Einführung in die Methoden der Empirischen Wirtschaftsforschung
|
|
- Fabian Otto
- vor 7 Jahren
- Abrufe
Transkript
1 Einführung in die Methoden der Empirischen Wirtschaftsforschung Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 1 / 37
2 Übersicht 1 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.2 Ökonomisches und Ökonometrisches Modell 1.3 Datentypen aus der Ökonomie 2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell 2.2 Schätzen der Regressionsparameter 3 Statistische Tests 3.1 Hypothesentests 3.2 p-werte Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 2 / 37
3 Übersicht 1 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.2 Ökonomisches und Ökonometrisches Modell 1.3 Datentypen aus der Ökonomie 2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell 2.2 Schätzen der Regressionsparameter 3 Statistische Tests 3.1 Hypothesentests 3.2 p-werte Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 2 / 37
4 Übersicht 1 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.2 Ökonomisches und Ökonometrisches Modell 1.3 Datentypen aus der Ökonomie 2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell 2.2 Schätzen der Regressionsparameter 3 Statistische Tests 3.1 Hypothesentests 3.2 p-werte Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 2 / 37
5 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.1 Was ist Ökonometrie? Econometrics aims to give empirical content to economic relations for testing economic theories, forecasting, decision making, and for ex post policy evaluation. It is the unification of statistics, economic theory and mathematics that constitutes econometrics. Each view point, by itself is necessary but not sufficient for a real understanding of quantitative relations in modern economic life. (Source: Badi H. Baltagi, Econometrics, Springer, 4th Ed) Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 3 / 37
6 Einführung in die Ökonometrie 1.1 Was ist Ökonometrie? 1.1 Was ist Ökonometrie? Ökonometrie liefert Methoden der Empirischen Wirtschaftsforschung Die Methoden der Ökonometrie ermöglichen z.b: die Verkaufszahlen eines Produktes vorherzusagen Umsatzänderungen aufgrund von Preisänderungen zu bestimmen die Effektivität einer neuen Werbekampagne zu überprüfen den Einfluss von Steuererhöhungen auf das Wirtschaftswachstum zu untersuchen... Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 4 / 37
7 Einführung in die Ökonometrie Das ökonomische Modell 1.2 Ökonomisches und Ökonometrisches Modell Grundlage einer empirischen Untersuchung ist ein ökonomisches Modell Beispiel 1: makroökonomische Konsumfunktion Konsum = f (Einkommen) Beispiel 2: mikroökonomische Nachfragefunktion Q d = f (P, P s, P c, INC) P: Preis der Ware P s : Preis eines Substituts P c : Preis eines Komplementärgutes institution-logo Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 5 / 37
8 Einführung in die Ökonometrie 1.2 Das ökonometrische Modell 1.2 Ökonomisches und Ökonometrisches Modell Ein ökonometrisches Modell besteht aus einem systematischen Teil und einem zufälligen Fehler e Der systematische Teil ist z.b. linear: Q d = f (P, P s, P c, INC) + e f (P, P s, P c, INC) = β 1 + β 2 P + β 3 P s + β 4 P c + β 5 INC so dass Q d = β 1 + β 2 P + β 3 P s + β 4 P c + β 5 INC + e Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 6 / 37
9 Einführung in die Ökonometrie 1.3 Datentypen aus der Ökonomie 1.3 Datentypen aus der Ökonomie Zeitreihendaten: Daten, die über diskrete Zeitintervalle erhoben wurden Bsp: der jährliche Weizenpreis in den USA von 1880 bis 2007 Querschnittsdaten: Daten von bestimmten Stichprobeneinheiten, die über einen speziellen Zeitraum erhoben wurden Bsp: Einkommen pro Bezirk in einem Bundesland Paneldaten: Daten, die individuelle Untereinheiten über die Zeit abbilden Bsp: das Sozio-oekonomische Panel (SOEP) des DIW Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 7 / 37
10 Einführung in die Ökonometrie Verschiedene Aggregationsniveaus 1.3 Datentypen aus der Ökonomie Mikro Daten: Daten über einzelne ökonomische Akteure: Personen, Haushalte oder Unternehmen Makro Daten: aggregierte Daten: bspw. die Inflationsrate in Europa, die Arbeitslosenrate in Berlin Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 8 / 37
11 Einführung in die Ökonometrie Quantitative und Qualitative Daten 1.3 Datentypen aus der Ökonomie Quantitative Daten: Daten, die in Zahlen gemessen werden Bsp: Preise, Zinssätze, Verkaufszahlen, Pro-Kopf-Einkommen etc. Qualitative Daten: Daten, die entweder-oder -Situationen entsprechen Bsp: eine Person ist entweder verheiratet oder nicht Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 9 / 37
12 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell 2.1 Ein ökonomisches Modell E(y x) = β 1 + β 2 x (2.1) Figure: Lineare Beziehung zwischen den durchschnittlichen Lebensmittelausgaben (y) einer Person und deren Einkommen (x) institution-logo Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 10 / 37
13 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell Annahmen des einfachen linearen Regressionsmodells y = β 1 + β 2 x + e (Linearität des Zusammenhangs) E(e) = 0 (Fehler sind im Mittel 0) var(e) = σ 2 (Varianz der Fehler ist konstant = homoskedastisch) cov(e i, e j ) = 0 (einzelne Fehler unabhängig voneinander) Der Fehler e darf nicht von x abhängen. e N(0, σ 2 ) (Fehler normalverteilt) Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 11 / 37
14 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell y, e und die wahre Regressionsgerade Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 12 / 37
15 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Scatterplot von Lebensmittelausgaben und Einkommen Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 13 / 37
16 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Die Methode der Kleinsten Quadrate (KQ) Die KQ Schätzer für β 1 und β 2 erhält man durch Minimierung von: N S(β 1, β 2 ) = (y i β 1 β 2 x i ) 2 i=1 Die Lösungen dieser Minimierungsaufgabe sind die KQ-Schätzer: b 2 = (xi x)(y i ȳ) (xi x) 2 (2.2) b 1 = ȳ b 2 x (2.3) (2.3) zeigt, dass ( x, ȳ) immer auf der Regressionsgerade liegen. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 14 / 37
17 Das einfache Regressionsmodell Die geschätze Regressionsgerade 2.2 Schätzen der Regressionsparameter Die geschätzte Regressionsgerade ist damit ŷ i = b 1 + b 2 x i (2.4) Die KQ Fehler sind ê i = y i ŷ i = y i b 1 b 2 x i (2.5) Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 15 / 37
18 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter y, ê und die geschätzte Regressionsgerade Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 16 / 37
19 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Schätzwerte für die Lebensmittelausgabenfunktion b 2 = (xi x)(y i ȳ) (xi x) 2 = b 1 = ȳ b 2 x = Eine gängige Methode die geschätzte Regressionsgerade zu notieren: ŷ i = x i Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 17 / 37
20 Das einfache Regressionsmodell Die geschätzte Regressionsgerade 2.2 Schätzen der Regressionsparameter Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 18 / 37
21 Das einfache Regressionsmodell Interpretation der Schätzergebnisse 2.2 Schätzen der Regressionsparameter b 2 = gibt an, um wieviel $ die geschätzten Ausgaben für Lebensmittel steigen, wenn das Einkommen um $100 ansteigt. Eine (naive) Interpretation von b 1 = 83.42: die Lebensmittelausgaben eines Haushalts ohne Einkommen. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 19 / 37
22 Vorhersage Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Wie kann man die wöchentlichen Lebensmittelausgaben eines Haushalts mit einem wöchentlichen Einkommen von bspw. $2000 vorhersagen? Ersetze x = 20 in unserer geschätzten Gleichung: ŷ i = x i = = Wir schätzen, dass ein Haushalt mit einem wöchentlichen Einkommen von $2000 für Lebenssmittel $ pro Woche ausgeben wird. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 20 / 37
23 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Regressionsergebnisse im Programmoutput Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 21 / 37
24 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter institution-logo Die Erwartungswerte und Varianz von b 1 und b 2 Wenn die Annahmen unseres Modells erfüllt sind, dann gilt E(b 2 ) = β 2 (2.6) E(b 1 ) = β 1 (2.7) Man sagt, die KQ-Schätzer sind unverzerrt, denn es gibt keinen systematischen Schätzfehler. Die Varianz beschreibt die Unsicherheit oder Präzision einer Schätzung: [ ] x var(b 1 ) = σ 2 2 i N (x i x) 2 (2.8) var(b 2 ) = σ 2 (xi x) 2 (2.9) Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 22 / 37
25 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Die Varianz von b 2 Die Varianz von b 2 ist definiert als var(b 2 ) = E[b 2 E(b 2 )] 2 Figure: Zwei mögliche Dichtefunktionen für b 2 institution-logo Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 23 / 37
26 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Was beeinflusst die Präzision einer Schätzung? [ ] x var(b 1 ) = σ 2 2 i N (x i x) 2 1 Je größer die Varianz des Termes σ 2 ist, desto größer wird die Unsicherheit im statistischen Modell und damit die Varianzen der KQ Schätzer. 2 Je größer die Summe der Quadrate (x i x) 2 ist, desto kleiner wird die Varianz der KQ schätzer und umso präziser können wir die Paramter schätzen. 3 Je größer der Stichprobenumfang N ist, umso kleiner werden die Varianzen der KQ Schätzer. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 24 / 37
27 Das einfache Regressionsmodell 2.2 Schätzen der Regressionsparameter Der Einfluss der Varianz der erklärenden Variable x auf die Präzision der Schätzung Figure: (a) geringe Varianz in x, geringe Präzision (b) große Varianz in x, hohe Präzision Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 25 / 37
28 Statistische Tests 3.1 Hypothesentests Test einer ökonomischen Hypothese Auch wenn theoretisch β 2 = 0 gilt, wird man praktisch b 2 0 finden. Sind die geschätzten Koeffizienten aber tatsächlich von Null verschieden oder schwanken die Werte von b 2 nur zufällig um die Null? Dafür führen wir statistische Tests durch: 1 Bestimme die Null- und die Alternativhypothese. 2 Spezifiziere die Teststatistik und deren Verteilung unter der Nullhypothese. 3 Wähle α (Signifikanzniveau) und bestimme die Ablehnregion. 4 Berechne die Teststatistik anhand der Stichprobenwerte. 5 Ziehe die entsprechende Schlussfolgerung. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 26 / 37
29 Hypothesentest Statistische Tests 3.1 Hypothesentests Die Nullhypothese H 0 spezifiziert einen Wert für einen Regressionsparameter H 0 : β 2 = c Die Alternativhypothese H 1 wird angenommen, falls die Nullhypothese abgelehnt wird. Für H 0 : β k = c ist eine mögliche Alternativhypothese: H 1 : β 2 c α bestimmt den Bereich für die Werte der Teststatistik, die zur Ablehnung der Nullhypothese führen. (α = 1%, 5%, 10%) Ist die Nullhypothese wahr, dann ist - die Wahrscheinlichkeit, dass die Teststatistik Werte im Ablehnbereich annimmt, kleiner als α Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 27 / 37
30 Statistische Tests Tests: Ein Anwendungsbeispiel 3.1 Hypothesentests Jeder Test basiert auf der Verteilung der Teststatistik. Für H 0 : β k = c ist t = b k c se(b 2 ) t (N 2) (3.10) t-verteilt mit N 2 Freiheitsgraden. Unsere Beispielschätzung lieferte b 2 = und se(b 2 ) = Damit folgt für H 0 : b 2 = 0 und H 1 : b 2 0: t = b 2 se(b 2 ) = = 4.88 (3.11) 2.09 Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 28 / 37
31 Statistische Tests 3.1 Hypothesentests Ablehnbereiche einer Teststatistik H 0 : β k = c gegen H 1 : β k c Lehne H 0 : β k = c ab und nimm H 1 : β k c an, wenn t t (1 α/2,n 2) Bemerkung : H 0 wird in beiden Fällen, b k zu klein oder zu groß, abgelehnt. institution-logo Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 29 / 37
32 Statistische Tests Interpretation der Teststatistik 3.1 Hypothesentests Weil t = 4.88 > können wir die Nullhypothese, dass β 2 = 0 ablehnen und schließen daraus, dass ein statistisch signifikanter Zusammenhang zwischen Einkommen und Lebensmittelausgaben existiert. t = b 2 se(b 2 ) wird oft als t-statistik oder t-wert von b 2 bezeichnet Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 30 / 37
33 Statistische Tests Fehler bei Testentscheidungen 3.1 Hypothesentests Wir treffen eine korrekte Entscheidung, wenn: die Nullhypothese falsch ist und wir sie verwerfen. die Nullhypothese wahr ist und wir sie nicht verwerfen. Dementsprechend gibt es zwei Fehlertypen: Typ I (α) Fehler: Die Nullhypothese ist wahr, aber wir verwerfen sie Typ II Fehler: Die Nullhypothese ist falsch, aber wir verwerfen sie nicht Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 31 / 37
34 Statistische Tests Verallgemeinerte Hypothesentests 3.1 Hypothesentests 1 Angenommen die ökonomische Theorie behauptet H 0 : β 2 = 7.5: Ist dieser Wert mit unseren Schätzergebnissen vereinbar oder gilt H 1 : β 2 7.5? 2 Lösung: t = (b 2 7.5)/se(b 2 ) t (N 2) 3 Mit α =.05 wird die H 0 abgelehnt, wenn t Schätzung liefert: b 2 = und se(b 2 ) = 2.09: t = b se(b 2 ) = = Weil t = 1.29 < können wir zum Signifikanzniveau 5% die Nullhypothese nicht ablehnen, dass β 2 = Obgleich wir b 2 = schätzen, ist unsere Schätzung doch so unsicher, dass wir nicht ausschließen können, dass Haushalte tatsächlich nur $7.50 mehr für Nahrungsmittel ausgeben werden bei einem Einkommenszuwachs von $100. institution-logo Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 32 / 37
35 Statistische Tests 3.1 Hypothesentests Schätzergebnisse für Nahrungsmittelausgaben Variable Coefficient Std. Error t-statistic Prob. C INCOME Als nächstes erklären wir Prob, das heißt den p-wert einer Teststatistik. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 33 / 37
36 Der p-wert Statistische Tests 3.2 p-werte Statistiksoftware gibt Testergebnisse oft in Form von p-werten aus. H 1 : β k c: p = Prob( t ˆt) p-wert Regel:Lehne die Nullhypothese ab p α. Der p-wert ist das marginale Signifikanzniveau eines Tests. Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 34 / 37
37 p-werte im Beispiel Statistische Tests 3.2 p-werte für H 0 : β 2 = 7.5 und H 1 : β 2 7.5, t = 1.29 mit p-wert 0.20 institution-logo Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 35 / 37
38 Statistische Tests Interpretation von p-werten 3.2 p-werte Im Schätzoutput, Variable Coefficient Std. Error t-statistic Prob. C INCOME beziehen sich p-werte auf den Signifikanztest H 0 : β k = 0 and H 1 : β k 0 Die Konstante (β 1 ) ist signifikant zum 10% aber nicht zum 5% Niveau. Angenommen nur positive Werte der Konstante sind plausibel, dann führt ein einseitiger Signifikanztest H 1 : β 1 > 0 zu einem p-wert von ! Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 36 / 37
39 Zusammenfassung Statistische Tests 3.2 p-werte Ökonometrie ist das Teilgebiet der Wirtschaftswissenschaften, das die Methoden der Empirischen Wirtschaftsforschung behandelt Sie bildet die Brücke zwischen theoretischen Überlegungen und Daten Empirische Schätzungen sind stets mit Unsicherheit behaftet Statistische Tests können verwendet werden, um die Signifikanz von empirischen Zusammenhängen zu diskutieren Prof. Dr. Dieter Nautz Einführung in die Methoden der Emp. WF 37 / 37
Das (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrÜbung zur Empirischen Wirtschaftsforschung V. Das Lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Christian Peukert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2010
MehrInferenz im multiplen Regressionsmodell
1 / 29 Inferenz im multiplen Regressionsmodell Kapitel 4, Teil 1 Ökonometrie I Michael Hauser 2 / 29 Inhalt Annahme normalverteilter Fehler Stichprobenverteilung des OLS Schätzers t-test und Konfidenzintervall
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur
MehrEinfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 36 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula =
Mehr3. Das einfache lineare Regressionsmodell
3. Das einfache lineare Regressionsmodell Ökonometrie: (I) Anwendung statistischer Methoden in der empirischen Forschung in den Wirtschaftswissenschaften Konfrontation ökonomischer Theorien mit Fakten
Mehr2. Formulieren von Hypothesen. Nullhypothese: H 0 : µ = 0 Gerät exakt geeicht
43 Signifikanztests Beispiel zum Gauß-Test Bei einer Serienfertigung eines bestimmten Typs von Messgeräten werden vor der Auslieferung eines jeden Gerätes 10 Kontrollmessungen durchgeführt um festzustellen,
MehrStatistisches Testen
Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall
Mehry t = 30, 2. Benutzen Sie die Beobachtungen bis einschließlich 2002, um den Koeffizientenvektor β mit der KQ-Methode zu schätzen.
Aufgabe 1 (25 Punkte Zur Schätzung des Werbe-Effekts in einem Getränke-Unternehmen wird das folgende lineare Modell aufgestellt: Dabei ist y t = β 1 + x t2 β 2 + e t. y t : x t2 : Umsatz aus Getränkeverkauf
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrStatistik II für Betriebswirte Vorlesung 1
Statistik II für Betriebswirte Vorlesung 1 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 16. Oktober 2017 Dr. Andreas Wünsche Statistik II für Betriebswirte Vorlesung 1 Version:
Mehr3 Grundlagen statistischer Tests (Kap. 8 IS)
3 Grundlagen statistischer Tests (Kap. 8 IS) 3.1 Beispiel zum Hypothesentest Beispiel: Betrachtet wird eine Abfüllanlage für Mineralwasser mit dem Sollgewicht µ 0 = 1000g und bekannter Standardabweichung
MehrX =, y In welcher Annahme unterscheidet sich die einfache KQ Methode von der ML Methode?
Aufgabe 1 (25 Punkte) Zur Schätzung der Produktionsfunktion des Unternehmens WV wird ein lineares Regressionsmodell der Form angenommen. Dabei ist y t = β 1 + x t2 β 2 + e t, t = 1,..., T (1) y t : x t2
MehrSPEZIALGEBIETE: ÖKONOMETRIE
SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2016/17 28. Juni 2016 1 / 16 Übersicht Sicher sind nur: Zeitreihenanalyse (WS 2016/17) und Ökonometrie
MehrAnalyse von Querschnittsdaten. Signifikanztests I Basics
Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrKlausur zu Statistik II
GOETHE-UNIVERSITÄT FRANKFURT FB Wirtschaftswissenschaften Statistik und Methoden der Ökonometrie Prof. Dr. Uwe Hassler Wintersemester 03/04 Klausur zu Statistik II Matrikelnummer: Hinweise Hilfsmittel
MehrEmpirische Wirtschaftsforschung
Empirische Wirtschaftsforschung Prof. Dr. Bernd Süßmuth Universität Leipzig Institut für Empirische Wirtschaftsforschung Volkswirtschaftslehre, insbesondere Ökonometrie 6.. Herleitung des OLS-Schätzers
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
Mehr1 Einleitung. 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen?
1 Einleitung 1.1 Was ist Ökonometrie und warum sollte man etwas darüber lernen? Idee der Ökonometrie: Mithilfe von Daten und statistischen Methoden Zusammenhänge zwischen verschiedenen Größen messen. Lehrstuhl
MehrPrognoseintervalle für y 0 gegeben x 0
10 Lineare Regression Punkt- und Intervallprognosen 10.5 Prognoseintervalle für y 0 gegeben x 0 Intervallprognosen für y 0 zur Vertrauenswahrscheinlichkeit 1 α erhält man also analog zu den Intervallprognosen
MehrStatistischer Rückschluss und Testen von Hypothesen
Statistischer Rückschluss und Testen von Hypothesen Statistischer Rückschluss Lerne von der Stichprobe über Verhältnisse in der Grundgesamtheit Grundgesamtheit Statistischer Rückschluss lerne aus Analyse
MehrSPEZIALGEBIETE: ÖKONOMETRIE
SPEZIALGEBIETE: ÖKONOMETRIE Lehrstuhl Ökonometrie und Statistik Technische Universität Dortmund Studienjahr 2017/18 27. Juni 2017 1 / 14 Übersicht Bis jetzt fixiert: Advanced Econometrics (WS 2017/18)
MehrEinführung in die Induktive Statistik: Testen von Hypothesen
Einführung in die Induktive Statistik: Testen von Hypothesen Jan Gertheiss LMU München Sommersemester 2011 Vielen Dank an Christian Heumann für das Überlassen von TEX-Code! Testen: Einführung und Konzepte
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 8.-10. Januar 2010 BOOTDATA.GDT: 250 Beobachtungen für die Variablen... cm:
MehrKapitel 3 Schließende Statistik
Beispiel 3.4: (Fortsetzung Bsp. 3.) bekannt: 65 i=1 X i = 6, also ˆp = X = 6 65 = 0, 4 Überprüfen der Voraussetzungen: (1) n = 65 30 () n ˆp = 6 10 (3) n (1 ˆp) = 39 10 Dr. Karsten Webel 194 Beispiel 3.4:
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
Mehr4.1. Nullhypothese, Gegenhypothese und Entscheidung
rof. Dr. Roland Füss Statistik II SS 8 4. Testtheorie 4.. Nullhypothese, Gegenhypothese und Entscheidung ypothesen Annahmen über die Verteilung oder über einzelne arameter der Verteilung eines Merkmals
Mehr2. Stochastische ökonometrische Modelle. - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen
.1. Stochastische ökonometrische Modelle.1 Einführung Ziele: - Modelle der ökonomischen Theorie an der Wirklichkeit überprüfen - Numerische Konkretisierung ökonomischer Modelle und deren Analse. . Variierende
MehrMethoden der Ökonometrie
Dr. Matthias Opnger Lehrstuhl für Finanzwissenschaft WS 2013/14 Dr. Matthias Opnger Methoden d. Ökonometrie WS 2013/14 1 / 21 Dr. Matthias Opnger Büro: C 504 Sprechzeit: nach Vereinbarung E-Mail: opnger@uni-trier.de
MehrWiederholungsübungen zu den Kapiteln 7 bis 11
Mittelwert-Tests Übung Wiederholungsübungen zu den Kapiteln 7 bis 11 In dieser Übung wird der Datensatz 4 verwendet. In dem (fiktiven) Datensatz sind für 50 Personen vier Variablen erfasst: das Geschlecht,
MehrKapitel 3 Schließende Statistik
Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.
MehrLineare Regression mit einem Regressor: Einführung
Lineare Regression mit einem Regressor: Einführung Quantifizierung des linearen Zusammenhangs von zwei Variablen Beispiel Zusammenhang Klassengröße und Testergebnis o Wie verändern sich Testergebnisse,
MehrKurs Empirische Wirtschaftsforschung
Kurs Empirische Wirtschaftsforschung 5. Bivariates Regressionsmodell 1 Martin Halla Institut für Volkswirtschaftslehre Johannes Kepler Universität Linz 1 Lehrbuch: Bauer/Fertig/Schmidt (2009), Empirische
MehrSchriftliche Prüfung (90 Minuten)
Dr. M. Kalisch Probeprüfung Statistik 1 Sommer 2014 Schriftliche Prüfung (90 Minuten) Bemerkungen: Alle schriftlichen Hilfsmittel und ein Taschenrechner sind erlaubt. Mobiltelefone sind auszuschalten!
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrKapitel 1 Einführung. Angewandte Ökonometrie WS 2012/13. Nikolaus Hautsch Humboldt-Universität zu Berlin
Kapitel 1 Einführung Angewandte Ökonometrie WS 2012/13 Nikolaus Hautsch Humboldt-Universität zu Berlin 1. Allgemeine Informationen 2 17 1. Allgemeine Informationen Vorlesung: Mo 12-14, SPA1, 23 Vorlesung
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrKlassifikation von Signifikanztests
Klassifikation von Signifikanztests nach Verteilungsannahmen: verteilungsabhängige = parametrische Tests verteilungsunabhängige = nichtparametrische Tests Bei parametrischen Tests werden im Modell Voraussetzungen
MehrAllgemeines zu Tests. Statistische Hypothesentests
Statistische Hypothesentests Allgemeines zu Tests Allgemeines Tests in normalverteilten Grundgesamtheiten Asymptotische Tests Statistischer Test: Verfahren Entscheidungsregel), mit dem auf Basis einer
Mehr1. Lösungen zu Kapitel 7
1. Lösungen zu Kapitel 7 Übungsaufgabe 7.1 Um zu testen ob die Störterme ε i eine konstante Varianz haben, sprich die Homogenitätsannahme erfüllt ist, sind der Breusch-Pagan-Test und der White- Test zwei
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Dr. Jochen Köhler 1 Inhalt der heutigen Vorlesung Statistik und Wahrscheinlichkeitsrechnung Zusammenfassung der vorherigen Vorlesung Übersicht über Schätzung und
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2003. Eine seltene Krankheit trete mit Wahrscheinlichkeit : 0000 auf. Die bedingte Wahrscheinlichkeit, dass ein bei einem Erkrankten durchgeführter
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie
MehrKlausur zu Statistik II
Goethe-Universität Frankfurt Prof. Dr. Uwe Hassler FB Wirtschaftswissenschaften Sommersemester 2005 Klausur zu Statistik II Version B Bitte tragen Sie hier und auf den Lösungsblättern (oben links) Ihre
MehrKapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell
Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrTests einzelner linearer Hypothesen I
4 Multiple lineare Regression Tests einzelner linearer Hypothesen 4.5 Tests einzelner linearer Hypothesen I Neben Tests für einzelne Regressionsparameter sind auch Tests (und Konfidenzintervalle) für Linearkombinationen
MehrAnalyse 2: Hypothesentests
Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value
MehrTest von Hypothesen: Signifikanz des Zusammenhangs (F-Test)
Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit
Mehr2 Wiederholung statistischer Grundlagen Schließende Statistik empirischen Information aus Stichprobenrealisation x von X
Hypothesentests Bisher betrachtet: Punkt- bzw. Intervallschätzung des unbekannten Mittelwerts Hierzu: Verwendung der 1 theoretischen Information über Verteilung von X empirischen Information aus Stichprobenrealisation
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 27
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 27 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrLösung Übungsblatt 5
Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von
MehrStatistik II. Regressionsanalyse. Statistik II
Statistik II Regressionsanalyse Statistik II - 23.06.2006 1 Einfachregression Annahmen an die Störterme : 1. sind unabhängige Realisationen der Zufallsvariable, d.h. i.i.d. (unabh.-identisch verteilt)
MehrSTATISTIK Teil 2 Wahrscheinlichkeitsrechnung und schließende Statistik
Kapitel 15 Statistische Testverfahren 15.1. Arten statistischer Test Klassifikation von Stichproben-Tests Einstichproben-Test Zweistichproben-Test - nach der Anzahl der Stichproben - in Abhängigkeit von
MehrDr. Maike M. Burda. Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9.
Dr. Maike M. Burda Welchen Einfluss hat die Körperhöhe auf das Körpergewicht? Eine Regressionsanalyse. HU Berlin, Econ Bootcamp 7.-9. Januar 2011 BOOTDATA11.GDT: 250 Beobachtungen für die Variablen...
MehrSchließende Statistik: Hypothesentests (Forts.)
Mathematik II für Biologen 15. Mai 2015 Testablauf (Wdh.) Definition Äquivalente Definition Interpretation verschiedener e Fehler 2. Art und Macht des Tests Allgemein im Beispiel 1 Nullhypothese H 0 k
MehrDie Regressionsanalyse
Die Regressionsanalyse Zielsetzung: Untersuchung und Quantifizierung funktionaler Abhängigkeiten zwischen metrisch skalierten Variablen eine unabhängige Variable Einfachregression mehr als eine unabhängige
Mehr0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1
Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x
MehrWahrscheinlichkeit und Statistik BSc D-INFK
Prof. Dr. P. Bühlmann ETH Zürich Winter 2010 Wahrscheinlichkeit und Statistik BSc D-INFK 1. (10 Punkte) Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrDWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr
2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X
MehrStatistik II. IV. Hypothesentests. Martin Huber
Statistik II IV. Hypothesentests Martin Huber 1 / 22 Übersicht Weitere Hypothesentests in der Statistik 1-Stichproben-Mittelwert-Tests 1-Stichproben-Varianz-Tests 2-Stichproben-Tests Kolmogorov-Smirnov-Test
MehrEinführung in Quantitative Methoden
Einführung in Quantitative Methoden Pantelis Christodoulides & Karin Waldherr 4. Juni 2014 Christodoulides / Waldherr Einführung in Quantitative Methoden 1/35 Ein- und Zweiseitige Hypothesen H 0 : p =
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrEntscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten
Prof. Dr. J. Franke Statistik II für Wirtschaftswissenschaftler 4.1 4. Statistische Entscheidungsverfahren Entscheidung zwischen zwei Möglichkeiten auf der Basis unsicherer (zufälliger) Daten Beispiel:
MehrOLS-Schätzung: asymptotische Eigenschaften
OLS-Schätzung: asymptotische Eigenschaften Stichwörter: Konvergenz in Wahrscheinlichkeit Konvergenz in Verteilung Konsistenz asymptotische Verteilungen nicht-normalverteilte Störgrößen zufällige Regressoren
MehrStatistische Tests. Kapitel Grundbegriffe. Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe
Kapitel 4 Statistische Tests 4.1 Grundbegriffe Wir betrachten wieder ein parametrisches Modell {P θ : θ Θ} und eine zugehörige Zufallsstichprobe X 1,..., X n. Wir wollen nun die Beobachtung der X 1,...,
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 17.3.21 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
Mehr7. Hypothesentests. Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang. X habe die unbekannte VF F X (x)
7. Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von X 350 Bisher:
MehrSeminar zur Energiewirtschaft:
Seminar zur Energiewirtschaft: Ermittlung der Zahlungsbereitschaft für erneuerbare Energien bzw. bessere Umwelt Vladimir Udalov 1 Modelle mit diskreten abhängigen Variablen 2 - Ausgangssituation Eine Dummy-Variable
MehrHypothesentests für Erwartungswert und Median. Statistik (Biol./Pharm./HST) FS 2015
Hypothesentests für Erwartungswert und Median Statistik (Biol./Pharm./HST) FS 2015 Normalverteilung X N μ, σ 2 X ist normalverteilt mit Erwartungswert μ und Varianz σ 2 pdf: pdf cdf:??? cdf 1 Zentraler
MehrGrundlagen der Statistik
Grundlagen der Statistik Übung 15 009 FernUniversität in Hagen Alle Rechte vorbehalten Fachbereich Wirtschaftswissenschaft Übersicht über die mit den Übungsaufgaben geprüften Lehrzielgruppen Lehrzielgruppe
MehrPrüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002
Prüfung aus Wahrscheinlichkeitstheorie und Statistik MASCHINENBAU 2002 1. Ein Chemiestudent hat ein Set von 10 Gefäßen vor sich stehen, von denen vier mit Salpetersäure Stoff A), vier mit Glyzerin Stoff
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrDas lineare Regressionsmodell
Universität Ulm 89069 Ulm Germany Prof. Dr. Werner Smolny Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Institutsdirektor Das ökonomische
MehrStichproben Parameterschätzung Konfidenzintervalle:
Stichproben Parameterschätzung Konfidenzintervalle: Beispiel Wahlprognose: Die Grundgesamtheit hat einen Prozentsatz p der Partei A wählt. Wenn dieser Prozentsatz bekannt ist, dann kann man z.b. ausrechnen,
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
MehrKlausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester Aufgabe 1
Lehrstuhl für Statistik und Ökonometrie der Otto-Friedrich-Universität Bamberg Prof. Dr. Susanne Rässler Klausur zu Methoden der Statistik II (mit Kurzlösung) Sommersemester 2013 Aufgabe 1 In einer Urne
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrWiederholung Hypothesentests Zusammenfassung. Hypothesentests. Statistik I. Sommersemester Statistik I Hypothesentests I (1/36)
Statistik I Sommersemester 2009 Statistik I I (1/36) Wiederholung Grenzwertsatz Konfidenzintervalle Logik des 0.0 0.1 0.2 0.3 0.4 4 2 0 2 4 Statistik I I (2/36) Zum Nachlesen Agresti/Finlay: Kapitel 6+7
Mehr9 Prinzipien der statistischen Hypothesenprüfung
9 Prinzipien der statistischen Hypothesenprüfung Prinzipien der statistischen Hypothesenprüfung Bei der Schätzung eines Populationsparamters soll dessen Wert aus Stichprobendaten erschlossen werden. Wenn
MehrDie Familie der χ 2 (n)-verteilungen
Die Familie der χ (n)-verteilungen Sind Z 1,..., Z m für m 1 unabhängig identisch standardnormalverteilte Zufallsvariablen, so genügt die Summe der quadrierten Zufallsvariablen χ := m Z i = Z 1 +... +
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 Einführung 1 Wahrscheinlichkeit: Definition und Interpretation 2
MehrKapitel 15. Verletzung der Annahme A3: Variable Parameterwerte
Kapitel 15 Verletzung der Annahme A3: Variable Parameterwerte v Auer, Ökonometrie 15 2 Das ökonometrische Modell einer Mehrfachregression lautet: y t = α + β 1 x 1t + β 2 x 2t + + β K x Kt + u t Annahme
MehrStatistik II. I. Einführung. Martin Huber
Statistik II I. Einführung Martin Huber 1 / 24 Übersicht Inhalt des Kurses Erste Schritte in der empirischen Analyse 2 / 24 Inhalt 1 Einführung 2 Univariates lineares Regressionsmodell 3 Multivariates
MehrR. Brinkmann Seite
R. Brinkmann http://brinkmann-du.de Seite 1 24.2.214 Grundlagen zum Hypothesentest Einführung: Wer Entscheidungen zu treffen hat, weiß oft erst im nachhinein ob seine Entscheidung richtig war. Die Unsicherheit
MehrStatistische Tests Übersicht
Statistische Tests Übersicht Diskrete Stetige 1. Einführung und Übersicht 2. Das Einstichprobenproblem 3. Vergleich zweier unabhängiger Gruppen (unverbundene Stichproben) 4. Vergleich zweier abhängiger
MehrAuswertung und Lösung
Körperkraft [Nm] 0 50 100 150 200 250 0 20 40 60 80 Lean Body Mass [kg] Dieses Quiz soll Ihnen helfen, den R Output einer einfachen linearen Regression besser zu verstehen (s. Kapitel 5.4.1) Es wurden
MehrBeispiele für Prüfungsfragen Ökonometrie I und II
Beispiele für Prüfungsfragen Ökonometrie I und II Von den sieben Beispielen von Prüfungsfragen wären in einer konkreten einstündigen Prüfung etwa deren zwei zu beantworten. Aufgaben 3, 4, 6 und 7 beziehen
MehrKapitel 7. Regression und Korrelation. 7.1 Das Regressionsproblem
Kapitel 7 Regression und Korrelation Ein Regressionsproblem behandelt die Verteilung einer Variablen, wenn mindestens eine andere gewisse Werte in nicht zufälliger Art annimmt. Ein Korrelationsproblem
Mehr13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
13. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017 1. Aufgabe: Für 25 der größten Flughäfen wurde die Anzahl der abgefertigten Passagiere in den Jahren 2009 und 2012 erfasst. Aus den Daten (Anzahl
MehrBreusch-Pagan-Test I auf Heteroskedastie in den Störgrößen
Breusch-Pagan-Test I Ein weiterer Test ist der Breusch-Pagan-Test. Im Gegensatz zum Goldfeld-Quandt-Test ist es nicht erforderlich, eine (einzelne) Quelle der Heteroskedastizität anzugeben bzw. zu vermuten.
MehrAnalyse von Querschnittsdaten. Signifikanztests II Advanced Stuff
Analyse von Querschnittsdaten Signifikanztests II Advanced Stuff Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum..4..4 7..4..4..4 7..4 4..4..4
Mehr6. Statistische Hypothesentests
6. Statistische Hypothesentests Ausgangssituation erneut: ZV X repräsentiere einen Zufallsvorgang X habe die unbekannte VF F X (x) Interessieren uns für einen unbekannten Parameter θ der Verteilung von
Mehr