Sie sind auf Seite 1von 2

WS 20 311.185 Übungen zu Lineare Modelle G.

Kastner

Übungsblatt 3

3.1 Im CSV-file stocks.csv befinden sich Aktienkurse verschiedener Papiere sowie der
Wiener Börsekammerindex (wbk). Wählen Sie die Aktie p_bav aus (Hinweis: read.csv()).
(a) Stellen Sie den Verlauf dieser Aktie und den Verlauf des Wiener Börsekammer-
index (WBK) graphisch als Zeitreihe (in einem einzigen Diagramm) dar (Hinweis:
ts.plot()). Was fällt Ihnen auf?
(b) Berechnen Sie für die ausgewählte Aktie sowie für den WBK die prozentuellen
Log-Renditen, also
yi = 100(log pi − log pi−1 ).
Stellen Sie die Renditen der Aktie sowie des WBK graphisch als Zeitreihe (in
zwei unterschiedlichen Diagrammen) dar. Was fällt Ihnen auf?
(c) Zeichnen Sie ein Histogramm beider Renditen yi und ermitteln Sie für beide Ren-
diten die individuellen deskriptiven Statistiken. Wie groß war jeweils die durch-
schnittliche Rendite bzw. die Standardabweichung?
(d) Erstellen Sie ein Streudiagramm der Renditen des WBK gegen die Renditen der
Aktie und kommentieren Sie die Graphik.
(e) Bestimmen Sie die OLS-Schätzung der Koeffizienten β0 und β1 aus dem Regres-
sionsmodell

yi = β0 + β1 xi + ui ,

wobei xi der Ertrag einer risikofreien Anlage zum Zeitpunkt i ist und im vor-
liegenden Fall durch die Rendite des Wiener Börsekammerindex bestimmt wird,
während yi die Rendite der gewählten Aktie zum Zeitpunkt i darstellt.
(f) Interpretieren Sie den Wert von β̂0 sowie den Wert von β̂1 .
(g) Beantworten Sie folgende Fragen:
i. Um wieviel verändert sich die zu erwartende Rendite der Aktie, wenn die
dem WBK entsprechende Rendite um den Wert 3 steigt?
ii. Um wieviel verändert sich die zu erwartende Rendite der Aktie, wenn die
dem WBK entsprechende Rendite um den Wert 2 fällt?
(h) Welche Rendite ist für die Aktie zu erwarten, wenn die dem Wiener Börsekammer-
index entsprechende Rendite den Wert 2 annimmt?
3.2 Betrachten Sie den Datensatz Prostate aus dem Package lasso2.
(a) Passen Sie ein einfaches lineares Regressionsmodell mit lpsa als Regressand und
lcavol als Regressor an die Daten an.
(b) Vertauschen Sie nun Regressand und Regressor und passen erneut ein einfaches
lineares Regressionsmodell an.
(c) Erstellen Sie einen Scatterplot der Merkmale lpsa und lcavol und fügen Sie
die beiden Regressionsgeraden dem Plot hinzu. In welchem Punkt stimmen die
beiden Geraden überein?

1
WS 20 311.185 Übungen zu Lineare Modelle G. Kastner

3.3 Der Datensatz iris in R beinhaltet 150 Beobachtungen von Schwertlilien.


(a) Durch welche Merkmale werden die Beobachtungen in diesem Datensatz beschrie-
ben?
(b) Führen Sie eine deskriptive Analyse der einzelnen Merkmale durch. Berechnen Sie
hierzu geeignete statische Kennzahlen und erstellen Sie Graphiken (Histogramm,
Boxplot etc.).
(c) Bestimmen Sie die Korrelationsmatrix der vier metrischen Variablen (unabhängig
von der Spezies) und konstruieren Sie paarweise Scatterplots.
(d) Bestimmen Sie die Korrelationsmatrix nun für die Daten getrennt für jede Spezies
(Iris setosa, Iris versicolor, Iris virginica). Können Sie Unterschiede zu (3.3c)
feststellen?
(e) Erstellen Sie für den iris Datensatz ein einfaches lineares Regressionsmodell mit
Sepal.Length als Regressand und Sepal.Width als Regressor, zunächst für den
gesamten Datensatz und anschließend für jede Spezies separat. Vergleichen Sie
die geschätzten Regressionsmodelle und visualisieren Sie diese graphisch.