jääkstandardhälve ja keskmine aproksimeerimisviga) x regressioonikoefitsientide statistilise olulisuse kontroll t-kriteeriumi abil ja usalduspiiride leidmine x autokorrelatsiooni kontroll (Durbin - Watsoni jt kriteeriumitega) ja vähendamise võimalused (autokorrelatsioon- järgnevad andmed sõltuvad eelneva perioodi omadest; firma toodang antud kuul sõltub toodangust eelmisel kuul)  x heteroskedastiivsuse hindamine (regressioonimudeli üheks eelduseks on juhusliku liikme dispersioonide konstantsus s.t. dispersioonid (e. hälbed keskväärtuse ümber) on samad iga i korral. Näiteks, kui

Ökonomeetria kordamisküsimused

1. Ökonomeetria mõiste ja ülesanded. Ökonomeetria komponendid. MÕISTE: Ökonomeetria on teadus ja kunst kasutada statistilisi tehnikaid ja majandusteooriaid majanduslike andmete analüüsimisel. ÜLESANDED: 1) Majanduslike nähtuste vaheliste seoste kvantitatiivne kirjeldamine 2) Majandusteoreetiliste hüpoteeside kontrollimine 3) Majandusnäitajate ja majandusarengu prognoosimine KOMPONENDID: · Majandusteooria · Andmed · Statistilised ja matemaatilised meetodid 2. Ökonomeetrilise mudeli olemus, mudeli komponendid. Ökonomeetrilise modelleerimise etapid. MUDELI OLEMUS: · Mudel on lihtsustatud ettekujutus reaalsest objektist, protsessist või nähtusest · Mudel on tegelikkuse abstraktsioon, üldistus · Mudel peab peegeldama ainult olulist, jätma teatud probleemi käsitlemisel kõrvale mitteolulise ÖKONOMEETRILISE MUDELI OLEMUS: Ökonomeetriline mudel on matemaatilise mudeli eriliik, mis koosneb üldjuhul alge...

Statistika ÃœL 08 Korrelatsioon

SÜND SURM IM.SURM IGA M IGA N RKT GRUPP RIIK 24.7 5.7 30.8 69.6 75.5 600 1 Albania 12.5 11.9 14.4 68.3 74.7 2250 1 Bulgaria 13.4 11.7 11.3 71.8 77.7 2980 1 Czechoslovakia 11.6 13.4 14.8 65.4 73.8 2780 1 Hungary 14.3 10.2 16 67.2 75.7 1690 1 Poland 13.6 10.7 26.9 66.5 72.4 1640 1 Romania 17.7 10 23 64.6 74 2242 1 USSR 15.2 9.5 13.1 66.4 75.9 1880 1 Byelorussian SSR 13.4 11.6 13 66.4 74.8 1320 1 Ukrainian SSR 20.7 8.4 25.7 65.5 72.7 2370 2 Argentina 46.6 18 111 51 ...