Professional Documents
Culture Documents
EKONOMETRIJA
EKONOMETRIJA
OSNOVNI POJMOVI
VARIJABLE I FUNKCIJE
- Kad promjena jedne velicine uzrokuje promjena neke druge velicine, njihova veza se
matematicki izrazava Iunkcijom
) x f y =
- Promjenljive x i y nazivaju se varijablama, y je zavisna varijabla, x je nezavisna
varijabla
- Kad y zavisi od vise varijabli x
1
, x
2
, . , x
n
, to se matematicki pise
)
n
x x x F y ,..., ,
2 1
=
- Ako se u Iunkciji jedne varijable javljaju i parametri (konstante), tada se ona notira kao
)
, , , , x f y ,..., , ,
2 1 0
=
- Analogno prethodnom Iunkcija 2 varijabli i n1 parametara motirala bi se ovako
)
n n
, , , x x x F y ,..., , ,..., ,
1 0 2 1
=
- Funkcija jedne varijable cesto izgleda kao
n
n
x , x , x , , y = ...
2
2 1 0
,
a u sazetom obliku kao
=
=
n
f
f
f
x , y
0
- Dok bi se Iunkcija vise varijabli, npr.
n n
x b x b x b b y = ...
2 2 1 1 0
mogla napisati u sazetom obliku
=
=
n
f
f f
x b b y
1
0
- Funkcija s multiplikativnim varijablama
n
,
n
, ,
x x x A y ...
2 1
2 1
=
moze se takoder napisati u sazetom obliku na ovaj nacin
|
=
=
n
f
,
f
f
x A y
1
- Funkcije se mogu pisati u logaritamskom obliku, kao npr. prethodna Iunkcija
n n
x , x , x , A y log ... log log log log
2 2 1 1
=
ili u sazetom obliku
=
=
n
f
f f
x , A y
1
log log log
- KONTINUIRANE i DISKRETNE VARIJABLE
Uzimaju sve vrijednosti iz Mogu uzimati samo odredene
skupa realnih brojeva ili iz vrijednosti
odredenog intervala realnih
brojeva
- U Iunkciju se moze ukljuciti i vrijeme
a) kao dodatna varijabla
b) kao vremenski lagirana varijabla
a) varijabla vremena najcesce se ukljucuje u Iunkciju kao dodatni clan, cak i onda
kad se primjenjuje logaritamska ili neka druga transIormacija Iunkcije, npr.
9 , x , x , x , , y
2 2 1 1 0
ln ln ln ln = ,
gdje parametar ,
9
5
9
9
9
y
9
x
- Razmotrimo slijedecu Iunkciju s beskonacno distribuiranim lagovima
C
=
=
=
0
2 2 1 1 0
...
i
i 9 i
9 9 9 9
x d
x d x d x d y
(1)
pri cemu su d
0
, d
1
, d
2
, . parametric Iunkcije cije vrijednosti treba ocijeniti regresionom
analizom na osnovi empirijskih podataka.
- Podimo od slijedecih pretpostavki:
1) parametri d
i
su svi pozitivni
2) ...
2 1 0
d d d , odakle slijedi da je njihova suma konacna
) eIekti distribuiranih lagova na Iunkciju y
9
opadaju geometrijskom progresijom s
duzinom njihovog laga
) ... , 2 , 1 , 1 0 = = i d d
i
i
2 2
pri cemu zahtjev da vrijednost od 2 lezi izmedu nula i jedan osigurava da vrijednosti od
d
i
konvergiraju nuli
- Uvazavajuci gornje pretpostavke, za razdoblje 9 Iunkcija (1) moze se notirati ovako:
)
C
=
=
=
0
2
2
1
...
i
i 9
i
9 9 9 9
x d
x x x d y
2
2 2
(1')
- Multiplikator d u Iunkciji (1`) mjeri uticaj tekuce vrijednosti od x na varijablu y.
- Ukupni multiplikator
C
=
C
=
= =
0 0
1
i i
i
i
d
d d
2
2
pokazuje za koliko se mijenja vrijednost od y kad se x mijenja za jedinicu.
- Za razdoblje 9-1 Iunkcija (1`) izgleda ovako:
) ...
2
2
1 1
=
9 9 9
x x d y 2 2 (1)
- Supstituiranjem relacije (1``) u (1`) dobivamo
1
=
9 9 9
y x d y 2
(1)
- Na ovaj nacin smo Iunkciju (1) sa beskonacno distribuiranim lagovima sveli na
pojedinacni lag, tako da je sada potrebno ocjenjivati samo parameter d i 2 .
- Posto se u Iunkciji (1) pojavljuje lagirana endogena promjenljiva, ta Iunkcija se naziva
autoregresivna Iunkcija ili autoregresivni model.
- II TransIormacija Iunkcije sa beskonacno distribuiranim lagovima
- Pretpostavke:
C
i
i
x , svi parametri su istog predznaka
- Funkciju (1) mozemo pisati ovako:
)
C
=
=
=
0
2 2 1 1 0
,
...
i
i 9 i
9 9 9 9
x w
x w x w x w y
(2)
gdje su parametric /
i i
d w = svi nenegativni i cija je suma jednaka jedan (
C
=
=
0
1
i
i
w ).
- Koyck je pretpostavio da je
i
i
w 2 2) 1 ( = ) ... , 2 , 1 , 0 ; 1 0 = i 2
pa primjenom postupka simpliIikacije na (2) dobivamo
)
C
=
=
0
1
i
i 9
i
9
x y 2 2 ,
razvijanjem dobivamo:
) ) 2 2 2 2 c =
/ ... 1
2
2 1 9 9 9 9
x x x y
) ) ... 1
2
2
1 1
=
9 9 9 9
x x x y 2 2 2 2 2
odakle slijedi da je
)
1
1
=
9 9 9
y x y 2 2 , sto je ekvivalentno (1)
- III TransIormacija pomocu operatora laga D
)
... , , 2 , 1 ,
.......... .......... .......... .......... ..........
2 1
2
1
= =
= = =
=
i x x D
x x D x D D x D
x x D
i 9 9
i
9 9 9 9
9 9
- Analogno tome imamo jedinicni operator
D =
0
odakle slijedi
9 9 9
x x x D = =
0
- Prema tome Iunkcija (1') moze se pomocu operatora laga D notirati:
)
9 9
x D D y ... 1
2 2
= 2 2 - ()
odnosno, posto se radi o zbiru prvih 2 clanova geometrijskog reda, imamo
9 9
x
D
y
2
-
= (')
- IV Postupak svodenja Iunkcije s pojedinacnim lagom na eksponencijalnu Iunkciju
vremena 9
- Neka je
1
=
9 9
y y - ()
- Supstituiranjem vrijednosti 2 , 1 = = = 9 i 9 9 u tu Iunkciju dobice se slijedece tri
relacije:
0 1
y y - =
1 2
y y - =
2
y y - =
- Supstituiranjem prve u drugu relaciju dobivamo
) )
0
2
0 2
1 y y y - - - = =
- Daljim supstituiranjem dobivene relacije y
2
u trecu relaciju y
dobivamo
)
0
2
1 y y - =
- Na osnovu toga opci slucaj izgleda
)
0
1 2
... 1 y y
9 9
9
- =
(')
- Pretpostavljajuci da je 1 i znajuci da u zagradi relacije (') imamo sumu clanova
geometrijskog reda, relaciju (') mozemo pisati
)
0
1 2
... 1 y y
9 9 9 9
9
- =
0
1
1
y y
9 9
9
9
-
- c
=
) ) -
-
-
=
0 0
1 1
1
y y y
9 9
9
9
()
Na taj nacin dobivamo eksponencijalnu Iunkciju vremena 9 kad ekvivalent Iunkciji () s
pojedinacnim lagom.
- Kad je u Iunkciji () parametar 1 granicna vrijednost te Iunkcije kad C F 9
jednaka je
=
C F
1
lim
9
9
y . To znaci da od vrijednosti parametra uz lagiranu varijablu
1 9
y zavisi da li vrijednosti
9
y konvergiraju odredenoj vrijednosti. Naime, ako je 1
vrijednosti od
9
y priblizavaju se vrijednosti - 1 / , i to (1) za 1 0 vrijednosti
Iunkcije monotono se priblizavaju granicnoj vrijednosti i (2) za 0 1 vrijednosti
Iunkcije se oscilirajuci priblizavaju granicnoj vrijednosti.
- Ako je 0 = vrijednosti Iunkcije su konstante, a ako je 1 , vrijednosti Iunkcije
nemaju granicne vrijednosti
Tzv. DUMMY varijable
- Kad se u Iunkciji zeli istaci prisustvo ili odsustvo odredenih kvalitativnih karakteristika,
koriste se tzv. dummy varijable, koje zauzimaju vrijednosti i kad je prisutna odredena
kvalitativna karakteristika, odnosno nula kad je ona odsutna
- Npr. u Iunkciji b x b x b y
2 1 1 0 0
= , je dummy varijabla
- Uz pomoc dummy varijabli u Iunkciju se moze ukljuciti i vrijeme, kad se npr. zele istaci
sezonski utjecaji na vrijednosti zavisne varijable
npr. )
2 1 2 1
, d . b , x x f y
9 9 9
=
- Varijable
1
,
2
,
-
1
9
y
9
y
-
1
- Da bi se konstruirao ekonometrijski model nekog ekonomskog 'organizma u kome se
odvijaju odredeni ekonomski procesi, treba sve zakonitosti ekonomskog procesa izraziti u
matematickoj Iormi s pomocu Iunkcija
- Modele treba konstruirati jednostavnim Iunkcijama
- Najcesce se modeli izrazavaju linearnim Iunkcijama
- Npr.
Strukturne jednadzbe, koje pokazuju relacije koje egzistiraju medu varijablama na
temelju ekonomske teorije.
- i su strukturni parametric ili koeIicijenti
- Skup jednadzbi i razlicite numericke vrijednosti strukturnih koeIicijenata izrazavaju
ekonomsku strukturu procesa i nazivaju se modelom.
- InIormacije o velicini promjena mogu se dobiti tek nakon ocjenjivanja parametra na
osnovi empirijskih podataka.
- Endogene i Egzogene varijable
Objasnjava ih model Determinirane razlicitim Iaktorima
izvan modela
- Koja ce varijabla biti endogena, a koja egzogena zavisi od teorijskih postavki modela.
- Nepodesna je klasiIikacija promjenljivih na zavisne i nezavisne, posto se zavisna
promjenljiva u jednoj Iunkciji moze pojaviti kad nezavisna u drugoj Iunkciji.
- Predeterminiranje varijable: egzogene varijable i lagirane endogene varijable
! =
! - =
! drustveni proizvod
investicije
potrosnja
1 0 , 0 -
- Linearnost modela
- Pretpostavlja se da je odnos medu varijablama linearan, posto obicno nije unaprijed
poznata analiticka struktura odnosa medu endogenim i egzogenim varijablama.
- Linearnost podrazumijeva: linearnost varijabli i linearnost parametara.
- Model oblika
9 9 9
: x , , y = log
1 0
, koja je ekvivalentna jednostavnoj regresionoj Iunkciji
9 9 9
: x , , y =
1 0
, gdje je
9 9
x x log =
linearan je i s obzirom na varijable i s obzirom na parametar.
- Model oblika
=
= =
n
i
9
n
9 n 9 9 9
i
9 i 9
: x , x , x , , : x , y
0
2
2 1 0
...
linearan je s obzirom na parametre ) n i ,
i
, ... , 2 , 1 = , dok je s obzirom na varijable
nelinearan.
- Ovaj model se moze napisati u obliku
=
=
n
i
9 i9 i 9
: w , y
1
9 n9 n 9 9 9
: w , w , w , w , = ...
2 2 1 1 0 0
,
pri cemu je
n
9 n9 9 9 9 9 9
x w x w x w w = = = = , ... , , , 1
2
2 1 0
- Vrijednost
9
y zavisi od n regresora:
n
9 9 9 9
x x x x , ... , , ,
2
, i ovdje treba praviti razliku
izmedu nezavisne varijable
9
x i regresora.
- Regresori su ovdje medusobno linearno nezavisni, tj. oni ne zauzimaju dvostruku,
trostruku, . , vrijednost prvoga, pa je time izbjegnut problem multikolinearnosti.
- COBB DOUGLAS-ova Iunkcija proizvodnje oblika
9 9 9 9
: A !
- -
=
1
je linearno homogena Iunkcija.
- Koristeci direktno logaritamsku transIormaciju dobivamo:
)
9 9 9 9
& . , = - - 1 ,
pri cemu je
9 9
: & log = , dok ostala mala slova zamjenjuju logaritme odnosnih varijabli i
parametra A.
- Potrebno je da se slucajna varijabla
9
: ukljuci u model kao multiplikativni Iaktor
- Linearizacija eksponencijalne Iunkcije
: y
x , x , ,
c =
2 2 1 1 0
10
& x , x , , y =
2 2 1 1 0
log , gdje je : & log =
: e y
x b x b b
c =
2 2 1 1 0
& x b x b b y =
2 2 1 1 0
ln , : & ln =
Greske u logaritamski lineariziranom modelu obicno postaju vise normalno
distribuirane.
- Funkcija oblika
: x . .
y
=
1 1 0
10 1
1
moze se linearizirati
: x . .
y
=
1 1 0
10 1
1
: x . .
y
=
'
+
'
1 1 0
1
1
log
- Treba izbjegavati transIormacije zavisne varijable, jer se moze desiti da ona vise se
ostane normalno distribuirana.
REGRESIONI MODELI SA DVI1E PROM1ENL1IVE
- Uzimamo potrosnu Iunkciju
b b =
0
,
tj. linearnu zavisnost izmedu potrosnje Per capita i dohotka Per capita (ta zavisnost je
sugerirana ekonomskom teorijom).
- Nas je zadatak da odredimo vrijednosti parametara
0
b i b . Za to su nam potrebni
podaci o Per capita potrosnji i dohotku za niz godina, i kada bi se ovi parovi podataka
nalazili na pravoj tada bi bilo jednostavno odrediti njene koeIicijente
0
b i b . To se
nikada u praksi ne desava.
- Tipican slucaj moze se prikazati slijedecim dijagramom rasturanja
- Podaci ocigledno ne leze na pravoj, no moguce je odrediti krivu koja bi sadrzala sve
tacke odredene podacima.
- Medutim, na ovaj postupak se mogu staviti dvije primjedbe:
1) u jednom intervalu dohotka Per capita kriva ima negativan nagib, te
implicira da sa prostog dohotka opada potrosnja
2) kad naknadno dodemo do slijedeceg para podataka za potrosnju i
dohodak, gotovo je izvjesno da odgovarajuca tacka nece lezati na upravo
odredenoj krivoj, te je potrebno postaviti novu krivu.
y
100
90
100 110
x
100
90
y
x
100
y
90
100 110 110 100
(a) (b) (c)
x
- Alternativni pristup je da prihvatimo postojanje odstupanja stvarnih podataka od
teorijske relacije, i da postavimo pravu tako da ta odstupanja budu sto je moguce manja.
- Mogu se koristiti razliciti kriteriji.
- Najuobicajeniji je metod najmanjih kvadrata.
- Pravu treba postaviti tako da se minimizira suma kvadratnih odstupanja tacaka na
graIikonu od tacaka na pravoj liniji, pri cemu se odstupanja mjere vertikalno
)
n
i
i i
y y
1
2
` min (1)
gdje je
i i
x b b y
` `
`
0
= , a
i
y stvarna vrijednost zavisne promjenljive
- Problem se svodi na odredivanje parametara
0
`
b i b , a rjesava se izjednacavanjem prvih
parcijalnih derivacija sume po
0
`
b i b sa nulom:
) ) 0
` `
2
` `
`
0
2
0
0
= =
N
N
i i i i
x b b y x b b y
b
(2)
) ) 0
` `
2
` `
`
0
2
0
= =
N
N
i i i i i
x b b y x x b b y
b
()
Tj.
) 0
` `
0
=
i i
x b b y
) 0
` `
0
=
i i i
x b b y x
te dobivamo par simultanih jednadzbi, koje se nazivaju normalne jednadzbe
=
i i
x b n b y
` `
0
()
=
2
0
` `
i i i i
x b x b y x (5)
- Koristeci normalne jednadzbe i parove podataka )
i i
x y , , mozemo izracunati
0
`
b i b
`
.
- Normalne jednadzbe mogu da se rijese po parametrima;
pomnozimo () sa
i
x , a (5) sa n :
)
=
2
0
` `
i i i i
x b x n b y x
=
2
0
` `
i i i i
x n b x n b y x n
i oduzmemo prvu jednadzbu od druge
) . J
=
2
2
`
i i i i i i
x x n b y x y x n ,
te dobivamo da je
)
=
2
2
`
i i
i i i i
x x n
y x y x n
b
- Podijelimo brojnik i nazivnik sa n
2
=
2 2
2
2
1
1
1 1
1 1 1
`
x x
n
y x y x
n
x
n
x
n
y
n
x
n
y x
n
b
i
i i
i i
i i i i
,
koristeci rezultat da je
) ) )
i i i i
y x x
n
y y x x
n
=
1 1
y x y x
n
y
n
x
y x
n
i i
i i i
=
=
1
1
(a)
) ) ) ) . J
= y x x y x x y y x x
i i i i i
) )
)
i i
i i i
y x x
x x y y x x
=
=
)
) ) ) ) x x x x x x x x
x x
n i
i
=
=
...
0
2 1
)
0
...
=
=
=
x n x
x x x x
i
i
- Kad se u izrazu (a) stavi
i i
x y = slijedi da je
)
2 2
2 1 1
x x
n
x x
n
i i
=
- Dobivamo iz gornjeg
) )
)
=
2
`
x x
x x y y
b
i
i i
,
gdje su x i y aritmeticke sredine.
- Dijeljenjem normalne jednadzbe () sa n dobivamo
=
i i
x
n
b b y
n
1
` `
1
0
x b y b
` `
0
=