01 transparències tema 1.pdf
TRANSCRIPT
-
Tema I. Variables exgenes qualitatives.
Econometria ADE
Curs 2014/2015
Facultat de Cincies Empresarials i Econmiques
Universitat de Girona
1
-
Tipus de models
2
Models ANOVA. Variable qualitativa amb 2 categories
Models ANCOVA. Variable qualitativa amb 2 categories i una variable quantitativaVariable qualitativa amb ms de 2 categories i una variable quantitativaDiverses variables qualitatives i una variable quantitativa Interacci entre una variable qualitativa i una de quantitativaInteracci i efecte principal
Efectes estacionals (series temporals)
-
Indicaran generalment absncia o presncia dun determinat atribut: Home/dona Ric/pobre Sa/malalt
Quantifiquem latribut introduint variables artificials amb valors 0,1. 0= indicar labsncia de latribut 1= presncia
Aquestes variables sanomenen dicotmiques o dummy
3
Variables dicotmiques
-
1.1. Models ANOVA
Podem veure si el sexe t alguna cosa a veure amb el sou
4
iii uGY ++= 21 souY i= home s si0=iG
dona s si1=iG
[ ][ ] 21
1
1
0
+====
ii
ii
GYE
GYE
-
Podem plantejar si el sou s o no diferent segons el sexe
La categoria que t assignat el valor zero s la categoria base o categoria de referncia
Tota la resta (estimaci, residus, valors influents,...) es mant igual suposant que es compleixin els supsits
0 2: 0H =
5
1.1. Models ANOVA
-
Problema de multicollinealitat perfecte
Norma general: introduir (m-1) categories de la variable qualitativa
6
Nota: nombre de categories
iiii uDHY +++= 321 souY i=
=dona s si0
home s si1iH
=home s si0
dona s si1iD
HD
DH
==
1
1
-
7
1.2. Models ANCOVA. Variable qualitativa amb 2 categories
iii uGXY +++= 3121
[ ] 1210, XGXYE iii +==En el cas dels homes(quan Gi=0)
En el cas de les dones (quan Gi=1)
[ ] ( ) ( ) 12313121 11, XXGXYE iii ++=++==
-
2: pendent de la recta de regressi 3: canvi en lesperana de la variable depenent quan lindividu pertany a la categoria 1.
3
1
Dones
Homes
Y
X2
8
1.2. Models ANCOVA. Variable qualitativa amb 2 categories
-
1.2. Models ANCOVA. Variable qualitativa amb 2 categories
Exemple:
9
iii uGXY +++= 3121
despesaY i=
rendaX i=
==dona s si1
home s si0sexeGi
-
1.2. Models ANCOVA. Variable qualitativa amb 2 categories
Exemple:Resumen del modelo
,964a ,928 ,913 178,76928
Modelo
1
R R cuadradoR cuadradocorregida
Error tp. de laestimacin
Variables predictoras: (Constante), Renta, Sexea.
ANOVAb
3730492,1 2 1865246,1 58,365 ,000a
287626,106 9 31958,456
4018118,3 11
Regresin
Residual
Total
Modelo
1
Suma decuadrados gl
Mediacuadrtica F Sig.
Variables predictoras: (Constante), Renta, Sexea.
Variable dependiente: Despesab.
Coeficientesa
1506,244 188,010 8,012 ,000 1080,937 1931,552
-228,987 107,058 -,198 -2,139 ,061 -471,169 13,196
,059 ,006 ,892 9,642 ,000 ,045 ,073
(Constante)
Sexe
Renta
Modelo
1
B Error tp.
Coeficientes noestandarizados
Beta
Coeficientesestandarizad
os
t Sig. Lmite inferior Lmite superior
Intervalo de confianza para B al95%
Variable dependiente: Despesaa.
10
-
1.3. Models ANCOVA. Variable qualitativa amb ms de 2 categories
Creem tantes variables fictcies com categories t la variable menys una que passa a ser la de referncia
11
anual mig salari=iY
alumneper anual despesa=iX
residncia de regi=iDOest
Sud
Nord
3
2
1
===
D
D
D
Si el professor s del Nord, D1 prendr el valor de 1 i 0 en cas contrari.
Si el professor s del Sud, D2 prendr el valor de 1 i 0 en cas contrari.
La categoria de referncia s D3 (Oest).
-
Daqu es pot obtenir la funci del salari mig en les tres regions com:
Professor del Nord:
Professor del Sud:
Professor de lOest:
El parmetre 1: representa la mitjana del salari anual de la regi de referncia
Els parmetres 2 i 3 ens informen de la diferncia del salari anual mig entre les diferents regions.
12
1.3. Models ANCOVA. Variable qualitativa amb ms de 2 categories
[ ] iiii XDDYE 42132 0,1 ++===
[ ] iiii XDDYE 43132 1,0 ++===
[ ] iiii XDDYE 4132 0,0 +===
-
1.4. Models ANCOVA. Ms duna variable qualitativa
13
iiiii uXHGY ++++= 4321
mdica despesa=iYedat=iX
( )home1Gdona0G gnere ii ===iG( )fuma1Hfuma no0Hhbit ii ===iH
-
1.4. Models ANCOVA. Ms duna variable qualitativa
14
Daqu es pot obtenir la funci del salari mig en les tres regions com:
Home no fumador:
Home fumador:
Dona fumadora:
Dona no fumadora (CR):
[ ] iiii XHGYE 4210,1 ++===
[ ] iiii XHGYE 43211,1 +++===
[ ] iiii XHGYE 4311,0 ++===
[ ] iiii XHGYE 410,0 +===
-
1.5. Models ANCOVA. Interacci entre qualitativa i quantitativa
Homes
Dones
15
iiiii uXGXY +++= 23221
En el cas duna dona:
En el cas dun home:
[ ] iiii XGXYE 2212 0, +==
[ ] ( ) ( ) iiiiii XXXGXYE 2321232212 11, ++=++==
El sou dels homes sincrementa ms rpidament.
-
1.6. Models ANCOVA. Interacci i efecte principal
Si una persona t estudis:
Si una persona no t estudis:
3 : canvi en lesperana de la variable depenent quan lindividu passa a pertnyer a la categoria 1.
4: canvi en el pendent quan lindividu passa a pertnyer a la categoria 1.
16
iiiiii uXEEXY ++++= 243221
[ ] ( ) ( )422312432212 1, +++=+++== iiiiii XXXEXYE
[ ] ( ) ( )2212432212 0, iiiiii XXXEXYE +=+++==
-
1.7. EFECTES ESTACIONALS
2 3
1 2 3
vendes de gelats
=preu =despesa en publicitat
0=altres 0=altres 0=altres
1=Primavera 1=Estiu 1=Tardor
=
= = =
i
i i
i i i
Y
X X
D D D
Per eliminar el component estacional en una srie (desestacionalitzar) es poden usar variables dummy que indiquen el perode
1 2 2 3 3 4 1 5 2 6 3 = + + + + + +i i i i i i iY X X D D D u
Es pot plantejar el segent contrast:Ho: 4=5=6=0; no existeix estacionalitat.H1: algun j 0: existeix estacionalitat en algun trimestre
17
-
1.8. Canvis estructurals. Prova de Chow
CANVI en la relaci entre la variable dependent i les independents. Aix vol dir que els parmetres del model no constants al llarg del perodedegut a algun succs extraordinari.
Dividim el model en dos subperodes:
Perode 1.
Perode 2.
18
niuxy iii ,...,3,2,1221 =++=
Tiuxy iii ,...,3,2,1221 =++=
nTTTiuxy iii ,..,3,2,1221 +++=++=
gasoil de consum=iy
facturaci de volum=ix
-
1.8. Canvis estructurals. Prova de Chow
Introdum la variable fictcia D1 de manera que D1=0 per a perodes anteriors al canvi, i D1=1 per a perodes posteriors.
Cal plantejar el segent contrast:
19
niuxDDxy iiiiii ,...,3,2,121413221 =++++=
[ ][ ] ( ) ( )422312432211
2211
111,
0,
+++=+++==
+==
iiiiii
iiii
xxxDxyE
xDxyE
lestructura canviun hagut ha hi0algun :
lestructura canvi caphagut ha hi no0:
j1
43
==
H
Ho
-
1.8. Canvis estructurals. Prova de Chow
Com es resol el contrast plantejat?
1.- Estimem el model per a tot el perode obtenint aix uns residus que proporcionen la suma de quadrats restringits SQRR.
2.- Estimem el mateix model per noms per al primer perode obtenint aix SQR1.
3.- Estimem el mateix model pel segon perode, la qual cosa ens proporciona SQR2.
4.- Segons la nota anterior, com que el model inicial t k parmetres, el nombre derestriccions a incloure segons la hiptesi nulla s k.
5.- Llavors, lestadstic del contrast pel test de Chow s:
On k s el nombre de parmetres del model i n el nombre total dobservacions.
20
( )( )
( )( )
)2(,
2
21
21
knkChow F
kn
SQRSQRk
SQRSQRSQRR
F
+
+
=