ESERCITAZIONE ECONOMETRIA



Documenti analoghi

Regressione Lineare Semplice e Correlazione

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

STATISTICA. Regressione-2

Test di restrizioni lineari nel MRLM: Esempi

JMP 10 Student Edition: Guida rapida

Uso della funzione FREQUENZA col foglio di calcolo CALC di OpenOffice 3.4

Università di Pavia Econometria Esercizi 4 Soluzioni

Capitolo 12 La regressione lineare semplice

Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza

3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17

1.1 Obiettivi della statistica Struttura del testo 2

Statistica Applicata all edilizia: il modello di regressione

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE

Sas OnDemand for Academics & SAS e-learnings. Metodi Quantitativi per Economia, Finanza e Management

Nel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.

Sommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25

Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)

Esercitazione del

INTERVENTI DI RIDUZIONE DEL RISCHIO SISMICO. DISCIPLINATI DAL PROGRAMMA O.C.D.P.C. n. 52 del 20/02/2013

Università degli Studi di Enna Kore Facoltà di Scienze Economiche e Giuridiche Anno Accademico

COGNOME.NOME...MATR..

PSICOMETRIA. Esercitazione n.1. C.d.L. Comunicazione e Psicologia a.a. 2012/13

Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII

viii Indice generale

INDICE. Vista Libretto Livello Digitale 2. Importazione di dati da strumento 3. Inserisci File Vari 5. Compensazione Quote 5.

SPAC Automazione 2018 Gestione PLC

Grafici e Pagina web

Analisi della regressione multipla

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6

CREAZIONE DI UNA CARTELLA

Regressione Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Destagionalizzazione, detrendizzazione delle serie storiche

REGRESSIONE lineare e CORRELAZIONE. Con variabili quantitative che si possono esprimere in un ampio ampio intervallo di valori

VIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul

Linee guida per la verbalizzazione degli appelli d esame Area WEB Privata FUNZIONI DOCENTE

Applicazioni statistiche e utilizzo del package statistico Spss - 7

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

SPAC Automazione 2019

L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale

Importazione dati. e/fiscali Spesometro - Rel con gestionale e/satto. Gestionale e/satto

CREAZIONE DI UNA CARTELLA

Manuale d uso DropSheep 4 imaio Gestione Pixmania-PRO Ver 1.1

PROCEDURA DI ESTRAZIONE STAMPA REPORT E LETTERE DI SOLLECITO (serial 44)

Il proprietario di una catena di negozi vuole confrontare il reddito (in euro) dei suoi 5 negozi, riportato nella seguente tabella

Assunzioni (Parte I)

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

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

lezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1

Dispensa di Statistica

Utilizzo della SAPGUI ed accesso al sistema SAPLight

Istruzioni per l apertura dei documenti in Firma Digitale (p7m)

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)

Transcript:

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 A GRETL Gretl è un programma statistico opensource creato per la rielaborazione econometrica di dati di varia natura (cross-section, time-series, panel-data). Fonti: Software: http://gretl.sourceforge.net/gretl_italiano.html Guida: http://ricardo.ecn.wfu.edu/pub//gretl/manual/it/gretl-guide-it.pdf Importazione dati File Apri dati Importa. Si possono importare file diversa natura: - Testo - Excel - Eviews - Stata - SPSS - SAS N.B. I File Excel devono essere in formato xls e non xlsx (da Excel 2007 in avanti) Importiamo il file sull economia Americana File Apri dati Importa Excel.\US_1954-2011.xls Salvataggio dati File Esporta Dati. (si selezionano le variabili da salvare) Si possono salvare/esportare file di diversa natura: - CSV - Gretl Trasformazione dati Aggiungi Definisci nuova variabile Nello spazio bianco si possono digitare espressioni per effettuare trasformazioni delle variabili esistenti e aggiungere nuove variabili al dataset. Esempi: - trasformazione logaritmica: log - differenza prima: dff=ff-ff(-1)

Analisi preliminare dei dati Variabile Esempi: - Statistiche descrittive: riporta le principale statistiche di sintesi per la variabile selezionata - Distribuzione di frequenze: istogramma delle frequenze per la variabile selezionata - Grafico serie storica: grafico della serie - Correlogramma: autocorrelazione globale e parziale - Boxplot: crea il boxplot della serie selezionata Visualizza Esempi: - Grafico scatterplot: visualizzazione grafica di due o più variabili contemporaneamente - Matrice di correlazione: correlazione tra due o più variabili - Statistiche descrittive: riporta le principale statistiche di sintesi per una o più variabili selezionate - Grafico serie storica: grafico della serie Salvataggio oggetti Cliccare sul grafico ottenuto col tasto destro del mouse e selezionare la voce "Salva alla sessione come icona". A questo punto l oggetto Grafico sarà stato salvato sulla finestra delle icone. Per recuperare il vostro oggetto salvato seguite la seguente procedura partendo dalla finestra principale di lavoro: Visualizza Finestra icone Durante la sessione di lavoro possono essere salvati come icone vari oggetti (un esempio è l oggetto Grafico salvato sopra), che compariranno sulla finestra "Sessione corrente". Questi oggetti possono essere: informazioni sui dati, dataset, modelli, note, correlazioni, statistiche, grafici. Alla fine della sessione di lavoro procediamo al salvataggio delle rielaborazioni seguendo la procedura: File Sessioni Salva sessione come Gretl data file..gdt Riaprendo il file recupereremo l ultima sessione di lavoro con tutti gli oggetti salvati sulla finestra delle icone.

II. TAYLOR RULE ECONOMIA AMERICANA Il database contiene: - 3 variabili (ff=tasso di interesse, inf=inflazione, ygap=indicazione del ciclo economico) - osservazioni trimestrali dal 3 trimestre 1954 al 1 trimestre 2010 Come le banche centrali fissano il tasso di interesse a breve termine? Taylor Rule (enunciata dall economista statunitense John. B. Taylor nel 1993): ff ff ygap inf u, i 1, 2,..., n i i 1 1 i 2 i i i tempo (dati trimestrali) ffi tasso di interesse a breve termine nel periodo i ygap misura del ciclo economico nel periodo i i inf tasso di inflazione al tempo i i 1 2 cattura l'impatto del tasso di interesse al tempo i-1 sul tasso di interesse al tempo i cattura l'impatto dell'attività economica sul tasso di interesse cattura l'impatto dell'inflazione sul tasso di interesse La regola descrive in che modo le Banche Centrali dovrebbero fissare il tasso di interesse a breve termine, in funzione degli obiettivi da perseguire in termini di crescita economica e di inflazione.in termini generali il tasso di interesse dovrebbe aumentare in presenza di inflazione, al fine di rendere più oneroso il costo del denaro che concorre a surriscaldare i prezzi, mentre al contrario dovrebbe diminuire nelle fasi recessive, contribuendo a dare impulso alla crescita del Prodotto Interno Lordo (PIL). Stima di un modello con OLS Nel file di lavoro principale selezionare: Modello OLS-minimi quadrati ordinari aggiungi in variabile dipendente, aggiungi in variabili indipendenti. La costante compare di default nella lista delle variali indipendenti. Modello 2:OLS, usando le osservazioni 1954:4-2010:1 (T = 222) Variabile dipendente: ff Coefficiente Errore Std. rapporto t p-value Const 0,0202315 0,0285755 0,7080 0,47970 Inf 0,113978 0,0316237 3,6042 0,00039 *** Ygap 0,0288208 0,00581705 4,9545 <0,00001 *** ff_1 0,920337 0,0225102 40,8853 <0,00001 *** Media var. dipendente 1,380000 SQM var. dipendente 0,841681

Somma quadr. residui 9,922805 E.S. della regressione 0,213348 R-quadro 0,936621 R-quadro corretto 0,935749 F(3, 218) 1073,871 P-value(F) 3,0e-130 Log-verosimiglianza 29,96608 Criterio di Akaike -51,93215 Criterio di Schwarz -38,32144 Hannan-Quinn -46,43699 Rho 0,174713 Valore h di Durbin 2,756195 Nella tabella di output della stima OLS del modello di regressione troviamo varie informazioni. Nella prima parte in alto sono riportate: le stime dei parametri del modello (Coefficiente), gli errori standard (Standard Error), la statistica t (Rapporto-T), ed infine il p-value. Gli asterischi associati al valore del p-value devono essere interpretati nel modo seguente: no asterischi parametro statisticamente non diverso da zero; un asterisco (*) parametro diverso da zero a livello di signi.catività del 10%; due asterischi (**) parametro diverso da zero a livello di significatività del 5%; tre asterischi (***) parametro diverso da zero a livello di significatività dell 1%. Nella seconda parte in basso sono invece riportate insieme ad altre quantità: il coefficiente di determinazione R-quadro, anche nella sua versione corretta per i gradi di libertà (R2 corretto), la statistica F per la verifica della significatività dell intera regressione la media e la deviazione standard della variabile dipendente, e la somma dei quadrati dei residui Residual Sum of Squares (SSR). Se riparametrizziamo il modello usando le differenze: Si ottiene: ff ff ff ff ygap inf u i i 1 i 1 i 1 1 i 2 i i dff 1 ff ygap inf u i 1 1 i 2 i i Modello 6: OLS, usando le osservazioni 1954:4-2010:1 (T = 222) Variabile dipendente: dff Errori standard HAC, larghezza di banda 4 (Kernel di Bartlett) Coefficiente Errore Std. rapporto t p-value Const 0,0202315 0,0326137 0,6203 0,53568 Inf 0,113978 0,0562958 2,0246 0,04413 ** Ygap 0,0288208 0,00644101 4,4746 0,00001 *** ff_1-0,079663 0,0225042-3,5399 0,00049 *** Media var. dipendente -0,001036 SQM var. dipendente 0,232350 Somma quadr. residui 9,922805 E.S. della regressione 0,213348 R-quadro 0,168322 R-quadro corretto 0,156877 F(3, 218) 11,88954 P-value(F) 3,05e-07 Log-verosimiglianza 29,96608 Criterio di Akaike -51,93215 Criterio di Schwarz -38,32144 Hannan-Quinn -46,43699 Rho 0,174713 Durbin-Watson 1,649512 Il valore di R-quadro cambia in base alla parametrizzazione scelta. La valutazione della bontà di adattamento di un modello è un processo molto più complesso rispetto alla semplice valutazione dell R-quadro. Il criterio di Akaike, Schwarz, Log-verosimiglianza non cambiano rispetto alla parametrizzazione scelta. Anche l analisi sulla normalità dei residui è importante per valutare la corretta specificazione di un modello.

Cenni sulla bontà di adattamento del modello Dalla finestra della stima del modello Analisi Intervalli di confidenza per i coefficienti Dalla finestra della stima del modello Analisi Matrice di varianze e covarianza dei coefficienti Dalla finestra della stima del modello Test LMTEST Eteroschedasticità BREUSCH-PAGAN Dalla finestra della stima del modello Test TESTUHAT Normalità residui 3 Statistica test per la normalità: Chi-quadro(2) = 225,238 [0,0000] uhat1 N(-3,0558e-018 0,21335) 2,5 2 Densità 1,5 1 0,5 0-1 -0,5 0 0,5 1 1,5 uhat1 Analisi dei residui Dalla finestra di output del modello OLS è possibile effettuare una serie di opzioni relative alla visualizzazione dei valori stimati della regressione e dei relativi residui. In particolare possiamo effettuare le seguenti procedure: Grafici Salva Analisi