Übung zu Quantitative Methoden der Marktanalyse Tests zu den
Transcription
Übung zu Quantitative Methoden der Marktanalyse Tests zu den
Termin Übungsinhalt 29.06.2009 Tests zu den Annahmen der OLS- Schätzung 06.07.2009 13.07.2009 20.07.2009 Übung zu Quantitative Methoden der Marktanalyse Klausurvorbereitung Klausurvorbereitung (Prüfungszeitraum) Fragen zur Klausurvorbereitung an [email protected] Annahmen derOLS-Schätzung 29.06.2009 2 Tests zu den Annahmen der OLS-Schätzung 1. Annahmen zur OLS-Schätzung 1. WDH: Annahmen der OLS-Schätzung 2. Was sind die Folgen verletzter Annahmen? (1) Linearität in den Parametern. – – – 3. Überprüfung der Annahmen bei Stata – – – – Grafische Analyse Test auf Normalverteilung Test auf Heteroskedastizität Test auf Autokorrelation Erlaubt: ln(Yi) = b0 + b1 * ln(Xi) + ui Nicht erlaubt: Yi = b0 + b12 * Xi + ui Nicht erlaubt: Yi = b0 + b1 * X1i + Xib2 + ui (2) Exogene Variable X ist deterministisch. – X sind fest (nicht stochastisch). (3) Varianz der exogenen Variablen ist nicht Null. 4. Was kann man tun, damit die Annahmen nicht (mehr) verletzt werden? – Sonst wäre X immer genau ein Wert! 3 1. Annahmen zur OLS-Schätzung 1. Annahmen zur OLS-Schätzung (4) Der Mittelwert der Residuen u für gegebene X ist Null. – 4 (7) Modell muss richtig spezifiziert sein. – Sonst verzerrte Schätzer. (5) Homoskedastizität der Residuen. – – Varianz der Residuen ist konstant. Sonst ineffiziente Schätzer. Z.B. Logarithmieren Logarithmieren führt dazu, dass die Parameter als Elastizitäten zu interpretieren sind! (8) Keine (perfekte) Mulitkollinearität (X). – (6) Keine Korrelation der Residuen. – – Evt. lineare Transformation • • Z.B. keine Autokorrelation der Residuen. Sonst ineffiziente Schätzer. D.h. erklärende Variablen erklären sich nicht vollständig gegenseitig. (9) Kovarianz zwischen X und u ist Null. – 5 Automatisch erfüllt, wenn X deterministisch ist. 6 1 1. Annahmen zur OLS-Schätzung 2. Folgen verletzter Annahmen (10) Zahl der Beobachtungen muss größer sein, als die Zahl der zu schätzenden Parameter. • Technisch kann OLS nicht angewendet werden, wenn … – Varianz der exogenen Variable Null ist (A 4). – Perfekte Multikollinearität vorliegt (A 8). – Zahl der Beobachtungen keiner als Zahl der zu schätzenden Parameter ist (A 10). (11) Normalverteilung der Residuen. – – Sonst keine Aussagen über Verteilungen der Schätzer möglich. D.h. Konfidenzintervalle und Signifikanztest „treffen nicht“. • OLS ist nicht die „richtige“ Methode, wenn … – Linearität in den Parametern nicht vorliegt (A 1). – Exogene Variable nicht deterministisch ist (A 2). – Das Modell nicht richtig spezifiziert werden kann (A 7). 7 8 2. Folgen verletzter Annahmen • Verzerrte Schätzer 3.1 Grafische Analyse (A 1 und A 4) • Streudiagramme „endogene Variable“ (A 1) • Ineffiziente Schätzer – Einzeln: twoway (scatter VARLIST) (lfit VARLIST) – Oder für alle gemeinsam: graph matrix VARLIST – Wenn der Mittelwert der Residuen nicht Null ist (auch lokal) (A 4). – Wenn Heteroskedastizität vorliegt (A 5). – Z.B. weil X und u noch voneinander abhängen (A 9). – Wenn Autokorrelation • Keine Aussage über Verteilung der Schätzer vorliegt (A 6). möglich • Residual-Versus-Fitted-Plots (z.B. A 4) – regress VARLIST – rvfplot • Streudiagramme „Residuen“ – regress VARLIST – predict u_resid, resid – scatter u_resid VAR_exogen – Wenn Residuen nicht normalverteilt sind (A 11). 9 10 3.2 Test auf Normalverteilung (A11) 3.2 Test auf Normalverteilung (A 11) Schiefe (skewness) • regress VARLIST • predict u_resid, resid • sktest u_resid – Testet anhand von Skewness, Kurtosis und Kombination beider Größen, ob Normalverteilung vorliegt. – H0: Normalverteilung liegt vor! g • • • 1 * ( X i X )3 n 3/ 2 1 ( * ( X i X )2 ) n Wölbung (kurtosis) • Je größer der Wert der Wölbung, desto spitzer die Verteilung, bei Normalverteilung Wert = 3. g = 0: normalverteilt. g < 0: linksschiefe Verteilung. g > 0: rechtsschiefe Verteilung. – Testgröße K² = Z1² + Z2² • Mit Z1 und Z2 als Testgröße des Skeness bzw. des Kurtosis-Tests • Z1 und Z2 approx. standardnormalverteilt unter H0 – K² approx. Chi²-verteilt unter H0 mit 2 FG – vgl. auch Jarque-Bera-Test auf Normalverteilung • ohne Korrektur für SP-Umfang 11 12 Quelle: www.schulphysik.de/physik/maxwell1/maxwell1.htm 2 3.2 Test auf Normalverteilung (A 11) 3.3 Test auf Homoskedastizität (A 9) • sktest u_resid • regress VARLIST • hettest – Test nach Breusch-Pagan / Cook-Weisberg. – H0: Homoskedastizität liegt vor! – Prinzip: ûi² 0 + 1 * X1i + i – Entscheidung: – Entscheidung: • [adj. Chi² < tabellarischer Chi²-Wert] • (Prob > Chi²) > ( = 0.05) – Interpretation: Normalverteilung liegt vor. ! • [empirischer Chi² < tabellarischer Chi²-Wert] • (Prob > Chi²) > ( = 0.05) ! • zusätzlich Normalquantil-Plot: qnorm u-resid – Interpretation: Homoskedastizität liegt vor. 13 3.3 Test auf Homoskedastizität (A 9) 14 Kritische Werte der Chi²-Verteilung • regress VARLIST • imtest, white White‘s-General-Heteroscedasticity-Test – H0: der Homoskedastizität für alle t bzw. i liegt vor! – Prinzip: Hilfsregression ûi² ûi² = f(X1i, X1i², X2i, X2i², X1i*X2i) – Prüfgröße: n*R²Hilfsregression ~ Chi²(k-1) k als Zahl der exogenen Variablen inkl. Konstante – Entscheidung: siehe Test nach Breusch-Pagan 15 3.4 Tests auf Autokorrelation (A 6) • Autokorrelation graphisch: Positive Autokorrelation 16 3.4 Tests auf Autokorrelation (A 6) (a) Durbin Watson-Test – – Negative Autokorrelation testet Autokorrelation erster Ordnung Prinzip: Hilfsregression ut = f(ut-1) T (uˆ d t uˆt 1 ) 2 t 2 T uˆ 2 2 * (1 uˆt ,uˆ t1 ) t t 1 wobei für Korrelationskoeffizienten gilt: -1 1 → Problem: Erklärungsgehalt der Residuen! 17 18 3 3.4 Tests auf Autokorrelation (A 6) → Entscheidung beim Durbin-Watson-Test 3.4 Tests auf Autokorrelation (A 6) • Frage: Folgen die Preise für Weizen in Kanada und in den USA einem Trend? Kann zur Beantwortung dieser Frage eine OLSRegression durchgeführt werden oder liegt Autokorrelation der Residuen vor? H0: keine Autokorrelation, d.h. = 0 • Datensatz: Weizenpreise.dta 19 – – – – t: Zeitindex date: Datum der Preisnotierung pc: Weizenpreis in Kanada [$/t] pusa: Weizenpreis in den USA [$/t] 20 3.4 Tests auf Autokorrelation (A 6) STATA: Durbin-Watson-Test – tsset t – regress pc t – estat dwa – regress pus t – estat dwa – Durbin-Watson d-statistic( 2, 1402) = .0244195 • Entscheidung: Vergleich dieses empirischen Wertes mit Tabellenwert D(n, K) – mit K als Zahl der exogenen Variablen – hier K ohne Konstante !!! 21 3.4 Tests auf Autokorrelation (A 6) 22 3.4 Tests auf Autokorrelation (A 6) → Entscheidung beim Breusch-Goldfrey-Test (b) Breusch-Goldfrey-Test – testet Autokorrelation p-ter Ordnung – Prinzip: Hilfsregression ut (ut-1, ut-2,..., ut-p) – H0: keine Autokorrelation, d.h. alle Parameter der Hilfsregression sind 0. – Zur Wahl von p: • wird p zu klein gewählt, kann Autokorrelation höherer Ordnung nicht aufgedeckt werden. • wird p zu groß gewählt, kann die Macht des Tests verringert werden. – Prüfgröße: (n-p)*R²Hilfsregression ~ Chi²(p) – z.B. R² = 0,25, n = 239, p = 4 • empirische Prüfgröße: Chi²emp = 14, 6875 • Tabellenwert Chi²tab = Chi² (p) 23 24 4 4. Lösungsansätze Kritische Werte der Chi²-Verteilung 1. Fehlender Normalverteilung → Grenzwertsatz der Statistik (n > 30). 2. Heteroskedastizität → Transformation der abhängigen Variable. → oder Schätzung bei der Homoskedastizität nicht vorausgesetzt ist, bei STATA: regress VARLIST, robust 25 26 4. Lösungsansätze 4. Lösungsansätze 3. Autokorrelation 4. Kein linearer Zusammenhang zwischen den Variablen → Weitere Erklärungsvariablen einfügen. → Trendvariable hinzufügen. → Zeitverzögerte Beobachtungen hinzufügen (lag-Variablen). → Transformation des Modells, einzelner Variablen • • • • → Weitere Hinweise zur Zeitreihenanalyse beachten! (z.B. von Auer, 1999: 351ff) Quadrieren Logarithmieren Inverse bilden Interaktionsterme einfügen 5. Einflussreiche Beobachtungen → Transformation der unabhängigen Variable → Hinzufügen weiterer Erklärungsvariablen → Korrektur des Datensatzes??? 27 28 1. Annahmen zur OLS-Schätzung Ende (1) Linearität in den Parametern (2) Exogene Variable ist deterministisch (3) Varianz der exogenen Variable ist nicht Null (4) Der Mittelwert der Residuen für gegebene X ist Null (7) Modell muss richtig spezifiziert sein (9) Kovarianz zwischen X und u ist Null (10) Zahl der Beobachtungen muss größer sein, als die Zahl der zu schätzenden Parameter Tests zu den Annahmen der OLS-Schätzung 29 (5) Homoskedastizität der Residuen (6) Keine Korrelation der Residuen (8) Keine (perfekte) Mulitkollinearität (11) Normalverteilung der Residuen 30 5