Guida ai comandi di gretl

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Guida ai comandi di gretl"

Transcript

1 Guida ai comandi di gretl Gnu Regression, Econometrics and Time-series Library Allin Cottrell Department of Economics Wake Forest university Riccardo Jack Lucchetti Dipartimento di Economia Università Politecnica delle Marche Cristian Rigamonti (traduzione italiana) Febbraio 2008 ATTENZIONE: questa traduzione è aggiornata alla versione di gretl. Per versioni successive del programma si rimanda alla documentazione in inglese.

2 È garantito il permesso di copiare, distribuire e/o modificare questo documento seguendo i termini della Licenza per Documentazione Libera GNU, Versione 1.1 o ogni versione successiva pubblicata dalla Free Software Foundation (si veda html).

3 Indice 1 Guida ai comandi Introduzione Comandi in ordine alfabetico add adf append ar ar arbond arch arima boxplot break chow coeffsum coint coint corr corrgm criteria cusum data dataset delete diff difftest discrete dummify elif else end endif endloop eqnprint equation estimate i

4 Indice ii fcast foreign freq function garch genr gmm gnuplot graph hausman heckit help hsk hurst if include info intreg kpss labels lad lags ldiff leverage lmtest logistic logit logs loop mahal meantest mle modeltab modprint mpols nls normtest nulldata ols omit open

5 Indice iii orthdev outfile panel pca pergm poisson plot print printf probit pvalue qlrtest quantreg quit rename reset restrict rmplot run runs scatters sdiff set setinfo setobs setmiss shell smpl spearman sprintf square sscanf store summary system tabprint testuhat tobit tsls var varlist

6 Indice iv vartest vecm vif wls xcorrgm xtab Comandi raggruppati per argomento Stima Test Trasformazioni Statistiche Dataset Grafici Stampa Previsione Programmazione Utilità Guida alle funzioni di gretl Introduzione Accessori $ahat $aic $bic $coeff $compan $df $ess $gmmcrit $h $hausman $hqc $jalpha $jbeta $jvbeta $lnl $ncoeff $nobs $nvars $pd $pvalue $rho

7 Indice v $rsq $sargan $sigma $stderr $stopwatch $T $t $t $test $trsq $uhat $vcv $yhat Functions proper abs atan BFGSmax bkfilt cdemean cdf cdiv ceil cholesky cmult cnorm cols corr cos cov critical cum det diag diff dnorm dsort eigengen eigensym exp fdjac fft

8 Indice vi ffti firstobs floor fracdiff gammafun genpois gini ginv hpfilt I imaxc imaxr iminc iminr infnorm int inv invcdf invpd islist isnull isseries isstring lags lastobs ldet ldiff log lngamma log log lower lrvar makemask max maxc maxr mcorr mcov mean meanc

9 Indice vii meanr median mexp min minc minr missing misszero mlag mnormal mols movavg mread mshape muniform mwrite mxtab nelem nobs normal nullspace obs obsnum ok onenorm ones orthdev pmean princomp psd pvalue qform qnorm qrdecomp quantile rank ranking randgen rcond resample round

10 Indice viii rows sd sdiff selifc selifr seq sin sort sortby sqrt sst sum sumc sumr svd tan tr transp uniform unvech upper values var vec vech zeromiss zeros Opzioni, argomenti e percorsi Avvio di gretl Menù preferenze Avvio di gretlcli Ricerca dei percorsi MS Windows Parole riservate 95

11 Capitolo 1 Guida ai comandi 1.1 Introduzione I comandi descritti in questa guida possono essere eseguiti nella versione a riga di comando del programma, ma anche in quella con con interfaccia grafica (GUI), inserendoli in un file script da eseguire o nel terminale di gretl. La guida utilizza le seguenti convenzioni: Il carattere a larghezza fissa viene usato per indicare ciò che l utente deve scrivere e per i nomi delle variabili. I termini in corsivo sono dei segnaposto da sostituire con termini specifici, ad esempio si potrebbe scrivere reddito invece del generico variabile-x. Il costrutto [ arg ] indica che l argomento arg è opzionale: è possibile fornirlo oppure no (in ogni caso, le parentesi quadre non vanno scritte). La frase comando di stima indica un comando che genera stime per un certo modello, ad esempio ols, ar o wls. 1.2 Comandi in ordine alfabetico add Opzioni: lista-variabili Esempi: add vcv (mostra la matrice di covarianza) --quiet (non mostra le stime del modello aumentato) --silent (non mostra nulla) --inst (aggiunge come strumento, solo per TSLS) --both (aggiunge come regressore e come strumento, solo per TSLS) add xx yy zz --quiet Va invocato dopo un comando di stima. Aggiunge al modello precedente le variabili nella lista-variabili e stima il nuovo modello. Viene eseguito anche un test per la significatività congiunta delle variabili aggiunte: nel caso di stime OLS, la statistica test è la F, negli altri casi è il chi-quadro asintotico di Wald. Un p-value inferiore a 0.05 indica che i coefficienti sono congiuntamente significativi al livello del 5 per cento. Se viene usata l opzione --quiet viene mostrato solo il risultato del test per la significatività congiunta delle variabili aggiunte, altrimenti vengono mostrate anche le stime per il modello aumentato. Nell ultimo caso, l opzione --vcv mostra anche la matrice di covarianza dei coefficienti. Usando l opzione --silent, non viene mostrato nulla; tuttavia i risultati del test possono essere recuperati usando le variabili speciali $test e $pvalue. Se il modello originale è stato stimato con i minimi quadrati a due stadi, può sorgere un ambiguità: le nuove variabili vanno aggiunte come regressori, come strumenti o con entrambe le funzioni? Per risolvere l ambiguità, nella modalità predefinita le variabili sono aggiunte come regressori endogeni, se si usa l opzione --inst sono aggiunte come strumenti, mentre se si usa l opzione --both sono aggiunte come regressori esogeni. Accesso dal menù: Finestra del modello, /Test/ADD - Aggiungi variabili 1

12 Capitolo 1. Guida ai comandi 2 adf Opzioni: Esempi: ordine lista-variabili --nc (test senza costante) --c (solo con la costante) --ct (con costante e trend) --ctt (con costante, trend e trend al quadrato) --seasonals (include variabili dummy stagionali) --gls (rimuove la media o il trend usando GLS) --verbose (mostra i risultati della regressione) --quiet (non mostra i risultati) --difference (usa la differenza prima della variabile) --test-down (ordine di ritardo automatico) adf 0 y adf 2 y --nc --c --ct adf 12 y --c --test-down Vedi anche jgm-1996.inp Calcola una serie di test Dickey Fuller sulle variabili specificate, assumendo come ipotesi nulla che le variabili abbiano una radice unitaria. Se si usa l opzione --difference, i test vengono condotti sulla differenza prima delle variabili e la discussione che segue va riferita a questa trasformazione delle variabili. Per impostazione predefinita, vengono mostrate due varianti del test: una basata su una regressione che contiene solo una costante, e una che include la costante e un trend lineare. È possibile controllare le varianti specificando una o più opzioni. In tutti i casi, la variabile dipendente è la differenza prima della variabile specificata, y, e la variabile dipendente più importante è il ritardo (di ordine uno) di y. Il modello è costruito in modo che il coefficiente della variabile ritardata y è pari a 1 meno la radice. Ad esempio, il modello con una costante può essere scritto come (1 L)y t = β 0 + (α 1)y t 1 + ɛ t Se l ordine di ritardi, k, è maggiore di 0, ai regressori di ognuna delle regressioni calcolate per il test saranno aggiunti k ritardi della variabile dipendente, con la precisazione che segue. Se si usa l opzione --test-down, k viene interpretato come ritardo massimo, mentre l ordine di ritardo effettivamente usato viene ottenuto testando all indietro con il seguente algoritmo: 1. Stima la regressione Dickey Fuller con k ritardi della variabile dipendente. 2. Se questo ordine di ritardi è significativo, esegue il test con l ordine di ritardo k. Altrimenti, prova il test con k = k 1; se k = 0, esegue il test con ordine di ritardo 0, altrimenti va al punto 1. Durante il punto 2 spiegato sopra, significativo significa che la statistica t per l ultimo ritardo abbia un p-value asintotico a due code per la distribuzione normale pari a 0.10 o inferiore. L opzione --gls può essere usata insieme a una delle altre due opzioni --c e --ct (il modello con costante o quello con costante e trend). L effetto di questa opzione è di rimuovere la media o il trend della variabile da testare, usando la procedura GLS suggerita da Elliott, Rothenberg e Stock (1996), che fornisce un test di potenza maggiore rispetto a quell approccio standard di Dickey Fuller approach. Questa opzione non è compatibile con le opzioni --nc, --ctt o --seasonals. I p-value per questo test sono basati su MacKinnon (1996). Il codice rilevante è incluso per gentile concessione dell autore. Nel caso del test con trend lineare usando la procedura GLS questi P-value non sono utilizzabili; vengono usati i valori critici contenuti nella Tabella 1 di Elliott, Rothenberg e Stock (1996). Accesso dal menù: /Variabile/Test Dickey-Fuller aumentato

13 Capitolo 1. Guida ai comandi 3 append Opzione: file-dati --time-series (si veda oltre) Apre un file di dati e aggiunge il suo contenuto al dataset attuale, se i nuovi dati sono compatibili. Il programma cerca di riconoscere il formato del file di dati (interno, testo semplice, CSV, Gnumeric, Excel, ecc.). I dati aggiunti possono avere la forma di osservazioni aggiuntive su variabili già presenti nel dataset, o di nuove variabili. In quest ultimo caso occorre che il numero delle nuove osservazioni sia pari a quello delle osservazioni presenti nel dataset, oppure che i nuovi dati includano informazioni precise sulle osservazioni in modo che gretl possa capire come aggiungere i valori. Nel caso di aggiunta di dati a un dataset panel, c è una possibilità speciale. Detti n il numero di unità cross-section, T il numero di periodi temporali, e m il numero di nuove osservazioni da aggiungere. Se m = n i nuovi dati saranno considerati invarianti nel tempo, e saranno copiati per ognuno dei periodi temporali. D altra parte, se m = T i dati saranno trattati come invarianti tra le unità. Se il panel è quadrato, ed m è pari sia ad n che a T, il comportamento predefinito consiste nel trattare i nuovi casi come invarianti nel tempo, ma è possibile forzare l interpretazione dei nuovi dati come serie storiche usando l opzione --time-series (che verrà ignorata in tutti gli altri casi). Accesso dal menù: /File/Aggiungi dati ar Opzione: Esempio: ritardi ; variabile-dipendente variabili-indipendenti --vcv (mostra la matrice di covarianza) ar ; y 0 x1 x2 x3 Calcola le stime parametriche usando la procedura iterativa generalizzata di Cochrane Orcutt (si veda il Capitolo 9.5 di Ramanathan, 2002). La procedura termina quando le somme dei quadrati degli errori consecutivi non differiscono per più dello per cento, oppure dopo 20 iterazioni. ritardi è una lista di ritardi nei residui, conclusa da un punto e virgola. Nell esempio precedente, il termine di errore è specificato come u t = ρ 1 u t 1 + ρ 3 u t 3 + ρ 4 u t 4 + e t Accesso dal menù: /Modello/Serie storiche/ar - Stima autoregressiva ar1 Opzioni: depvar indepvars --hilu (usa la procedura di Hildreth Lu) --pwe (usa lo stimatore di Prais Winsten) --vcv (mostra la matrice di covarianza) --no-corc (non affinare i risultati con Cochrane-Orcutt) Esempi: ar ar1 y 0 xlist --hilu --no-corc ar1 y 0 xlist --pwe Calcola stime feasible GLS per un modello in cui il termine di errore segue un processo autoregressivo del prim ordine. Il metodo predefinito è la procedura iterativa di Cochrane Orcutt (si veda ad esempio il capitolo 9.4 di Ramanathan, 2002). La procedura termina quando le stime successive del coefficiente di autocorrelazione non differiscono per più di 0.001, oppure dopo 20 iterazioni.

14 Capitolo 1. Guida ai comandi 4 Se si usa l opzione --hilu, verrà usata la procedura di ricerca di Hildreth Lu. I risultati sono quindi ottimizzati con la procedura iterativa di Cochrane Orcutt, a meno che non si usi l opzione --no-corc (che viene ignorata se non viene specificata --hilu). Se si usa l opzione --pwe, viene usato lo stimatore di Prais Winsten, che prevede una procedura simile a quella di Cochrane Orcutt; la differenza è che mentre Cochrane Orcutt tralascia la prima osservazione, Prais Winsten ne fa uso. Per i dettagli, si veda per esempio il capitolo 13 di Econometric Analysis (2000) di Greene. Accesso dal menù: /Modello/Serie storiche/cochrane-orcutt Accesso dal menù: /Modello/Serie storiche/hildreth-lu Accesso dal menù: /Modello/Serie storiche/prais-winsten arbond p [ q ] ; variabile-dipendente variabili-indipendenti [ ; strumenti ] Opzioni: Esempi: --quiet (non stampa il modello stimato) --vcv (mostra matrice di covarianza) --two-step (usa stima GMM 2-step) --time-dummies (aggiunge variabili dummy temporali) --asymptotic (calcola gli errori standard asintotici nel modo consueto) arbond 2 ; y Dx1 Dx2 arbond 2 5 ; y Dx1 Dx2 ; Dx1 arbond 1 ; y Dx1 Dx2 ; Dx1 GMM(x2,2,3) Vedi anche arbond91.inp Esegue la stima di modelli panel dinamici (ossia, modelli panel che includono uno o più ritardi della variabile dipendente) usando il metodo GMM proposto da Arellano e Bond (1991). Il parametro p rappresenta l ordine dell autoregressione per la variabile dipendente. Il parametro opzionale q indica il massimo ritardo del livello della variabile dipendente da usare come strumento; se si omette questo argomento, o lo si pone uguale a 0, vengono usati tutti i ritardi disponibili. La variabile dipendente andrebbe specificata sotto forma di livello; viene differenziata automaticamente, visto che lo stimatore usa la differenziazione per eliminare gli effetti individuali. Le variabili indipendenti invece non vengono differenziate automaticamente: se si intende usare le differenze (tipicamente lo si vorrà fare per le variabili quantitative, ma non ad esempio per le dummy temporali), occorrerà prima creare le variabili differenziate e poi specificarle come regressori. L ultimo campo (opzionale) del comando consente di specificare gli strumenti. Se non viene usato, si assumerà che tutte le variabili indipendenti sono strettamente esogene. Se si specifica uno strumento, occorre includere nell elenco tutte le variabili indipendenti strettamente esogene. Per i regressori predeterminati, è possibile usare la funzione GMM per includere un intervallo specifico di ritardi in stile diagonale. Questo modo di procedere è illustrato nel terzo esempio visto sopra. Il primo argomento di GMM è il nome della variabile in questione, il secondo è il ritardo minimo da usare, mentre il terzo è quello massimo. Se il terzo argomento è pari a 0, vengono usati tutti i ritardi disponibili. Per impostazione predefinita, vengono mostrati i risultati della stima a un passo (con errori standard robusti), ma è possibile scegliere una stima a due passi. In entrambi i casi, vengono mostrati i testi per l autocorrelazione di ordine 1 e 2, oltre al test di sovraidentificazione di Sargan. Si noti che in questo modello differenziato l autocorrelazione del prim ordine non contrasta con la validità del modello, mentre quella di ordine 2 viola le ipotesi statistiche che ne sono alla base. Nel caso della stima in due passi, gli errori standard sono calcolati usando la correzione per campioni finiti suggerita da Windmeijer (2005). Gli errori standard asintotici calcolati nel modo consueto non sono generalmente ritenuti affidabili nel caso dello stimatore a due passi, ma se

15 Capitolo 1. Guida ai comandi 5 per qualche motivo si vuole usarli, è possibile usare l opzione --asymptotic per disabilitare la correzione di Windmeijer. Se si usa l opzione --time-dummies, viene aggiunto ai regressori un insieme di variabili dummy temporali. Il numero di variabili dummy è pari al numero massimo dei periodi usati nella stima meno uno, per evitare la perfetta collinearità in presenza della costante. Le dummy sono specificate in livelli; se si intende usare variabili dummy sotto forma di differenze temporali, occorre definirle ed aggiungerle manualmente. Accesso dal menù: /Model/Panel arch Esempio: ordine variabile-dipendente variabili-indipendenti arch 4 y 0 x1 x2 x3 Stima il modello specificato tenendo conto della possibile eteroschedasticità condizionale autoregressiva (ARCH, Autoregressive Conditional Heteroskedasticity). Per prima cosa il modello viene stimato con OLS, quindi viene eseguita una regressione ausiliaria, in cui i quadrati dei residui della prima regressione vengono regrediti sui loro valori ritardati. Il passo finale è una stima con minimi quadrati ponderati, in cui i pesi sono i reciproci delle varianze dell errore della regressione ausiliaria (se la varianza prevista di qualche osservazione nella regressione ausiliaria non risulta positiva, viene usato il corrispondente residuo al quadrato). I valori alpha mostrati sotto i coefficienti sono i parametri del processo ARCH stimati nella regressione ausiliaria. Si veda anche garch e lmtest (l opzione --arch). Accesso dal menù: /Modello/Serie storiche/arch arima p d q [ ; P D Q ] ; variabile-dipendente [ variabili-indipendenti ] Opzioni: Esempi: --verbose (mostra i dettagli delle iterazioni) --vcv (mostra la matrice di covarianza) --opg (si veda sotto) --nc (non include l intercetta) --conditional (usa la massima verosimiglianza condizionale) --x-12-arima (usa X-12-ARIMA per la stima) arima ; y arima ; y 0 x1 x2 --verbose arima ; ; y --nc Se non viene fornita una lista di variabili-indipendenti, stima un modello autoregressivo integrato a media mobile (ARIMA: Autoregressive, Integrated, Moving Average) univariato. I valori p, d e q rappresentano rispettivamente gli ordini dei termini autoregressivi (AR), l ordine di differenziazione, e quello dei termini a media mobile (MA). Questi valori possono essere indicati in forma numerica o con i nomi di variabili scalari preesistenti. Ad esempio, un valore d pari a 1 significa che prima di stimare i parametri ARMA occorre prendere la differenza della variabile dipendente. Se si vuole includere solo alcuni specifici ritardi AR o MA (invece che tutti i ritardi fino all ordine specificato) è possibile sostituire p e/o q in due modi: col nome di una matrice predefinita che contiene un insieme di valori interi, oppure con un espressione come {1 4}, osia un insieme di ritardi separati da spazi e racchiusi tra parentesi graffe. I valori interi opzionali P, D e Q rappresentano rispettivamente, l ordine dei termini AR stagionali, l ordine di differenziazione stagionale e l ordine dei termini MA stagionali. Essi sono rilevanti solo la frequenza dei dati è superiore a 1 (ad esempio, dati trimestrali o mensili). Questi valori devono essere indicati in forma numerica o come variabili scalari.

16 Capitolo 1. Guida ai comandi 6 Nel caso univariato la scelta predefinita include un intercetta nel modello, ma questa può essere soppressa con l opzione --nc. Se vengono aggiunte delle variabili-indipendenti, il modello diventa un ARMAX: in questo caso occorre indicare esplicitamente la costante se si desidera un intercetta (come nel secondo degli esempi proposti). È disponibile una sintassi alternativa per questo comando: se non si intende applicare alcuna operazione di differenziazione (stagionale o non stagionale), è possibile omettere totalmente i termini d e D, invece che impostarli esplicitamente pari a 0. Inoltre, arma è un sinonimo di arima, quindi ad esempio il comando seguente è un modo valido per specificare un modello ARMA(2,1): arma 2 1 ; y Il funzionamento predefinito utilizza la funzionalità ARMA interna di gretl, che usa la stima di massima verosimiglianza esatta usando il filtro di Kalman; come opzione è possibile usare la stima di massima verosimiglianza condizionale. Se è stato installato il programma X-12-ARIMA è possibile usare questo al posto del codice interno di gretl. Per i dettagli su queste opzioni si veda la Guida all uso di gretl. L algoritmo interno di gretl per ARMA utilizza una procedura di massima verosimiglianza condizionale, implementata attraverso la stima iterata con minimi quadrati della regressione del prodotto esterno del gradiente (OPG). Si veda la Guida all uso di gretl per la logica della procedura. I coefficienti AR (e quelli per gli eventuali regressori aggiuntivi) sono inizializzati usando una auto-regressione OLS, mentre i coefficienti MA sono inizializzati a zero. Quando si usa il codice ARMA interno, le deviazioni standard sono stimate basandosi su un approssimazione numerica all inversa negativa dell Hessiana. Se si usa l opzione --opg viene invece usato il prodotto esterno del gradiente. L opzione è ignorata se si sceglie la stima con X-12-ARIMA. Il valore AIC mostrato nei modelli ARIMA è calcolato secondo la definizione usata in X-12- ARIMA, ossia AIC = 2l + 2k dove l è la log-verosimiglianza e k è il numero totale di parametri stimati. Si noti che X-12- ARIMA non produce criteri di informazione come l AIC quando la stima è effettuata col metodo della massima verosimiglianza condizionale. Il valore di frequenza mostrato insieme alle radici AR e MA è il valore di λ che risolve z = r e i2πλ dove z è la radice in questione e r è il suo modulo. Accesso dal menù: /Modello/Serie Storiche/ARIMA Accesso alternativo: Menù pop-up nella finestra principale (selezione singola) boxplot Opzione: lista-variabili --notches (mostra l intervallo di confidenza al 90 per cento per la mediana) Questo tipo di grafici (da Tukey e Chambers) mostra la distribuzione di una variabile. La scatola centrale (box) racchiude il 50 per cento centrale dei dati, ossia è delimitato dal primo e terzo quartile. I baffi (whiskers) si estendono fino ai valori minimo e massimo. Una linea trasversale sulla scatola indica la mediana, mentre un segno + indica la media. Nel caso dei grafici a tacca (notches), una tacca indica i limiti dell intervallo di confidenza approssimato al 90 per cento per la mediana, ottenuto col metodo bootstrap. Dopo ogni variabile specificata nel comando boxplot, è possibile aggiungere un espressione booleana tra parentesi per limitare il campione per la variabile in questione. Occorre inserire uno spazio tra il nome o il numero della variabile e l espressione. Si supponga di avere dati sui salari di uomini e donne e di avere una variabile dummy GENERE che vale 1 per gli uomini e 0

17 Capitolo 1. Guida ai comandi 7 per le donne. In questo caso, è possibile generare dei boxplot comparativi usando la seguente lista-variabili: salario (GENERE=1) salario (GENERE=0) Alcuni dettagli del funzionamento dei boxplot di gretl possono essere controllati attraverso un file testuale chiamato.boxplotrc. Per ulteriori dettagli, si veda la Guida all uso di gretl. Accesso dal menù: /Visualizza/Grafico/Boxplot break Esce da un ciclo. Questo comando può essere usato solo all interno di un ciclo e causa l immediata interruzione dell esecuzione del ciclo (o di quello più interno, nel caso di cicli nidificati). Si veda anche il comando loop. chow Opzione: osservazione Esempi: chow 25 --quiet (non mostra le stime del modello aumentato) chow 1988:1 Va eseguito dopo una regressione OLS e fornisce un test per l ipotesi nulla che non esista un break strutturale del modello in corrispondenza del punto di rottura specificato. La procedura consiste nel creare una variabile dummy che vale 1 a partire dal punto di rottura specificato da osservazione fino alla fine del campione, 0 altrove; inoltre vengono creati dei termini di interazione tra questa dummy e i regressori originali. Viene quindi stimata una regressione che include questi termini. Per impostazione predefinita viene calcolata una statistica F, prendendo la regressione aumentata come non vincolata e la regressione originale come vincolata. Se il modello originale usa uno stimatore robusto per la matrice di covarianza, come statistica test viene usato un valore chi-quadro di Wald, basato su uno stimatore robusto della matrice di covarianza della regressione aumentata. Accesso dal menù: Finestra del modello, /Test/CHOW coeffsum Esempio: lista-variabili coeffsum xt xt_1 xr_2 restrict.inp Deve essere usato dopo una regressione. Calcola la somma dei coefficienti delle variabili nella lista-variabili e ne mostra l errore standard e il p-value per l ipotesi nulla che la loro somma sia zero. Si noti la differenza tra questo test e omit, che assume come ipotesi nulla l uguaglianza a zero di tutti i coefficienti di un gruppo di variabili indipendenti. Accesso dal menù: Finestra del modello, /Test/Somma dei coefficienti

18 Capitolo 1. Guida ai comandi 8 coint Opzioni: Esempi: ordine variabile-dipendente variabili-indipendenti --nc (non include la costante) --ct (include la costante e il trend) --ctt (include la costante e il trend quadratico) --skip-df (non esegue i test DF sulle variabili individuali) coint 4 y x1 x2 coint 0 y x1 x2 --ct --skip-df Il test di cointegrazione di Engle Granger. La procedura predefinita è la seguente: (1) eseguire dei test Dickey Fuller aumentati, sull ipotesi nulla che ognuna delle variabili elencate abbia una radice unitaria; (2) stimare la regressione di cointegrazione; (3) eseguire un test DF sui residui della regressione di cointegrazione. Se si usa l opzione --skip-df, il passo (1) viene saltato. Se l ordine di ritardo specificato è positivo, tutti i test Dickey Fuller utilizzano questo ordine. Se l ordine indicato viene preceduto da un segno meno, viene interpretato come l ordine massimo, e l ordine utilizzato effettivamente viene ricavato con la stessa procedura di test all indietro descritta per il comando adf. L impostazione predefinita consiste nell includere una costante nella regressione di cointegrazione; se si vuole omettere la costante, basta usare l opzione --nc. Se si vuole aggiungere all elenco dei termini deterministici della regressione un trend lineare o quadratico, basta usare le opzioni --ct o --ctt. Queste opzioni sono mutualmente esclusive. Il test di cointegrazione di Engle Granger. La procedura predefinita è la seguente: (1) eseguire dei test Dickey Fuller aumentati, sull ipotesi nulla che ognuna delle variabili elencate abbia una radice unitaria; (2) stimare la regressione di cointegrazione; (3) eseguire un test DF sui residui della regressione di cointegrazione. Se si attiva la casella Salta i test DF iniziali, il passo (1) viene saltato. I pvalue per questo test si basano su MacKinnon (1996). Il codice relativo è stato incluso per gentile concessione dell autore. Accesso dal menù: /Modello/Serie storiche/test di cointegrazione/engle-granger coint2 ordine lista-y [ ; lista-x ] [ ; lista-rx ] Opzioni: Esempi: --nc (senza costante) --rc (costante vincolata) --crt (costante e trend vincolato) --ct (costante e trend non vincolato) --seasonals (include dummy stagionali centrate) --quiet (mostra solo i test) --verbose (mostra i dettagli delle regressioni ausiliarie) coint2 2 y x coint2 4 y x1 x2 --verbose coint2 3 y x1 x2 --rc Esegue il test di Johansen per la cointegrazione tra le variabili della lista-y per l ordine specificato di ritardi.i valori critici sono calcolati con l approssimazione gamma di J. Doornik (Doornik, 1998). Per i dettagli su questo test, si veda Hamilton, Time Series Analysis (1994), Cap. 20. L inclusione di trend deterministici nel modello è controllata dalle opzioni del comando. Se non si indica alcuna opzione, viene inclusa una costante non vincolata, che permette la presenza di un intercetta diversa da zero nelle relazioni di cointegrazione e di un trend nei livelli delle variabili endogene. Nella letteratura originata dal lavoro di Johansen (si veda ad esempio il suo libro del 1995), si fa riferimento a questo come al caso 3. Le prime quattro opzioni mostrate sopra, che sono mutualmente esclusive, producono rispettivamente i casi 1, 2, 4 e 5.

19 Capitolo 1. Guida ai comandi 9 Il significato di questi casi e i criteri per scegliere tra di essi sono spiegati nella Guida all uso di gretl. Le liste opzionali lista-x e lista-rx permettono di controllare per specifiche variabili esogene che entrano nel sistema in modo non vincolato (lista-x) o vincolate allo spazio di cointegrazione (lista-rx). Queste liste vanno separate tra di loro e dalla lista-y usando il carattere punto e virgola. L opzione --seasonals, che può accompagnare una qualsiasi delle altre opzioni, specifica l inclusione di un gruppo di variabili dummy stagionali centrate. Questa opzione è disponibile solo per dati trimestrali o mensili. La tabella seguente fornisce un esempio di interpretazione dei risultati del test nel caso di 3 variabili. H 0 denota l ipotesi nulla, H 1 l ipotesi alternativa e c il numero delle relazioni di cointegrazione. Test traccia Test λ-max Rango H 0 H 1 H 0 H 1 0 c = 0 c = 3 c = 0 c = 1 1 c = 1 c = 3 c = 1 c = 2 2 c = 2 c = 3 c = 2 c = 3 Si veda anche il comando vecm. Accesso dal menù: /Modello/Serie storiche/test do cointegrazione/johansen corr [ lista-variabili ] Opzioni: Esempi: --uniform (assicura l uniformità del campione) --spearman (Rho di Spearman) --kendall (Tau di Kendall) --verbose (mostra i ranghi) corr y x1 x2 x3 corr ylist --uniform corr x y --spearman Per impostazione predefinita, mostra le coppie di coefficienti di correlazione (la correlazione del prodotto dei momenti di Pearson) per le variabili date nella lista-variabili, o per tutte le variabili del dataset se non viene specificata alcuna lista-variabili. Il comportamento predefinito consiste nell usare tutte le osservazioni disponibili per calcolare ognuno dei coefficienti, ma se si usa l opzione --uniform il campione verrà limitato (se necessario) in modo che per tutti i coefficienti venga usato lo stesso insieme di osservazioni. Questa opzione ha effetto solo se le diverse variabili contengono un numero diverso di valori mancanti. Le opzioni (mutualmente esclusive) --spearman e --kendall producono rispettivamente, la correlazione di rango di Spearman (rho) e la correlazione di rango di Kendall (tau), invece del solito coefficiente di Pearson. Quando si usa una di queste opzioni, la lista-variabili deve contenere solo due variabili. Quando viene calcolata la correlazione di rango, si può usare l opzione --verbose per mostrare i dati originali e ordinati (altrimenti questa opzione verrà ignorata). Accesso dal menù: /Visualizza/Matrice di correlazione Accesso alternativo: Menù pop-up nella finestra principale (selezione multipla) corrgm variabile [ max-ritardo ] Esempio: corrgm x 12

20 Capitolo 1. Guida ai comandi 10 Mostra i valori della funzione di autocorrelazione per la variabile specificata (dal nome o dal numero). I valori sono definiti come ˆρ(u t, u t s ) dove u t è la t-esima osservazione della variabile u e s è il numero dei ritardi. Vengono mostrate anche le autocorrelazioni parziali (calcolate con l algoritmo di Durbin Levinson), ossia al netto dell effetto dei ritardi intermedi. Il comando produce anche un grafico del correlogramma e mostra la statistica Q di Box Pierce per testare l ipotesi nulla che la serie sia white noise (priva di autocorrelazione). La statistica si distribuisce asintoticamente come chi-quadro con gradi di libertà pari al numero di ritardi specificati. Se viene specificato un valore max-ritardo, la lunghezza del correlogramma viene limitata al numero di ritardi specificato, altrimenti viene scelta automaticamente in funzione della frequenza dei dati e del numero di osservazioni. Accesso dal menù: /Variabile/Correlogramma Accesso alternativo: Menù pop-up nella finestra principale (selezione singola) criteria ess T k Esempio: criteria Calcola il criterio di informazione di Akaike (AIC), il criterio di informazione bayesiana di Schwarz (BIC) e il criterio di Hannan Quinn, dati ess (somma dei quadrati degli errori), il numero delle osservazioni (T ) e quello dei coefficienti (k). T, k e ess possono essere valori numerici o nomi di variabili definite in precedenza. L AIC è calcolato come nella formulazione originale di Akaike (1974), ossia AIC = 2l + 2k dove l denota la log-verosimiglianza massimizzata. Il BIC è calcolato come Il HQC è calcolato come BIC = 2l + k log T HQC = 2l + 2k log log T Si veda la Guida all uso di gretl per ulteriori dettagli. cusum Opzioni: --squares (esegue il test CUSUMSQ) --quiet (stampa solamente il test di Harvey Collier) Va eseguito dopo la stima di un modello OLS. Esegue il test CUSUM (o, se si usa l opzione --squares, il test CUSUMSQ ) per la stabilità dei parametri. Viene calcolata una serie di errori di previsione per il periodo successivo, attraverso una serie di regressioni: la prima usa le prime k osservazioni e viene usata per generare la previsione della variabile dipendente per l osservazione k + 1; la seconda usa le prime k + 1 osservazioni per generare una previsione per l osservazione k + 2 e così via (dove k è il numero dei parametri nel modello originale). Viene mostrata, anche graficamente, la somma cumulata degli errori scalati di previsione (o dei quadrati degli errori). L ipotesi nulla della stabilità dei parametri è rifiutata al livello di significatività del 5 per cento se la somma cumulata va al di fuori delle bande di confidenza al 95 per cento. Nel caso di test CUSUM, viene mostrata anche la statistica t di Harvey Collier per testare l ipotesi nulla della stabilità dei parametri. Si veda il Capitolo 7 di Econometric Analysis di Greene, per i dettagli. Per il test CUSUMSQ, la banda di confidenza al 95descritto in Edgerton e Wells (1994). Accesso dal menù: Finestra del modello, /Test/CUSUM(SQ)

Guida ai Comandi di gretl

Guida ai Comandi di gretl Guida ai Comandi di gretl Gnu Regression, Econometrics and Time-series library Allin Cottrell Department of Economics Wake Forest university Cristian Rigamonti Traduzione Italiana Novembre, 2005 È garantito

Dettagli

Guida all uso di gretl

Guida all uso di gretl Guida all uso di gretl Gnu Regression, Econometrics and Time-series library Allin Cottrell Department of Economics Wake Forest university Riccardo Jack Lucchetti Dipartimento di Economia Università Politecnica

Dettagli

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Esercizio 1 Si consideri il seguente modello ad effetti fissi con variabili binarie: + 1 2 a) supponete che N=3. Si mostri che i regressori

Dettagli

Guida all uso di gretl

Guida all uso di gretl Guida all uso di gretl Gnu Regression, Econometrics and Time-series library Allin Cottrell Department of Economics Wake Forest university Riccardo Jack Lucchetti Dipartimento di Economia Università Politecnica

Dettagli

La regressione lineare applicata a dati economici

La regressione lineare applicata a dati economici La regressione lineare applicata a dati economici Matteo Pelagatti 7 febbraio 2008 Indice 1 Il modello lineare 2 2 La stima dei coefficienti e le ipotesi classiche 2 3 Le conseguenze del venir meno di

Dettagli

Guida all uso di gretl

Guida all uso di gretl Guida all uso di gretl Gnu Regression, Econometrics and Time-series library Allin Cottrell Department of Economics Wake Forest university Riccardo Jack Lucchetti Dipartimento di Economia Università Politecnica

Dettagli

1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO

1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO I TEST STATISTICI E IL P-VALUE Obiettivo di questo Learning Object è ripassare la teoria ma soprattutto la pratica dei test statistici, con un attenzione particolare ai test che si usano in Econometria.

Dettagli

IBM SPSS Forecasting 21

IBM SPSS Forecasting 21 IBM SPSS Forecasting 21 Nota: Prima di utilizzare queste informazioni e il relativo prodotto, leggere le informazioni generali disponibili in Note a pag. 113. Questa versione si applica a IBM SPSS Statistics

Dettagli

MODELLO DI REGRESSIONE PER DATI DI PANEL

MODELLO DI REGRESSIONE PER DATI DI PANEL MODELLO DI REGRESSIONE PER DAI DI PANEL 5. Introduzione Storicamente l analisi econometrica ha proceduto in due distinte direzioni: lo studio di modelli macroeconomici, sulla base di serie temporali di

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Il modello di regressione lineare multivariata

Il modello di regressione lineare multivariata Il modello di regressione lineare multivariata Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2013 Rossi MRLM Econometria - 2013 1 / 39 Outline 1 Notazione 2 il MRLM 3 Il modello partizionato 4 Collinearità

Dettagli

Appunti di Econometria

Appunti di Econometria Appunti di Econometria ARGOMENTO [2]: ESTENSIONI DEL MODELLO LINEARE Tommaso Nannicini Università Bocconi Ottobre 2010 1 Scelta della forma funzionale Abbiamo visto che abbandonare l assunzione di normalità

Dettagli

Elevata capacit di ripagare il debito Alta capacit di pagare il debito Solida capacit di ripagare il debito, che potrebbe essere influenzata da circostanze avverse Adeguata capacit di rimborso, che per

Dettagli

Introduzione al software SAS

Introduzione al software SAS Introduzione al software SAS Metodi Quantitativi per Economia, Finanza e Management Esercitazione n 1 Orario di ricevimento Alberto Saccardi alberto.saccardi@nunatac.it asaccardi@liuc.it Lunedì 17-18 Aula

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

Dettagli

Note introduttive Il software econometrico Easy Reg è scaricabile gratuitamente da internet (http://econ.la.psu.edu/~hbierens/easyreg.

Note introduttive Il software econometrico Easy Reg è scaricabile gratuitamente da internet (http://econ.la.psu.edu/~hbierens/easyreg. Note introduttive Il software econometrico Easy Reg è scaricabile gratuitamente da internet (http://econ.la.psu.edu/~hbierens/easyreg.htm) Per importare i dati in Easy Reg bisogna: 1. Cambiare le impostazioni

Dettagli

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R LAB LEZ. 1 STATISTICA DESCRITTIVA CON R 1 2 L AMBIENTE DI SVILUPPO DI RStudio 1 3 4 2 1 FINESTRA PER GLI SCRIPT E PER VISUALIZZARE I DATI 2 CONSOLE DEI COMANDI 3 VARIABILI PRESENTI NELLA MEMORIA DEL PROGRAMMA

Dettagli

Scheda n.1: il software R

Scheda n.1: il software R Scheda n.1: il software R September 30, 2008 1 Introduzione Il software denominato R si può scaricare gratuitamente da rete, all indirizzo http://www.r-project.org/, seguendo le istruzioni di download.

Dettagli

Ulteriori metodi per la stima di una singola equazione

Ulteriori metodi per la stima di una singola equazione 1 Materiali didattici: ANALISI E PREVISIONI NEI MERCATI FINANZIARI a.a. 2014-2015 DISPENSA N.3bis (APPENDICE alla dispensa n.3) Ulteriori metodi per la stima di una singola equazione (Prof. Giovanni Verga)

Dettagli

Dai dati al modello teorico

Dai dati al modello teorico Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 2

STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 2 STATISTICA ECONOMICA ED ANALISI DI MERCATO Previsioni Economiche ed Analisi di Serie Storiche A.A. 2003 / 04 ESERCITAZIONE 2 Introduzione all uso di EViews di Daniele Toninelli 1. INTRODUZIONE ad EViews

Dettagli

Introduzione al MATLAB c Parte 2

Introduzione al MATLAB c Parte 2 Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione

Dettagli

Contenuto del libro...2 Convenzioni utilizzate nel libro...2

Contenuto del libro...2 Convenzioni utilizzate nel libro...2 Indice Introduzione... 1 Contenuto del libro...2 Convenzioni utilizzate nel libro...2 I INTERVALLI E FORMULE DI EXCEL 1 Ricavare il massimo dagli intervalli.... 7 Tecniche avanzate di selezione degli intervalli...7

Dettagli

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Paolo Mezzera Ottobre 2003 CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Questo lavoro ha lo scopo di confrontare previsioni ottenute mediante processi regressivi

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 2011-12)

Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 2011-12) Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 011-1) REGRESSIONE LINEARE SEMPLICE OPEN STATISTICA 8.44 Per 8 settimanali, appartenenti alla medesima fascia di prezzo e presenti in edicola

Dettagli

CONTROLLI AUTOMATICI E AZIONAMENTI ELETTRICI Ingegneria Meccatronica

CONTROLLI AUTOMATICI E AZIONAMENTI ELETTRICI Ingegneria Meccatronica CONTROLLI AUTOMATICI E AZIONAMENTI ELETTRICI Ingegneria Meccatronica CONTROLLI AUTOMATICI e AZIONAMENTI ELETTRICI INTRODUZIONE A MATLAB Ing. Alberto Bellini Tel. 0522 522626 e-mail: alberto.bellini@unimore.it

Dettagli

Laboratorio di Statistica con R

Laboratorio di Statistica con R Laboratorio di Statistica con R R è un vero e proprio linguaggio di programmazione. Il suo nome, è dovuto probabilmente al nome dei suoi sviluppatori:robert Gentleman e Ross Ihaka Le principali funzioni

Dettagli

Regressione Lineare con un Singolo Regressore

Regressione Lineare con un Singolo Regressore Regressione Lineare con un Singolo Regressore Quali sono gli effetti dell introduzione di pene severe per gli automobilisti ubriachi? Quali sono gli effetti della riduzione della dimensione delle classi

Dettagli

Econometria. Universita di Salerno, A.A. 2013. Fausto Galli

Econometria. Universita di Salerno, A.A. 2013. Fausto Galli Econometria Universita di Salerno, A.A. 2013 Fausto Galli outline PARTE III Capitolo 14 Capitolo 15 Introduzione alle regressioni con serie storiche ed alla previsione (SW capitolo 14) I dati in serie

Dettagli

Modello di regressione lineare

Modello di regressione lineare Modello di regressione lineare a cura di Giordano dott. Enrico enrico.giordano@meliorbanca.com Nel presente lavoro viene descritto in modo dettagliato (attraverso anche un impatto visivo), l analisi di

Dettagli

Applicazione alla domanda di sigarette (SW Par 12.4)

Applicazione alla domanda di sigarette (SW Par 12.4) Applicazione alla domanda di sigarette (SW Par 12.4) Perche ci interessa conoscere l elastica della domanda di sigarette? Teoria della tassazione ottimale: l imposta ottimale e l inverso dell elastica

Dettagli

Analisi statistica delle funzioni di produzione

Analisi statistica delle funzioni di produzione Analisi statistica delle funzioni di produzione Matteo Pelagatti marzo 28 Indice La funzione di produzione di Cobb-Douglas 2 2 Analisi empirica della funzione di produzione aggregata 3 Sommario Con la

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

lezione 18 AA 2015-2016 Paolo Brunori

lezione 18 AA 2015-2016 Paolo Brunori AA 2015-2016 Paolo Brunori Previsioni - spesso come economisti siamo interessati a prevedere quale sarà il valore di una certa variabile nel futuro - quando osserviamo una variabile nel tempo possiamo

Dettagli

PASW Missing Values 18

PASW Missing Values 18 i PASW Missing Values 18 Per ulteriori informazioni sui prodotti software SPSS Inc., visitare il sito Web all indirizzo http://www.spss.it o contattare: SPSS Inc. 233 South Wacker Drive, 11th Floor Chicago,

Dettagli

Traccia delle lezioni svolte in laboratorio Excel 2003. Excel 2003 Excel 2010

Traccia delle lezioni svolte in laboratorio Excel 2003. Excel 2003 Excel 2010 Traccia delle lezioni svolte in laboratorio Excel 2003 Excel 2003 Excel 2010 INTRODUZIONE A EXCEL EXCEL è un programma di Microsoft Office che permette di analizzare grandi quantità di dati (database)

Dettagli

Econometria. lezione 17. variabili dipendenti binarie. Econometria. lezione 17. AA 2014-2015 Paolo Brunori

Econometria. lezione 17. variabili dipendenti binarie. Econometria. lezione 17. AA 2014-2015 Paolo Brunori AA 2014-2015 Paolo Brunori domande di mutui rigettate - nei dati raccolti a Boston negli anni 90 il tasso di rifiuto è 28% per i neri e 9% per i bianchi - si può parlare di discriminazione? - è possibili

Dettagli

STIMARE valori ed eseguire ANALISI DI REGRESSIONE

STIMARE valori ed eseguire ANALISI DI REGRESSIONE STIMARE valori ed eseguire ANALISI DI REGRESSIONE È possibile impostare una serie di valori che seguono una tendenza lineare semplice oppure una tendenza con crescita esponenziale. I valori stimati vengono

Dettagli

IBM SPSS Regression 21

IBM SPSS Regression 21 IBM SPSS Regression 21 Nota: Prima di utilizzare queste informazioni e il relativo prodotto, leggere le informazioni generali disponibili in Note a pag. 44. Questa versione si applica a IBM SPSS Statistics

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.

Dettagli

La regressione lineare multipla

La regressione lineare multipla 13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività

Dettagli

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale 1. Exponential smoothing Consideriamo la media mobile esponenziale Metodi quantitativi per i mercati finanziari XMA t = (1 α)xma t 1 + αp t come previsione del prezzo al tempo T + 1 sulla base dell insieme

Dettagli

La Regressione Lineare

La Regressione Lineare La Regressione Lineare. Cos è l Analisi della Regressione Multipla? L analisi della regressione multipla è una tecnica statistica che può essere impiegata per analizzare la relazione tra una variabile

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t.

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t. Il programma MATLAB In queste pagine si introduce in maniera molto breve il programma di simulazione MAT- LAB (una abbreviazione di MATrix LABoratory). Introduzione MATLAB è un programma interattivo di

Dettagli

Le Serie Storiche e l Analisi del Ciclo Economico

Le Serie Storiche e l Analisi del Ciclo Economico Le Serie Storiche e l Analisi del Ciclo Economico Dr. Giuseppe Rose (PhD. MSc. London) Università degli Studi della Calabria Macroeconomia Applicata Prof.ssa Patrizia Ordine (Ph.D. MPhil. Oxford) a.a.

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Limited Dependent Variable Models

Limited Dependent Variable Models Limited Dependent Variable Models Logit Tobit Probit Modelli Logit e Probit Latent variable models for binary choice Models for descrete dependent variable Traducendo Spesso vogliamo studiare (le determinanti

Dettagli

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

1 La Matrice dei dati

1 La Matrice dei dati Dispense sull uso di Excel Daniela Marella 1 La Matrice dei dati Un questionario è costituito da un insieme di domande raccolte su un determinato supporto (cartaceo o elettronico) e somministrate alla

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE

UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE Laurea in Statistica,Economia e Finanza Tesi di laurea Stima degli effetti di uno shock al 'credit spread' per gli Stati Uniti: Un'analisi

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

Dettagli

L Indicatore Anticipatore

L Indicatore Anticipatore L Indicatore Anticipatore Il nuovo sistema per la stima in corso d anno e la stima trimestrale della spesa in Conto Capitale della PA UVER Area Monitoraggio e Statistica 1 L Indicatore Anticipatore Fasi

Dettagli

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n.

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n. 1x1 qs-stat Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità Versione: 1 / Marzo 2010 Doc. n.: PD-0012 Copyright 2010 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim

Dettagli

ECONOMETRIA APPLICATA Prof. Rocco Mosconi Prova scritta del 13/5/2005

ECONOMETRIA APPLICATA Prof. Rocco Mosconi Prova scritta del 13/5/2005 Prova scritta del 13/5/2005 Disponiamo di dati cross-section relativi al 1982 per 595 lavoratori americani, tratti dal data base PSID (Panel Study of Income Dynamics, Cornwell-Rupert, 1988). Le variabili

Dettagli

R - Esercitazione 1. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. 30 Settembre 2013. Università Roma Tre

R - Esercitazione 1. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. 30 Settembre 2013. Università Roma Tre R - Esercitazione 1 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre 30 Settembre 2013 Introduzione a R R è un software open-source, per Linux, Mac OS X, Windows, distribuito secondo la licenza

Dettagli

Indice Primi passi con SPSS

Indice Primi passi con SPSS Indice 1 Primi passi con SPSS 1 1.1 Inroduzione................................. 1 1.2 L avvio di SPSS.............................. 3 1.2.1 I file di SPSS............................ 4 1.3 Importazione

Dettagli

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste per la maggior parte nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data

Dettagli

IBM SPSS Forecasting 19

IBM SPSS Forecasting 19 IBM SPSS Forecasting 19 Note: Before using this information and the product it supports, read the general information under Notices a pag. 117. This document contains proprietary information of SPSS Inc,

Dettagli

Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza

Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza 3 maggio 2005 Esercizio 1 Consideriamo l esempio del libro di testo Annette

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

Appunti per gli studenti. Modelli Quantitativi per il Marketing materiale delle lezioni di laboratorio

Appunti per gli studenti. Modelli Quantitativi per il Marketing materiale delle lezioni di laboratorio UNIVERSITÀ DI BOLOGNA FACOLTÀ DI ECONOMIA CORSO DI LAUREA IN ECONOMIA E MARKETING Appunti per gli studenti Modelli Quantitativi per il Marketing materiale delle lezioni di laboratorio VERSIONE PRELIMINARE

Dettagli

FACOLTA DI PSICOLOGIA Scienze della Mente TESINA DI INFORMATICA. Fossataro Carlotta Di Rienzo Ariana Basso Alessandra Marchetto Helena

FACOLTA DI PSICOLOGIA Scienze della Mente TESINA DI INFORMATICA. Fossataro Carlotta Di Rienzo Ariana Basso Alessandra Marchetto Helena FACOLTA DI PSICOLOGIA Scienze della Mente TESINA DI INFORMATICA Fossataro Carlotta Di Rienzo Ariana Basso Alessandra Marchetto Helena SPSS INDICE INTRODUZIONE...3 FINESTRE...4 EDITOR DEI DATI...4 OUTPUT...11

Dettagli

FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA

FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA FACOLTÀ DI ECONOMIA Soluzione della Prova di autovalutazione 2012 (primi 6 CFU) ANALISI STATISTICA PER L IMPRESA NB Come potete vedere facendo la somma dei punteggi il numero di quesiti è superiore a quello

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

Soluzioni Esercizi elementari

Soluzioni Esercizi elementari Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,

Dettagli

Introduzione a Matlab

Introduzione a Matlab Introduzione a Matlab 1 Introduzione Matlab (MATrix LABoratory) è un software per il calcolo scientifico, particolarmente sviluppato per quanto riguarda la gestione ed elaborazione di vettori e matrici.

Dettagli

Capitolo 7 Guida operativa del programma TQ Controlla

Capitolo 7 Guida operativa del programma TQ Controlla Capitolo 7 Guida operativa del programma TQ Controlla Panoramica delle funzionalità Fornisce un ampio ventaglio di strumenti per il controllo statistico dei processi (SPC) in modo da soddisfare ogni esigenza

Dettagli

IBM SPSS Regression 19

IBM SPSS Regression 19 IBM SPSS Regression 19 Note: Before using this information and the product it supports, read the general information under Notices a pag. 46. This document contains proprietary information of SPSS Inc,

Dettagli

CIRCUITI INTELLIGENTI Parte 5: PCA e ICA

CIRCUITI INTELLIGENTI Parte 5: PCA e ICA Ing. Simone SCARDAPANE Circuiti e Algoritmi per l Elaborazione dei Segnali Anno Accademico 2012/2013 Indice della Lezione 1. Analisi delle Componenti Principali 2. Auto-Associatori 3. Analisi delle Componenti

Dettagli

3) ANALISI DEI RESIDUI

3) ANALISI DEI RESIDUI 3) ANALISI DEI RESIDUI Dopo l analisi di regressione si eseguono alcuni test sui residui per avere una ulteriore conferma della validità del modello e delle assunzioni (distribuzione normale degli errori,

Dettagli

Metodi di previsione

Metodi di previsione Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

Laboratorio di Chimica Fisica 04/03/2015. Introduzione all uso di Microcal Origin 6.0 (TM)

Laboratorio di Chimica Fisica 04/03/2015. Introduzione all uso di Microcal Origin 6.0 (TM) Introduzione all uso di Microcal Origin 6.0 (TM) Origin lavora solo in ambiente Windows, ma ci sono degli omologhi per linux e apple. Sui computer del laboratorio è installato windows XP e troverete la

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni

Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Note. Si pensi di poter rispondere alle seguenti domande avendo l ausilio di: 1) un foglio con l elenco

Dettagli

Foglio elettronico (StarOffice)

Foglio elettronico (StarOffice) Modulo Foglio elettronico (StarOffice) Modulo - Foglio elettronico, richiede che il candidato comprenda il concetto di foglio elettronico e dimostri di sapere usare il programma corrispondente. Deve comprendere

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard DISTRIBUZIONE DI FREQUENZE PER CARATTERI QUALITATIVI Questa nota consiste per la maggior parte nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000,

Dettagli

Lezioni di Econometria. Gianni Amisano

Lezioni di Econometria. Gianni Amisano Lezioni di Econometria Gianni Amisano Febbraio 1999 2 Premessa Queste note, che costituiscono il materiale di riferimento per gli studenti del corso di econometria attivato presso la Facoltà di Economia

Dettagli

Gianluca Della Vedova. Laboratorio Statistico-Informatico. Altre finestre. Finestre. Data Step. Data set. Data Step: Importazione.

Gianluca Della Vedova. Laboratorio Statistico-Informatico. Altre finestre. Finestre. Data Step. Data set. Data Step: Importazione. Univ. Milano Bicocca http://gianluca.dellavedova.org Lab. Statistico-Informatico Ufficio U7-244 http://gianluca.dellavedova.org gianluca.dellavedova@unimib.it 28 febbraio 2012, revisione 3fa2281 Finestre

Dettagli

Laboratorio di ST1 Lezione 2

Laboratorio di ST1 Lezione 2 Laboratorio di ST1 Lezione 2 Claudia Abundo Dipartimento di Matematica Università degli Studi Roma Tre Frequenze in R ESEMPIO Fiori preferiti da n=6 ragazze In R: fiori=c("rosa", "orchidea", "violetta",

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato Analizza/Confronta medie ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107 t-test test e confronto tra medie chi quadrato C.d.L. Comunicazione e Psicologia a.a. 2008/09 Medie Calcola medie e altre statistiche

Dettagli

Indice. pag. 15. Prefazione. Introduzione» 17

Indice. pag. 15. Prefazione. Introduzione» 17 Indice Prefazione 15 Introduzione 17 1. Pianificazione della qualità 1.1. Il concetto di 6 sigma 1.1.1. Le aree e le fasi del sei sigma 1.2. I processi produttivi e la variabilità 1.2.1. Cause comuni 1.2.2.

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio2_dati.xls.

Dettagli

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E 1. Previsione per modelli ARM A Questo capitolo è dedicato alla teoria della previsione lineare per processi stocastici puramente non deterministici, cioè per processi che ammettono una rappresentazione

Dettagli

Computazione per l interazione naturale: Modelli dinamici

Computazione per l interazione naturale: Modelli dinamici Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html

Dettagli

Metodi statistici e probabilistici per l ingegneria. Corso di Laurea in Ingegneria Civile A.A. 2009-10. Facoltà di Ingegneria. Università di Padova

Metodi statistici e probabilistici per l ingegneria. Corso di Laurea in Ingegneria Civile A.A. 2009-10. Facoltà di Ingegneria. Università di Padova Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 29- Facoltà di Ingegneria Università di Padova Docente: Dott. L. Corain ESERCIZIO (TEST AD UN CAMPIONE) Un

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

Appunti di Econometria

Appunti di Econometria Appunti di Econometria ARGOMEO [5]: ANALISI DEI DATI PANEL Maria Luisa Mancusi Università Bocconi Novembre 2009 1 I dati panel Un panel è un campione che contiene osservazioni su N individui per T anni.

Dettagli

ANOVA a un fattore between in R

ANOVA a un fattore between in R ANOVA a un fattore between in R Il file Excel Il file sinburn.xlsx contiene i dati dello studio sulla sindrome da burnout in quindici infermieri ospedalieri di tre diversi reparti. Importare dati in R

Dettagli

Elementi di Psicometria

Elementi di Psicometria Elementi di Psicometria 12-Correlazione vers. 1.1 (27 novembre 2012) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2011-2012 G. Rossi (Dip. Psicologia)

Dettagli

General Linear Model. Esercizio

General Linear Model. Esercizio Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue

Dettagli