OKOfabiz - Vorlesung 5 - VF

Lect. univ. dr.
Vasile Alecsandru STRAT
konometrie
Vorlesung 5
Die lineare Einfachregression
Die Statistik und konometrie Abteilung
konometrie
Lect. univ. dr. Vasile Alecsandru STRAT
Inhalt
1.
Testen des Signifikanz der Modellparameter.
2.
bung.
3.
P-Wert Konzept.
4.
Der Bau der Konfidenzintervalle fr Modellparameter.
5.
Testen der Signifikanz mit dem linearen Pearson

Korrelationskoeffizient.
konometrie
konometrische Modellrechnungen Schritte

1.
Spezifikation des Modells
- Man bestimmt die endogene Variable Y und die exogene Variable X.
y=f(x)+
2.
Modellidentifizierung
- man muss eine Funktion auswhlen, die die Werte der endogenen Variable durch die nderung der exogenen
Variable beschreibt.
- Dazu kann man grafische oder algebraische Berechnungen nutzen (Analyse der Varianz)
Yi a b X i i Yi i
Yi a b X i
yi = vorhersagbare Komponente (deterministisch) + Strterm
3.
Schtzung der Modellparameter
- Methode der kleinsten Quadrate (fr die Summe der quadrate Strterm)
S (a, b) min i2 min ( yi a bxi ) 2

i
konometrie
konometrische Modellrechnungen Schritte

4. Bewertung der Gltigkeit des Modells
Man prft, ob die Variation von X ein guter Indikator fr die Variation von Y ist
Dies bedeutet:
1.
Statistische Inferenz fr die Parameter des Regressionsmodells.
2.
Prfung der Gltigkeit des Regressionsmodells mit Varianzanalyse.
3.
Bestimmung der Qualitt der Anpassung.
4.
berprfung der Voraussetzungen (Hypothesen) des Regressionsmodells.
5. Voraussagen mit der Hilfe des Regressionsmodells
konometrie
Die Modellparameter
Statistische Inferenz in Bezug
folgenderweise erreicht werden:
auf
Modellparameter
kann
Testen der statistischen Hypothese ber die Signifikanz der

Regressionsparameter;
Schtzung der Modellparameter der Grundgesamtheit innerhalb

eines Konfindenzintervals
Fr die lineare Regressionsgleichung sind die Regressionskoeffizienten

der Stichprobe (a und b) die Schtzungen der Koeffizienten der
Regressionsgleichung fr die Grundgesamtheit ( und ).
konometrie
Die Modellparameter
Theorem: Wenn der Strterm i normalverteilt ist, mit einem null Mittelwert =
0 und der Varianz 2, dann ist der M-L (maximale Wahrscheinlichkeit)
gleichbedeutend mit der KQM
Die Schtzer mit der maximalen Wahrscheinlichkeit sind

unverzerrte, konsistente und effiziente Schtzer:
a.
M (a ) , M (b)
b.
a , b
c.
Irgendein Schtzer fr und hat eine grere Varianz als a und b (die
Schtzer sind effizient).
(die Schtzer sind unverzerrt);

(die Schtzer sind konsistent);
Wenn wir die Normalverteilung fr die Strterme annehmen, dann sind die
Schtzer, die man durch die Methode der kleinesten Quadrate berechnet,
unverzerrt, konsistent und effizient. (sie knnen als die besten Schtzer in der
konometrischen Modellierung betrachtet werden)
konometrie
Die Modellparameter
Theorem:
Wenn der Strterm normalverteilt ist, mit dem Mittelwert Null
2
e
und der Varianz
, dann
Schtzer fr die Varianz
S e2
n2
i 1
ei 2
ist ein unverzerrter
e2 der Strterm (Parameter der
Grundgesamtheit).
konometrie
Die Modellparameter
Testen von Parameter
Der Koeffizient misst die nderung der resultierenden Variable durch

die Vernderung der exogenen Variable um eine Einheit.
(Y/X = xi) =
Yxi
= + xi
Yxi ist der Mittelwert von Y in der Grundgesamtheit, wenn

die exogene Variable X die xi Wert hat.
Wenn = 0, dann ist die Regressionsgerade horizontal.
konometrie
Die Modellparameter
Theorem:
Wenn der Strterm normalverteilt mit dem Mittelwert Null und
2
der Varianz e ist, dann b normalverteilt ist, wie folgt:
Man notiert:
N ,
x
n
i 1
(b)
Der Mittelwert der Schtzer b mit

Die Varianz der Schtzer b mit
e2
sb2
e2
x x
n
i 1
konometrie
Die Modellparameter
Der zweiseitige Test:
H0: = 0 (der Schtzer ist statistich nicht signifikant)
H1: 0 (der Schtzer ist statistisch Signifikant.)
Wenn es um einen groen Stichprobenumfang geht:
Z-test Wert:
zcalc
b M b b 0
sb
sb
s b s e2
1
n
( xi x ) 2
i 1
sb= die Standardabweichung des Schtzers b;

Der Verwerfungsbereich: ob z calc z / 2 oder
ab.
Das Konfidenzintervall fr den Parameter :
se
n
( x
i 1
x )2
z calc z / 2 lehnt man die Ho
b z / 2 sb b z / 2 sb
10
konometrie
Die Modellparameter
Wenn es um einen kleinen Stichprobengroe geht:
Der t Test:
tcalc
b M b b 0 b
sb
sb
sb
s b s e2
sb= die Standardabweichung der Schtzer b;
t calc t / 2,n 2
Der Verwerfungsbereich : ob
H0 ab.
Das Konfidenzintervall fr den Parameter:
1
n
( xi x ) 2
i 1
oder
t calc t / 2,n 2
se
n
( x
i 1
x )2
lehnt man die
b t / 2 , n 2 s b b t / 2 , n 2 s b
konometrie
Die Modellparameter
2. Parameter Testen :
Lehrsatz
Wenn der Strterm normalverteilt mit dem Mittelwert Null und dem Varianz
e2
ist, dann ist a normalverteilt mit
Die Varianz der Schtzer a mit

e2
x x
n
i 1
x x
n
i 1
sa2
1
N , e2
Man notiert:
Der Mittelwert der Schtzer a
mit
M( a )
konometrie
Die Modellparameter
Zweiseitige Test:
o
H0: = 0 (der Schtzer ist nicht statistich Signifikant)
o
H1: 0 (der Schtzer ist statistich Signifikant)
Wenn wir ber eine groe Stichprobenumfang sprechen:
Z-test Wert:
a M a a 0
zcalc
sa
sa
2
i
1
x
i 1
s a se
n
se
n
sa= die Standardabweichung der Schtzer a; n ( xi x )2
n ( xi x ) 2
i 1
Der Verwerfungsbereich: ob z calc z / 2 oder

ab.
i 1
z calc z / 2 man lehnt die Ho
a z / 2 sa a z / 2 sa
konometrie
Die Modellparameter
Wenn es um einen kleinen Stichprobenumfang geht:
T-test :
tcalc
a M a a 0 a
sa
sa
sa
n
sa= die Standardabweichung des Schtzers a;
s a se
x
n
( x
i 1
t calc t / 2,n 2
Der Verwerfungsbereich: ob
Ho ab.
oder
x)
se
2
x
i 1
2
i
n ( xi x ) 2
i 1
t calc t / 2,n 2lehnt man die
a t / 2, n 2 sa a t / 2, n 2 sa
konometrie
Beispiel
Fr 15 Versicherungsvertreter, die Angestellten eines Lebensversicherungsunternehmens sind, hat
man Daten fr die von einem Agenten mit einem potenziellen Kunden durchschnittliche verbrachte
Zeit (in Minuten) und der Anzahl der in eine Woche unterschriebenen Vertrge.
.
durchschnittliche
Zeit (Min)
Vertrge Zahl
25 23 30 25 20 33 18 21 22 30 26 26 27 29 20
10 11 14 12
18
10 10 15 11 15 12 14 11
Testen Sie bitte die Signifikanz der Regressionparameter;
Bauen Sie die Konfidenzintervalle fr beide Parameter;
Messen Sie die Intensitt der Verbindung zwischen den beiden Variablen mit
Pearson linearem Korrelationskoeffizient und testen Sie auch ihre Signifikanz.
konometrie
Beispiel
konometrie
Beispiel
Anzahl
Durchschnittliche Zeit
(min.)
i
Vertrge
Zahl
yi
xi2
x i yi
y i 1,73 0,5492 x i
25
10
625
250
12
14
29
14
841
406
14,1968
15
20
11
400
220
9,254
375
180 xi2 9639
x y
i
4645
180
a 1,73
y i 1,73 0,5492 xi
375a 9639b 4645 b 0,5492
15a 375b 180
konometrie
Beispiel
R2=78.07%
ist nicht signifikant

von Null verschieden
ist signifikant von Null
verschieden
Fcalc=46.30
Der Modell ist gltig
konometrie
ist nicht signifikant

Von Null verschieden
ist signifikant
Von Null verschieden
Beispiel
Wir testen die folgende Hypothesen

a)
H0: = 0
H 1: 0
t 1calc
a 1.73
0.846
sa 2.046
tcritic t0, 025;13 2,160

b) H0: = 0
H 1: 0
calc
b 0.549

6.804
sb
0.08
Weil n = 15 30 haben wir eine kleine Stichprobengroe und wir verwenden

den t-Test.
konometrie
Beispiel
Die Entscheidung:
1
Weil t calc t / 2;n 2 0.846 2.160ist , akzeptiert man die Ho, und das bedeutet, dass
nicht signifikant ist, von Null verschieden, also ist nicht signifikant.
Weil
2
tcalc
t / 2;n 2 6.804 2.160 ist , lehnt man die Ho ab und akzeptiert man die H1;
das bedeutet, dass signifikant ist , von Null verschieden, also ist signifikant.
konometrie
P-Wert
Bevor man einen klassischen statistischen Test durchfhrt, muss man ein
Signifikanzniveau whlen. Es stellt das maximale Irrtumsrisiko dar, das man bereit ist,
einzugehen (meist 5%, 1% oder kleiner), wenn man die Entscheidung trifft, die
Nullhypothese abzulehnen.
Moderne Software ermglicht es, umgekehrt umzugehen, und zwar: Man
schtzt das Risiko ab, eine falsche Entscheidung zu treffen, aufgrund der
Daten, ber die man verfgt. Dann hngt es von jeder Person ab, ob sie
dieses Risiko eingeht oder nicht. Dieses aufgrund der Daten abgeschtztes
Risiko erscheint in den Tabellen bei jedem Signifikanztest und heit P-Wert.
Damit ein Koeffizient signifikant und von Null verschieden ist, also
damit die ihm entsprechende unabhngige Variable die anhngige Variable
beeinflusst, mssen die P-Werte unter dem Signifikanzniveau (5%) liegen.
konometrie
P-Wert
Fr Parameter :
Der P-Wert = 0.412843 > (0,05) Signifikanzniveau;
Wir knnen behaupten: wenn wir die Nullhypothese ablehnen, laut deren der
Schnittpunkt (Intercept)=0) Null ist, machen wir einen groen Fehler
(41.28%). Deswegen akzeptieren wir Ho, laut deren der Parameter nicht
signifikant verschieden von Null ist.
Fr Parameter :
Der P-Wert = 0,000013 < (0,05) Signifikanzniveau;
Wir knnen behaupten: Wenn wir die Nullhypothese ablehnen, laut deren der
Parameter Null ist, machen wir einen kleinen Fehler (0.0013%). Also, wir
lehnen diese Hypothese ab und akzeptieren die Hypothese H1 , dass ist
signifikant verschieden von Null.
konometrie
Konfidenzintervall
Das Konfidenzintervall fr :
a t / 2, n 2 sa a t / 2, n 2 sa
1.73 2.160 2.046 1.73 2.160 2.046
6.15 2.68
Das Konfidenzintervall fr :
b t / 2 , n 2 s b b t / 2 , n 2 s b
0.549 2.160 0.08 0.549 2.160 0.08
0.374 0.723
konometrie
Der lineare Korrelationkoeffizient

Der Pearson lineare Korelationskoeffizient (r) ist ein Schtzer fr den
Parameter ; ist der lineare Korelationskoeffizient fr die ganze
Grundgesamtheit.
N
COV ( X ,Y )
x y
xy
x y
( x
i 1
X )( yi Y )
Der Mittelwert des Schtzers r ist

Die Standardabweichung ist
( xi X )
i 1

2
i 1
( yi Y ) 2
( r )
1 r2
sr
n2
konometrie
Der lineare Korrelationskoeffizient

Er ist ein synthetischer Indikator, der die Intensitt des linearen Zusammenhangs
zwischen zwei Variablen messt und wird als Mittelwert der Produkte der standardisierten
n
n
n
Werte berechnet.
cov( x, y )
r
sx s y
n xi y i xi y i
i 1
i 1
n 2
n x xi n y i
i 1 i 1
i 1
n
2
i
1,1
i 1
y
i 1
Testen der Signifikanz des linearen Korrelationskoeffizients. (r) kann man mit der tTest: (Student) machen
H 0 : 0 (ist nicht signifikant von Null verschieden)

H1 : 0
(ist signifikant von Null verschieden)
Der test Wert:
tcalc
r n2
1 r2
t critic t / 2,n 2
Die Entscheidung: wenn t calc t critic (t / 2, n 2 ) ist, lehnt man die Ho ab und akzeptiert H1,
er ist signifikant.
konometrie
Der lineare Korrelationskoeffizient

Die Validierung des Korrelationskoeffizients, der zuvor berechnet wurde.(r=0.8836):
S1:
H0 : 0
(ist nicht signifikant von Null verschieden)
S2:
H1 : 0
(ist signifikant von Null verschieden)
S3: man whlt die Sicherheitswahrsheinlichkeit
(1 ) 95% 0.05
S4: Man berechnet den t Test Wert (Student):
tcalc
r n2
1 r2
0,8836 15 2
1 0,8836 2
3,185
6,804
0,468
S5: Man nimmt den theoretischen Wert fr t (Student), bercksichtigt den
Freiheitsgrade (n-2):
S6: Die Entscheidung:
Wert und die
tcritic t0, 025;13 2,160
tcalc t / 2,n 2
man lehnt Ho ab, man akzeptiert H1, die Korrelationkoeffizient ist
signifikant von Null verschieden.

konometrie
Dankeschn!
konometrie

OKOfabiz - Vorlesung 5 - VF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

OKOfabiz - Vorlesung 5 - VF

Hochgeladen von

Copyright:

Verfügbare Formate

Lect. univ. dr.

Vasile Alecsandru STRAT

Lect. univ. dr. Vasile Alecsandru STRAT

Testen des Signifikanz der Modellparameter.

Der Bau der Konfidenzintervalle fr Modellparameter.

Testen der Signifikanz mit dem linearen Pearson

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

konometrische Modellrechnungen Schritte

Spezifikation des Modells

- Man bestimmt die endogene Variable Y und die exogene Variable X.

yi = vorhersagbare Komponente (deterministisch) + Strterm

Schtzung der Modellparameter

S (a, b) min i2 min ( yi a bxi ) 2

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

konometrische Modellrechnungen Schritte

Statistische Inferenz fr die Parameter des Regressionsmodells.

Prfung der Gltigkeit des Regressionsmodells mit Varianzanalyse.

Bestimmung der Qualitt der Anpassung.

berprfung der Voraussetzungen (Hypothesen) des Regressionsmodells.

5. Voraussagen mit der Hilfe des Regressionsmodells

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

Testen der statistischen Hypothese ber die Signifikanz der

Schtzung der Modellparameter der Grundgesamtheit innerhalb

Fr die lineare Regressionsgleichung sind die Regressionskoeffizienten

Lect. univ. dr. Vasile Alecsandru STRAT

Die Schtzer mit der maximalen Wahrscheinlichkeit sind

(die Schtzer sind unverzerrt);

Lect. univ. dr. Vasile Alecsandru STRAT

Schtzer fr die Varianz

ist ein unverzerrter

e2 der Strterm (Parameter der

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

Der Koeffizient misst die nderung der resultierenden Variable durch

Yxi ist der Mittelwert von Y in der Grundgesamtheit, wenn

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

Der Mittelwert der Schtzer b mit

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

H1: 0 (der Schtzer ist statistisch Signifikant.)

Wenn es um einen groen Stichprobenumfang geht:

sb= die Standardabweichung des Schtzers b;

Das Konfidenzintervall fr den Parameter :

z calc z / 2 lehnt man die Ho

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

sb= die Standardabweichung der Schtzer b;

Das Konfidenzintervall fr den Parameter:

lehnt man die

Lect. univ. dr. Vasile Alecsandru STRAT

ist, dann ist a normalverteilt mit

Die Varianz der Schtzer a mit

Lect. univ. dr. Vasile Alecsandru STRAT

Der Verwerfungsbereich: ob z calc z / 2 oder

z calc z / 2 man lehnt die Ho

Das Konfidenzintervall fr den Parameter :

Die Statistik und konometrie Abteilung

Lect. univ. dr. Vasile Alecsandru STRAT

sa= die Standardabweichung des Schtzers a;