Download præsentationen
Præsentation er lastning. Vent venligst
Offentliggjort afErik Mogensen Redigeret for ca. et år siden
1
Kvantitative metoder 2: F11 Kvantitative metoder 2 Introduktionsforelæsning 5. februar 2007
2
Kvantitative metoder 2: F1 2 Kvantitative metoder 2 – Forår 2007 Forelæser: Hans Christian Kongsted (HC) Lektor, Økonomisk Institut Kontor på Bispetorvet, 4. sal. Telefon 3532 3076 E-mail: hans.christian.kongsted@econ.ku.dk Hjemmeside: www.econ.ku.dk/metrics/qm2
3
Kvantitative metoder 2: F1 3 Dagens program: Kvantitative metoder 2 (KM2) er et økonometrifag. Indkredse nogle centrale problemstillinger i faget: Udgangspunkt i eksempler og i Wooldridge, kapitel 1. Afgrænse faget KM2 i forhold til KM1&3 og økonometrifagene på kandidatdelen. Fagets struktur: Forelæsningerne og lærebogen: Wooldridge, Introductory Econometrics (forkortes W) Suppl. litt. : Berry & Lindgren (BL), SAS-hæfte, noter Øvelserne Eksamen, obligatorisk opgave og ”prøveeksamen” Målsætning for KM2.
4
Kvantitative metoder 2: F1 4 Begrebet ”økonometri” KM1: Anvende statistiske metoder på økonomiske data … men mere end det: Example 1.3 og 1.4 i Wooldridge. Data fremkommer oftest ved passiv observation af økonomiske agenters (frie) valg, ikke ved aktiv og tilfældig eksperimentering. Økonomisk teori spiller en helt central rolle i at forstå og fortolke data. Ex. 12 års skolepligt: Er det (økonomisk set) en god ide? … forsøge at måle omkostninger og ”benefits”
5
Kvantitative metoder 2: F1 5 Passiv observation: Afkast af uddannelse
6
Kvantitative metoder 2: F1 6 Eksperiment: Udbyttet af sojabønner
7
Kvantitative metoder 2: F1 7 Eksperiment: Udbyttet af sojabønner
8
Kvantitative metoder 2: F1 8 Passiv observation: Afkast af uddannelse
9
Kvantitative metoder 2: F1 9 Hovedtyper af økonomiske data
10
Kvantitative metoder 2: F1 10 Tværsnitsdata I: Et tværsnit af husholdninger Hvor stor en andel af budgettet anvendes på en enkelt gruppe af varer eller tjenester, fx mad, alkohol, eller fritidsfornøjelser? Økonomisk teori: Grundlæggende forbrugsteori er gennemgået i Varian ”Intermediate Microeconomics” (Mikro 1) Der findes en lang række empiriske undersøgelser, bl.a. Deaton & Muellbauer (1980): ”Economics and consumer behavior” Banks, Blundell & Lewbel (1997): ”Quadratic Engel Curves and Consumer Demand” Undersøger hvordan budgetandele for forskellige varegrupper (f.eks. mad) afhænger af indkomstniveauet: Engelkurven. Den empiriske analyse udføres på husholdningsdata: Hver husholdning fører dagbog over sine udgifter i en given uge Data for husholdning nr. 1,2,…, n udgør tilsammen et tværsnit
11
Kvantitative metoder 2: F1 11 Tværsnitsdata I: Et tværsnit af husholdninger (fortsat) Estimation af en empirisk Engelkurve er ofte baseret på en regressionsmodel: hvor w i er budgetandelen f.eks. for mad, x i er det samlede forbrug, og er et ”fejlled” (et stokastisk led) Modellen kan udvides til en kvadratisk Engelkurve: Den udvidede model passer ofte signifikant (?) bedre overens med de faktiske data Et canadisk husholdningsdatasæt vil blive analyseret på nogle af ugesedlerne.
12
Kvantitative metoder 2: F1 12 Tværsnitsdata I: Et tværsnit af husholdninger (fortsat) Simpel lineær Engelkurve for mad for canadiske par i 1992. Udvidelser som dækkes af KM2: Andre funktionelle former (W.6) Flere forklarende variabler (W.3), Dummy-variabler (W.7) Målefejl: Instrumentvariabel estimation (W.15) Udvidelser som dækkes på kandidatdelen: Semi-parametrisk estimation
13
Kvantitative metoder 2: F1 13 Tværsnitsdata II: Et tværsnit af lande Hvad forklarer store (og vedvarende) forskelle mellem produktivitets- og indkomstniveauer mellem lande?
14
Kvantitative metoder 2: F1 14 Tværsnitsdata II: Et tværsnit af lande (fortsat) Hall og Jones (1999): Produktionen pr. arbejder i USA var 35 gange højere end i Niger i 1988. Økonomisk ramme: Solow-modellen (Makro 2). Produktion pr. arbejder som funktion af kapitalapparatets størrelse (fysisk og human kapital) og produktivitet (”Solow-residualet”). Hall og Jones: ”Social infrastruktur”: Samfundsinstitutioner fastlægger ydre rammer for økonomiske agenters dispositioner (produktion, uddannelse, investering): ”Lov og orden”, beskyttelse af ejendomsretten, korruption, … Hvordan får vi estimeret parametrene i en Solow-model? Hvordan tager vi højde for, at et begreb som ”social infrastruktur” kan være af betydning for indkomstniveauet?
15
Kvantitative metoder 2: F1 15 Tværsnitsdata II: Et tværsnit af lande (fortsat) Nationalregnskabsmål for Produktion (BNP i faste priser) Arbejdskraft (personer/timer) Fysisk kapital Mål for indsatsen af humankapital (?) Hvordan kan vi måle ”social infrastruktur”? Sammenlignelige data for et (stort) antal lande. Penn World Tables er hovedkilde til landetværsnitsdata. Hall og Jones analyserer data for 127 lande.
16
Kvantitative metoder 2: F1 16 Tværsnitsdata: Metoder I KM2 introducerer vi den lineære regressionsmodel og estimationsmetoden OLS som arbejdshesten til estimation og test (W.2-7). Udvidelser: Lande er heterogene fx størrelse og udviklingsniveau: Generaliseret lineær regression (GLS) kan tage højde fx for forskelle i præcisionen af målinger af indkomstniveau. Korrelation mellem uobserverbare faktorer og observerede forklarende variabler: Instrumentvariabelmetoder (IV) (W.15). Antager at de enkelte ”individer” i tværsnittet er uafhængige.
17
Kvantitative metoder 2: F1 17 Paneldata: Oplysninger om samme enhed/individ observeret over flere tidsperioder: Paneler: Mikropaneler: Typisk stort antal enheder (n), relativt få tidsperioder (T): IDA: Registerbaserede danske tal, hvor årlige oplysninger om ansatte og virksomheder knyttes sammen (n=500.000+,T=20+). PSID: U.S. spørgeskemabaserede data for arbejdsmarkeds- og forbrugsrelaterede oplysninger (n=2000,T=15+). Makropaneler: Typisk et ”relativt stort” antal enheder (n), ”moderat” antal tidsperioder (T). Penn World Tables giver faktisk et panel af lande (n=150+) med helt op til 50 års oplysninger på visse variabler. Observationer er afhængige over tid (men ikke over tværsnittet). I KM2 ser vi på tilfældet med T=2 perioder
18
Kvantitative metoder 2: F1 18 Tidsrækkedata For makrodata eller finansielle data finder man lange rækker af observationer. Der er ofte høj grad af afhængighed over tid: Årlige, kvartalsvise, månedlige observationer af fx af forbrugerpriser, pengemængde og BNP. Ex. Fra MONA databanken Nationalbankens makromodel Logaritmen af realt BNP og privat forbrug i Danmark fra 1971 til 2001 Forbrugskvoten Emner for KM3 og kandidatstudiet
19
Kvantitative metoder 2: F1 19 Hovedtyper af økonomiske data KM 2 KM 3
20
Kvantitative metoder 2: F1 20 Fagets struktur Forelæsninger (4t/uge): Overblik, motivation og detaljer Økonometrisk teori Eksempler: Fra bogen, DK data og aktuelle eksempler Øvelser (3t/uge): Praktiske færdigheder (SAS, regne teoriopgaver, skrive) Feedback på egen læring 2 obligatoriske opgaver Eksamen: Tag-hjem eksamen (i grupper af max. 3) Individuel 2-timers skriftlig eksamen
21
Kvantitative metoder 2: F1 21 Forelæsninger Plan: se Fagets hjemmeside. Følger stort set bogen, suppleret med appendices og enkelte forelæsningsnoter.Fagets hjemmeside I forhold til bogen: Supplere med: Matrixfremstilling ud fra W.AppD+E Simulationseksperimenter i IML Eksempler med danske data og ”Økonometri i debatten” Forelæsninger hver mandag og onsdag 10-12 Slides til mandagsforelæsning bør ligge klar fredag kl. 14, til onsdagsforelæsning tirsdag kl. 14. Veksler mellem slides og tavlegennemgang.
22
Kvantitative metoder 2: F1 22 Øvelserne Vekselvirkning mellem dataarbejde, gruppediskussioner og opsamlinger i plenum. I øvelserne vil vi arbejde med: Konkrete datasæt analyseres over flere uger SAS estimationsprogrammer, både grydeklare PROCs og egne rutiner i IML (nogle gange både-og) Simulationsprogrammer i IML Teoriopgaver (matrixregning, statistik) Skriftlige opsamlinger/konklusioner på gruppebasis. NB: Relevant eksamensforberedelse!
23
Kvantitative metoder 2: F1 23 Eksamen i KM 2 To dele: 48 timers tag-hjem eksamen, grupper af max. 3 personer Skriftlig to-timers eksamen, individuel Tag-hjem eksamen tager udgangspunkt i En given problemstilling, fx fra et uddrag af en artikel Et simpelt teorigrundlag (husprismodel, uddannelsesøkonomi, arbejdsmarkedsøkonomi) Givne (men individualiserede) datasæt og en række mere eller mindre åbne spørgsmål. Besvarelsen skal fremstå som en samlet rapport til belysning af den rejste problemstilling. Obligatorisk opgave 2 er en ”prøve tag-hjem eksamen”
24
Kvantitative metoder 2: F1 24 ØK 1 tag-hjem eksamensopgaven 2006I: ”Tilbagetrækning fra arbejdsmarkedet for årgang 1945” Undersøg forledes tilbagetrækningsalderen fra arbejdsmarkedet afhænger af uddannelse, helbred og økonomiske forhold. Bilag om effekten af øget uddannelsesniveau for erhvervsfrekvensen (uddrag af Velfærdskommissionens rapport), diskussion af forskellige mål for helbred (uddrag af artikel af Nabanita Datta Gupta og Mona Larsen). Individualiserede datasæt: 1268 observationer (fra 634 personer i årene 1997 og 2002).
25
Kvantitative metoder 2: F1 25 Eksamensopgaven 2006I Metoder: OLS, IV (personer med dårligt helbred har måske generelt dårligere arbejdsforhold), panelestimation (undersøger forledes den forventede tilbagetrækningsalder ændrer sig). Undersøger blandt andet: Om mænd og kvinder har forskellig adfærd med hensyn til tilbagetrækning fra arbejdsmarkedet. Hvorledes tilbagetrækningsalderen kan forventes at ændre sig i fremtiden når uddannelsesniveauet ændres. Hvor meget de offentlige pensioner skal ændres for at hæve den gennemsnitlige tilbagetrækningsalder med et år.
26
Kvantitative metoder 2: F1 26 Eksamensopgaven 2006I Opbygning af opgaven: Databeskrivelse (opgave 1) Analyse (opgave 2, 3 og 4) Estimation af alt-andet-lige effekt af uddannelse, helbred, demografiske og økonomiske variabler Undersøge og diskutere om forudsætningerne for analysen holder i praksis Teoretisk opgave i tilknytning til analysen Praktisk opgave: Vurdere hvorledes størrelsen af de offentlige pensioner skal ændres for at hæve pensionsalderen med et år Samlet konklusion på analysen (opgave 5) Se www.econ.ku.dk/metrics/okonometri1 for links til tidligere eksamensopgaverwww.econ.ku.dk/metrics/okonometri1
27
Kvantitative metoder 2: F1 27 Målsætning for Kvantitative metoder 2 Værdsætte betydning af relevante og pålidelige data. Forstå de problemstillinger, der knytter sig til analyser af passivt observerede data, der fremkommer som resultat af økonomiske agenters valg. Kunne implementere løsninger på sådanne problemer indenfor en relativt simpel, men alligevel anvendelig ramme: Modeller for uafhængige data eller paneldata. Indse styrken af en empirisk analyse, hvor økonomisk teori, data og statistiske metoder går op i en højere enhed.
28
Kvantitative metoder 2: F1 28 Økonometriske metoder Økonomisk teori Statistisk teori Data Økonometriske metoder Estimations- resultater
29
Kvantitative metoder 2: F1 29 Hvad bliver det næste? Forelæsningsplan på hjemmesiden. Næste forelæsning: Onsdag den 7. februar: Beskrivende analyse og kvalitative data. Dele af BL.13 og AFJM.7. Øvelserne: Begynder i næste uge (tirsdag den 13/2 eller torsdag den 15/9).
Lignende præsentationer
© 2024 SlidePlayer.dk Inc.
All rights reserved.