Prof. Dr.

Joachim Wilde Einführung in die Ökonometrie - Formelsammlung

Modellgleichung:
yi    1x i1  2x i 2  ...  K x iK  ui i  1,..., N (1)

Auswirkungen verschiedener Modellspezifikationen

Funktionsart Funktionsgleichung marginaler Effekt Elastizität

x
Linear y    1x 1 1
y
x
Quadratisch y    1x  2x 2 1  22x (1  22x )
y
1 1 1
Invers y    1 1 1
x x2 xy
y
Log-Log ln y    1 ln x 1 1
x
Log-Linear ln y    1x 1y 1x
1 1
Linear-Log y    1 ln x 1 1
x y

Kleinste-Quadrate-Schätzer:
K=1:

ˆ  y  ˆx (2)

ˆ 
 (x  x )(y  y )   x y  N  x  y
i i i i

sxy
(3)
 (x  x ) i  x  N  x
2
i
2 2
sxx

K=2:
s22s1y  s12s2y s11s2y  s12s1y
ˆ1  (4) ˆ2  (5)
s11s22  s12
2
s11s22  s122

ˆ  y  ˆ1x 1  ˆ2x 2 (6)

s11   (x i1
 x 1 )2 (7) s 22   (x i2
 x 2 )2 (8)

s12   (x i 1  x1 )(x i 2  x 2 ) (9)

s1y   (x i1
 x 1 )(y i  y ) (10) s 2y   (x i2
 x 2 )(yi  y ) (11)

Hinweis:  (x i1
 x 1 )2  x 2
i1
 Nx 12 ,  (x i1
 x 1 )(x i 2  x 2 )   x i 1x i 2  Nx 1x 2 , usw.

Version vom 19.07.2020 Druckdatum 19.07.2020 1 von 6

Prof. Dr. Joachim Wilde Einführung in die Ökonometrie - Formelsammlung

Varianz des Kleinste-Quadrate Schätzers:

K=1:
2
Var (ˆ)  (12)
sxx

1 x 2 
Var ( 
ˆ)      
2
(13)
 N sxx 

K=2:
2 s12
Var(ˆ1 )  , r12  (14)
s11(1  r122 ) s11 s22

2
Var (ˆ2 )  (15)
s22 (1  r122 )

2
Var (ˆ)   x 12Var (ˆ1 )  2x 1x 2Cov(ˆ1, ˆ2 )  x 22Var (ˆ2 ), (16)
N

ˆ ˆ  2  r122
Cov(1, 2 )  (17)
s12 (1  r122 )

KQ-Residuen:
uˆi  yi  ˆ  ˆ1x i 1  ˆ2x i 2  ...  ˆK x iK (18)

Schätzung von  2 :
1
ˆ2  uˆi2 (19)
N  (K  1)

Standardfehler des Kleinste-Quadrate Schätzers:

SE ˆk   Var
(ˆ )
k
(20)

(ˆ )  Var (ˆ ) nach Ersetzen von  2 durch ̂ 2

mit Var k k

Konfidenzintervall:
 
ˆ  t
 k 
 SE  k  k N (K 1),1  k 
ˆ
 ; ˆ
  t  SE ˆ
 (21)
 
N (K 1),1
2 2

Standardformel für Bestimmtheitsmaß:

R 2

 (yˆi  y )2
 1
 uˆi2 (22)
 (yi  y )2  (yi  y )2
Version vom 19.07.2020 Druckdatum 19.07.2020 2 von 6
Prof. Dr. Joachim Wilde Einführung in die Ökonometrie - Formelsammlung

Modifikation für Modell ohne Absolutglied:

R 2

 yˆi2
 1
 uˆi2
(23)
 yi2  yi2
Adjustiertes Bestimmtheitsmaß:
N 1
R2  1  (1  R2 ) (24)
N  (K  1)

Prüfgröße F-Test:
R2 / K
F  , F  FK ,N (K 1) (25)
(1  R 2 ) / (N  (K  1))

Modifikation F-Test:
(R2  RH2 ) / K *
F 0
, F  FK * ,N (K 1) (26)
(1  R ) / (N  (K  1))
2

K *  Anzahl der gemeinsam getesteten Hypothesen

Prüfgröße t-Test:
ˆk
t , k  1, ..., K , t  tN (K 1) (27)
SE ˆk 

Modifikationen t-Test:

Testproblem Teststatistik und Entscheidungsregel

ˆk  d
H 0 : k  d gegen H 1 : k  d Lehne H0 ab, falls t   tN (K 1),1/2
SE ˆ 
k

ˆk  d
H 0 : k  d gegen H 1 : k  d Lehne H0 ab, falls t   tN (K 1),1
SE ˆ 
k

ˆk  d
H 0 : k  d gegen H 1 : k  d Lehne H0 ab, falls t   tN (K 1),1
SE ˆ 
k

H 0 : c11  c22  d gegen c1ˆ1  c2 ˆ2  d

Lehne H0 ab, falls t   tN (K 1),1/2
H 1 : c11  c2 2  d  ˆ
Var (c   c  ) ˆ
1 1 2 2

Hinweis:

Var  1 1 2 2  1  ˆ1   c22 Var

 c ˆ  c ˆ  c 2 Var
 2
 ˆ  2  c  c  Cov
1 2  1 2
 ˆ , ˆ
(28)

Version vom 19.07.2020 Druckdatum 19.07.2020 3 von 6

Prof. Dr. Joachim Wilde Einführung in die Ökonometrie - Formelsammlung

Gleichung für RESET-Test:

yi    1x i 1  ...  K x iK  1yˆi2  2yˆi3  3yˆi4  ui (29)

Punktprognose:
yˆN 1  ˆ  ˆ1x N 1,1  ...  ˆK x N 1,K (30)

Prognoseintervall:
 
yˆ  t  (y 
 N 1 N (K 1),1  Var (yN 1  yˆN 1 ); yˆN 1  t 
 Var N 1
 ˆ
y )
N 1 
(31)
 2
N (K 1),1
2 

K=1:

(y 
2 1 
Var  ˆ
y )  
ˆ 
1   (x  x )2
/ s xx 
(32)
N 1 N 1
N N 1


K=2:

(y 
2 1  (ˆ )  (x (ˆ )
Var  ˆ
y )  
ˆ  1    (x N 1,1  x 1 )2Var  x 2 )2Var
N 1 N 1  N  1 N 1,2 2
(33)
(ˆ , ˆ )
2(x N 1,1  x 1 )(x N 1,2  x 2 )Cov 1 2

Variance Inflation Factor:

1
VIFk  , (34)
1  Rk2

2
Var (ˆk )  VIFk (35)
 (x ik  x k )2
Akaike Informations Kriterium (AIC):
1  2(K  1)
AIC  ln   uˆi2   (36)
N  N

AIC EViews  1  ln(2)  AIC (37)

Schwarz Kriterium (SC):

1  ln N (K  1)
SC  ln 
 N
 uˆi2   (38)
 N

SC EViews  1  ln(2)  SC (39)

Version vom 19.07.2020 Druckdatum 19.07.2020 4 von 6

Prof. Dr. Joachim Wilde Einführung in die Ökonometrie - Formelsammlung

Studentisierte Residuen:
yi  yˆi (i )
ui*  (40)
(y  yˆ (i ))
Var i i

Hilfsregression White-Test (K=2):

uˆi2  0  1x i 1  2x i 2  3x i21  4x i22  5x i 1x i 2 + Rest (41)

Teststatistik White-Test:
White  NR 2 , White   2 (K ) (42)
asy

Dabei ist K die Anzahl „erklärender“ Variablen in Hilfsregression

AR(1) Störgrößen:
ut  ut 1  t (43)

Transformation für GLS-Schätzung:

t 1:
(44)
1   2 y1  1  2 (  1x 11  2x12  ...  K x 1K )  1   2 u1

t  2,..., N :
yt  yt 1  (1  )  1(x t 1  x t 1,1 )  ...  K (x tK  x t 1,K )  (ut  ut 1 ) (45)

t

Durbin-Watson-Test:
N
 (uˆt  uˆt 1 )2
d t 2
N
(46)
 uˆ 2
t
t 1

 2  2ˆ (47)

Dabei ist:
N
 uˆt uˆt 1
ˆ  t 2
N
(48)
 uˆ 2
t
t 1

die Kleinst-Quadrate-Schätzung von uˆt  uˆt 1  t

Version vom 19.07.2020 Druckdatum 19.07.2020 5 von 6

Prof. Dr. Joachim Wilde Einführung in die Ökonometrie - Formelsammlung

Jarque-Bera-Test:
 S 2 K 2 
JB  N   , JB  2 (2) (49)
 6 24  asy

1 1
N
 uˆi3 N
 uˆi4
S , K  3 (50)
1  1 
3/2 2

 N  uˆi2    uˆ2 
 N 
i 
 

Testgleichung Augmented Dickey Fuller (ADF) Test:

Basisvariante:

yt  yt 1  1yt 1  2yt 2    p yt p  t (51)

Mit Konstante:

yt    yt 1  1yt 1  2yt 2    p yt p  t (52)

Mit Konstante und Trend:

yt    t  yt 1  1yt 1  2yt 2    p yt p  t (53)

Version vom 19.07.2020 Druckdatum 19.07.2020 6 von 6