Restrizioni lineari nel MRLM: esempi
|
|
- Simone Neri
- 6 anni fa
- Visualizzazioni
Transcript
1 Restrizioni lineari nel MRLM: esempi Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Restrizioni lineari: esempi Econometria / 22
2 Funzione di produzione Cobb-Douglas Esempio GDP Messicano: GDP Messicano GDP Rossi Restrizioni lineari: esempi Econometria / 22
3 Funzione di produzione Cobb-Douglas Funzione di produzione economia messicana Modello teorico: La funzione di produzione Cobb-Douglas per l economia messicana nel periodo Funzione di produzione Cobb-Douglas: Y = AK α L β Y output K capitale L lavoro Rossi Restrizioni lineari: esempi Econometria / 22
4 Funzione di produzione Cobb-Douglas Modello di regressione lineare Prendiamo i logaritmi: ln Y t = β 1 + β 2 ln L t + β 3 ln K t + ɛ t t = 1,..., 20 Campione: (T = 20) Variabile dipendente: ln Y t Coefficiente Errore Std. rapporto t p-value const 1,6524 0,6062 2,7259 0,0144 ln L t 0,3397 0,1857 1,8295 0,0849 ln K t 0,8460 0,0933 9,0625 0,0000 Media var. dipendente 12,22605 SQM var. dipendente 0, Somma quadr. residui 0, E.S. della regressione 0, R 2 0, R 2 corretto 0, F (2, 17) 1719,231 P-value(F ) 2,41e 20 Rossi Restrizioni lineari: esempi Econometria / 22
5 Funzione di produzione Cobb-Douglas Rendimenti costanti di scala Nel periodo l economia messicana è stata caratterizzata da rendimenti costanti di scala? α + β = 1 Nel modello di regressione lineare questa ipotesi corrisponde a β 2 + β 3 = 1 Regressione ristretta imponendo β 2 = 1 β 3 ln Y t = β 1 + (1 β 3 ) ln L t + β 3 ln K t + ɛ t ln Y t ln L t = β 1 + β 3 (ln K t ln L t ) + ɛ t [ Y ] [ K ] ln = β 1 + β 3 ln + ɛ t t = 1,..., 20 L L t t Rossi Restrizioni lineari: esempi Econometria / 22
6 Funzione di produzione Cobb-Douglas Test di restrizioni lineari Variabile dipendente: ln [ Y L Coefficiente Errore Std. rapporto t p-value const [ ] 0, 495 0,122 4, 061 0,001 ln K L 1, 015 0,036 28, 106 0,000 t Media var. dipendente 2, SQM var. dipendente 0, Somma quadr. residui 0, E.S. della regressione 0, R 2 0, R 2 corretto 0, F (1, 18) 789,9271 P-value(F ) 2,53e 16 ] t Rossi Restrizioni lineari: esempi Econometria / 22
7 Funzione di produzione Cobb-Douglas Test di restrizioni lineari Test F: F = ũ ũ û û n k 1 û = û q 0, , = 3, 78 0, Il p-value è pari a Accettiamo l ipotesi di rendimenti costanti di scala. Rossi Restrizioni lineari: esempi Econometria / 22
8 I t i t log p t Y t t Variabili investimento reale tasso d interesse nominale tasso d inflazione prodotto reale trend Dati: osservazioni. log I t = β 1 + β 2 i t + β 3 log p t + β 4 log Y t + β 5 t + ε t t = 1,..., N il modello dice che gli investitori sono sensibili al tasso d interesse nominale, i t, al tasso d inflazione, log p t, all output reale (log Y t ), e ad altri fattori che hanno un trend crescente. Rossi Restrizioni lineari: esempi Econometria / 22
9 Stime OLS con 203 osservazioni 1950 : : 4 Variabile Dipendente: log I t Variabile Stima Std. Error t p-value const i t log p t log Y t t Rossi Restrizioni lineari: esempi Econometria / 22
10 Modello investimentto Media campionaria della y 6,30947 Deviazione standard della y 0, SSR 1,47057 Standard error dei residui (s) 0, R 2 0, R 2 0, F (4.198) 2395,23 Statistica Durbin-Watson 0, Rossi Restrizioni lineari: esempi Econometria / 22
11 t(198,.025) = 1,972 Variabile Stima Intervallo di confidenza 95% const -9,12843 (-11,8202;-6,4367) i t -0, (-0,0149;-0, ) log Y t 1,93016 (1,5687; 2,2916) log p t 1,32248 (-0,5200;3,1659) t -0, (-0,008593;-0,002725) Rossi Restrizioni lineari: esempi Econometria / 22
12 7.5 Fitted Actual Actual and Fitted log_i log(i)_t Rossi Restrizioni lineari: esempi Econometria / 22
13 0.4 Residuals Residual Rossi Restrizioni lineari: esempi Econometria / 22
14 4 Ellisse di confidenza al 95% e intervalli marginali al 95% ld_cpi_u ,93, 1, log_y Rossi Restrizioni lineari: esempi Econometria / 22
15 Se gli investitori rispondono solo a variazioni dei tassi d interesse reali, nell equazione log I t = β 1 + β 2 i t + β 3 log p t + β 4 log Y t + β 5 t + ε t t = 1,..., n ciò implica che Dobbiamo verificare β 2 + β 3 = 0. H 0 : β 2 + β 3 = 0 H 1 : β 2 + β 3 0 Rossi Restrizioni lineari: esempi Econometria / 22
16 Con errori omoschedastici: H 0 : Rβ = [0, 1, 1, 0, 0] β 1. β 5 = 0 F = (R β r) [R(X X) 1 R ] 1 (R β rc) s 2 = ( β 2 + β 3 )[R(X X) 1 R ] 1 ( β 2 + β 3 ) s 2 V ar(r β r) X) = s 2 [R(X X) 1 R ] ( SE( β 2 + β 3 ) = V ar(r β X) ) 1/2 ( SE( β 2 + β 3 ) = V ar[ β2 X] + V ar[ β 3 X] + 2Cov[ β 2, β 2 X] ) 1/2 Rossi Restrizioni lineari: esempi Econometria / 22
17 Con errori omoschedastici e gaussiani: F = ( β 2 + β 3 ) ( 2 Var[ β2 X] + Var[ β ) F (1,198) 3 X] + 2Cov[ β 2, β 2 X] with t = F 1/2 ( β 2 + = β 3 ) Var[ β2 X] + Var[ β 3 X] + 2Cov[ β 2, β 2 X] Cov[ β 2, β 2 X] = t (198) SE( β 2, β 3 ) = (0, , ( 3, )) 1/2 = 0, t = ( 0, , 00331) 0, = 1, 845 Rossi Restrizioni lineari: esempi Econometria / 22
18 Stime ristrette Variabile Stima Std. Error t p-value const 7, , , 589 < 0, *** i t 0, , , 950 0, * log p t 0, , , 950 0, * log Y t 1, , , 987 < 0, *** t 0, , , 308 0, *** 1 Standard error dei residui s = 0, ũ ũ = (0, ) 2 (203 4), 3 F = 3, 39913, p-value = 0, , F (1, 198). Rossi Restrizioni lineari: esempi Econometria / 22
19 Riparametrizzazione del modello in modo tale che la statistica t prodotta dal software sia usata per verificare un ipotesi congiunta. Aggiungiamo e sottraiamo β 2 log p t log I t = β 1 + β 2 (i t log p t ) + (β 2 + β 3 ) log p t + β 4 log Y t + β 5 t + ε t log I t = δ 1 +δ 2 (i t log p t )+δ 3 log p t +δ 4 log Y t +δ 5 t+ε t in questa regressione H 0 : δ 3 = 0 corrisponde alla nulla nel modello precedente t = 1,..., n β 2 + β 3 = 0 Rossi Restrizioni lineari: esempi Econometria / 22
20 Variabile Stime Std.error t p-value const -9, , ,688 < 0, *** log Y t 1, , ,532 < 0, *** log p t -2, , ,844 0,06663 * t -0, , ,803 0,00019 *** i t log p t -0, , ,692 0,00772 *** t( ˆδ 3 ) = 1, 844 Rossi Restrizioni lineari: esempi Econometria / 22
21 Infine, consideriamo le ipotesi congiunte: β 2 + β 3 = 0 β 4 = 1 β 5 = 0 Rossi Restrizioni lineari: esempi Econometria / 22
22 Variabile Stime Std.error t p-value const -2, , ,32 < 0, *** i t 0, , ,029 0,04379 ** log p t -0, , ,029 0,04379 ** log Y t 1 0 t 0 0 F (3, 198) = 109, 841, con p-value = 6, 59341e 042. Rossi Restrizioni lineari: esempi Econometria / 22
Test di restrizioni lineari nel MRLM: Esempi
Test di restrizioni lineari nel MRLM: Esempi Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Test F: esempi 2012 1 / 23 Funzione di produzione Cobb-Douglas Esempio GDP
DettagliUna stima aggregata dell effetto Brunetta Risultati molto preliminari
Una stima aggregata dell effetto Brunetta Risultati molto preliminari Leonello Tronti (Consigliere economico del Ministro) Seminario Assenteismo: i lavori della commissione 22 giugno 2009 Ipotesi di lavoro
DettagliMinimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi
Minimi quadrati ordinari Interpretazione geometrica Eduardo Rossi Il MRLM Il modello di regressione lineare multipla è usato per studiare le relazioni tra la variabile dipendente e diverse variabili indipendenti
DettagliMinimi quadrati vincolati e test F
Minimi quadrati vincolati e test F Impostazione del problema Spesso, i modelli econometrici che stimiamo hanno dei parametri che sono passibili di interpretazione diretta nella teoria economica. Consideriamo
DettagliCapitolo 1 MODELLI ECONOMICI DEL TASSO DI CAMBIO 11
Indice INTRODUZIONE p. 8 Capitolo 1 MODELLI ECONOMICI DEL TASSO DI CAMBIO 11 1.1 - TASSI DI CAMBIO E MERCATI VALUTARI: APPROCCIO DI PORTAFOGLIO 11 1.1.1 TASSI DI CAMBIO E TRANSAZIONI INTERNAZIONALI Prezzi
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliIl modello di regressione lineare multivariata
Il modello di regressione lineare multivariata Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2015 Rossi MRLM Econometria - 2015 1 / 39 Outline 1 Notazione 2 il MRLM - Assunzioni 3 OLS 4 Proprietà
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:
esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliPolitica Economica (5 CFU) Studio dell economia reale nel lungo periodo: accenni alla teoria della crescita
Politica Economica (5 CFU) Il corso è suddiviso in due parti: Studio dell economia reale nel lungo periodo: accenni alla teoria della crescita Il materiale sarà fornito durante il corso Studio dell economia
DettagliUniversità di Pavia. Test diagnostici. Eduardo Rossi
Università di Pavia Test diagnostici Eduardo Rossi Test diagnostici Fase di controllo diagnostico: controllo della coerenza tra quanto direttamente osservato e le ipotesi statistiche adottate Ipotesi MRLM
DettagliAnalisi di Regressione Multivariata. β matrice incognita dei coeff. di regressione (regr. lineare in β)
Analisi di Regressione Multivariata Regressione: metodologia per dedurre info e per anticipare risposte di una variabile dip. Modello classico di regressione lineare: Y {z} n k = {z} X β + ρ {z} {z} n
DettagliAnalisi della regressione multipla
Analisi della regressione multipla y = β 0 + β 1 x 1 + β 2 x 2 +... β k x k + u 2. Inferenza Assunzione del Modello Classico di Regressione Lineare (CLM) Sappiamo che, date le assunzioni Gauss- Markov,
DettagliData Mining. Prova parziale del 20 aprile 2017: SOLUZIONE
Università degli Studi di Padova Corso di Laurea Magistrale in Informatica a.a. 2016/2017 Data Mining Docente: Annamaria Guolo Prova parziale del 20 aprile 2017: SOLUZIONE ISTRUZIONI: La durata della prova
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliESERCITAZIONE ECONOMETRIA
ESERCITAZIONE ECONOMETRIA Giovanni Angelini giovanni.angelini3@unibo.it 0541-434058 Ricevimento: Venerdì 10-12, piano terra di palazzo Diamante Novembre 2012 ESERCITAZIONE ECONOMETRIA I. BREVE INTRODUZIONE
DettagliRegressione multipla
Regressione multipla L obiettivo è costruire un modello probabilistico per spiegare la variabile y tramite più di una variabile indipendente x 1, x 2,..., x k. Esempio: Per un efficiente progettazione
DettagliOld Faithful, Yellowstone Park. Statistica e biometria. D. Bertacchi. Dati congiunti. Tabella. Scatterplot. Covarianza. Correlazione.
Coppie o vettori di dati Spesso i dati osservati sono di tipo vettoriale. Ad esempio studiamo 222 osservazioni relative alle eruzioni del geyser Old Faithful. Old Faithful, Yellowstone Park. Old Faithful
DettagliStudio Qualitativo di Funzione
Studio Qualitativo di Funzione Reperire un certo numero di informazioni per descrivere a livello qualitativo l andamento del grafico di una funzione f 1. campo di esistenza (cioè, l insieme di definizione)
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliIl modello di regressione lineare multipla con regressori stocastici
Università di Pavia Il modello di regressione lineare multipla con regressori stocastici Eduardo Rossi Il valore atteso condizionale Modellare l esperimento casuale bivariato nel quale le variabili casuali
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliCAPITOLO 1 LA FUNZIONE DI PRODUZIONE E LA CRESCITA ECONOMICA
CAPITOLO 1 LA FUZIOE DI PRODUZIOE E LA CRESCITA ECOOMICA 11 La funzione di produzione Data una funzione di produzione in cui la quantità prodotta () dipende dalla quantità di capitale () e di lavoro ()
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
Dettaglilezione 5 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - le stime OLS ci consentono di approssimare linearmente la relazione fra una variabile dipendente (Y) e una indipendente (X) - i parametri stimati su un
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliIndice. Prefazione all edizione italiana, di Piero Veronese » XI. Prefazione
Indice Prefazione all edizione italiana, di Piero Veronese pag. IX Prefazione 1. EE: un introduzione alle distribuzioni di probabilità e ai metodi di stima statistica 1.1. EE: incertezza e probabilità
Dettagli4 ESERCITAZIONE. Esercizi svolti: Capitolo 5 Modello IS-LM. Esercizio 3 (1 parte)
4 ESERCITAZIONE Esercizi svolti: Capitolo 5 Modello IS-LM Esercizio 3 (1 parte) 1 ESERCIZI CAPITOLO 5 MODELLO IS-LM Finora abbiamo considerato SEPARATAMENTE: Equilibrio del mercato dei beni (Cap. 3) 1
DettagliEx. 1 & 2: Costi, curve apprendimento ed economie di scala
Ex. 1 & 2: Costi, curve apprendimento ed economie di scala Economia Applicata M Andrea Bastianin Argomenti 1. Rendimenti di scala 2. Curve di apprendimento Riferimenti: Berndt, cap. 3 Nerlove, M. (1963).
DettagliLa funzione di produzione e l isoquanto di produzione
Corso di Economia Agraria Case Study La funzione di produzione e l isoquanto di produzione Articolo di riferimento: Moore M., Gollehon. egri D.H., Alternative Forms of Production Functions of Irrigated
DettagliUNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA TESI: Confronto tra modelli predittivi per l inflazione: Una verifica empirica per gli USA.
DettagliModelli Log-lineari Bivariati
Modelli Log-lineari Bivariati Luca Stefanutti Università di Padova Dipartimento di Psicologia Applicata Via Venezia 8, 35131 Padova L.Stefanutti (Università di Padova) Modelli Log-lineari 1 / 71 Contenuti
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
Dettaglilezione 9 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Dove siamo arrivati? - la regressione lineare multipla ci permette di stimare l effetto della variabile X sulla Y tenendo ferme tutte le altre variabili osservabili che hanno
DettagliFacoltà di Scienze Statistiche Corso di Laurea in Statistica ed Informatica per l Azienda ESERCIZI DI ALLENAMENTO a.a.
Facoltà di Scienze Statistiche Corso di Laurea in Statistica ed Informatica per l Azienda ESERCIZI DI ALLENAMENTO a.a. 2008 PARTE I 1. Si consideri il seguente modello di regressione lineare su dati cross
DettagliFasi del modello di regressione
Fasi del modello di regressione Specificazione del modello: scelta del tipo di funzione da utilizzare per descrivere un fenomeno; definizione delle ipotesi di base Stima dei parametri: uso di stimatori
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
DettagliFunzioni di regressione non lineari
Funzioni di regressione non lineari Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2013 Rossi Regressione nonlineare Econometria - 2013 1 / 25 Sommario Funzioni di regressione non lineari - note
Dettagli1. calcolare la funzione dei costi totali di breve periodo
Domanda 1 Data la funzione di utilità CES U= (x 1 1/3 + x 2 1/3 ) 3, indicando con p 1 il prezzo del bene 1; p 2 il prezzo del bene 2 e I il reddito a) Definire e derivare la domanda Marshalliana b) Derivare
Dettaglilezione 7 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove siamo arrivati? - se siamo interessati a studiare l andamento congiunto di due fenomeni economici - possiamo provare a misurare i due fenomeni e poi usare la lineare semplice
DettagliEconomia dei tributi Modulo. La politica di bilancio nel quadro dei vincoli e delle regole dell Unione Europea
Corso di laurea magistrale in Consulenza professionale per le aziende Corso di laurea magistrale in Economia e management Economia dei tributi Modulo La politica di bilancio nel quadro dei vincoli e delle
DettagliIL MODELLO DI REGRESSIONE LINEARE SEMPLICE E MULTIPLA* La violazione delle ipotesi. Statistica Economica A.A. 2011/2012. Prof.ssa Tiziana Laureti
IL MODELLO DI REGRESSIONE LINEARE SEMPLICE E MULTIPLA* La violazione delle ipotesi Statistica Economica A.A. 2011/2012 Prof.ssa Tiziana Laureti *Libro di testo: Stock J.H. e Watson, M.W. Introduzione all
Dettaglilezione 8 AA Paolo Brunori
AA 2016-2017 Paolo Brunori regressione multipla con n = k Immaginate di voler studiare i determinanti del voto all esame di econometria Y = β 1 X 1 + u Y i = β 1 H i + u i H=ore studiate alla settimana
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliConvergenza non condizionata
Economia Internazionale Economia dello Sviluppo Lezione 5 La convergenza nelle dinamiche di crescita A.A 2007-2008 Stefano Usai Convergenza non L ipotesi di convergenza non e basata sull assunzione che
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliLaurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Successioni e loro limiti
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Successioni e loro limiti Docente: Anna Valeria Germinario Università di Bari A.V.Germinario (Università di
DettagliRegressione Semplice. Correlazioni. sconto leverage. sconto Correlazione di Pearson 1,275. Sign. (a due code),141
Regressione Semplice Analisi Per avere una prima idea della struttura di dipendenza fra le variabili in esame, possiamo cominciare col costruire la matrice di correlazione delle variabili presenti nel
DettagliAnalisi descrittiva: calcolando medie campionarie, varianze campionarie e deviazioni standard campionarie otteniamo i dati:
Obiettivi: Esplicitare la correlazione esistente tra l altezza di un individuo adulto e la lunghezza del suo piede e del suo avambraccio. Idea del progetto: Il progetto nasce dall idea di acquistare scarpe
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 25 Maggio 2015 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliIntroduzione alla Regressione Logistica
Introduzione alla Regressione Logistica Contenuto regressione lineare semplice e multipla regressione logistica lineare semplice La funzione logistica Stima dei parametri Interpretazione dei coefficienti
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliDerivazione Numerica
Derivazione Numerica I metodi alle differenze finite sono basati sull approssimazione numerica di derivate parziali. Per questo consideriamo come problema iniziale quello di approssimare le derivate di
DettagliFunzione di Produzione e Misura della Produttività
Funzione di Produzione e Misura della Produttività Quesito Nell ambito delle proprietà di una funzione di produzione, illustrare differenze e collegamenti fra produttività marginale dei fattori e rendimenti
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliRAPPORTO CER Aggiornamenti
RAPPORTO CER Aggiornamenti 12 Ottobre 2012 LO SPREAD PROSSIMO VENTURO Quanto potrà scendere lo spread Btp-Bund dopo le misure di austerità fiscale? Per rispondere, forniamo una semplice stima derivata
DettagliProduzione. Giancarlo Gozzi. Marzo Dipartimento di Scienze Economiche Università di Bologna
Produzione Giancarlo Gozzi Dipartimento di Scienze Economiche Università di Bologna Marzo 2017 Sommario Produzione: breve e lungo periodo Tecnologia Analisi di breve periodo: curve di produttività Curva
DettagliConfronto fra gruppi: il metodo ANOVA. Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23
Confronto fra gruppi: il metodo ANOVA Nicola Tedesco (Statistica Sociale) Confronto fra gruppi: il metodo ANOVA 1 / 23 1 Nella popolazione, per ciascun gruppo la distribuzione della variabile risposta
DettagliRegressioni Non Lineari
Regressioni Non Lineari Fino ad ora abbiamo solo considerato realazioni lineari Ma le relazioni lineari non costituiscono sempre le migliori approssimazioni La regressione multipla può anche essere formulata
DettagliREGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori
REGRESSIONE lineare e CORRELAZIONE Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori Y X La NATURA e la FORZA della relazione tra variabili si studiano con la REGRESSIONE
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliUniversità degli Studi di Roma - La Sapienza, Facoltà di Architettura Formulario di Matematica *
Università degli Studi di Roma - La Sapienza, Facoltà di Architettura Formulario di Matematica *. Distanza tra due punti A ; ) e B ; ) del piano cartesiano: AB = ) + ) +. Punto medio M del segmento AB
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
Dettagli0.1 Percorrenza e Cilindrata
0.1 Percorrenza e Cilindrata Iniziamo ora un analisi leggermente più complessa basata sempre sui concetti appena introdotti. Innanzi tutto possiamo osservare, dal grafico ottenuto con il comando pairs,
DettagliEsame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliRegressione lineare multipla
Regressione lineare multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2014 Rossi Regressione lineare Econometria - 2014 1 / 31 Outline 1 La distorsione da variabili omesse 2 Causalità 3 Misure
DettagliStima dei sistemi di equazioni simultanee
Università di Pavia Stima dei sistemi di equazioni simultanee Eduardo Rossi University of Pavia Stima dei SES Limited Information OLS 2STLS K CLASS H CLASS Full Information FIMLE 3STLS FIIV Eduardo Rossi
DettagliIL MODELLO DI CRESCITA DI SOLOW
IL MODELLO DI CRESCITA DI SOLOW C. SARDONI Indice 1. Introduzione 1 2. La funzione di produzione well-behaved 1 3. La dinamica: il modello di solow 3 4. Il progresso tecnico 6 Appendice A. La distribuzione
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 10. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 10 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 REGRESSIONE LINEARE Date due variabili quantitative, X e Y, si è
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
DettagliCapitolo 9 La produzione
Capitolo 9 La produzione LA PRODUZIONE Le risorse che le imprese usano per produrre beni e servizi sono dette fattori produttivi o input I beni e i servizi realizzati dalle imprese sono definiti semplicemente
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliFac-simile prova di esame
UNIVERSITÀ CA FOSCARI DI VENEZIA FACOLTÀ DI ECONOMIA Statistica Computazionale I Prof. Stefano Tonellato COGNOME.................................... NOME.................................... MATRICOLA....................................
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione
DettagliRICHIAMI DI STATISTICA DESCRITTIVA E DI INFERENZA: LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE
RICHIAMI DI STATISTICA DESCRITTIVA E DI INFERENZA: LA VERIFICA DI IPOTESI: TEST BASATI SU UN CAMPIONE 1 La verifica di ipotesi Finora abbiamo visto come si utilizza una statistica campionaria per stimare
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliIntroduzione al corso di Econometria
Università di Pavia Introduzione al corso di Econometria Eduardo Rossi Che cos è l econometria? Gli economisti sono interessati alle relazioni fra diverse variabili, per esempio la relazione tra salari
DettagliIndice. Prefazione...
Indice Prefazione... IX 1 Introduzione... 1 1.1 L'econometria.... 1 1.2 Struttura del volume... 2 1.3 Esempi ed esercizi... 4 2 Introduzione al modello di regressione lineare... 6 2.1 I minimi quadrati
Dettagli= i = ( ) (12) = 0,02049 = 2,049%
1. (a) Calcolare, nel regime dell interesse composto, l interesse I ed il montante M di 5000 euro impiegati per 3 anni e 5 mesi al tasso annuo i = 2%. [3 punti] (b) A quale tasso annuo d interesse semplice
DettagliRegressione lineare semplice: inferenza
Regressione lineare semplice: inferenza Eduardo Rossi 2 2 Università di Pavia (Italy) Marzo 2014 Rossi Regressione lineare semplice Econometria - 2014 1 / 60 Outline 1 Introduzione 2 Verifica di ipotesi
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
Dettaglilezione 10 AA Paolo Brunori
AA 2016-2017 Paolo Brunori Redditi svedesi - il dataset contiene i dati di reddito di 838 individui - il dataset contiene le variabili: sex = sesso age = età edu = anni di istruzione y_gross = reddito
DettagliAssunzioni (Parte I)
Assunzioni (Parte I) A M D Marcello Gallucci marcello.gallucci@unimib.it Lezione 10 Modello Lineare Generale La regressione semplice e multipla e l'anova sono sottocasi del modello lineare generale (GLM)
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
Dettaglilezione 6 AA Paolo Brunori
AA 2016-2017 Paolo Brunori consumo di tabacco in Turchia 1960-1988 fonte: Tansel, 1993, pubblicato su Applied Economics consumo di tabacco in Turchia fra il 1960 al 1988 year = anno Q = quantità pro capite
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
Dettagli