Ekonometria, lista zada« nr 3
We wszystkich zadaniach zakªadamy, »e speªnione s¡ zaªo»enia modelu liniowego Gaussa-Markowa.
1. Udowodnij, »e dla modelu liniowego
Yi = β0+ β1xi+ εi, i = 1, 2, . . . , n, zachodzi Cov( ¯Y , ˆβ1) = 0.
2. Udowodnij, »e w modelu z powy»szego zadania zachodzi Cov( ˆβ1, ˆβ0) = −P(xσ2x¯
i−¯x)2. 3. W modelu liniowym postaci:
Yi = β0 + β1xi+ εi, i = 1, 2, . . . , 6,
gdzie ¯Y = 4, P Yi2 = 128, ¯x = 2, P xi2 = 30, P xiYi = 54, wyestymuj parametry β0 i β1 za pomoc¡ metody najmniejszych kwadratów. Oblicz sumy kwadratów i wspóªczynnik determinacji. Podaj nieobci¡»ony estymator wariancji skªadnika losowego (ε1) oraz nieob- ci¡»one estymatory wariancji wcze±niej wyznaczonych estymatorów parametrów równania regresji. Skonstruuj przedziaªy ufno±ci na poziomie ufno±ci 0,95 dla tych parametrów.
4. Hurtownia owoców przeprowadziªa analiz¦ zale»no±ci popytu na jabªka od przeci¦tnych dochodów mieszka«ców pobliskiego miasta. W tym celu wykorzystano nast¦puj¡cy model:
Yi = β0+ β1xi+ εi, i = 1, 2, . . . , n.
Wyznacz estymatory metody najmniejszych kwadratów parametrów β0 i β1, je±li wia- domo, »e P(Yi− ˆYi)2 = 6, ¯Y = 5, P xi = 16, n P xi2− (P xi)2 = 32, P xiYi = 82 za±
V ar( ˆd β1) = 0, 25. Oblicz sumy kwadratów i wspóªczynnik determinacji. Podaj nieobci¡-
»ony estymator wariancji skªadnika losowego oraz nieobci¡»ony estymator wariancji β0. Skonstruuj przedziaªy ufno±ci na poziomie ufno±ci 0,90 dla parametrów β0 i β1.
5. Na podstawie informacji zawartych w tabeli
Y: 1 0 2 2
X1: 2 0 -2 -1 X2: 0 1 2 3 oszacuj parametry modelu
Yi = β0+ β1xi,1+ β2xi,2+ εi, i = 1, 2, 3, 4.
Wcze±niej obliczono ju», »e
(X0X)−1 = 1 54
77 −28 −47
−28 20 22
−47 22 35
.
Oblicz sumy kwadratów i wspóªczynnik determinacji. Podaj nieobci¡»ony estymator wa- riancji skªadnika losowego oraz nieobci¡»one estymatory wariancji estymatorów parame- trów strukturalnych modelu. Wyznacz przedziaªy ufno±ci na poziomie ufno±ci 0,99 dla parametrów strukturalnych tego modelu.
6. Oszacuj parametry strukturalne modelu liniowego
Yi = β0 + β1xi,1+ β2xi,2+ εi, i = 1, 2, 3, 4, 5, 6, wiedz¡c, »e
X0X =
6 3 4 3 2 2 4 2 3
, X0Y =
15
9 12
, X
Yi2
= 56.
Nast¦pnie oblicz sumy kwadratów i wspóªczynnik determinacji. Oszacuj wariancj¦ skªad- nika losowego oraz wariancje ˆβ0, ˆβ1 i ˆβ2. Skonstruuj przedziaªy ufno±ci na poziomie ufno±ci 0,95 dla parametrów β0 β1 i β2. Skonstruuj te» przedziaª ufno±ci na tym samym poziomie ufno±ci dla 2β1− β2.
7. Oszacuj parametry (wraz z przedziaªami ufno±ci na poziomie ufno±ci 0,995) modelu:
Yi = β0+ β1xi,1+ β2xi,2+ εi, i = 1, 2, . . . , n, maj¡c poni»sze dane:
X0Y =
−2 1
−1
, Cov( ˆˆ β) =
76 −24 −140
−24 8 44
−140 44 260
, σˆ2 = 4.
Podaj sumy kwadratów i wspóªczynnik determinacji. Skonstruuj te» przedziaª ufno±ci na poziomie ufno±ci 0,995 dla 5β1 − β2.
8. Rozwa»amy nast¦puj¡cy model liniowy:
Yi = β1xi,1+ β2xi,2+ εi, i = 1, 2, . . . , 100.
W prowadzonym eksperymencie uzyskano nast¦puj¡ce wyniki: P Yi = 100, P Yi2 = 4933 , P x2i,1 = 30, P x2i,2 = 3, P xi,1Yi = 30, P xi,2Yi = 20, P xi,1xi,2 = 0. Wyznacz estyma- tory metody najmniejszych kwadratów parametrów β1 i β2 oraz adekwatny do modelu wspóªczynnik determinacji. Skonstruuj przedziaªy ufno±ci dla β1 i β2 na poziomie ufno±ci 0,95.
9. W modelu liniowym
Yi = β1xi,1+ β2xi,2+ εi, i = 1, 2, . . . , n,
przedziaªy ufno±ci dla parametrów strukturalnych s¡ równe: (−2, −1) dla β1 i (−0, 5, 1) dla β2. Czy mo»na przyj¡¢, »e który± spo±ród parametrów β1 i β2 jest ró»ny od zera? Na jakim poziomie istotno±ci? A oba?
10. Zakªadaj¡c, »e dla danych w zadaniach 9-11 z listy 2 speªnione s¡ zaªo»enia modelu liniowego Gaussa-Markowa, oblicz nieobci¡»ony estymator wariancji skªadnika losowego i nieobci¡»one estymatory wariancji estymatorów metody najmniejszych kwadratów para- metrów strukturalnych. Podaj te» przedziaªy ufno±ci dla tych»e parametrów na poziomie ufno±ci 0,95.