UWAGA!
Podczas zajęć z „ekonometrii stosowanej”, 15 stycznia 2005, błędnie podałem interpretacje parametrów przy zmiennych zdefiniowanych jako ilorazy indeksów cen.
Poniżej podaję poprawną interpretację (przykłady jak na zajęciach).
Przykład 1 Model liniowy
r pce1=y,ppce1/cpi
:
SEE = 21.31 RSQ = 0.7425 RHO = 0.47 Obser = 22 from 1980.000 SEE+1 = 20.42 RBSQ = 0.7154 DW = 1.05 DoFree = 19 to 2001.000 MAPE = 9.99
Variable name Reg-Coef Mexval Elas NorRes Mean Beta t-value F-Stat 0 pce1 - - - 183.65 - - - 1 intercept 108.65919 17.1 0.59 3.88 1.00 2.658
2 y 0.00059 42.9 0.80 2.07 250092.53 0.538 4.450 27.40 3 ppce1/cpi -71.38135 44.0 -0.40 1.00 1.02 -0.545 -4.514 20.37
Zaznaczony parametr można zinterpretować następująco:
wzrost wskaźnika cen relatywnych (ppce1/cpi) o jednostkę powoduje spadek wydatków na ryż o 71,4 mln zł w cenach stałych roku 1995.
Interpretacji tej towarzyszą zwykłe założenia, o których mowa była na zajęciach. Omawianego parametru nie można zatem interpretować w prostszy i ekonomicznie bardziej czytelny sposób. Jest to związane ze specyficzną konstrukcją zmiennej (iloraz indeksów jednopodstawowych).
Należy przy tym pamiętać, że wzrost omawianego wskaźnika cen relatywnych o jednostkę stanowi dość znaczną zmianę cen relatywnych (w tym przypadku cen ryżu w relacji do ogólnego poziomu cen towarów i usług konsumpcyjnych).
Przykład 2 Model potęgowy
fdates 1980 2001 f Lpce1=@log(pce1) f Ly=@log(y)
f Lppce1_cpi=@log(ppce1/cpi) r Lpce1=Ly,Lppce1_cpi
:
SEE = 0.12 RSQ = 0.7446 RHO = 0.50 Obser = 22 from 1980.000 SEE+1 = 0.11 RBSQ = 0.7177 DW = 1.00 DoFree = 19 to 2001.000 MAPE = 1.99
Variable name Reg-Coef Mexval Elas NorRes Mean Beta t-value F-Stat 0 Lpce1 - - - 5.19 - - - 1 intercept -4.72241 10.1 -0.91 3.91 1.00 -2.006
2 Ly 0.79692 38.9 1.91 2.17 12.42 0.508 4.203 27.69 3 Lppce1_cpi -0.46106 47.2 0.00 1.00 -0.03 -0.569 -4.708 22.16
Zaznaczony parametr można zinterpretować następująco:
wzrost wskaźnika cen relatywnych (ppce1/cpi) o 1% powoduje spadek realnych wydatków na ryż o 0,46%.
Interpretacji tej towarzyszą zwykłe założenia, o których mowa była na zajęciach.
W przypadku modelu potęgowego można jednak zinterpretować parametr w sposób bardziej czytelny pod względem ekonomicznym, tj.:
wzrost cen ryżu o 1% w stosunku do ogólnego poziomu cen towarów i usług konsumpcyjnych powoduje spadek realnych wydatków na ryż o 0,46%.
Interpretacji tej towarzyszą zwykłe założenia, o których mowa była na zajęciach.
Przykład 3 Model potęgowy
f Lppce1_ppce5=@log(ppce1/ppce5) r Lpce1=Ly,Lppce1_ppce5
:
SEE = 0.15 RSQ = 0.5804 RHO = 0.61 Obser = 22 from 1980.000 SEE+1 = 0.14 RBSQ = 0.5362 DW = 0.78 DoFree = 19 to 2001.000 MAPE = 2.23
Variable name Reg-Coef Mexval Elas NorRes Mean Beta t-value F-Stat 0 Lpce1 - - - 5.19 - - - 1 intercept -4.81689 6.0 -0.93 2.38 1.00 -1.532
2 Ly 0.80520 23.8 1.93 1.32 12.42 0.513 3.179 13.14 3 Lppce1_ppce5 -0.27970 14.8 0.00 1.00 -0.01 -0.397 -2.461 6.06
