Ekonometria Praca domowa nr 1
Termin oddania: 23 listopada 2018 r.; podczas ´cwicze ´n Jakub Mu´ck
Kryteria formalne: rozwi ˛azanie pracy domowej, które zawiera odpowied´z na poni ˙zsze polecenia, nie po- winno przekracza´c dwóch kartek A4. Prosz˛e zał ˛aczy´c odpowiednie wydruki z programu gretl, do których Pa ´nstwo b˛ed ˛a si˛e odwoływa´c przy udzielaniu odpowiedzi. Bardzo prosz˛e o zszycie Pa ´nstwa odpowiedzi.
Zadanie 1. Plik Zbior_A.gdt zawiera dane dla czterech modeli prostej (tj. tylko z jedn ˛a zmienn ˛a obja-
´sniaj ˛ac ˛a) regresji liniowej o nast˛epuj ˛acej postaci:
∀i∈{1,2,3,4} yi= β0,i+ β1,ixi+ εi, (1)
gdzie i to numer regresji, xi to zmienna obja´sniaj ˛aca w i-tej regresji, yi to zmienna obja´sniana w i-tej re- gresji, εito składnik losowy w i-tej regresji, a β0,ioraz β1,ioznaczaj ˛a wyraz wolny oraz parametr w i-tym równaniu.
(i) Oszacuj parametry ka ˙zdego z modelu. Porównaj uzyskane warto´sci i ich istotno´s´c.
(ii) Zinterpretuj warto´s´c współczynnika determinacji R2dla wybranego modelu. Porównaj współczynnik determinacji R2. Czy na podstawie tego kryterium mo ˙zna stwierdzi´c, ˙ze który´s model jest lepszy?
(iii) Przeprowad´z test RESET na poprawno´s´c postaci funkcyjnej. Na podstawie wyniku tego testu prze- dyktuj, w których przypadkach poprawnie specyfikowano posta´c funkcyjn ˛a.
(iv) W ka ˙zdym rozwa ˙zanym przypadku przeanalizuj wykres rozrzutu (scatterplot) pomi˛edzy zmienn ˛a ob- ja´snian ˛a a zmiennymi obja´sniaj ˛ac ˛a. Spróbuj wytłumaczy´c wyniki testu RESET. Czy wnioski z punktu (ii) mo ˙zna uogólni´c?
Zadanie 2. Plik wages.gdt zawiera dane przekrojowe Wooldridge’a (2010)1o wynagrodzeniach dla 935 pracowników. Zmienne wchodz ˛ace w skład zbioru danych przedstawia poni ˙zsza tabela.
Tabela 1: Opis zmiennych Zmienna Opis
wages miesi˛eczne zarobki (w USD)
hours przeci˛etna liczba godzin przepracowanych miesi˛ecznie iq wynik testu IQ (w pkt.)
educ edukacja (w latach)
exper do´swiadczenia zawodowe (w latach) age wiek (w latach)
married zmienna binarna identyfikuj ˛aca fakt bycia w zwi ˛azku mał ˙ze ´nskim (1 – pracownik w zwi ˛azku mał ˙ze ´nskim, 0 w p.p.)
black zmienna binarna identyfikuj ˛aca osoby czarnoskórne (1 – pracownik czarnoskóry; 0 – w p.
p.)
urban zmienna binarna identyfikuj ˛aca mieszka ´nca obszaru miejskiego (1 – pracownik mieszka- j ˛acy w mie´scie, 0 w p.p.)
Rozwa ˙z nast˛epuj ˛ace modele
wagesi= α0+α1hoursi+α2iqi+α3educi+ α4experi+ α5experi2+α6agei+ α7marriedi+ α8urbani+ηi, (2) ln wagesi= β0+β1hoursi+β2iqi+β3educi+β4experi+β5exper2i+β6agei+β7marriedi+β8urbani+εi, (3) gdzie i to indeks obserwacji, εii ηito składniki losowe, tj. εi ∼ N (0, σε2)oraz ηi∼ N (0, ση2).
1Wooldridge J., (2010), Econometric Analysis of Cross Section and Panel Data, The MIT Press.
1
(i) Oszacuj parametry strukturalne modelu (2). Zintereptuj oszacowania parametrów przy zmiennych ageoraz urban.
(ii) Czy posta´c funkcyjna modelu (2) została poprawnie specyfikowana. Odpowiedz wykorzystuj ˛ac od- powiedni test statystyczny.
(iii) Czy w modelu (2) wyst˛epuje problem heteroskedastyczno´sci składnika losowego? Uzasadnij powo- łuj ˛ac si˛e na wyniki odpowiednich testów statystycznych oraz zilustruj ten problem odpowiednim wykresem. Jakie s ˛a konsekwencje heteroskedastczyno´sci dla rozwa ˙zanego modelu (2)?
(iv) Na podstawie poprzednich punktów, wytłumacz dlaczego specyfikacja log-liniowa (tj. model (3)) mo ˙ze by´c odpowiednia.
(v) Oszacuj parametry strukturalne modelu (3). Zintereptuj oszacowania parametrów przy zmiennych hoursoraz married.
(vi) Które oszacowania parametrów strukturalnych modelu (3) s ˛a statystycznie istotne? Odpowied´z uza- sadnij na podstawie odpowiedniego testu.
(vii) Czy w modelu (3) wyst˛epuje problem heteroskedastyczno´sci składnika losowego? Uzasadnij odpo- wied´z powołuj ˛ac si˛e na wyniki odpowiedniego testu.
(viii) Czy zmienne egzogeniczne (obja´sniaj ˛ace) w modelu (3) s ˛a współliniowe? Uzsadnij odpowied´z wyko- rzystuj ˛ac współczynnik inflacji wariancji.
(ix) Czy zale ˙zno´s´c mi˛edzy płacami a do´swiadczeniem w modelu (3) jest zgodna z intuicj ˛a ekonomiczn ˛a?
Czy zale ˙zno´s´c ta jest monotoniczna? Czy ocena współliniowo´sci z poprzedniego podpunktu ma zna- czenie tutaj?
(x) Jaki jest teoretyczny poziom wynagrodzenia dla czarnoskórego 45-letniego pracownika pracuj ˛acego
´srednio 20 godzin tygodniowo, który zdobył 100 pkt. w te´scie IQ, posiadaj ˛acego 25 lat do´swiadczenia zawodowego oraz 15 lat edukacji, b˛ed ˛acego w zwi ˛azku mał ˙ze ´nskim oraz zamieszkałego w mie´scie?
Przedstaw kluczowe obliczenia.
Zadanie 3. Plik HICP_POL.gdt zawiera szereg czasowy opisuj ˛acy poziom cen konsumenckich HICP (Har- monised Index of Consumer Prices ) dla polskiej gospodarki od stycznia 1996 r. do pa´zdziernika 2018 r.
(i) Na podstawie wykresu szeregu czasowego oraz wykresu pierwszych ró ˙znic przedyskutuj czy loga- rytm naturalny HICP mo ˙zna uzna´c jako zmienn ˛a stacjonarn ˛a. Nast˛epnie, przy pomocy testu Dickeya- Fullera zbadaj stopie ´n zintegrowania logarytmu naturalnego HICP.
(ii) Czy logarytm naturalny HICP jest trendostacjonarny? Odpowied´z uzasadnij wykorzystuj ˛ac wynik odpowiedniego testu statystycznego.
(iii) Oblicz roczn ˛a logarytmiczn ˛a dynamik˛e HICP, tj. xt− xt−12, gdzie xtdo logarytm naturalny HICP. Po- równaj wykres rocznej dynamiki z pierwszymi ró ˙znicami (tj. dynamik ˛a w uj˛eciu miesi ˛ac do miesi ˛aca, tj. xt− xt−1). Spróbuj wyja´sni´c do czego w tym przypadku mo ˙ze prowadzi´c zastosowanie dynamiki w uj˛eciu rok-do-roku zamiast miesi ˛ac-do-miesi ˛aca.
(iv) Zbadaj stacjonarno´s´c rocznej logarytmicznej dynamiki HICP (z punktu poprzedniego). Czy wynik znacz ˛aco si˛e ró ˙zni od rezultatu dla pierwszych ró ˙znic (tj. dynamiki miesi ˛ac-do-miesi ˛aca, z pierwszego podpunktu).
(v) Rozwa ˙z proste modele autoregresyjne:
yt= β0+
P
X
i=1
βiyt−i+ εt, (4)
gdzie P to rz ˛ad procesu autoregresyjnego. Oszacuj parametry modeli AR(1), AR(2) oraz AR(12) dla dynamiki cen w uj˛eciu rok-do-roku oraz miesi ˛ac-do miesi ˛aca. Na podstawie oszacowa ´n parametrów modelu AR(1), porównaj half-life, a wi˛ec okres półwygasania. Na podstawie uzyskanych oszacowa ´n przedstaw IRF (impulse response function) , a wi˛ec reakcj˛e zmiennych na zaburzenie losowe w horyzon- cie T = 60, tj. pi˛eciu lat (warto przedstawi´c IRF dla jednej zmiennej, ale ró ˙znych specyfikacji modelu AR na jednym wykresie).
2