Professional Documents
Culture Documents
1 Ekonometri PDF
1 Ekonometri PDF
Hyrje
Visar Malaj (PhD)
Universiteti i Tirans
Fakulteti i Ekonomis
Departamenti i Ekonomiksit
visarmalaj@feut.edu.al
Ku zbatohet ekonometria?
Testimi i teorive
Parashikim i vlerave (p.sh., shitjet e kompanis,
papunsia, mimet e aksioneve)
Prshtatje e modeleve ekonomik me
vzhgimet.
Prdorim i t dhnave pr dhnien e
rekomandimeve politike n qeveri dhe biznes.
Frekuenca
mujore, tremujore
vjetor
javore
sa her kemi transaksion
Mbledhja e t dhnave
Vlersimi i modelit
Po
Riformulojm modelin
Interpretojm modelin
Analiza/parashikime
Regresioni
Regresioni, mjeti m i fuqishm n dispozicion t ekonometricienit.
far sht analiza regresive?
Prshkrim dhe vlersim i lidhjes midis nj variabli t dhn (variabli i
varur) dhe nj apo m shum variablave t tjer (variabla t pavarur).
Regresioni
Shnojm variablin e varur me y dhe variablat e pavarur me x1, x2, ... , xk nse
kemi k variabla t pavarur.
Supozojm fillimisht: nj variabl x, nj variabl y.
Regresioni i thjesht
Pr thjeshtsi, marrim k=1. y varet vetm nga nj variabl x.
Shembuj:
Si ndryshon rendimenti i asetit me nivelin e riskut t tregut.
Vlersimi i marrdhnies afatgjat midis mimeve t aksioneve dhe
dividendve.
Excess return
= rXXX,t rft
17.8
39.0
12.8
24.2
17.2
Ekstra-rendimenti i portofolit
45
40
35
30
25
20
15
10
5
0
0
10
15
Extra-rendimenti i tregut
20
25
Drejtza e regresionit
Ekuacioni i prgjithshm i drejtzs,
y=a+bx
Metoda OLS
Shnojm me
yt vzhgimin n kohn e tanishme t
y t vlersimin sipas drejtzs s regresionit
ut mbetjen, y - y
t
t
yi
u i
y i
xi
Metoda OLS
5
ut sht
yt - y t .
diferenca
midis
vzhgimit
faktik
y
t t sht ekuivalent me min
Minimizimi i
n lidhje me $ dhe $ .
u
t 1
2
t
dhe
u
t
(shuma e
vijs,
Metoda OLS
Nga y
t xt , kemi
L ( yt y t ) 2 ( yt xt ) 2
t
Nga (1),
L
2 ( yt xt ) 0
t
L
2 xt ( yt xt ) 0
t
(1)
(2)
( y t xt ) 0 y t T xt 0
t
Por, y t Ty dhe xt Tx .
Metoda OLS
Mund t shkruajm Ty T Tx 0 ose y x 0
Nga (2), x ( y x ) 0
t
(3)
(4)
Nga (3),
y x
Zvendsojm
x
y
y
x
x
x
x
t t t
t
t 0
t
2
2
x
y
T
y
x
T
x
x
t t
t 0
t
(5)
Metoda OLS
Pr koefientin $ , kemi:
x y Txy dhe y x
x Tx
t
2
t
Metoda OLS
Kryejm veprimet duke vendosur pes vzhgimet shembullit t msiprm dhe
gjejm:
$ = -1.74 dhe $ = 1.64. Pra,
y t 1.74 1.64 x t
Pyetje: Nse nj analist ju informon se pret nj ekstra-rendiment t tregut prej
20% vitin q vjen, cila do t ishte pritshmria juaj mbi portofolin e menaxherit
t fondit?
Zgjidhje: Kemi y = -1.74 + 1.64 * vlern e x, pra vendosim x = 20,
y i 1.74 1.64 20 31.06
Fenomeni
Popullata e interesit
parashikimi i rezultatit zgjedhor
gjith elektorati
yt xt ut
Lineariteti
Pr t prdorur OLS, nevojitet nj model linear n parametra ( dhe ).
Nuk sht i nevojshm lineariteti n variabla (y dhe x).
Yt e X t eut ln Yt ln X t ut
Shnojm yt=ln Yt dhe xt=ln Xt,
yt xt ut
yt
ut
xt
regresioni vlersohet me an t OLS duke zvendsuar
1
zt
xt
Konsistenc/Paanshmri/Efienc
Konsistenc
Vlersuesit $ dhe $ jan konsistent. Vlersuesit do t konvergjojn n vlerat e
vrteta kur dimensioni i kampionit shkon n infinit. Nevojiten supozimet:
E(xtut)=0 dhe Var(ut)=2 < pr t provuar kt. Konsistenc do t thot:
lim Pr 0 0
T
Paanshmri
Vlersuesit OLS jan t paanshm.
E($)= dhe E( $)=
Mesatarisht, vlersimet do t jen t barabarta me vlerat e tyre t vrteta.
Pr t provuar kt supozojm E(ut)=0. Paanshmria, kusht m i fort se
konsistenca.
Efienca
Nj vlersues sht efient nse sht i paanshm dhe asnj vlersues tjetr i
paanshm nuk ka varianc m t vogl. Nse vlersuesi sht efient, ne
minimizojm probabilitetin q ai t jet n nj distanc t largt nga vlera e
vrtet.
Gabimet standart
do bashksi e vlersuesve $ dhe $ sht specifike e kampionit t zgjedhur.
Rikujtojm formulat e vlersuesve kampionar:
x y Txy dhe y x
x Tx
t
2
t
x
T (x x)
2
t
SE ( ) s
1
s
2
( xt x )
2
t
T x T 2x2
2
t
1
xt2 Tx 2
s2
1
ut2
Pr fat t keq, kjo nuk sht e mundur, pasi ut nuk mund t vzhgohet.
Mund t prdorim parametrin kampionar:
1
2
2
u
t
T 2
x
sht i ult apo i lart:
t
y
y
x
t
varion nga t = 1
n T.
4. Termi xt2 shfaqet n SE($).
2
Kjo ndodh pasi xt mat distancn e pikave nga boshti i y-ve.
Pra, kemi:
$ 86.65 035
. * 4165
. 5912
.
y t xt
yt 59.12 0.35xt
u t2
130.6
2.55
T 2
20
SE ( ) 2.55 *
3919654
3.35
2
22 3919654 22 416.5
SE ( ) 2.55 *
1
0.0079
2
3919654 22 416.5
Shkruajm:
y t 59.12 0.35 xt
(3.35) (0.0079)
y t 20.3 0.5091xt
(14.38) (0.2561)
Sa e besueshme sht $ 0.5091 ?
Besueshmria e vlersimit varet nga gabimi standart i koefientit.
Testimi i hipotezave
Dy hipoteza, hipoteza zero (H0) dhe hipoteza alternative (H1).
Pr shembull (jepen rezultatet e msiprme), jemi t interesuar mbi testimin
nse vlera e vrtet e parametrit sht 0.5.
H0 : = 0.5
H1 : 0.5
Ky sht nj test i dyanshm.
$ wt yt
Shuma e ponderuar e variablave rastsor normal sht gjithashtu normale:
$ N(, Var())
$ N(, Var())
Po nse gabimet nuk jan normal, a do t jen parametrat me shprndarje
normale?
Po, nse supozimet e CLRM qndrojn dhe dimensioni kampionar sht i
madh mjaftueshm.
~ N 0,1 dhe
var
~ N 0,1
var
~ tT 2 dhe
SE ( )
~ tT 2
SE ( )
yt xt ut
pr t=1,2,...,T
$ *
test statistic
SE ( $ )
ku * sht vlera e nn hipotezn zero.
normal distribution
t-distribution
t(40)
0
1.68
2.02
2.70
t(4)
0
2.13
2.78
4.60
( t crit SE ( ), t crit SE ( ))
5. Vlersojm testin: nse vlera hipotetike qndron jasht IB, refuzojm hipotezn
zero dhe anasjelltas.
$ *
tcrit
$
SE ( )
ose
Zona e refuzimit
Testimi i hipotezs
Hipotezat:
H0 : = 1
H1 : 1
testi t
Intervali i besimit
$ *
test stat
SE ( $ )
t crit SE ( )
05091
.
1
1917
.
0.2561
Pranojm H0
H0 : = 0
vs. H1 : 0
H0 : = 2
vs. H1 : 2
1917
.
0.2561
Testi sht si m sipr. Ndryshon vlera kritike e shprndarjes t.
Tipet e gabimit
Ne refuzojm H0 nse testi sht statistikisht i rndsishm
pr nj nivel t paracaktuar rndsie.
Ekzistojn dy tipe gabimi:
1. Refuzojm H0 kur sht e vrtet (gabim i tipit I).
2. Pranojm H0 kur sht false (gabim i tipit II).
Realiteti
H0 e vrtet H0 false
I rndsishm Gabim tipi I
Resultati i
(refuz. H0)
=
I parndsishm
Testit
Gabim tipi II
(pranoj
=
H 0)
Tipet e gabimit
Probabiliteti i gabimit t.I sht , niveli i rndsis s testit.
far ndodh nse reduktojm nivelin e paracaktuar t testit, p.sh., nga 5% n 1%?
Ne reduktojm shansin pr gabim t t.I., por ne reduktojm gjithashtu mundsin
e refuzimit t hipotezs zero n prgjithsi, pra ne rritim probabilitetin e gabimit
t tipit II.
Trade off midis gabimit t.I dhe t.II n rastin e zgjedhjes s nivelit t rndsis.
E vetmja mnyr pr reduktimin e t dy gabimeve: rritja e T!
Reduktojm
T e testit
Kriter m i
fort pr
refuzim
Ulet prob.
i refuzimit t gabuar
Refuzojm
H0 m pak
Rritet probab.
pranimit t gabuar
$i i*
test statistic
SE $i
H 0 : i = 0
H 1 : i 0
kemi t bjm me test t dyanshm:
Nse
$i
Duke qen se i* = 0, test stat
SE ( $i )
1.10
1.35
0.81
-4.40
0.96
-4.63
12 sh.l.
2.179 5%
3.055 1%
(Jo)
(Po)
xt
Modeli i deritanishm:
yt xt ut t = 1,2,...,T
Kemi:
ku
y = X +u
y sht T 1
X sht T k
sht k 1
u sht T 1
y1 1 x21
u1
y 1 x
u
22
1
2
2
yT 1 x2T
uT
T 1
T2
21
T1
Llogaritja e parametrave ( )
M par, ne morm shumn e mbetjeve n katror RSS dhe
minimizuam n lidhje me dhe .
N form matrice:
u1
u
u 2
u T
RSS:
u ' u u1 u2
u1
u
uT 2 u12 u22 ... uT2 ut2
uT
Vlersuesi OLS
Pr t nxjerr vlersuesit e parametrave, 1, 2,..., k, minimizojm
RSS n lidhje me t gjith s-t.
( X X ) 1 X y
k1
2 ,
prdorm: s
2
t
T 2
ku k = nr. i regresorve.
Mund t provohet se vlersuesi OLS i variancs s $ jepet nga elementt
diagonal t matrics s2 ( X ' X )1 , pra varianca e $1 sht elementi i par,
varianca e $2 sht elementi i dyt dhe varianca e $k sht elementi
diagonal kth
y 1 2 x2 3 x3 u
RSS 10.96
2
s
0.91
Tk
15 3
Var ( $1 ) 183
.
SE ( $1 ) 135
.
Var ( $2 ) 0.91 SE ( $2 ) 0.96
Var ( $ ) 3.93
SE ( $ ) 198
.
3
Pra,
(1)
Pra,
RRSS URSS T k
test statistic
URSS
m
ku
Nr. i kushteve, m
1
2
3
H0: 2 3 = 2 or H0: 2 2 = 1
test stat
SE ( $2 )
Shembull F-test
TSS yt y
Prkufizimi i indeksit R2
Kemi,
TSS =
ESS
+ RSS
2
2
2
u
t
t
t
t
R2
ESS
TSS
1
TSS
TSS
TSS
R2 varion nga 0 n 1:
RSS = TSS
ose
ESS = TSS
ose
ESS = 0 ,pra
RSS = 0 ,pra
R2 = ESS/TSS = 0
R2 = ESS/TSS = 1
R2 = 0 dhe R2 = 1
yt
yt
xt
xt
Probleme me indeksin R2
Adjusted R2
T 1
R 1
(1 R 2 )
T k
Pra, nse shtojm nj regresor, k rritet dhe nse R2 nuk rritet m tepr,
R 2 do t bjer.
Kemi ende probleme m kt kriter:
1. Nj rregull i but.
2. R2 /Adjusted R2 nuk ndjekin nj shprndarje probabilitare.
Shembull:
Modele t mimit t qerave
Shembull:
Modele t mimit t qerave
OUTPARK - nr i vendeve t jashtme t parkimit
INDPARK
- nr i vendeve t brendshme t parkimit
NOLEASE
- variabl dummy = 1 nse ambienti jepet pa kontrat; 0
anasjelltas
LnDISTCBD - log i distancs nga qendra
SINGLPAR - prqindja e familjeve me nj prind n zon
DSHOPCNTR- distanca n km nga qendra tregtare m e afrt
VACDIFF1 - distanca nga nj zon e gjelbr
Shembull:
Modele t mimit t qerave
Variable
Intercept
LnAGE
NBROOMS
AREABYRM
ELEVATOR
BASEMENT
OUTPARK
INDPARK
NOLEASE
LnDISTCBD
SINGLPAR
DSHOPCNTR
VACDIFF1
Coefficient
282.21
-53.10
48.47
3.97
88.51
-15.90
7.17
73.76
-16.99
5.84
-4.27
-10.04
0.29
t-ratio
56.09
-59.71
104.81
29.99
45.04
-11.32
7.07
31.25
-7.62
4.60
-38.88
-5.97
5.98
Notes: Adjusted R2 = 0.65l; regression F-statistic = 2082.27. Source: Des Rosiers and
Thrialt
(1996). Reprinted with permission of the American Real Estate Society.