Ekonometria 2, zadania
Analiza wariancji w modelu Gaussa-Markowa
1. Niech
Y = Y01 Y02 . . . Y0n0 Y11 Y12 . . . Y1n1 . . . Yk−1,1 Yk−1,2 . . . Yk−1,nk−1 0
. Pokaż, że w modelu Gaussa-Markowa statystyka testowa testu cząstkowego dla porówna- nia modelu o macierzy planu
X =
1 1 . . . 1 0 0 . . . 0 . . . 0 0 . . . 0 0 0 . . . 0 1 1 . . . 1 . . . 0 0 . . . 0 . . . .
| {z }
n0
0 0 . . . 0
| {z }
n1
0 0 . . . 0 . . .
| {z }
nk−1
1 1 . . . 1
0
z modelem stałym ma postać:
T = 1 k − 1
k−1
X
i=0
ni(Yi·− Y··)2 1
n − k
k−1
X
i=0 ni
X
j=1
(Yij − Yi·)2 ,
gdzie n =
k−1
X
i=0
ni, Yi· = 1 ni
ni
X
j=1
Yij, Y··= 1 n
k−1
X
i=0 ni
X
j=1
Yij.
2. Niech
Y = Y01 Y02 . . . Y0n0 Y11 Y12 . . . Y1n1 0
. Pokaż, że w modelu Gaussa-Markowa o macierzy planu
X = 1 1 . . . 1 0 0 . . . 0
| {z }
n0
0 0 . . . 0
| {z }
n1
1 1 . . . 1
0
test brzegowy dla testowania hipotezy H : β0 = β1 jest testem Studenta dla dwóch prób niezależnych. Wskazówka: skorzystaj z wyników cząstkowych z poprzedniego zdania, przyjmując k = 2. Posłuż się następującymi oznaczeniami:
Y0·= 1 n0
n0
X
j=1
Y0j, Y1· = 1 n1
n1
X
j=1
Y1j.
Uogólnione modele liniowe
3. Pokaż, kanoniczną funkcją wiążącą dla rodziny rozkładów normalnych N (µ, 1), µ ∈ R, jest funkcja identycznościowa.
4. Rozważamy poissonowski model liniowy z kanoniczną funkcją wiążącą.
(a) Pokaż, że poszukiwanie estymatora największej wiarogodności wektora parametrów w tym modelu prowadzi do równania postaci X0Y = X0EY (podobnie jak w modelu logitowym).
(b) Wyznacz macierz drugich pochodnych logarytmu funkcji wiarogodności w tym mo- delu.
(c) Wyznacz ciąg aproksymujący estymator największej wiarogodności wektora parame- trów w tym modelu otrzymany dzięki iterowanej ważonej metodzie najmniejszych kwadratów.
5. Uogólniony model liniowy, w którym Yi ∼ b(1, pi), i = 1, 2, . . . , n zaś funkcją wiążącą jest funkcja kwantylowa standardowego rozkładu normalnego (tzn. Φ−1(pi) = Pk−1
j=0xijβj), i = 1, 2, . . . , n, nazywamy modelem probitowym. Wykaż, że poszukiwanie estyma- tora największej wiarogodności wektora parametrów w tym modelu prowadzi do układu równań postaci:
n
X
i=1
xiazi(Yi− pi), a = 0, 1, . . . , k − 1,
gdzie zi = 1 pi(1 − pi) φ
k−1
X
j=0
xijβj
!
, i = 1, 2, . . . , n, zaś φ jest gęstością standardowego rozkładu normalnego. Porównaj ten wynik z odpowiednim układem równań dla modelu logitowego. Zwróć uwagę, że w modelu logitowym posługujemy się kanoniczną funkcją wiążącą.
6. Rozważamy model logitowy, w którym
Y = Y01 Y02 . . . Y0n0 Y11 Y12 . . . Y1n1 0
, zaś
X = 1 1 . . . 1 1 1 . . . 1
| {z }
n0
0 0 . . . 0
| {z }
n1
1 1 . . . 1
0 .
Wykaż, że estymatory metody największej wiarogodności paramtrów p0 = P (Y0j = 1), j = 1, 2, . . . , n0, i p1 = P (Y1j = 1), j = 1, 2, . . . , n1, są postaci:
ˆ
p0 = Y0·= 1 n0
n0
X
j=1
Y0j i pˆ1 = Y1·= 1 n1
n1
X
j=1
Y1j.
Zwróć uwagę, że taki same estymatory otrzymamy, gdy weźmiemy X = 1 1 . . . 1 0 0 . . . 0
| {z }
n0
0 0 . . . 0
| {z }
n1
1 1 . . . 1
0
(jako że kolumny obu macierzy rozpinają tę samą przestrzeń liniową). Wskazówka: wyjdź od równania X0Y = X0EY .
Elementy teorii szeregów czasowych 7. Udowodnij nierówność Schwarza:
Dla dowolnych zmiennych losowych X i Y określonych na tej samej przestrzeni probabi- listycznej jeśli EX2 i EY2 istnieją, to
|Cov(X, Y )| ≤p
V ar(X) · V ar(Y ).
Równość w powyższej nierówności zachodzi wtedy i tylko wtedy, gdy istnieją takie liczby a, b, c ∈ R, że a 6= 0 lub b 6= 0 i P (aX + bY = c) = 1.
8. Pokaż, że jeśli dwa procesy stacjonarne (w szerszym sensie) {Xt}t∈Z i {Yt}t∈Z są niesko- relowane tzn.
∀ s ∈ Z ∀ t ∈ Z Cov(Xs, Yt) = 0,
to proces {Xt+ Yt}t∈Zrównież jest stacjonarny (w szerszym sensie). Wyznacz jego funkcję autokowariancji i autokorelacji. Posłuż się następującymi oznaczeniami: µX = EX0, µY = EY0, γX(h) = Cov(X0, Xh), γY(h) = Cov(Y0, Yh).
9. Niech {Zt} ∼ W N (0, σ2) i niech a, b ∈ R. Sprawdź, czy proces {Xt} jest stacjonarny i jeśli tak, to podaj jego wartość oczekiwaną, funkcję autokowariancji i funkcję autokorelacji, jeśli
(a) Xt= Ztcos at + Zt−1sin at, (b) Xt= a + bZ0,
(c) Xt= Z0cos at, (d) Xt= ZtZt−1.
10. Niech {Zt}t∈R będzie szumem gaussowskim o średniej 0 i wariancji 1. Pokaż, że wówczas proces {Xt}t∈R zdefiniowany jako
Xt=
Zk, t = 2k Zk2− 1
√2 , t = 2k + 1
jest białym szumem (choć nie jest IID-szumem).
11. Które z następujących funkcji zdefiniowanych na zbiorze liczb całkowitych są funkcjami autokorelacji procesów stacjonarnych:
(a) f (h) = 1 dla h = 0 oraz f (h) = 1h dla h 6= 0, (b) f (h) = (−1)h,
(c) f (h) = 1 + cosπh2 + cosπh4 , (d) f (h) = 1 + cosπh2 − cosπh4 ,
(e) f (h) = 1 dla h = 0, f (h) = 12 dla h ∈ {−1, 1} i f (h) = 0 poza tym?