Kvantitative metoder 2: F11 Kvantitative metoder 2 Introduktionsforelæsning 5. februar 2007.

Præsentationer af emnet: "Kvantitative metoder 2: F11 Kvantitative metoder 2 Introduktionsforelæsning 5. februar 2007."— Præsentationens transcript:

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).