Empirische Wirtschaftsforschung

Transcription

Empirische Wirtschaftsforschung
Herbert Stocker
Online-Exercise: Life expectancy
Die durchschnittliche Lebenserwartung hat in den meisten Ländern über die letzten fünf
Dekaden mehr oder weniger stark zugenommen. Im Rahmen dieser Übung sollen Sie die
durchschnittliche Zunahme der Lebenserwartung pro Jahr für ein bestimmtes Land schätzen
und einige Hypothesen testen.
Die Angabe, für welches Land Sie die Berechnungen durchführen sollen, sowie weitere Angaben finden Sie im Login-Bereich der Kursseite
http://www.hsto.info/econometrics/login.php.
Als Datengrundlage verwenden wir die ‘World Development Indicators’ (WDI) der Weltbank, die eine große Zahl von Entwicklungsindikatoren für (fast) alle Länder dieser Welt
enthalten. Die World Development Indicators (WDI) finden Sie auf der Homepage der Weltbank http://databank.worldbank.org/
Suchen Sie in dieser Datenbank folgende Datenreihe für ‘Ihr’ Land
• Life expectancy at birth, total (years)
→
• GDP per capita (constant 2005 US$)
GDPpC
→
LE
Achten Sie darauf, dass die Daten tatsächlich als Zeitreihendaten eingelesen werden!
Geben Sie der ersten Datenreihen Life expectancy at birth den Namen LE und der zweiten Datenreihe GDP per capita den Namen GDPpC.
Link: zur Berechnung der Lebenserwartung (klicken).
Legen Sie allen folgenden Berechnungen – sofern nichts anderes angegeben wird – ein Signifikanzniveau von 5 Prozent (α = 0.05) zugrunde und geben Sie alle numerische Eingaben
mindestens auf 3 Kommastellen genau ein.
Für minus Unendlich (−∞) geben Sie bitte −999 und für plus Unendlich (+∞) +999 ein.
Berechnen Sie folgende Werte und tragen Sie das Ergebnis auf der Kursseite ein. Sollte
die Lösung richtig sein werden Ihnen sofort Punkte gut geschrieben. Sie können (vor der
Deadline) so oft probieren wie sie wollen; auch unterbrechen und später fortfahren, Ihre
richtigen Antworten bleiben erhalten.
1. Berechnen Sie eine Regression
LE = βb1 + βb2 Trend + ε
(1)
wobei LE die Variable ‘Life expectancy at birth, total (years)’ und ‘Trend’ eine Trendvariable ist, die bei Null beginnt, d.h. Trend = 0, 1, 2, . . . , T .
Geben Sie das Interzept von Gleichung (1) ein.
Hinweise:
EViews:
series Trend = @trend
equation eq1 .ls LE c Trend
R
Trend <– (1:nrow(mydata))-1
eq1 <– lm(LE ∼ Trend, data=mydata)
Stata:
tsset year, y
gen Trend = n-1
reg LE Trend
2. Geben Sie den Steigungskoeffizienten von Gleichung (1) ein.
EViews: eq1 .@coefs(1), eq1 .@coefs(2), . . .
oder kürzer für die zuletzt geschätzte Gleichung: c(1), c(2), . . .
R: coef(eq1 )[1], coef(eq1 )[2], . . .
Stata: b[ cons], b[Trend ], . . .
3. Geben Sie das normale Bestimmtheitsmaß (R2 ) von Gleichung (1) ein.
EViews: myeq1 .@r2; R: summary(eq1)$r.squared); Stata: e(r2)
4. Wenn Sie mittels t-Test die Hypothese testen möchten, ob sich die erwartete Lebenserwartung über den betrachteten Zeitraum verändert hat, wieviele Freiheitsgrade legen
Sie diesem Test zugrunde?
5. Geben Sie den linken (unteren) Wert des Akzeptanzbereichs für die Nullhypothese ein,
dass sich die Lebenserwartung nicht verändert hat (α = 0.05).
EViews: @qtdist(0.025,eq1.@df)
Stata: invttail(e(df_r,0.025) R: qt(0.025,eq1$df)
6. Geben Sie den den rechten (oberen) Wert des Akzeptanzbereichs für obige Nullhypothese ein (α = 0.05).
7. Geben Sie den empirischen Wert der t-Statistik für den Test obiger Nullhypothese ein.
8. Berechnen Sie nun das Konfidenzintervall für den Steigungskoeffizienten βb2 und geben
Sie den unteren (linken) Wert davon ein (α = 0.05).
9. Geben Sie den oberen (rechten) Wert des obigen Konfidenzintervalls für den Steigungskoeffizienten βb2 ein.
10. Berechnen Sie den empirischen Wert der t-Statistik die Nullhypothese H0 : β2 = β0
und geben Sie diesen ein.
‘Ihren’ Wert für β0 finden Sie im Login-Bereich der Kursseite.
11. Geben Sie den linken (unteren) Wert des Verwerfungsbereichs für diese Nullhypothese
β2 = β0 ein (geben Sie −999 für −∞ und +999 für +∞ ein; α = 0.05).
12. Geben Sie den rechten (oberen) Wert des Verwerfungsbereichs für diese Nullhypothese
ein (geben Sie −999 für −∞ und +999 für +∞ ein; α = 0.05).
13. Berechnen Sie den p-Wert für diese Nullhypothese H0 : β2 = β0 .
2
14. Angenommen Ihre Anfangsvermutung ist, dass die durchschnittliche Lebenserwartung
in ‘Ihrem’ Land über den betrachteten Zeitraum pro Jahr um weniger als β0 Jahre
zugenommen hat (‘Ihren’ Wert für β0 finden Sie im Login-Bereich der Kursseite).
Die Nullhypothese ist die Gegenhypothese zu Ihrer Anfangsvermutung, also H0 : β2 ≥
β0 , bzw. β2 − β0 ≥ 0. Wenn die Nullhypothese richtig ist, dann ist es sehr unwahrscheinlich einen stark negativen Schätzwert für βb2 − β0 zu erhalten.
Geben Sie den empirischen Wert der betreffenden t-Statistik für diese Nullhypothese
ein.
15. Geben Sie den linken (unteren) Wert des Verwerfungsbereichs für diese Nullhypothese
16. Geben Sie den rechten (oberen) Wert des Verwerfungsbereichs für diese Nullhypothese
17. Berechnen Sie den p-Wert für den Test dieser Nullhypothese H0 : β2 ≥ β0 .
18. Angenommen, Ihre Anfangsvermutung wäre gewesen, dass die durchschnittliche Lebenserwartung in ‘Ihrem’ Land über den betrachteten Zeitraum pro Jahr um mehr
als β0 Jahre zugenommen hat (‘Ihren’ Wert für β0 finden Sie im Login-Bereich der
Kursseite).
Formulieren Sie die dazugehörige Nullhypothese und geben Sie den empirischen Wert
der betreffenden t-Statistik ein.
19. Geben Sie den linken Wert des Verwerfungsbereichs für diese Nullhypothese ein (geben
Sie −999 für −∞ und +999 für +∞; α = 0.05).
20. Geben Sie den rechten Wert des Verwerfungsbereichs für diese Nullhypothese ein (geben Sie −999 für −∞ und +999 für +∞ ein).
21. Berechnen Sie den p-Wert für den Test dieser Nullhypothese.
22. Legen Sie eine neue Trendvariable T60 an, die im Jahr 1960 den Wert 1960 hat und
bis zum letzten Jahr läuft (T60 = 1960, 1961, . . .) und regressieren Sie diesen neuen
Trend T60 auf die Lebenserwartung LE (d.h. LE = βb1 + βb2 T60 + ε).
Vergleichen Sie das Ergebnis mit der Schätzung von Gleichung (1) und geben Sie das
Interzept der neuen Schätzung ein.
23. Geben Sie den Steigungskoeffizienten der neuen Schätzung LE = βb1 + βb2 T60 + ε ein.
24. Prognostizieren Sie die Lebenserwartung für das Prognosejahr (‘Ihr’ Prognosejahr finden Sie im Login-Bereich der Kursseite).
25. Die Zu- bzw. Abnahme der durchschnittlichen Lebenserwartung könnte auch auf
Veränderungen des pro Kopf Einkommens zurückzuführen sein. Schätzen Sie
LE = βb1 + βb2 log(GDPpC) + ε̂
(2)
wobei log den natürlichen Logarithmus bezeichnet. Geben Sie Ihre Schätzung des
Koeffizienten von log(GDPpC) ein. Wie interpretieren Sie diesen Koeffizienten?
3
26. Schätzen Sie nun eine multiple Regression
LE = βb1 + βb2 Trend + βb3 log(GDPpC) + ε̂
(3)
(mit Trend = 0, 1, 2, . . .)
Vergleichen Sie das Ergebnis der Schätzungen von Gleichung (1), (2) und Gleichung
(3).
Geben Sie Ihre Schätzung des Koeffizienten von log(GDPpC) der Gleichung (3) ein
(d.h. βb3 ).
27. Testen Sie für Gleichung (3) mittels t-Test die Nullhypothese H0 : β2 = 2β3 und geben
Sie den empirischen Wert dieser t-Statistik ein.
Hinweis: Beachten Sie, dass Sie für die Berechnung des Standardfehlers von βb2 − 2βb3
die Kovarianzmatrix der Koeffizienten benötigen!
28. Geben Sie den p-Wert für den Test obiger Nullhypothese ein.
29. Testen Sie nun mittels Chow-Test für Gleichung (3), ob am Jahresanfang des Jahres
‘Strukturbruchjahr’ (für ‘Ihren’ Wert siehe Kursseite) ein Strukturbruch stattgefunden
hat.
Achtung: Angenommen ‘Ihr’ Strukturbruchjahr wäre 1985 und Sie haben Daten für
1960 – 2012, dann schätzen Sie die erste Gleichung über 1960 – 1984 und die zweite
Gleichung über die Periode 1985 – 2012.
Geben Sie zuerst die nicht-restringierte Quadratsumme der Residuen ein.
Hinweis: Die Quadratsumme der Residuen einer Gleichung eq1 erhalten Sie mit
EViews: eq1 .@ssr,
R: deviance(eq1 )
Stata: nach der Schätzung der Gleichung mit e(rss)
30. Geben Sie die restringierte Quadratsumme der Residuen ein.
Achtung: Achten Sie darauf, dass die Regressionen für das restringierte und nichtrestringierte Modell auf der gleichen Beobachtungszahl beruht!
31. Geben Sie den empirischen Wert der entsprechenden Chow-Statistik (F-Wert) ein.
32. Geben Sie die Anzahl der Zählerfreiheitsgrade der entsprechenden F-Statistik ein.
33. Geben Sie die Anzahl der Nennerfreiheitsgrade der entsprechenden F-Statistik ein.
34. Geben Sie den kritischen Wert der F-Statistik für diese Nullhypothese ein.
35. Fertigen Sie eine Grafik wie die Abbildung 1 für ‘Ihr’ Land an und laden Sie diese als
JPG-Datei auf den Server hoch.
Die linke Abbildung zeigt ein einfaches Streudiagramm zwischen Lebenserwartung
und pro Kopf Einkommen, und die rechte Abbildung den gleichen Zusammenhang
für die ‘trendbereinigten’ Variablen (d.h. den Residuen nach einer Regression auf
den Trend; weitere Hinweise finden Sie im Kapitel 7, Abschnitt 7.3.1 (Seite 18ff);
http://www.uibk.ac.at/econometrics/einf/kap03.pdf ).
4
Morocco
(H. Stocker)
Normal Correlation r = 0.9595
Partial Correlation: rp = -0.6105
75
1.5
1.0
70
0.5
RES_LE
LE
65
60
0.0
-0.5
55
-1.0
50
45
600
-1.5
800
1,000
1,200
1,400
1,600
-2.0
-150
1,800
GDPPC
-100
-50
0
50
100
150
200
RES_GDPPC
Abbildung 1: Zusammenhang zwischen Lebenserwartung und pro Kopf Einkommen ohne
(links) und mit (rechts) Trendbereinigung.
Ordnen Sie die beiden Grafiken nebeneinander an und schreiben Sie über diese
Grafik den Namen des Landes und Ihren Namen.
Wie erklären Sie sich diese Grafik?
5

Empirische Wirtschaftsforschung

Transcription

Documents pareils

Life expectancy II

Bemerkungen zur Beratung. pdf

7. Klasse¨Ubungsaufgaben 7 Lineare Gleichungen 05

3 Induktive Statistik

Testaufgaben für Mathematik - Ilmenau

Prof. Dr. Oleg Bogopolski Keine Abgabe. Besprechung: 17.10. um

Solche Unverträglichkeiten können denn auch bei den Betroffenen

Flussdiagramm

Einführung in die statistische Datenanalyse - E

Klassenarbeit Lineare Gleichungssysteme - Mathe