empirische wirtschaftsforschung ?· empirische wirtschaftsforschung – regressionsanalyse...

Download EMPIRISCHE WIRTSCHAFTSFORSCHUNG ?· Empirische Wirtschaftsforschung – Regressionsanalyse Skriptum…

Post on 07-Aug-2019

219 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

  • EMPIRISCHE WIRTSCHAFTSFORSCHUNG

    REGRESSIONSANALYSE

    Univ.-Prof. Dr. Joachim Merz

    Skriptum zur Vorlesung

    Fnfzehnte Auflage 2016

    Leuphana Universitt Lneburg

    Fakultt Wirtschaftswissenschaften

    Forschungsinstitut Freie Berufe

    Professur Statistik und Freie Berufe

    www.leuphana.de/ffb

    Copyright 2016

  • Fnfzehnte Auflage 2016

    Univ.-Prof. Dr. Joachim Merz, LEUPHANA Universitt Lneburg, Fakultt Wirtschaft, For-

    schungsinstitut Freie Berufe (FFB), Professur Statistik und Freie Berufe, Campus, Geb. 5,

    Scharnhorststr. 1, 21335 Lneburg, Tel.: 04131/677-2051, Fax: 04131/677-2059, e-mail:

    merz@uni.leuphana.de, url: www.leuphana.de/ffb.

    Generelle Informationen und Veranstaltungen zur empirischen Wirtschaftsforschung finden Sie

    auf unserer FFB-Homepage www.leuphana.de/ffb.

  • .

    Empirische Wirtschaftsforschung Regressionsanalyse

    Skriptum zur Vorlesung

    Univ.-Prof. Dr. Joachim Merz

    THEMENBEREICHE

    I EINLEITUNG: EMPIRISCHE WIRTSCHAFTSFORSCHUNG UND KO-

    NOMETRIE ZIELE UND AUFGABEN

    II DATEN UND STRUKTUR KONOMETRISCHER MODELLE, KONO-

    METRIE SOFTWARE

    III EMPIRISCHE REGRESSION: EINFACHREGRESSION

    IV EMPIRISCHE REGRESSION: MEHRFACHREGRESSION

    V STATISTISCHE GRUNDLAGEN: WAHRSCHEINLICHKEIT, SCHTZEI-

    GENSCHAFTEN UND STATISTISCHE INFERENZ

    VI DAS KLASSISCHE LINEARE MODELL (CLR)

    VII HYPOTHESENTESTS IM CLR

    VIII BEISPIELE CLR-ANALYSE

    IX TESTS DER CLR ANNAHMEN

    X BEISPIELE ANALYSE DER CLR ANNAHMEN

    XI DAS GENERALISIERTE LINEARE REGRESSIONSMODELL (GLS)

    XII PANELDATENMODELLE

    XIII WEITERE TOPICS

    ANHANG

    LITERATUR

  • EMPIRISCHE WIRTSCHAFTSFORSCHUNG

    REGRESSIONSANALYSE

    I EINLEITUNG: EMPIRISCHE WIRTSCHAFTSFORSCHUNG UND KONOMETRIE ZIELE UND AUFGABEN 1

    1 Empirische Wirtschaftsforschung (EWF) und konometrie - Abgrenzung .................... 1 2 konometrie - Methodologie und Vorgehensweise ............................................................. 3

    2.1 Acht Schritte der konometrischen Modellierung ....................................................... 3 2.2 konometrische Modellbildung am Beispiel der Keynesschen

    Konsumtheorie .................................................................................................................. 3 3 Regressionsanalyse - Einfhrende Beispiele .......................................................................... 8

    4 GUY ORCUTT: A Pioneer in Econometric Computation .............................................. 11

    II DATEN UND STRUKTUR KONOMETRISCHER MODELLE, KONOMETRISCHE SOFTWARE 13

    1 Daten.......................................................................................................................................... 13 1.1 Anforderungen und Messniveaus.................................................................................. 13 1.2 Querschnitts-, Lngsschnitt- und Paneldaten.............................................................. 14

    2 Struktur konometrischer Modelle........................................................................................ 15 2.1 Variablen, Parameter, Strgren und Modellgleichungen verbinden .................... 15 2.2 Strukturelle und reduzierte Form .................................................................................. 15

    3 Datenbanken und konometriesoftware ............................................................................. 16 3.1 Datenbanken .................................................................................................................... 16 3.2 konometrie/Statistik Programme .............................................................................. 16

    III EMPIRISCHE REGRESSION: EINFACHREGRESSION 18

    1 Regression und Korrelation .................................................................................................... 18 2 Die Methode der kleinsten Quadrate (MKQ/ OLS) Einfachregression .................... 21

    2.1 Abweichungskriterien: LAD und MKQ/ OLS ........................................................... 22 2.2 Parameterschtzung nach der Methode der kleinsten Quadrate .............................. 23 2.3 Vereinfachungen durch Koordinatentransformation................................................. 29 2.4 Zusammenfassung: Empirische Regression Einfachregression ............................ 32 2.5 Beispiele BWL/VWL Einfachregression und Variablentransformation ................. 33 2.6 bungsaufgaben / Exercises ......................................................................................... 37

    IV EMPIRISCHE REGRESSION: MEHRFACHREGRESSION 43

    1 Die Methode der kleinsten Quadrate (MKQ/OLS) Mehrfachregression..................... 43 1.1 Lineare Mehrfachregression - Formulierung des Problems in

    Matrixnotation ................................................................................................................. 43 1.2 Parameterschtzung bei K Variablen............................................................................ 45 1.3 Beispiele: Regression in Matrixnotation ....................................................................... 49

  • 2 Eigenschaften der MKQ/ OLS und geometrische Interpretation ................................... 57 2.1 Statistische Eigenschaften der MKQ/ OLS ................................................................ 57 2.2 Geometrische Interpretation der MKQ/ OLS ........................................................... 60

    3 Korrelation, Varianzanalyse und "Goodness of Fit" .......................................................... 61 3.1 Korrelationskoeffizient und partielle Korrelation ...................................................... 61 3.2 ANOVA-Varianzanalyse ................................................................................................ 63 3.3 Goodness of Fit: R2 (Bestimmheitsma) und korrigiertes R2 ................................... 64 3.4 Goodness of Fit: Akaike Information, Amemiya Prediction und Schwarz

    Information Kriterium .................................................................................................... 67 3.5 bungsaufgaben Mehrfachregression .......................................................................... 68

    V STATISTISCHE GRUNDLAGEN: WAHRSCHEINLICHKEIT, SCHTZEIGENSCHAFTEN UND STATISTISCHE INFERENZ 70

    1 Zufallsvariablen und Wahrscheinlichkeitsverteilung........................................................... 70

    2 Erwartungswert und Eigenschaften des Erwartungswertoperators ................................. 73 3 Spezifische Verteilungen von Zufallsvariablen .................................................................... 74

    3.1 Normalverteilung ............................................................................................................. 74 3.2 Chi-Quadrat Verteilung (2) ........................................................................................... 75 3.3 t-Verteilung (Student-Verteilung) .................................................................................. 75 3.4 F-Verteilung...................................................................................................................... 76

    4 Schtzungen und wnschenswerte Schtzeigenschaften .................................................... 76 4.1 Punktschtzung ................................................................................................................ 76 4.2 Wnschenswerte Schtzeigenschaften fr kleine Stichproben:

    Erwartungstreue, Effizienz und BLUE ........................................................................ 77 4.3 Wnschenswerte Schtzeigenschaften fr groe Stichproben:

    Asymptotische Erwartungstreue und Konsistenz ...................................................... 79

    VI DAS KLASSISCHE LINEARE REGRESSIONSMODELL (CLR) 81

    1 Formulierung des stochastischen Modells............................................................................ 81 2 Modellannahmen des klassischen linearen Regressionsmodells (CLR) ........................... 85

    3 Schtzung der Modellparameter ............................................................................................ 90 3.1 MKQ/ OLS-Schtzung des Parametervektors ; Varianz von bOLS ...................... 90

    3.2 Schtzung von 2 ............................................................................................................. 93 4 Schtzeigenschaften des MKQ/ OLS-Schtzers................................................................. 95

    4.1 Erwartungstreuer Schtzer des Parametervektors = bOLS ...................................... 95

    4.2 Erwartungstreuer Schtzer von 2 .............................................................................. 96 4.3 Erwartungstreue Schtzung der Varianz-Kovarianz-Matrix Var(b) = bb

    des OLS-Schtzers b ....................................................................................................... 96 4.4 Minimale Varianz (Effizienz) und BLUE-Eigenschaft von bOLS Gauss-

    Markov Theorem ............................................................................................................. 97 5 Maximum Likelihood (ML) und ML-Schtzung der Modellparameter ........................... 99

    5.1 Maximum Likelihood (ML) Ansatz .............................................................................. 99 5.2 ML-Schtzung der CLR-Modellparameter ................................................................ 100 5.3 Beispiel: ML-Schtzung auf der Basis einer Binomialverteilung ............................ 101

    6 Prognose und Prognoseintervalle .......................................................

Recommended

View more >