Ekonometria 1 - Lista zadań 2

(1) Sprawdź, że macierz kowariancji Σ = E(X −EX)(X −EX)t = (σij ) jest symetryczna,
σii = Var(Xi ). Jeżeli Xi i Xj są niezależne to σij = 0.
(2) Pokaż, że macierz kowariancji jest nieujemnie określona.
(3) Niech Y = CX. Wtedy ΣY = C t ΣX C.
(4) Jeżeli X i Y są niezależne to ΣX+Y = ΣX + ΣY .
(5) Jeżeli X ∼ N (m, σ 2 I), gdzie C jest macierzą ortogonalną, to CX ∼ N (Cm, σ 2 I).
(6) Udowodnij nierówność Schwarza Cov(Xi , Xj )2 ≤ Var(Xi ) Var(Xj ).
(7) Jeżeli wektor X ma rozkład normalny to AX +a też ma rozkład normalny (A macierz,
a wektor). Skorzystaj z definicji, że X ma rozkład normalny jeżeli dla każdego
wektora u, X t u ma rozkład normalny lub jest δ0 .
(8) Pokaż, że współczynnik determinacji SSR/SST jest rówwny kwadratowi współczyn-
nika korelacji próbkowej.
(9) Pokaż, że Cov(Ȳ , β̂1 ) = 0. ∑ 2 ∑
(10) Dany jest model postaci Yi = β0 + β1 xi + εi . Wiadomo, że xi = 1520, xi = 104,
∑ ∑ ∑ ∑
xi yi = 162400, (Ŷi − Yi ) = 10000, Ȳ = 1400, n xi − ( xi ) = 1344. Oszacuj
2 2 2

parametry strukturalne oraz oblicz współczynnik determinacji.

(11) Dane są modele Yi = α0 + α1 Xi + εi oraz Xi = β0 + β1 Yi + ε′i . Estymacji parametrów
dokonano klasyczną MNK. Co można powiedzieć o współczynnikach determinacji
w obydwu modelach? Czy między parametrami αk i βk (k = 0, 1) istnieje związek
tożsamościowy? ∑ ∑20
(12) Oszacuj parametry modelu Yi = α0 + α1 xi + εi jeżeli 20 x y = 100, 1 yi = 108,
∑20 2 ∑20 2 ∑20 2 1 i i

1 xi = 40, 20 1 xi − ( 1 xi ) = 544, S = 0.5. Oblicz współczynnik determina-

cji.
(13) Hurtownia owoców przeprowadziła analizę zależności popytu na jabłka od przecięt-
nych dochodów mieszkańców pobliskiego miasta. W tym celu wykorzystano ∑ następu-
jący
∑ model Yi ∑ = α0 +α1∑ xi +εi . Oszacuj parametry
∑ modelu wiedząc, że (Yi −Ŷi )2 = 6,
xi = 16, n xi − ( xi ) = 32, Ȳ = 5,
2 2 2
xi yi = 82, SEα1 = 1/4.
(14) Rozpatrzmy próbę dwuwymiarową daną w Tabeli 1. Narysować wykres rozprosze-

x -5 -4 -3 -2 -1 0 1 2 3 4 5
y 15 6 -1 -6 -9 -10 -9 -6 -1 6 15
Tablica 1.

nia danych i obliczyć próbkowy współczynnik korelacji. Czy na podstawie wykresu

można stwierdzić, że między zmiennymi x i y istnieje zależność? Pominąć dwie ostat-
nie obserwacje i obliczyć jeszcze raz współczynnik korelacji. Czy zmienne x i y są
ujemnie zależne?
(15) Rozpatrujemy model regresji z pominięciem wyrazu stałego, Yi = β1 xi + εi , i =
1, . . . , n, gdzie εi są niezależne o rozkładzie N (0, σ 2 ). Pokazać, że estymator MNK
1
2

współczynnika kierunkowego β1 ma postać1

∑ ∑
β̂1 = Yi x i / x2i .
(16) Anality bankowy interesuje się prognozowaniem podstawowej bankowej stopy pro-
centowej (PBSP) za pomocą analizy regresji, w której zmienną niezależną jest stopa
procentowa Funduszu Rezerwy Federalnej (FRF). Zebrano wyniki obserwacji obu
tych wielkości z 15 losowo wybranych tygodni. Oszacuj parametry linii regresji dla

FRF PBSP
6.23 7.75
6.87 8.50
5.54 6.85
5.90 6.78
6.45 8.00
6.55 7.80
5.75 7.05
6.00 7.35
6.20 7.30
6.70 8.00
7.00 8.69
7.23 8.86
5.30 6.25
6.35 7.90
7.15 8.96

PBSP względem stopy procentowe FRF.

(17) Podaj nieobciążony estymator wariancji składnika losowego w zadaniu (16).
(18) Znajdź oceny standardowych błędów estymatorów parametrów regresji w zadaniu
(16).
(19) Wyznacz 95% przedział ufności dla obu parametrów regresji w zadaniu (16).
(20) Przypuśćmy, że dostępne są następujące dane o procentowym udziale w rynku Y i
o jakości produktu, mierzonej pewnym obiektywnym wskaźnikiem X przyjmującym
wartości od 0 do 100. Oszacuj parametry linii regresji udziału w rynku względem

X 27 39 73 66 33 43 47 55 60 68 70 75 82
Y 2 3 10 9 4 6 5 8 7 9 10 13 12

wskaźnika jakości produktu.

(21) Dla danych z zadania (20) znajdź oceny standardowych błędów estymatorów pa-
rametrów regresji i podaj ocenę wariancji składnika losowego. Wyznacz też 95%
przedział ufności dla współczynnika kierunkowego prawdziwej linii regresji. Czy zero
jest godną zaufania wartością tego współczynnika przy 95% poziomie ufności?

1Ponieważ estymuje się tylko jeden współczynniki równania regresji, więc liczba stopni swobody związana z
∑
SSE = (Yi − β̂1 xi )2
wynosi n − 1 i nieobciążonym estymatorem σ 2 jest S 2 = (n − 1)−1 SSE.