Esercitazione # 2 Maggio 2019

Documenti analoghi
Modelli Statistici per l Economia. Regressione lineare con un singolo regressore (terza parte)

1. variabili dicotomiche: 2 sole categorie A e B

PARTE I ARGOMENTI PROPEDEUTICI

Minimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi

COGNOME.NOME...MATR..

Università di Pavia Econometria Esercizi 4 Soluzioni

STATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo

La multicollinearità sorge quando c è un elevata correlazione tra due o più variabili esplicative.

Università di Pavia Econometria. Minimi quadrati ordinari Interpretazione geometrica. Eduardo Rossi

Il modello di regressione lineare multipla. Il modello di regressione lineare multipla

Economia Pubblica e Storia Economica Fausto Pacicco

Fasi del modello di regressione

s a Inferenza: singolo parametro Sistema di ipotesi: : β j = β j0 H 1 β j0 statistica test t confronto con valore t o p-value

Regressione Lineare Semplice e Correlazione

STATISTICA MULTIVARIATA SSD MAT/06

Statistica per le ricerche di mercato. 12. Violazione delle ipotesi nel modello di regressione lineare

Metodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello

IL MODELLO DI REGRESSIONE LINEARE SEMPLICE E MULTIPLA* La violazione delle ipotesi. Statistica Economica A.A. 2011/2012. Prof.ssa Tiziana Laureti

CORSO DI LAUREA MAGISTRALE: SCIENZE DELL ECONOMIA

Il modello di regressione lineare multipla

TEST NON PARAMETRICO DI MANN-WHITNEY

Esercitazioni di Statistica Dott.ssa Cristina Mollica

Metodi statistici per le ricerche di mercato

2. SPECIFICAZIONE DI UN MODELLO DI REGRESSIONE MULTIPLA

lezione 9 AA Paolo Brunori

Indice. Prefazione...

ECONOMETRIA: Laboratorio III

Microeconometria Day # 3 L. Cembalo. Regressione con due variabili e metodo dei minimi quadrati

Facoltà di Scienze Statistiche Corso di Laurea in Statistica ed Informatica per l Azienda ESERCIZI DI ALLENAMENTO a.a.

Introduzione all'econometria (2) Introdurre la diagnostica necessaria per testare le ipotesi del modello lineare;

Esercizi di statistica

Il modello di regressione lineare multipla con regressori stocastici

Corso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano

Psicometria con Laboratorio di SPSS 2

lezione 7 AA Paolo Brunori

Analisi di Regressione Multivariata. β matrice incognita dei coeff. di regressione (regr. lineare in β)

Il modello di regressione lineare multivariata

STATISTICA (I modulo - Statistica Descrittiva) Esercitazione I 24/02/2006

Capitolo 1 MODELLI ECONOMICI DEL TASSO DI CAMBIO 11

FACOLTA DI SCIENZE STATISTICHE Corso di laurea in Statistica, Imprese e Mercati Statistica economica (Prof. Filippucci) Prova del 19/12/07

Esercitazione II Statistica e Calcolo delle Probabilità (con soluzioni)

Programma del corso di STATISTICA ECONOMICA

Metodi statistici per le ricerche di mercato

Descrizione per la costruzione del modello di regressione

Σ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica

ECONOMETRIA: Laboratorio I

Probabilità e Statistica Prova del 29/07/2016 Traccia E TEORIA Università degli Studi di Verona Laurea in Informatica e Bioinformatica A.A.

Caratterizzazione dei consumi energetici (parte 3)

Università degli Studi di Padova Facoltà di Scienze Politiche. Laurea: Scienze Sociologiche Laurea: Vecchio Ordinamento

Metodi statistici per la ricerca sociale Capitolo 13. Combinare regressione e ANOVA: predittori categoriali e quantitativi Esercitazione

Destagionalizzazione, detrendizzazione delle serie storiche

lezione 8 AA Paolo Brunori

Nuovo Ordinamento Esame di Statistica 20 Giugno 2003 docente: P. Vicard Nome

DISTRIBUZIONI DI CAMPIONAMENTO

ESERCITAZIONE 4 (5/11/2014) ESERCIZIO 1

Metodi statistici per le ricerche di mercato

Metodi statistici per la ricerca sociale Capitolo 12. Confronto fra gruppi: L analisi della varianza. Esercitazione

Statistica 1- parte II

Calcolo Numerico (CdS in Matematica) A.A. 2012/13

βˆ (pendenza della retta) =

R - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre

Laboratorio di Probabilità e Statistica

Corso di Laurea: Numero di Matricola: Esame del 31 maggio 2018 Tempo consentito: 120 minuti

ESERCITAZIONE 4 (5/11/2014)

Multicollinearità. Strumenti quantitativi per la gestione

E S E R C I Z I T U T O R

ESEMPI DI DOMANDE PER LA PROVA SCRITTA DI STATISTICA SOCIALE

Facoltà di Psicologia Università di Padova Anno Accademico Corso di Psicometria - Modulo B

ANALISI DELLE SERIE STORICHE

Esame di Ricerca Operativa del 04/02/16. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Probabilità e Statistica Prova del 16/09/2016 Traccia A TEORIA Università degli Studi di Verona Laurea in Informatica e Bioinformatica A.A.

La regressione lineare multipla

Metodi statistici per la ricerca sociale Capitolo 9. Regressione Lineare e Correlazione Esercitazione

Esercitazioni di statistica

Codifica di canale. (dalle dispense e dalle fotocopie) Trasmissione dell Informazione

Esercitazione 5 Sta/s/ca Aziendale

Esercitazione del

Si assuma di avere portato a termine le seguenti rilevazioni di produzione e di alimento somministrato

Elementi di statistica per l econometria

LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell

5. Per determinare il miglior grado del polinomio di una regressione polimoniale

PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 4038) 6 novembre 2002

Politecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011

Università di Pavia. Test diagnostici. Eduardo Rossi

D. Piccolo - C. Vitale. Metodi statistici per l'analisi economica. il Mulino

METODI STATISTICI PER LA BIOLOGIA. Paolo Dai Pra e Francesco Caravenna

COGNOME.NOME...MATR..

Cognome e nome. 1. In uno studio viene misurata la pressione arteriosa sistolica a 36 soggetti, con i seguenti risultati.

Tecniche di sondaggio

Economia Pubblica e Storia Economica Fausto Pacicco

Validazione ediagnostica

Esercitazione di Statistica Medie razionali e posizionali

LEZIONE N.8 (a cura di Teresa Fanelli) Questa forma risulta importante nel modello di regressione con più variabili.

Costi e scelta ottima

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

ECONOMETRIA APPLICATA PER L IMPRESA. Test di Radici Unitarie - Esercizio 5

DATA MINING PER IL MARKETING (63 ore)

Argomenti della lezione:

()Probablità, Statistica e Processi Stocastici

Transcript:

Esercitazione # 2 Maggio 2019 TEST di teoria 1. In un modello di regressione in k variabili, se la matrice X contiene regressori che NON sono combinazioni lineari, quale è il rango della matrice stessa?: 1. (n-2) 2. k 3. n 2. Il test di Goldfield e Quandt è normalmente utilizzato per verificare la presenza di: 1. Multicollinearità tra i regressori 2. Eteroschedasticità nella componente di errore del modello 3. Presenza di autocorrelazione nei residui 3. L indice dei prezzi a base mobile viene calcolato: p 1. t * 100 ; p 0 p0 2. * 100 ; p t pt 3. * 100 ; p t 1 4. L indice di Divisia viene comunemente utilizzato per misurare la: 1. variazione di produttività; 2. variazione delle quantità; 3. variazione dei prezzi; 5. I modelli ARCH sono normalmente utilizzati per: 1. serie storiche macroeconomiche; 2. serie storiche finanziarie; 3. variazione dei prezzi ; 1

Domande di teoria a risposta aperta Domanda 1. Descrivere brevemente la differenza di fondo tra numeri indice a base fissa e a base mobile. Domanda 2. Sia dato un modello di regressione lineari in k variabili. Si descrivano brevemente le ipotesi di base che determinano gli stimatori OLS di tipo BLUE (i migliori tra gli stimatori lineari e corretti). Domanda 3. Descrivere brevemente il modello per serie storiche AR(1). Domanda 4. Descrivere brevemente i tre indirizzi seguiti dai metodi elaborati dalla teoria economica per misurare gli effetti del progresso tecnico 2

Esercizi Esercizio 1. In una indagine campionaria sono state estratte 12 aziende per le quali sono state misurate le unità di input1 (X1), le unità di input2 (X2) e le unità di output (Y). Le informazioni disponibili sono riportate nella tabella qui sotto: Azienda Y = X1 = Input X2 = Input Y- X1- Output 1 2 Ymed X1med 1 4 2 1-6 -2-3 36 4 9 12 18 6 2 6 2 1-4 -2-3 16 4 9 8 12 6 3 6 2 2-4 -2-2 16 4 4 8 8 4 4 8 3 3-2 -1-1 4 1 1 2 2 1 5 8 4 3-2 0-1 4 0 1 0 2 0 6 9 4 3-1 0-1 1 0 1 0 1 0 7 8 3 3-2 -1-1 4 1 1 2 2 1 8 9 4 4-1 0 0 1 0 0 0 0 0 9 11 4 4 1 0 0 1 0 0 0 0 0 10 12 5 6 2 1 2 4 1 4 2 4 2 11 17 7 8 7 3 4 49 9 16 21 28 12 12 22 8 10 12 4 6 144 16 36 48 72 24 10 4 4 0 0 0 280 40 82 103 149 56 X2- X2med y*y x1*x1 x2*x2 y*h1 y*x2 x1*x2 Utilizzare la metodologia dei Minimi Quadrati Ordinari (OLS) in forma matriciale per la stima dei parametri della funzione media di produzione. 3

Esercizio 2. In una indagine campionaria sono state estratte 12 aziende per le quali sono state misurate le unità di input (X) e le unità di output (Y). Le informazioni disponibili sono riportate nella tabella qui sotto. Si ipotizza inoltre presenza di eteroschedasticità nella componente di errore. Le aziende sono state ordinate per X e divise in tre gruppi, rispettivamente di 5, 2 e 5 aziende. Sul primo e terzo gruppo sono state compiute due regressioni separate, come segue: Azienda X = Y = Input Output Y-Ymed X-Xmed x*x y*x Yhat e 1 1 2-0.8-1 1 0.8 2.05-0.05 2 1 2-0.8-1 1 0.8 2.05-0.05 3 2 3 0.2 0 0 0 2.80 0.20 4 3 3 0.2 1 1 0.2 3.55-0.55 5 3 4 1.2 1 1 1.2 3.55 0.45 2 2.8 0 0 4 3 0 6 3 4 beta1= 0.750 7 3 5 alfa1= 1.300 8 4 6-7 -1.2 1.44 8.4 8.00-2.00 9 4 10-3 -1.2 1.44 3.6 8.00 2.00 10 6 12-1 0.8 0.64-0.8 16.33-4.33 11 6 15 2 0.8 0.64 1.6 16.33-1.33 12 6 22 9 0.8 0.64 7.2 16.33 5.67 5.2 13 0 0 4.8 20 0 beta3= 4.167 alfa3= -8.667 Sapendo che il valore della distribuzione F che delimita la zona di accettazione è pari a F=5,05 si effettui il test di Goldfield e Quandt per verificare la presenza di eteroschedasticità nei residui. 4

Esercizio 3. Una azienda di elettrodomestici produce lavatrici dal 2008. Data la serie storica riportata qui sotto: 2008 2009 2010 2011 2012 2013 721 812 817 680 780 800 a) quale risulta essere l anno con una maggior variazione percentuale? b) Si costruisca poi la serie di numeri indici a base fissa (base 2008=100). Esercizio 4. Per tre beni facenti parti di un paniere scelto sono riportati i prezzi e le quantità di vendita rilevati per quattro anni, dal 2008 al 2011: Beni Anno A B C P q p q p q 2008 16 4 27 3 21 8 2009 18 4 29 2 23 7 2010 20 5 30 4 21 6 2011 21 6 28 5 20 5 Si calcoli l indice di Laspeyres dei PREZZI con base 2008 per gli anni 2009, 2010 e 2011 5

Esercizio 5. Una azienda che opera in Toscana produce 4 tipi di Prodotti (output), utilizzando 8 tipi di input. Dall anno (t-1) all anno t, l azienda decide di impiegare diverse quantità di input (cambia il piano di produzione) acquistate ai prezzi di mercato che si modificano. Tutte le informazioni sono riportate nella Tabella seguente: Istante t Istante t-1 Input = j Quantità Prezzo Quantità Prezzo 1 3 4 2 3 2 5 2 4 2 3 12 5 12 4 4 5 2 4 2 5 7 1 5 1 6 4 3 2 2 7 2 2 2 2 8 5 1 4 1 Output = i Quantità Prezzo Quantità Prezzo 1 10 5 8 3 2 16 3 14 2 3 12 3 12 2 4 13 4 9 2 Si proceda a calcolare: 1) L indice di Divisia delle quantità degli input 2) L indice di Divisia delle quantità degli output 3) L indice di Divisia dei prezzi degli input 4) L indice di Divisia dei prezzi degli output 5) La Produttività Totale dei Fattori 6