Sie sind auf Seite 1von 6

Prof. Dr. W.

Assenmacher
Dipl.-Kauffrau E. Plinta
Dipl.-Volkswirt S. Popp

Universitat Duisburg-Essen

Statistik und Okonometrie

Deskriptive Statistik

Lo
7
sungen zum Ubungsblatt
1. Haufigkeitsverteilung
X, Y
8
10
11
12
13
nj

1
1
0
0
0
0
1

2
0
0
1
0
0
1

3
0
0
2
1
1
4

4
0
0
0
1
0
1

5
0
1
1
1
0
3

ni
1
1
4
3
1
10

a) Lagemae
X: Semester (metrisch skaliert) x

m
1
1 P
xi ni = 10 111 = 11, 1
x
= n
i=1

Y : Note (ordinal skaliert) yMed ; n: gerade


yMed = y( n2 ) oder yMed = 12 (y( n2 ) + y( n2 +1) )
yMed = y(5) = 3 oder yMed = 12 (y(5) + y(6) ) = 3.
n n

b) Statistische Unabhangigkeit: nij = in j f


ur alle i=1,...,m und j=1,...,l.
X und Y sind nicht statistisch unabhangig, da beispielsweise gilt: n11 = 1 6=

n1 nj
n

11
10 ,

c) Zusammenhangsma: Rangkorrelationskoeffizient von Spearman rS :


r

xr

yr

R(xr )

1
2
3
4
5
6
7
8
9
10
P

10
11
8
12
12
11
13
11
12
11

5
3
1
5
4
2
3
5
3
3

2
4, 5
1
8
8
4, 5
10
4, 5
8
4, 5
55

r ) R(yr ) R(y
r ) (1) (2) (1)2
R(yr ) R(xr ) R(x
(2)2
(1)
(2)
9
3, 5
3, 5
12, 25 12, 25 12, 25
4, 5
1
1
1
1
1
1
4, 5
4, 5
20, 25 20, 25 20, 25
9
2, 5
3, 5
8, 75
6, 25 12, 25
7
2, 5
1, 5
3, 75
6, 25 2, 25
2
1
3, 5
3, 5
1
12, 25
4, 5
4, 5
1
4, 5
20, 25
1
9
1
3, 5
3, 5
1
12, 25
4, 5
2, 5
1
2, 5
6, 25
1
4, 5
1
1
1
1
1
55
15, 5
75, 5 75, 5

r ) = 5, 5; R(y
r ) = 5, 5; rS =
R(x

15,5
75,575,5

= 0, 2053.

d) Die Methode der kleinsten Quadrate verlangt metrisch skalierte Merkmale, da nur bei diesen die
Varianz und das arithmetische Mittel berechnet werden konnen. Das Merkmal Note ist jedoch

ordinal skaliert, so dass die Schatzung einer Regressionsgleichung nicht sinnvoll ist.
2. Arbeitstabelle
X: Stundenlohnsatz, Y : Endpreis
r
1
2
3
4
5
P

xr
4
5
6
7
8
30

yr
110
125
120
145
150
650

(xr x
)
2
1
0
1
2
0

(xr x
)2
4
1
0
1
4
10

x
= 51 30 = 6;
s2x =
1
y = 5 650 = 130; s2y =
sxy = 51 (100) = 20

1
5
1
5

(yr y)
20
5
10
15
20
0

(yr y)2
400
25
100
225
400
1150

(xr x
)(yr y)
40
5
0
15
40
100

R(xr )
1
2
3
4
5
15

R(yr )
1
3
2
4
5
15

10 = 2;
sx = 1, 4142;
1150 = 230; sy = 15, 1658;

a) Regressionsgleichung:
y = a + bxr ,
sxy
20
b =
=
= 10,
2
sx
2
a = y b
x = 130 10 = 70,
y = 70 + 10xr .
y = 70 + 10 6, 5 = 135.
2
b) Bestimmtheitsma R2 = rxy

yr (
y y)2
110
400
120
100
130
0
140
100
150
400
P
1000

R2

c) Korrelationskoeffizient: rxy =

=
=

P
(
y y)2
1000
P
=
= 0, 8696
(yr y)2
1150

2
rxy
= (0, 9325)2 = 0, 8696.

20
sxy
=
= 0, 9325,
sx sy
1, 4142 15, 1658

Rangkorrelationskoefizient: rS = 1

62
= 0, 9.
5(25 1)

bzw.

[R(xr ) R(yr )]2


0
1
1
0
0
2

3. Die Funktion yr = xr geht nach Logarithmustransformation u


ber in: ln yr = ln + ln xr . Setzt

man: yr = ln yr , xr = ln xr und = ln , erhalt man die lineare Regressionsgleichung yr = + xr ,


die mit der Methode der kleinsten Quadrate geschatzt wird. Anstelle der urspr
unglichen Beobachtungen verwendet man die logarithmierten Werte.
Arbeitstabelle zur Bestimmung der Regressionsgleichung
Periode
1
2
3
4
5
P

xr
30
36
40
45
50

xr
yr
(xr xr ) (xr x
r )2
3, 40 6, 41
0, 278
0, 0773
3, 58 6, 13
0, 098
0, 0096
3, 69 5, 98
0, 012
0, 0001
3, 81 5, 80
0, 132
0, 0174
3, 91 5, 63
0, 232
0, 0538
18, 39 29, 95
0, 1582

(yr yr )
0, 42
0, 14
0, 01
0, 19
0, 36

(yr yr )2
0, 1764
0, 0196
0, 0001
0, 0361
0, 1296
0, 3618

x
r = 3, 678;
s2xr = 0, 0316

yr = 5, 99;
s2yr = 0, 07236
sxr = 0, 1778; syr = 0, 269;
sxr yr = 15 (0, 2392) = 0, 0478.
b = 0,0478
0,0316 = 1, 5126

a = 5, 99 (1, 5141 3, 678) = 11, 5587 a = ea = 104683, 84


yr = 11, 5587 1, 5141xr
yr = 104683, 84x1,5141
.
r
4.

a) Streudiagramm
b) Kovarianz
sxy =

1
n

n
P

(xr x
)(yr y),

x = 6 y = 14.

r=1

sxy = 16 (80) = 13, 3333


c) Schatzung der linearen Umsatzfunktion yr = + xr
s2x = 17, 3333, sx = 4, 1633, s2y = 14, 3333,
s
13,3333
b = sxy
2 = 17,3333 = 0, 7692,

sy = 3, 7859.

a = y b
x = 14 + 0, 7692 6 = 18, 6154
yr = 18, 6154 0, 7692 xr
d) Bestimmtheitsma R2
2
R2 = rxy
=

e)

s2xy
177, 7778
=
= 0, 7156.
s2x s2y
248, 4444

i) yr = 18, 6154 0, 7692 20 = 3, 2308;


ii) xr (yr = 14) = 4 aus der Tabelle
12 = 18, 6154 0, 7692 xr xr = 18,615412
= 8, 6.
0,7692
xr (yr = 12) = 8, 6 4,6
=
1,
15
=
115%.
4

(xr x
r )(yr yr )
0, 1168
0, 0137
0, 0001
0, 0251
0, 0835
0, 2392

f) Ver
anderte Daten
xr 1 9 25 16 169 100
yr 20 22 35 30 120 110
x
= 53, 3333; s2x = 3742, 8889; sx = 61, 1792;
y = 56, 1667; s2y = 1763, 4722; sy = 41, 9937
Kovarianz: sx y = 2479, 9444
Regressionsgleichung: yr = 20, 8293 + 0, 6626 xr

2
s
Bestimmtheitsma: R2 = sxx syy
= 0, 9318
Umsatz bei xr = 20 : yr = 34, 0808
x
3,0185
= 0, 2929
Relative Budgetanderung: xr = 10,3073
5.

a) Graphische Darstellung der Datenreihe und der glatten Komponente

b) Glatte Komponente anhand des gleitenden Durchschnitts (3. Ordnung): yt =


t
1
2
3
4
5
6
7
8
9
yt
155 180 160 185 165 190 170 195 175
y(3)
165 175 170 180 175 185 180
z.B.: y2 = 13 (y1 + y2 + y3 ) = 13 (155 + 180 + 160) = 165.
Die graphische Darstellung befindet sich unter a).

1
2+1

t+
P

=t

c) Schatzen der Trendgerade mit Hilfe der OLS-Methode


t
1
2
3
4
5
6
7
8
9
P

yt
155
180
160
185
165
190
170
195
175
1575

tyt
155
360
480
740
825
1140
1190
1560
1575
8025

t = 5;

y =

T
P

9 10(2 9 + 1)
T (T + 1)(2T + 1)
=
= 285.
6
6

t2 =

t=1

b=

T
P

t=1
T
P

1575
9

= 175;

yt t T y t
=
t2 T (t)2

8025 9 875
150
=
= 2, 5;
285 9 25
60

t=1

a = y b t = 175 2, 5 5 = 162, 5;
m
t = 162, 5 + 2, 5 t.

Staatsverschuldung im 10. Jahr (1989, t=10): m


10 = 162, 5 + 2, 5 10 = 187, 5.

Bestimmtheitsma: R2 = 1

T
P

t=1
T
P

u2t
;

u
t = yt m
t.

(yt y)2

t=1

t
1
2
3
4
5
6
7
8
9
P

yt
155
180
160
185
165
190
170
195
175
1575

R2 = 1

m
t
u
t
165
167, 5
170
172, 5
175
177, 5
180
182, 5
185
1575

= yt m
t
10
12, 5
10
12, 5
10
12, 5
10
12, 5
10
0

u2t
(yt y)2
100
400
156, 25
25
100
225
156, 25
100
100
100
156, 25
225
100
25
156, 25
400
100
0
1125
1500

1125
= 1 0, 75 = 0, 25.
1500

d)-f) Ermittlung der konjunkturellen Komponente


Es gilt: gt = yt = m
t + kt kt = yt m
t
t
2
3
4
5
6
7
8

yt
180
160
185
165
190
170
195

yt
165
175
170
180
175
185
180

m
t
167, 5
170
172, 5
175
177, 5
180
182, 5

rt
kt
2, 5 15
5
15
2, 5 15
5
15
2, 5 15
5
15
2, 5 15

Die Saisonkomponente st gibt jahreszeitliche Einfl


usse bei unterjahrigen Datenreihen wieder. Im
vorliegenden Fall konnen diese nicht bestimmt werden, da es sich um Jahresdaten handelt. Die
Saisonkomponente ist null.
e) Ermittlung der Restkomponente: rt = yt yt
t = 5 : y5 = m
5 + k5 + r5 = 175 + 5 15 = 165.