Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione
|
|
- Raffaela Danieli
- 8 anni fa
- Visualizzazioni
Transcript
1 Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Esercizio 1 Si consideri il seguente modello ad effetti fissi con variabili binarie: a) supponete che N=3. Si mostri che i regressori binari e la costante sono perfettamente collineari, ovvero che una delle variabili 1,2,3 e x 0,it possono essere espressi come funzione lineare perfetta delle altre variabili, dove X 0,it =1 per ogni i,t. b) Si estenda il risultato al punto a) ad un N generico. c) Cosa accadrebbe se si tentasse di stimare i coefficienti della regressione con gli OLS? Soluzione Scriviamo le osservazioni relative alle variabili binarie e alla costante per ognuna delle 3 i e per l istante generico t. (a) Per ciascuna osservazione i, c è un solo regressore binario uguale a 1. Cioè, D1 + D2 + D3 = 1 = X. i i i 0, it Consideriamo per esempio i=1. Avremo che D1 1 =1, D 2 1 =0, D 3 1 =0 e X 01 =1, perciò D1 1 = D2 1 +D3 1 + X 01 =1; oppure X 01 = D1 1 +D2 1 +D3 1 =1. Per i=1 ciascun regressore binario =1 (per i=1 ne abbiamo 2: D1 e X 0 ) può essere scritto come combinazione lineare perfetta degli altri 3 regressori binari, pertanto uno dei due è ridondante. Stessa cosa per i= 2 e per i=3. Per i=2 avremo: D1 1 =0, D 2 1 =1, D 3 1 =0 e X 01 =1, perciò D2 1 = D1 1 +D3 1 + X 01 =1. (b) Per ciascuna osservazione i, c è un solo regressore binario uguale a 1. Cioè, D1i + D2i + L + Dni = 1 = X0, it. (c) L inclusione di tutti i regressori binari e della costante causa perfetta multicollinearità. La costante è una funzione lineare perfetta degli n regressori binari. In questo caso lo stimatore OLS non può essere calcolato. Il software che usate per le stime di solito produce un avvertimento in questo caso o elimina uno dei regressori binari. Esercizio 2 Si consideri il modello con effetti fissi: a) Nel modello di regressione con effetti fissi, gli effetti fissi sono stimati in modo consistente per con T fisso? b) Se N è grande (per esempio 2000) ma T è piccolo (T=4), si può pensare che i valori stimati di siano approssimativamente normalmente stimati? Perché sì e perché no? 1
2 Soluzione (a) Scriviamo il modello senza il regressore x:. Se l errore è in media zero, il valore medio degli effetti fissi per l entità i sarà che ha varianza. Questa varianza non si riduce all aumentare di N, pertanto non è consistente. (b) La media in a) è calcolata su T osservazioni. In questo caso T è piccolo (T=4) pertanto l assunzione di normalità non ha una probabilità elevata di essere vera. Esercizio 3 Il seguente è un panel di dati sugli investimenti (y) e sui profitti (x) di n=3 imprese su T=2 periodi. a) Considerate i dati pooled e calcolate i coefficienti della regressione OLS del modello y it = α + βx it + ε it b) Stimate il modello a effetti fissi in deviazioni dalle medie di gruppo. Supponete che la statistica F(1, 5), per testare l ipotesi che le intercette delle imprese siano tutte uguali, sia pari a 15. Cosa concludete? Potete affermare che il modello a effetti fissi rappresenta la specificazione corretta della funzione di investimento? t i=1 i=2 i=3 y x y x y x Soluzione a) sappiamo che nel modello pooled l algoritmo dello stimatore OLS di.... e che lo stimatore OLS di.... con , , ,438 17, , ,596,, =0,754 2 e ,640,75417,438 17,64 13,149 4,491 b) il modello è = β(x it -+ (ε it - e l algoritmo dello stimatore OLS è:..
3 19,27; 20,455; 16,925; 19,81; 18,885; 14,225; 133, , , ,941 0,821 Il valore della statistica F con 1 (numero delle pendenze) e 5 (NT-1=6-1) gradi di libertà ci consente di rifiutare l ipotesi nulla che le 3 imprese abbiamo un intercetta comune. Ci effetti individuali fissi nel tempo. Non siamo in grado però di affermare che il modello a effetti fissi sia la specificazione corretta, perché non sappiamo ancora se gli effetti latenti individuali sono effetti casuali o sono correlati con il regressore. Esercizio 4 In questo problema applicheremo i metodi per dati panel per stimare una equazione dei salari. I dati sono estratti dall indagine Youth Sample of the National Longitudinal Survey elaborata negli USA che include un campione di 545 lavoratori full time di sesso maschile che hanno completato gli studi nel 1980 e poi sono stati seguiti negli anni dal 1980 al 1987 (T=8). Gli individui nel campione nel 1980 avevano un età compresa tra i 18 e i 23 anni ed avevano un esperienza lavorativa media di 3 anni all inizio del periodo di campionamento. La variabile dipendente è il log del salario. Le esplicative sono: gli anni di istruzione, gli anni di esperienza lavorativa e gli anni di esperienza lavorativa al quadrato, ed alcune variabili binarie che indicano: se il lavoratore considerato fa parte di un sindacato; se lavora nel settore pubblico; se è sposato; se appartiene ad una minoranza etnica. a) Supponete che siano soddisfatte le assunzioni del modello ad effetti casuali, quale dei quattro stimatori riportati nelle colonne della tavola sottostante è consistente? b) Supponete che e che Calcolate il valore di usato per trasformare i dati nello stimatore FGLS. Quale restrizione su è valida nello stimatore OLS? c) Supponete che un test di Hausman basato sul confronto tra gli stimatori a effetti fissi e gli stimatori a effetti casuali produca un valore della statistica test pari a Quale delle 4 specificazioni è corretta? d) Se assumiamo che alcune delle esplicative siano correlate con la componente transitoria del termine di errore v it quale specificazione sarebbe consistente? Soluzione a) Tutti e 4 gli stimatori sono consistenti se sono soddisfatte le ipotesi del modello a effetti casuali. b) Poiché T=8, Di conseguenza
4 Dependent Variable: Log Wage Variable Between Within OLS Random Effects Constant (0.221) (0.065) (0.111) schooling (0.011) (0.0006) (0.0006) (0.009) experience (0.050) (0.008) (0.010) (0.008) experience (0.0032) (0.0006) (0.0007) (0.0006) union member (0.047) (0.019) (0.017) (0.018) married (0.041) (0.018) (0.016) (0.017) black (0.049) (0.024) (0.048) hispanic (0.043) (0.021) (0.043) public sector (0.109) (0.039) (0.037) (0.036) 2
5 Il modello OLS implica che 1. c) Sotto l ipotesi nulla la statistica test di Hausman si distribuisce come una Chi quadrato con 5 gradi di libertà (numero delle pendenze nel modello a effetti fissi), perciò rifiutiamo l ipotesi nulla per qualunque livello di significatività. La specificazione ad effetti fissi è quella corretta. d) Si avrebbe in questo caso un problema di endogeneità. In questo caso anche lo stimatore ad effetti fissi sarebbe inconsistente. Devono essere considerati, in questo caso, stimatori e strategie di stima più complesse. Esercizio 5 Considerate il seguente modello ad aggiustamento parziale con effetti individuali. + (i=1,,n; t=1,,t). Discutete la stima di un modello di questo tipo quando T è piccolo ed N è grande, sotto le assunzioni elencate sotto. a) è una variabile strettamente esogena incorrelata con e è un errore idiosincratico (componente transitoria dell errore) potenzialmente auto correlato. b) è una variabile strettamente esogena ma è correlata con. c) è una variabile predeterminata e è iid. Soluzione a) Se è una variabile strettamente esogena la stima del modello considerato presenta comunque i seguenti problemi: 1) la componente transitoria dell errore è auto correlata e 2) il panel ha dimensione temporale T piccola e dimensione sezionale, N grande. Se l errore transitorio è auto correlato: avremo correlazione tra la dipendente ritardata: + e il termine di errore quindi, anche se la dipendente ritardata non è correlata agli effetti fissi latenti, dobbiamo comunque adottare uno stimatore con variabili strumentali. Inoltre poiché la dimensione temporale del panel è piccola, lo stimatore più adatto è il GMM di Arellano e Bond. Possiamo usare lo stimatore AB in livelli, senza ricorrere al modello in differenze, dal momento che gli effetti fissi sono incorrelati alle esplicative. b) Se è una variabile strettamente esogena ma è correlata con abbiamo un problema in più rispetto al punto a), rappresentato dagli effetti fissi individuali correlati alla. Possiamo usare una delle trasformazioni ad effetti fissi, per esempio le deviazioni dalle medie di gruppo, ma questo introduce correlazione tra la dipendente ritardata trasformata e l errore trasformato: Con la trasformazione within groups, la variabile dipendente ritardata diventa: mentre l errore diventa: (ricordate che l uso di una variabile ritardata come regressore limita il campione alle osservazioni a t=2,,t). Il problema è che il termine nella variabile è correlato negativamente con il termine nella variabile e, simmetricamente, anche i termini e si muovono insieme. Perciò anche dopo la trasformazione dei dati, la dipendente ritardata e l errore sono ancora correlati. Questa correlazione andrebbe a zero se T fosse molto grande perché i termini e diventerebbero piccolissimi, ma con T piccolo la distorsione causata da questo problema può essere molto rilevante. Per eliminare questo problema dobbiamo usare delle variabili strumentali per la dipendente ritardata. 4
6 c) è una variabile predeterminata (dipende dai valori passati dell errore) e è iid, identicamente e indipendentemente distribuito nello spazio e nel tempo. Tuttavia se ci sono effetti fissi latenti specifici ad ogni unità decisionale, la struttura dell errore composto è affetta da equi-correlazione, cioè gli errori composti sono auto correlati a causa della presenza degli effetti fissi. Questo genera un problema di endogenità della dipendente ritardata e delle variabili x it e x it-1. Se rimuoviamo gli effetti fissi con un modello in differenze prime, per esempio, gli errori in differenze, la dipendente ritardata in differenze e la variabile x it in differenze sono correlati: e + abbiamo quindi che nella dipendente ritardata in differenze è correlata a nell errore in differenze e nelle differenze prime di è correlata a nell errore in differenze, perché predeterminata. Abbiamo quindi un problema di endogenità. Il problema non viene risolto nemmeno con una delle altre trasformazioni ad effetti fissi. Anche in questo caso dobbiamo usare degli strumenti validi per le 2 variabili endogene. Esercizio 6 Usiamo un panel di paesi con informazioni sul PIL e sui livelli medi di istruzione per stimare i rendimenti sociali dell istruzione, tenendo conto di effetti dinamici. Il modello da stimare è il seguente: + (i=1,,n; t=1,,t). Dove è il PIL pro-capite per lavoratore nel paese i nell anno t e è il livello di istruzione pro-capite in anni nel paese i e nell anno t. Consideriamo gli anni istruzione come una variabile strettamente esogena, ma ipotizziamo correlazione tra gli effetti fissi relativi ai paesi e il PIL. Inoltre T è piccolo ed N è grande. a) Stimate il modello usando gli OLS pooled. Le stime di questa regressione sono consistenti? In che direzione vi aspettate che sia distorto il coefficiente? b) Stimate il modello usando lo stimatore in deviazioni dalle medie di gruppo. Le stime di questa regressione sono consistenti? In che direzione vi aspettate che sia distorto il coefficiente? c) Indicate con e con, rispettivamente, la stima OLS e WG del parametro. Rispetto a questi coefficienti, quale valore vi aspettate che assuma la stima consistente di,? d) Stimate il modello in differenze prime usando lo stimatore con variabili strumentali di Anderson-Hsiao. Vi aspettate che il valore di sia? Perché? e) Stimate il modello con lo stimatore di Arellano-Bond in differenze prime. Vi aspettate che il valore di sia? Perché? f) Testate per la presenza di auto correlazione nel termine di errore. Qual è l obiettivo del test? Che cosa concludete? 5
7 Soluzione a) Un problema immediato nell applicare gli OLS a questo problema è che la variabile y it-1 è correlata con gli effetti fissi non osservati nel termine di errore composto e questo dà luogo alla distorsione da eterogeneità non osservata. Per capire meglio questo punto supponete che il PIL del paese i subisca un forte shock negativo in uno degli anni compresi nel periodo di investigazione, a causa di una catastrofe naturale (un terremoto) che colpisce il paese i. Tale shock non è osservato e perciò è incluso nel termine di errore composto. A parità di altre condizioni, l effetto fisso non osservato per il paese considerato per l intero periodo di investigazione cioè la differenza tra l intercetta relativa a quel paese (che cattura tutti i fattori che hanno un impatto sul PIL al tempo t che sono fissi nel tempo e diversi dalle variabili esplicative incluse nel modello) e la media campionaria, cioè l intercetta media per l intero campione di paesi - sarà più basso. Al tempo t+1, sia il PIL ritardato, sia l effetto fisso saranno entrambi più bassi. Questa correlazione positiva tra un regressore (il PIL ritardato di un periodo) ed il termine di errore composto viola una delle assunzione richieste per la consistenza degli OLS. In particolare, il coefficiente del PIL ritardato (di y it-1 ) è sovrastimato (distorsione verso l alto) e pertanto attribuisce a questa variabile un potere esplicativo che in realtà è da attribuire all effetto fisso non osservato. Notate che in questo panel T è piccolo. Se T fosse molto grande, l effetto dello shock negativo sarebbe spalmato su molti periodi di tempo e diventerebbe irrilevante e perciò non ci sarebbe alcun problema di distorsione. Il coefficiente è distorto verso l alto. b) La trasformazione in deviazioni dalle medie di gruppo genera un altra distorsione, da panel dinamico (o di Nickell, 1981). Con la trasformazione within groups, la variabile dipendente ritardata diventa: mentre l errore diventa: (ricordate che l uso di una variabile ritardata come regressore limita il campione alle osservazioni a t=2,,t). Il problema è che il termine nella variabile è correlato negativamente con il termine nella variabile e, simmetricamente, anche i termini e si muovono insieme. Perciò anche dopo la trasformazione dei dati, la dipendente ritardata e l errore sono ancora correlati. Questa correlazione andrebbe a zero se T fosse molto grande perché i termini e diventerebbero piccolissimi e il problema sarebbe irrilevante. il coefficiente è distorto verso il basso. c) Possiamo considerare le stime e come i limiti superiore e inferiore dell intervallo di confidenza relativo alla stima consistente di. Ci aspettiamo che il valore di cada in questo intervallo. d) Stimando il modello in differenze con i 2SLS potremmo ottenere stime consistenti di, ma tali stime sarebbero inefficienti perché gli errori in differenze prime, Δ sono auto correlati, sotto l assunzione che gli errori in livelli, siano non correlati. I 2SLS non sono efficienti asintoticamente anche se usiamo un set di strumenti più ricco per ciascuna equazione e anche se gli errori sono omoschedastici. e) f) Stimando il modello con lo stimatore di Arellano-Bond in differenze prime il valore di sarà quello consistente. Quando T>3 e il modello è sovra identificato (abbiamo più strumenti che parametri da stimare) la validità delle condizioni dei momenti Δ 0 usate per identificare gli strumenti validi può essere testata con il test di sovra identificazione di Sargan o con il test di 6
8 Hansen. Sotto l ipotesi nulla che le condizioni dei momenti siano valide, il test di Sargan si distribuisce come una Chi-quadrato con gradi di libertà pari alla differenza tra il numero degli strumenti validi e il numero dei parametri da stimare. L assunzione identificante, in questo caso, è che non ci sia correlazione seriale negli errori in livelli. Questa assunzione (assenza di correlazione seriale negli errori in livelli) equivale adassumere che non ci sia correlazione seriale di secondo ordine nei residui in differenze prime. Per esempio: Se gli errori in livelli sono affetti da autocorrelazione del primo ordine AR(1) avremo: 1 allora gli errori in differenze prime saranno affetti da autocorrelazione di secondo ordine AR(2): 1 Δ 2 1. Di conseguenza non sarebbe uno strumento valido per l equazione in differenze prime, ma ed ulteriori ritardi continuerebbero ad essere strumenti validi. In questo caso sarebbe identificato usando un insieme più ristretto di strumenti, soltanto se T>=4. Se i sono non correlati serialmente, ci aspettiamo pertanto di trovare una correlazione seriale negativa del primo ordine nei residui in differenze per costruzione, perché 1 Δ Δ ma nessuna correlazione di secondo ordine nei residui in differenze. 7
Verifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliMODELLO 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
Dettagli1) 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
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliApplicazione 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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliRegressione 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
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliInferenza statistica I Alcuni esercizi. Stefano Tonellato
Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliMacroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo.
acroeconomia, Esercitazione 2. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 oneta/1 Sapendo che il PIL reale nel 2008 è pari a 50.000 euro e nel 2009 a 60.000 euro, che dal 2008 al
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliRegressione 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
Dettaglilezione 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
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliLineamenti 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
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile
Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliAppunti 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.
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
DettagliAnalisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni
Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliMacroeconomia, Esercitazione 6. 1 Esercizi. 1.1 Taylor rule e Domanda Aggregata Dinamica/1. 1.2 Taylor rule e Domanda Aggregata Dinamica/2
Macroeconomia, Esercitazione 6 A cura di Giuseppe Gori (giuseppe.gori@unibo.it) Esercizi. Taylor rule e Domanda Aggregata Dinamica/ Sapete che =0, 5, Y =0, 3 e che il tasso d interesse naturale è pari
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliEconometria. 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
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Regressione con Variabili Dummy Regressione con Variabili Dummy La
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliMINIMI QUADRATI. REGRESSIONE LINEARE
MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione
DettagliFUNZIONI / ESERCIZI SVOLTI
ANALISI MATEMATICA I - A.A. 0/0 FUNZIONI / ESERCIZI SVOLTI ESERCIZIO. Data la funzione f () = determinare l insieme f (( +)). Svolgimento. Poiché f (( +)) = { dom f : f () ( +)} = { dom f : f () > } si
DettagliIl vantaggio comparato. Il vantaggio comparato. Il vantaggio comparato
Il vantaggio comparato Nel giorno di San Valentino la domanda statunitense di rose è di circa 10 milioni. Coltivare rose negli Stati Uniti d inverno è difficile. E necessario l uso di serre riscaldate.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliIl 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
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
Dettagli6. Modelli statistici: analisi della regressione lineare
BIOSTATISTICA 6. Modelli statistici: analisi della regressione lineare Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliMACROECONOMIA DELLE ECONOMIE APERTE: CONCETTI E FONDAMENTI. Harcourt Brace & Company
MACROECONOMIA DELLE ECONOMIE APERTE: CONCETTI E FONDAMENTI Economie aperte o chiuse Un economia chiusa è un economia che non interagisce con altre economie nel mondo. Non ci sono esportazioni, non ci sono
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliLezione 14. Risparmio e investimento. Leonardo Bargigli
Lezione 14. Risparmio e investimento Leonardo Bargigli Risparmio e investimento nella contabilità nazionale Ripartiamo dalla definizione di PIL in termini di spesa finale Y = C + I + G + NX Consideriamo
DettagliEconomia Aperta. In questa lezione: Analizziamo i mercati dei beni e servizi in economia aperta. Analizziamo i mercati finanziari in economia aperta
Economia Aperta In questa lezione: Analizziamo i mercati dei beni e servizi in economia aperta Analizziamo i mercati finanziari in economia aperta 167 Economia aperta applicata ai mercati dei beni mercati
DettagliModelli di Programmazione Lineare e Programmazione Lineare Intera
Modelli di Programmazione Lineare e Programmazione Lineare Intera 1 Azienda Dolciaria Un azienda di cioccolatini deve pianificare la produzione per i prossimi m mesi. In ogni mese l azienda ha a disposizione
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
DettagliEconomia Aperta. In questa lezione: Analizziamo i mercati dei beni e servizi in economia aperta. Analizziamo i mercati finanziari in economia aperta
Economia Aperta In questa lezione: Analizziamo i mercati dei beni e servizi in economia aperta Analizziamo i mercati finanziari in economia aperta 158 Economia aperta applicata ai mercati dei beni mercati
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliIntroduzione alle relazioni multivariate. Introduzione alle relazioni multivariate
Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliLimited 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
DettagliLa Minimizzazione dei costi
La Minimizzazione dei costi Il nostro obiettivo è lo studio del comportamento di un impresa che massimizza il profitto sia in mercati concorrenziali che non concorrenziali. Ora vedremo la fase della minimizzazione
DettagliRegressione Logistica: un Modello per Variabili Risposta Categoriali
: un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione
DettagliIl coefficiente di correlazione di Spearman per ranghi
Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili
DettagliSOLUZIONI D = (-1,+ ).
SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni
DettagliAspettative, consumo e investimento
Aspettative, consumo e investimento In questa lezione: Studiamo come le aspettative di reddito e ricchezza futuro determinano le decisioni di consumo e investimento degli individui. Studiamo cosa determina
DettagliValore equo di un derivato. Contingent claim
Contingent claim Ci occuperemo ora di determinare il prezzo equo di un prodotto derivato, come le opzioni, e di come coprire il rischio associato a questi contratti. Assumeremo come dinamica dei prezzi
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliEsercitazione n.4 Inferenza su varianza
Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l
Dettagli