• Nie Znaleziono Wyników

Ekonometryczne badanie wpływu skłonności ludzkich w przypadku dysponowania wiedzą a priori o ich natężeniu

N/A
N/A
Protected

Academic year: 2021

Share "Ekonometryczne badanie wpływu skłonności ludzkich w przypadku dysponowania wiedzą a priori o ich natężeniu"

Copied!
16
0
0

Pełen tekst

(1)

Ekonometryczne badanie wpływu

skłonności ludzkich w przypadku

dysponowania wiedzą a priori o ich

natężeniu

Studia i Prace Wydziału Nauk Ekonomicznych i Zarządzania 31/2, 37-51

(2)

STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31

Mariusz Doszyń*

Uniwersytet Szczeciński

EKONOMETRYCZNE BADANIE WPŁYWU SKŁONNOŚCI LUDZKICH W PRZYPADKU DYSPONOWANIA W IEDZĄ

A P R IO R I O ICH NATĘŻENIU

Streszczenie

W artykule om ów ione zostały sposoby określania w p ły w u skłonności ludzkich n a p raw idłow ości ekonom iczne z w y korzystaniem o d pow iednich m odeli ekonom etrycz- nych. Podano definicję skłonności oraz przedstaw ione zostały m eto d y um ożliw iające po m iar ilościow ych aspektów skłonności ludzkich. P rzedstaw iono c z ęsto ścio w ą oraz try g o n o m e try c zn ą m iarę skłonności. S charakteryzow ano sposób uw zględniania w pływ u skłonności ludzkich n a podstaw ie m odeli dla dan y ch p rzekrojow ych d la przypadków , w k tó ry ch bad acz dysponuje w ie d z ą a p rio r i o analizow anych skłonnościach. P rzed y s­ kutow ano te k la sy m odeli ekonom etrycznych, w k tó ry ch określanie w p ły w u skłonności m oże prow adzić do po p raw y struktury stochastycznej m odeli. W p rzykładzie em pirycz­ n y m o k reślony został w p ły w skłonności do p alen ia p apierosów oraz skłonności do spo­ ży w an ia alkoholu n a kształtow anie się w y datków n a n apoje alkoholow e i w y ro b y ty to ­ n iow e w w ojew ództw ach w Polsce w ro k u 2004.

Słowa kluczowe:

skłonności ludzkie, często ścio w a m ia ra skłonności, try g o n o m e­

try czn a m ia ra skłonności, w ied z a a p r io r i o skłonnościach, ekonom etryczne b a d a ­ nie w p ły w u skłonności ludzkich

(3)

Wprowadzenie

Mając do czynienia ze zróżnicowanymi obiektami (osobami, zbiorowo-

ściami), można się spodziewać odmiennych reakcji na identyczne bodźce (wa­

runki) o charakterze obiektywnym. W wielu przypadkach te same okoliczności

obiektywne prowadzą do innych zachowań1. Często przyczyną tych różnic są

odmienne skłonności, które są pewnego rodzaju „filtrami” determinującymi

reakcje oraz zachowania.

Skłonność można zdefiniować jako „nachylenie postawy” względem cze­

goś lub kogoś zwiększające prawdopodobieństwo określonych zdarzeń1

2. Sposób

uwzględniania wpływu skłonności ludzkich na procesy gospodarcze zależy

w dużej mierze od tego, jakiego rodzaju informacjami na temat skłonności dys­

ponuje badacz. Jeżeli posiadane są informacje a priori o badanych skłonno­

ściach, to zmienne wskazujące na występowanie skłonności lub ich natężenie

można dołączyć bezpośrednio do zbioru zmiennych objaśniających modelu

ekonometrycznego.

Celem artykułu jest zaprezentowanie metod pomiaru skłonności oraz po­

kazanie sposobu określania ich wpływu z wykorzystaniem modeli ekonome-

trycznych. W artykule weryfikowana jest hipoteza o wpływie skłonności do

spożywania alkoholu i palenia papierosów na przeciętne wydatki na tego typu

produkty w przekroju województw w Polsce w 2004 roku.

1. Sposoby określania wpływu skłonności ludzkich w przypadku dysponowania

wiedzą a p r io ri o skłonnościach

Dany jest model dla danych przekrojowych, gdzie i = 1, 2, ..., n to kolejne

obiekty:

k

ki =

Σ α

τ χ β + u

(1)

j -0

1 Za bodźce (warunki obiektywne) uznaje się warunki zewnętrzne, niepowiązane ze strukturą wewnętrzną obiektu.

(4)

Ma r i u s zDo s z y ń Ek o n o m e t r y c z n eb a d a n i ew p ł y w us k ł o n n o ś c il u d z k i c h. . . 39

gdzie:

y t - zmienna objaśniana,

a j - parametry strukturalne modelu (j = 0, 1, 2, ..., k),

a 0 - wyraz wolny,

Xj. - zmienne objaśniające o charakterze obiektywnym j = 1, 2, . , k),

u. - składnik losowy.

Zmienne objaśniające Xj. reprezentują zewnętrzne czynniki obiektywne.

Są to zmienne będące wyrazem istotnych okoliczności zewnętrznych, niezależ­

nych bezpośrednio od właściwości („wewnętrznej struktury”) analizowanych

obiektów. Obiektem może być osoba lub też zbiorowość ludzka (ludność gmi­

ny, powiatu, województwa itd.). Jeżeli za „obiekt” przyjmiemy osobę, to anali­

zowane są skłonności indywidualne. Jeśli za obiekt uznamy zbiorowość ludzką,

to analizowane są skłonności zbiorowe3.

Jednym ze sposobów uwzględniania wpływu skłonności ludzkich jest do­

dawanie do zbioru zmiennych objaśniających sztucznych zmiennych zero­

jedynkowych.

Załóżmy, iż s t to zmienna zero-jedynkowa zdefiniowana następująco:

s i =

0,

jeżeli i-ty obiekt wykazuje skłonność,

jeżeli i-ty obiekt nie wykazuje skłonności

(2)

Jeśli dysponujemy wiedzą a priori o wartościach przyjmowanych przez

zmienną

s

. , to wpływ skłonności można uwzględnić, wprowadzając tę zmienną

do zbioru zmiennych objaśniających modelu ekonometrycznego:

y = ^ L ß j x j i + ß k +i s i + £ г

(3)

j “0

gdzie Д ,

,

Д

, . . . , ß k , ß k +1

to parametry modelu, a

s .

to składnik losowy.

Zmienna st informuje o tym, czy dana skłonność występuje, natomiast pa­

rametr ß k+1 pokazuje, jaki jest wpływ tej skłonności. Wiedza a priori o tym,

3 Dla rozróżnienia tych przypadków przyjęto następujące oznaczenia: jeżeli obiektem jest osoba, to stosowany jest indeks „i”, jeżeli zbiorowość - indeks , / ’.

(5)

czy г-ty obiekt wykazuje skłonność, może pochodzić z dodatkowych badań

o charakterze socjologicznym, psychologicznym, antropologicznym itd.

Sposób ujęcia zmiennej

s i

zależy od przyjętej postaci analitycznej.

W przypadku modelu potęgowo-wykładniczego zmienną

s i

można uwzględnić

w następujący sposób:

y г

= ß

0

Π exp(A+

1s i

+ )

(4)

i

-1

gdzie

e B‘

to czynnik losowy.

Po dodaniu zmiennej

s t

otrzymujemy więc model potęgowo-wykładniczy.

Jeżeli zmienna

s t -

0, to exp(^+1

s t

) = 1, a więc skłonność

s t

nie wpły­

wa na wartość zmiennej objaśnianej. Jeżeli

s t -

1, to procentowy wpływ

skłonności jest równy [exp(^k+1

s t

) — 1] · 100%,

ceteris paribus.

Modele ekonometryczne są często szacowane z wykorzystaniem danych

zagregowanych, w których obiektami są zbiorowości. W przypadku danych

zagregowanych skłonność może być wyrażona nie tylko zgodnie z (2) jako

zmienna zero-jedynkowa.

Skłonność /-tej zbiorowości (s, ) można wyznaczyć za pomocą metody

częstościowej oraz trygonometrycznej. Zgodnie z metodą częstościową natęże­

nie skłonności to:

m ,

s / = —

n ,

(5)

gdzie:

m I

- liczba osób wykazujących określoną skłonność w /-tej zbiorowości

(na przykład w /-tym województwie),

n,

- liczebność /-tej zbiorowości (na przykład liczba ludności woje­

wództwa),

/

= 1, 2, ..., N, gdzie

N

to liczba zbiorowości (na przykład liczba województw).

Zgodnie z metodą trygonometryczną skłonność to „nachylenie”, które

(6)

Ma r iu s zDo s z y ń Ek o n o m e t r y c z n eb a d a n iew p ł y w usk ł o n n o ś c il u d zk ic h... 41

przyprostokątną (rysunek 1). Jedna przyprostokątna mierzy frakcję zdarzeń

w próbie, gdzie występuje interesujące nas zdarzenie (sl ), natomiast druga

przyprostokątna mierzy frakcję zdarzeń w próbie, gdzie nie występuje interesu­

jące nas zdarzenie (1 - s l ).

R ysunek 1. T rygonom etryczna interpretacja skłonności

Ź ródło: o p raco w an ie w łasne.

Kąt a l to trygonometryczna miara natężenia skłonności:

1 _ s

ι

t ga t =

---s

i

(

6

)

gdzie s l - frakcja zdarzeń (osób), wśród których występuje skłonność (często-

ściowa miara skłonności).

Jeżeli skłonność poszczególnych osób tworzących daną, l-tą zbiorowość

zdefiniujemy zgodnie z formułą (2) jako zmienną zero-jedynkową s t , to skłon­

ność l-tej zbiorowości można wyznaczyć jako

nl

m

Σ

’ ·

s l = — = ± Λ — n i n i

(

7

)

gdzie

to liczebność l-tej zbiorowości.

Po przyjęciu funkcji potęgowej otrzymujemy następującą postać modelu:

y l = ß * Π x ß s f k+l e £ l , l = 1 2 , •■■, N j=1

(7)

Parametr ß k+1 to elastyczność punktowa zmiennej y t względem często-

ściowej miary skłonności s t .

2. Ekonometryczna analiza wpływu skłonności do spożywania wyrobów tytonio­ wych i napojów alkoholowych w województwach w Polsce w 2004 roku

Wiedzę a priori wykorzystano do określenia wpływu skłonności do pale­

nia papierosów oraz skłonności do picia alkoholu na przeciętne wydatki na wy­

roby tytoniowe i napoje alkoholowe w województwach w Polsce w 2004 roku.

Wiedza a priori o kształtowaniu się wspomnianych skłonności została zaczerp­

nięta z publikacji Stan zdrowia ludności Polski w przekroju terytorialnym

w 2004 r.4

Skłonność do palenia papierosów w l-tym województwie została wyzna­

czona jako frakcja dorosłych osób codziennie palących papierosy, czyli

s pl - mpl / nl , gdzie mpl to liczba dorosłych osób codziennie palących papie­

rosy, a nl to liczba ludności w l-tym województwie w wieku powyżej 18 lat.

Skłonność ta odnosi się do (dorosłych) mieszkańców województw. Jeżeli dana

osoba paliła codziennie papierosy, to przyjmowano, iż skłonność występuje

(wartość zmiennej zero-jedynkowej sygnalizującej występowanie skłonności

jest równa jeden). Jeśli z kolei osoba nie paliła codziennie papierosów, to zało­

żono, iż skłonność nie występuje (wartość zmiennej zero-jedynkowej sygnalizu­

jącej występowanie skłonności wynosi zero).

Częstościowa miara skłonności do spożywania alkoholu w l-tym woje­

wództwie to frakcja dorosłej ludności tego województwa spożywająca z okreś­

loną częstotliwością alkohol. Skłonność do spożywania alkoholu w l-tym wo­

jewództwie została wyznaczona jako frakcja (dorosłych) osób pijących alkohol

1-4 razy w tygodniu lub częściej. Częstościowa miara skłonności do spożywa­

nia alkoholu została więc wyznaczona jako s al = mal / nt , gdzie mal to liczba

dorosłych osób pijących alkohol 1-4 razy w tygodniu lub częściej, a nt to licz­

ba dorosłych osób w l-tym województwie.

Wartości częstościowej miary omawianych skłonności zawiera tabela 1.

4 Stan zdrowia ludności Polski w przekroju terytorialnym w 2004 r., GUS, Warszawa

(8)

Ma r i u s zDo s z y ń Ek o n o m e t r y c z n eb a d a n i ew p ł y w us k ł o n n o ś c il u d z k i c h. . .

T ab ela 1. C zęstościow a m ia ra skłonności do p alen ia p ap iero só w ^ j oraz skłonności do spożyw ania alkoholu {sal ) w w o jew ó d ztw ach w P olsce

w 2004 ro k u Województwo Skłonność do palenia papierosów Skłonność do spożywania alkoholu Dolnośląskie 0,282 0,177 Kuj awsko-pomorskie 0,282 0,135 Lubelskie 0,255 0,157 Lubuskie 0,281 0,158 Łódzkie 0,281 0,185 Małopolskie 0,222 0,159 Mazowieckie 0,241 0,179 Opolskie 0,264

0,203

Podkarpackie 0,215 0,150 Podlaskie 0,260 0,155 Pomorskie 0,291 0,188 Śląskie 0,281 0,198 Świętokrzyskie 0,229 0,128 Warmińsko-mazurskie 0,284 0,132 Wielkopolskie 0,269 0,150 Zachodniopomorskie

0,305

0,180

Źródło: obliczenia własne na podstawie: Stan zdrowia ludności Polski w przekroju terytorialnym w 2004 r , GUS, Warszawa 2007.

W 2004 roku największą skłonność do palenia papierosów wykazywała

ludność województwa zachodniopomorskiego (0,305), z kolei najmniejszą -

ludność województwa podkarpackiego (0,215). Wartości trygonometrycznej

miary skłonności do palenia papierosów w tych województwach zostały przed­

stawione na rysunkach 2-3.

(9)

R ysunek 2. T rygonom etryczna m ia ra skłonności do p alen ia p apierosów w w ojew ództw ie zachodniopom orskim w 2004 ro k u ( a = 66,3 °)

Źródło: opracowanie własne. R ysunek 3. T rygonom etryczna m ia ra skłonności do p alen ia p apierosów

w w ojew ództw ie pod k arp ack im w 2004 ro k u ( a = 74,7 °)

Źródło: opracowanie własne. N a jw ię k s z ą s k ło n n o ś c ią d o s p o ż y w a n ia a lk o h o lu c e c h o w a ła się lu d n o ś ć w o je w ó d z tw a o p o ls k ie g o (0 ,2 0 3 ) , n a to m ia s t n a j m n ie js z ą - lu d n o ś ć w o je w ó d z ­ tw a ś w ię to k r z y s k ie g o (0 ,1 2 8 ). W a r to ś c i tr y g o n o m e tr y c z n e j m ia r y s k ło n n o ś c i do s p o ż y w a n ia a lk o h o lu w ty c h w o je w ó d z tw a c h p r z e d s ta w ia ją r y s u n k i 4 - 5 .

(10)

Ma r iu s zDo s z y ń

Ek o n o m e t r y c z n eb a d a n iew p ł y w usk ł o n n o ś c il u d zk ic h... 45

R ysunek 4. T rygonom etryczna m ia ra skłonności do spożyw ania alkoholu w w ojew ództw ie opolskim w 2004 ro k u ( a = 75,7 °)

Źródło: opracowanie własne. R ysunek 5. T rygonom etryczna m ia ra skłonności do spożyw ania alkoholu

w w ojew ództw ie św iętokrzyskim w 2004 ro k u ( a = 81,6 °)

Źródło: opracowanie własne. W c e lu o k r e ś le n ia w p ły w u s k ło n n o ś c i d o p a l e n ia p a p ie r o s ó w o r a z s k ło n ­ n o ś c i d o s p o ż y w a n ia a lk o h o lu o s z a c o w a n o m o d e le , w k tó r y c h j a k o z m ie n n ą o b ja ś n ia n ą (y l ) p r z y ję to p r z e c ię tn e m ie s ię c z n e w y d a tk i n a n a p o je a lk o h o lo w e i w y r o b y ty to n io w e n a o s o b ę w g o s p o d a r s tw a c h d o m o w y c h ( w z ł) w 2 0 0 4 ro k u . Z a z m ie n n e o b ja ś n ia ją c e r e p r e z e n tu ją c e z e w n ę tr z n e c z y n n ik i o b ie k ty w n e p r z y ­ ję to :

(11)

-

x

4l - przeciętny miesięczny dochód do dyspozycji na osobę w gospo­

darstwach domowych (w zł),

-

x

5l - wskaźnik cen napojów alkoholowych i wyrobów tytoniowych,

-

x

6l - udział ludno

ś

ci miejskiej (w %).

Zmienne te zostały wybrane za pomocą metody Hellwiga ze zbioru

zmiennych uwzględniającego ponadto takie zmienne, jak:

- x1l - stopa bezrobocia rejestrowanego (w %),

- x 2l - liczba bezrobotnych na 1 ofertę pracy,

- x3l - zatrudnieni w warunkach zagrożenia (w %)5.

Zmienne

y

l oraz x 4l zostały wyrażone w cenach z 2009 roku. Kształto­

wanie się logarytmów zmiennej obja

ś

nianej (ln

y

l ) na tle zlogarytmowanej

często

ś

ciowej miary skłonno

ś

ci do palenia papierosów

(

ln

s

pl

)

oraz zlogaryt­

mowanej często

ś

ciowej miary skłonno

ś

ci do spożywania alkoholu (ln

s

al )

przedstawiają rysunki 6-7.

R ysunek 6. K ształtow anie się logarytm ów zm iennej objaśnianej ( ln y l ) n a tle zlogarytm ow anej częstościow ej m iary skłonności do p alen ia p ap iero só w (ln Spl )

w w ojew ó d ztw ach w Polsce w 2004 ro k u

Źródło: opracowanie własne.

5 Taki, a nie inny dobór zmiennych objaśniających został podyktowany między innymi dostępnością danych statystycznych.

(12)

Ma r iu s zDo s z y ń Ek o n o m e t r y c z n eb a d a n iew p ł y w usk ł o n n o ś c il u d zk ic h...

R ysunek 7. K ształtow anie się logarytm ów zm iennej objaśnianej (jn y t ) n a tle zlogarytm ow anej częstościow ej m iary skłonności do spożyw ania alkoholu (ln s al )

w w ojew ó d ztw ach w Polsce w 2004 ro k u

Źródło: opracowanie własne.

W celu weryfikacji, czy wprowadzenie do zbioru zmiennych objaśniają­

cych częstościowych miar skłonności wpływa na jakość modelu, oszacowane

zostały modele ze zmiennymi s pl i s al oraz modele bez tych zmiennych6:

ln y l - - 13,029+ 0,486 ln x4l + 2,346 ln x5l + 0,450 ln x 6l

(9)

( -2,3 3 5 ) (2 ,3 7 7 ) (l,9 3l ) (3,875 )

ln y l - 0,066+ 0,676lnx4l + 0,715lns pl + 0,236lnsal

(10)

(0,0 4 9) (3,8 4 3) (4,9 2 4) (l,8 4 2 )

Wszystkie oceny parametrów modeli (9) i (10), poza oceną wyrazu wolne­

go modelu (10), są istotne statystycznie przy poziomie istotności a = 0,1.

Można zauważyć, iż wprowadzenie do modelu zmiennych ln s pl i ln sal

spowodowało, iż nieistotne statystycznie okazały się oceny parametrów przy

zmiennych ln x5i oraz ln x 6i. Ocena parametru przy ln x 5l to punktowa ela­

styczność cenowa. W modelu (9) jest ona dodatnia oraz dosyć duża, co jest

niezgodne z tym, co wynika z teorii ekonomii. Dodanie do zbioru zmiennych

objaśniających częstościowych miar skłonności wyeliminowało zmienną ln x5l

ze zbioru zmiennych objaśniających.

47

(13)

M o ż n a to tłu m a c z y ć ty m , iż s k ło n n o ś ć d o p a l e n ia p a p i e r o s ó w o r a z s p o ż y ­ w a n ia a lk o h o lu p r z y c z y n ia się d o w z r o s tu w y d a tk ó w n a te g o t y p u p r o d u k ty w ta k im s to p n iu , iż w z r o s t c e n n ie j e s t w s ta n ie z n ie c h ę c ić n a b y w c ó w d o z w ię k ­ s z e n ia k o n s u m p c ji w y r o b ó w ty to n io w y c h o r a z n a p o jó w a lk o h o lo w y c h . D o d a n ie z m ie n n y c h r e p r e z e n tu ją c y c h n a tę ż e n ie s k ło n n o ś c i e lim in u je te ż w p ły w r ó ż n ic w z a c h o w a n ia c h w y n ik a ją c y c h z m ie js c a z a m ie s z k a n ia .

N a p o d s ta w ie m o d e lu (1 0 ) m o ż n a s tw ie rd z ić , iż p u n k to w a e la s ty c z n o ś ć d o c h o d o w a p o p y tu n a w y r o b y ty to n io w e i n a p o je a lk o h o lo w e w y n o s i 0 ,6 7 6 . M o ż n a r ó w n ie ż z a u w a ż y ć , iż w ię k s z y w p ły w n a a n a liz o w a n y r o d z a j w y d a tk ó w m ia ła s k ło n n o ś ć d o p a l e n ia p a p ie r o s ó w .

N a le ż y w ty m m ie js c u d o d a ć , iż in te r p r e ta c ja p a r a m e tr ó w p r z y z m ie n n y c h m ie r z ą c y c h n a tę ż e n ie s k ło n n o ś c i j e s t p r o b le m a ty c z n a , p o n ie w a ż z m ie n n ą o b ja ­ ś n ia n ą s ą łą c z n e w y d a tk i n a n a p o je a lk o h o lo w e i w y r o b y ty to n io w e , n a to m ia s t w p ły w k a ż d e j s k ło n n o ś c i r o z p a tr y w a n y j e s t o d d z ie ln ie . W p ły w s k ło n n o ś c i do p a l e n ia p a p i e r o s ó w p r o w a d z i d o w z r o s tu w y d a tk ó w n a w y r o b y ty to n io w e , n a ­ to m i a s t w z r o s t s k ło n n o ś c i d o s p o ż y w a n ia a lk o h o lu p r z y c z y n ia się d o w z r o s tu w y d a tk ó w n a n a p o je a lk o h o lo w e . U w z g lę d n ie n ie z m ie n n y c h w ta k ie j p o s ta c i z o s ta ło p o d y k to w a n e r o d z a je m d o s tę p n y c h d a n y c h s ta ty s ty c z n y c h .

M o d e l, w k tó r y m u w z g lę d n io n o w p ły w s k ło n n o ś c i, c e c h u je s ię m n ie js z ą w a r to ś c ią o d c h y le n ia s ta n d a r d o w e g o r e s z t ( S e ) o r a z w y ż s z ą w a r to ś c ią s k o r y ­ g o w a n e g o w s p ó łc z y n n ik a d e te r m in a c ji (R 2 ) . N a p o d s ta w ie e m p ir y c z n y c h p o ­ z io m ó w is to tn o ś c i te s tu F , w p r z y p a d k u k a ż d e g o z r o z w a ż a n y c h m o d e li, n a l e ­ ż a ło o d r z u c ić h ip o te z ę o n ie is to tn y m w p ły w ie u w z g lę d n io n e j k o m b in a c ji z m ie n n y c h o b ja ś n ia ją c y c h ( ta b e la 2).

T ab ela 2. O dchylenie standardow e resz t (ße ), skorygow any w sp ó łczy n n ik determ inacji R 2 ) oraz em piryczny p o zio m istotności te stu F n a istotność zm iennych objaśniających

w m o d e lu ze zm iennym i s pl i S al oraz w m o d elu b ez ty c h zm iennych Statystyka Model bez zmiennych S pl i S aj Model ze zmiennymi S pl i S al

Se 0,062 0,054 R 2 0,819 0,863

P emp 0,000 0,000

(14)

Ma r i u s zDo s z y ń Ek o n o m e t r y c z n eb a d a n i ew p ł y w us k ł o n n o ś c il u d z k i c h. . .

W a r to ś c i lo g a r y tm u f u n k c ji w ia r y g o d n o ś c i (LW ) o r a z w a r to ś c i k r y te r ió w in f o r m a c y jn y c h A IC ,

BIC, HQC

k s z t a ł t u j ą s ię k o r z y s tn ie j w m o d e lu z e z m ie n ­ n y m i s pl i s al ( ta b e la 3).

T ab ela 3. L ogarytm funkcji w iarygodności (LW ) oraz w artości kryterió w in form acyjnych A IC , B IC , H Q C w m o d e lu ze zm iennym i s pl i s al oraz w m o d elu b ez ty c h zm iennych Kryterium Model bez zmiennych S pl i S al Model ze zmiennymi S pl i S al

LW 24,001 26,235

AIC -40,002 -44,470

BIC -36,912 -41,380

HQC -39,844 -44,312

Źródło: obliczenia własne. W p r z y p a d k u k a ż d e g o z o s z a c o w a n y c h m o d e li n ie b y ło p o d s ta w d o o d r z u ­ c e n ia h ip o te z y o z g o d n o ś c i r o z k ła d u r e s z t z r o z k ła d e m n o r m a ln y m o r a z h ip o te ­ z y o h o m o s k e d a s ty c z n o ś c i r e s z t ( p o z io m is to tn o ś c i a = 0,1) ( ta b e la 4).

T ab ela 4. E m piryczne po zio m y istotności testu D oornika-H ansena n a n orm alność ro zk ład u resz t oraz te stu W h ite ’a n a h om oskedastyczność reszt

w m o d e lu ze zm iennym i s pl i s al oraz w m o d elu b ez ty c h zm iennych

Statystyka

Model bez zmiennych

Spl

i

Sal

Model ze zmiennymi

Spl

i

Sal

Test Doornika-Hansena 0,784 0,499 Test W hite’a 0,390 0,123 49

(15)

Podsumowanie

Reasumując, należy stwierdzić, że w przypadku posiadania wiedzy a prio­

ri o kształtowaniu się analizowanych skłonności ich wpływ można uwzględnić

bezpośrednio, poprzez dodatnie zmiennych wskazujących na występowanie

skłonności (lub ich natężenie) do zbioru zmiennych objaśniających.

W omawianym przykładzie dodanie częstościowej miary skłonności do

palenia papierosów oraz częstościowej miary skłonności do spożywania alkoho­

lu przyczyniło się do poprawienia stopnia dopasowania modelu do danych em­

pirycznych oraz do korzystniejszych własności modelu z punktu widzenia war­

tości kryteriów informacyjnych AIC, BIC oraz HQC.

Uwzględnienie skłonności przyczyniło się również do wyeliminowania ze

zbioru zmiennych objaśniających wskaźnika cen wyrobów tytoniowych oraz

napojów alkoholowych, którego wpływ okazał się dodatni oraz dość duży,

a więc niezgodny z teorią ekonomii. Może to wskazywać na fakt, iż oddziały­

wanie skłonności do palenia papierosów oraz skłonności do spożywania alkoho­

lu powodowało, iż wpływ cen tego rodzaju produktów nie był istotny staty­

stycznie (nabywcy byli niewrażliwi na zmiany cen).

Literatura

C zerw iński Z.,

Matematyka na usługach ekonomii,

W U E, P oznań 2011.

D oszy ń M .,

Statystyczno-ekonometryczna analiza skłonności ludzkich,

W ydaw nictw o N aukow e U n iw ersytetu Szczecińskiego, S zczecin 2008.

G reene W .,

Econometric Analysis,

P rentice H all, U p p er Saddle R iver 2003. H ozer J., D oszyń M .,

Ekonometria skłonności,

P W E, W arszaw a 2004.

P opper K .R .,

The Propensity Interpretation of Probability

, „B ritish Journal for the P h i­ losophy o f Science” 1959, no. 10.

Stan zdrowia ludności Polski w przekroju terytorialnym w 2004 r.,

G U S, W arsza­ w a 2007.

W ooldridge J.M .,

Econometric Analysis o f Cross Section and Panel Data

, M IT, C am ­ bridge 2002.

(16)

Ma r i u s zDo s z y ń Ek o n o m e t r y c z n eb a d a n i ew p ł y w us k ł o n n o ś c il u d z k i c h. . . 51

ECONOMETRIC ANALYSIS OF IMPACT OF HUMAN PROPENSITIES

IN CASE OF A P R IO R I KNOWLEDGE

ABOUT THEIR INTENSITY

Abstract

In th e article w ere p resen ted econom etric m ethods o f taking h um an propensities into account w hile analyzing econom ic processes. D efinition o f pro p en sity an d m ethods th a t enable m easurem ent o f propensities w ere proposed. F requency and trigonom etric m ethods o f m easuring p ropensities w ere described. P o ssibilities o f applying im pact o f h um an propensities b y m eans o f econom etric m odels for spatial d ata in case o f a p rio r i k n o w ledge abo u t propensities w ere characterized. In em pirical exam ple influence o f pro p en sity to consum e tobacco and alcoholic beverages in v oivodeships in P o lan d in y ea r 2004 w as estim ated.

Keywords

: h um an propensities, frequency m easure o f propensity, trigonom etric m e a s­ ure o f propensity, a p r io r i know ledge abo u t propensities, econom etric analysis o f im pact o f h u m a n p ropensities

Kody JEL

: C01, C18, D01

Cytaty

Powiązane dokumenty

Istotną rolę przy analizie dynamiki oszczędności pieniężnych ludności pełni stopień masowości oszczędzania. Miarą jego jest przeciętna liczba książeczek

Idea zastosowania korelacji kanonicznej do wyboru optymalnego zbioru zmiennych objaśniających do modelu ekonometrycznego.. Идея применения

W praktyce, oceny skłonności dokonuje się przede wszystkim na pod- stawie mierników obiektywnych, czyli uzyskanych informacji statystycznych, pochodzących z

Metoda rzutowania, jako nieparametryczna metoda regresji, nie zakłada znajomości rozkładu składnika losowego w modelu czy analitycznych postaci związków między zmiennymi.

Dlatego, jego zdaniem, nie jest głównym zadaniem filozofii odsensownianie tego świata, dostępnego w potocznym doświadczeniu, czynienie go światem pozornym, nie wartym tego, by

Pavlakos advocates legal knowledge, called the Practice Theory of Law (PTL) and as the next step he argues that “legal facts can be known objectively if we conceive of legal

Jeszcze bardziej komplikują się sprawy, gdy zajrzymy do korespon­ dencji Zygmunta Krasińskiego.. Ponadto z notatki Krasińskiego wynika, iż ten nowożytny bohater

Skłonność do inwestowania własnych pieniędzy za granicą pojawia się z inną częstością wśród osób, które uznają własną sytuację materialną za bardzo dobrą lub