Tartalom
Tartalomjegyzék 1. Technikai kérdések 1.1. Adminisztratív ügyek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Tudnivalók a félévről . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 1 3
2. Bevezetés, alapgondolatok 2.1. Alapvetés az ökonometriai modellezéshez . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Az ökonometria adatai és módszertana . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 4 5
3. I. esettanulmány 3.1. Az I. esettanulmány bemutatása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6 6
1. Technikai kérdések 1.1. Adminisztratív ügyek Hol vagyunk most? • Bevezetés az ökonometriába (de formálisan: Ökonometria) kurzus (4MK24NAK01M) • G Kar, pénzügy mesterszak, nappali munkarend • Egy félév (szemben például a K Karos alapszakos ökonometria oktatással) • A kurzus honlapja: http://www.medstat.hu/oko.html Oktatók és oktatás • Előadás – Ferenci Tamás ∗ BCE Statisztika Tsz., óraadó ∗ E-mail:
[email protected] – Hétfő 13:10-14:30, E. 1. előadó (régi épület) • Gyakorlatvezetők – Keresztély Tibor (G2 kurzus) ∗ BCE Statisztika Tsz., egyetemi adjunktus ∗ Csütörtök 9:40-11:00 S. 2.220 – Fellner Zita (G3 kurzus) ∗ BCE Statisztika Tsz., demonstrátor ∗ Szerda 11:20-12:40, S. 2.220 – ??? (G4 kurzus) ∗ ??? ∗ Csütörtök 11:20-12:40, S. 2.220 Osztályozás • A kurzus státusza: vizsgával záruló (V); 5 kredit • A félév során 80 pontot lehet szerezni, összetételt lásd mindjárt • Pontok jegyre konvertálása a szokásos Statisztika Tanszékes stílusban (40-től elégséges, onnan 10esével felfelé) 1
Megszerezhető pontok • A félév során 80 pontot lehet szerezni, a következő összetételben: – Gyakorlatokon 4 alkalommal röpZH, 3 legjobb számít, egyenként 5, összesen 15 pont – Félév végéig 2 házi feladat beadása, 5 és 10, összesen 15 pont ∗ ∗ ∗ ∗
Két teljesen kidolgozott adatelemzés (pontos specifikáció a honlapon) Valós adatokon, gretl használatával Írásban kell beadni, a szorgalmi időszak utolsó napjáig Szóban meg kell védeni a vizsga eredményhirdetésén!
– Vizsgaidőszakban vizsga, 50 pont ∗ Írásban (mintavizsga a honlapon, formát mutatja); „igény szerint” szóbeli vizsga (tételsor a honlapon) ∗ Feleletválasztás, többszörös feleletválasztás (oda-vissza), példamegoldás és kifejtős (elméleti) kérdések A szóbeli vizsga nem kötelező (nem is szerepel a tantárgyi adatlapon), bónusz-felajánlás jegyjavításra. . . de csak a ponthatárhoz közel lévő hallgatók számára. Pluszpontok • A félév során pluszpontok is szerezhetőek, jellemzően a 0,25−3 pont tartományban: ezek közvetlenül hozzáadódnak a többi ponthoz az évvégi elszámolásnál! • Pluszpontot három dologért lehet szerezni: 1. Gyakorlati aktivitás honorálása 2. Kiadott pluszmunka (jellemzően valamilyen kutatási feladat) elvégzése, ld. mindjárt 3. Cikkfeldolgozás, egyéb önálló munka Gyakorlaton: szokatlanul nehéz kérdés megválaszolása, illetve kiemelkedően jó észrevétel (ez lényegében a gyakorlati aktivitás honorálása). A cikkfeldolgozásra külön (email-ben) kell jelentkeznie; érdeklődő (esetleg hosszabb távú tervekkel rendelkező) hallgatóknak kimondottan ajánlott. Pluszpontok • A pontszám nem bináris • Többen is megcsinálhatják • A legjobbat, vagy a legjobbakból készült szintézist kirakom a honlapra, ha a szerzőik hozzájárulnak • Beadási határidő nincs A pluszmunkák pontszámát előre ismertetem; a teljesítés jóságának megfelelően osztom (ezért nem „bináris”). A pluszmunkákat – hacsak nem jelzem külön az ellenkezőjét – többen is megcsinálhatják (és kaphatnak érte pontot), mindaddig, amíg a honlapra ki nem kerül a megoldás. Beadási határidő nincs, sőt, akár a már kirakott megoldásokhoz is lehet hozzájárulni (természetesen ez esetben pont csak akkor jár, ha a hozzájárulás érdemi a honlapon lévőhöz képest). Pluszmunkák • Példának okáért, az első pluszmunka kiírása így fog majd hangozni: „Készíts összefoglalót a főbb ökonometriai paraméterek értelmezéséről, példákkal! (1,5 pont)” • A többit majd szóban közlöm (ill. rakom fel a honlapra) a félév során folyamatosan Ez a téma már szerepelt korábbi félévben, ezért a mostani feladat értelemszerűen majd nem az elkészítés, hanem a bővítés lesz. 2
Segédanyagok, ajánlott irodalom • Két szóba jövő könyv: – R. Ramanathan: Bevezetés az ökonometriába, alkalmazásokkal (Panem Kiadó, 2003) – G. S. Maddala: Bevezetés az ökonometriába (Nemzeti Tankönyvkiadó, 2004) • Ramanathan: gyakorlatorientáltabb, idősoros rész problémás; beszerezhetőség? • Maddala: sokkal mélyebb elmélet, több téma; idősorhoz egyébként is ajánlott • Angolul Jeffrey M. Wooldridge: Introductory Econometrics, A Modern Approach című műve az alapolvasmány • Előadásdiák (és egyéb anyagok) elérhetőek a honlapon (http://www.medstat.hu/oko.html) • Diasor ’handout’ és ’lecture note’ stílusban is fent lesz A Ramanathan jóval kevésbé részletes elméletileg, gyakorlatorientáltabb (jobban is illeszkedik a kurzusunkhoz). Az esettanulmányai egyébként is az erősségét jelentik. Hátránya, hogy – állítólag – már nem könnyen szerezhető be, másrészt az idősoros rész nem igen felel meg ennek a kurzusnak. A Maddala sokkal-sokkal mélyebben tárgyalja az elméletet és több témát is érint mint a Ramanathan; ilyen szempontból jóval komolyabb könyv, amit az igényesebb hallgatóknak ajánlok. (Nekik viszont határozottan!) Az idősoros részt ellenben mindenkinek a Maddalából ajánlom. (A Maddalában néha szemet szúróan sok elgépelés van, de általában nem értelemzavaróak.) Wooldridge könyve talán az egész világon legelterjedtebb általános, bevezető szinttől induló ökonometria tankönyv. Egy kis copyright • Ezen diasor alapját jelentő diák, valamint a legtöbb gyakorlaton használt adatbázis Hajdu Ottó munkája
1.2. Tudnivalók a félévről Miről fog szólni a félév • Ismerkedés az ökonometriával. . . – Elmélet röviden – Módszerek és alkalmazási területek bőven • . . . tehát inkább horizontális ismeretbővítés • Szemléletünk modellorientált lesz • A vizsgált jelenségekre (elsősorban: társadalmi-gazdasági) ökonometriai modelleket alkotunk. . . • . . . hogy azok alapján a jelenségeket – előrejelezzük – elemezzük • Tehát: társadalmi-gazdasági jelenségek kvantitatív elemzésére adunk eszközt
3
Miért „bevezetés”? • A modern ökonometria rendkívül matematika-igényes, ha precízen csinálják • Bár gyakorlati tudomány, de ha szabatosan tárgyalják, akkor jó öreg „definíció-tétel-bizonyítás tudomány”, nagyon-nagyon komoly matematikai apparátussal • Mi ezt szinte teljesen megpsóroljuk! . . . ettől bevezetés • Nem bizonyítunk semmit, precíz tétel-kimondás is alig • Ehelyett a módszerek alkalmazására koncentrálunk, az alapok matematikailag precíz tárgyalását megspórolva Előkövetelmények • Formálisan: Statisztika I., Statisztika II. • De facto: – Statisztika I. – gyakorlatilag semmi – Statisztika II. – intenzíven, különösen: becsléselmélet és hipotézisvizsgálat – Valószínűségszámítás – különösen az idősoros részhez (alapfogalmak, valószínűségi változó, eloszlás- és sűrűségfüggvény, momentumok, korreláció, kovariancia) – Lineáris algebra (mátrixokkal kapcsolatos alapismeretek sokszor szükségesek lesznek) Amit még tudni kell • A tanszéki honlap nem frissül, nem is a mostani félévre vonatkozik (ld. helyette a kurzus honlapját, ott minden fent van) • Előadások interaktívak • Gyakorlatokon a tanult módszerek alkalmazása – Használt programok: Excel és gretl – gretl-ről még lesz szó gyakorlaton • Akit ez sem rémített meg, bátran jelentkezzen, ha van kedve a tananyagon túl is foglalkozni ökonometriával: egyéni kutatásokat, TDK-sokat szívesen látunk!
2. Bevezetés, alapgondolatok 2.1. Alapvetés az ökonometriai modellezéshez Mi az ökonometria? • Nem statisztika alkalmazása történetesen pont gazdasági adatokra. . . • . . . nem matematika, amihez történetesen adatok is rendelhetőek. . . • . . . a hangsúly az adatok és a módszerek kölcsönös egymásra hatásán van. Definíció (Ökonometria). Az ökonometria feladata gazdasági-társadalmi jelenségek statisztikai modellezése. • Beszéljünk mindhárom komponensről! – Statisztikai (→ módszertani bázis) – Modellorientált (→ lásd később) – Gazdasági-társadalmi jelenségekkel foglalkozik (→ esettanulmányok használata) 4
A modellezésről általában • Ökonometriai modelleket alkotunk. . . de mit mondhatunk a modellekről általában? • A modellezés torzított lényegkiemelés! • Azaz: a valóság egyszerű mását hozzuk létre • Motiváció: a valóság túl bonyolult, hogy a maga – eredeti – formájában vizsgáljuk • Épp azért egyszerűsítünk, hogy vizsgálni tudjuk valamilyen számunkra kényelmes eszközzel → ez legtöbbször matematikai • A modell épp azért egyszerűsít, hogy vizsgálható legyen. . . de közben szükségképp torzít is → lásd a turistatérkép példáját • Ebből is látszik: a modellezés kulcsa az absztrakciós szint helyes megválasztása • Kompromisszumos döntés, optimum keresése: egyensúly a kezelhetőség és a valósághűség között
2.2. Az ökonometria adatai és módszertana Az ökonometriai adatok természetéről • Pontosság kérdése • Az adatok jellegük szerint csoportosíthatóak: – Keresztmetszeti adatok (több megfigyelési egység egyetlen időpontban) – Idősoros adatok (egy megfigyelési egység több időponton keresztül) – A kettő kombinációja: paneladatok Érdemes észrevenni, hogy egységesen keresztmetszeti adatokról szoktak beszélni két, némiképp azért eltérő esetben is. Az egyik, amikor „valódi” keresztmetszeti adataink vannak, azaz a megfigyelések tényleg fizikailag is egy időpontban készültek; pl. 10 ország adott évi inflációja és munkanélkülisége. (Ha az infláció munkanélküliségre való hatását akarjuk vizsgálni.) Hasonlóan keresztmetszeti adatnak nevezik azonban azt is, amikor eredetileg idősoros adatokat „keresztmetszetizálnak”, pl. egyetlen ország 10 egymást követő évben megfigyelt inflációját és munkanélküliségét használják fel az említett kérdés vizsgálatára. Ez utóbbi némiképp trükkösebb eset, hiszen ekkor elképzelhető, hogy az egyes változók alakulása, időben késleltetve, kihat más változókra is. Más szóval: figyelembe kell venni az adatok dinamikáját is. Az ökonometria egyik partikuláris jellemzője a dinamika kezelése. Az ilyen hatások, ha valóban léteznek, legtöbbször mint ún. autokorreláció jelentkeznek a modellben. Ez problémákat okozhat, melyeket észlelni és kezelni kell; e kérdésekkel később foglalkozunk. Megjegyezzük, hogy jobban belegondolva világos, hogy ilyen jelenség elméletileg a „valódi” keresztmetszeti adatok esetben is előállhat, jelesül, ha az egyes országok adatainak alakulása nem független egymástól. Elegánsan az előbb tárgyaltat időbeli, ezt pedig térbeli autokorrelációnak nevezhetjük, ám e kérdés tárgyalása már bőven meghaladja a kurzus kereteit. Az ökonometriai modellezés módszertana • Az ökonometriai modellezés tipikus lépései 1. Hipotézis felállítása (tipikusan: elmélet állítását empirikusan ellenőrizni vagy társadalmigazdasági kérdést kvantitatíve megválaszolni) 2. Adatgyűjtés 3. Modell kiválasztása (nem csak a jellege, a bonyolultsága is) 4. Modell becslése 5. A modell és a valóság szembesítése, modelldiagnosztika 5
• Iteratív folyamat! • Ha viszont már jó a modell, akkor használhatjuk: – Elemzés – Előrejelzés • Cél tehát: kérdések megválaszolása
3. I. esettanulmány 3.1. Az I. esettanulmány bemutatása Lakásár-adatbázis • Az adatbázis budai használt lakások kínálati árát [M Ft], és bizonyos jellemzőit tartalmazza, jelesül: – Alapterület [m2 ] – Teraszméret [m2 ] – Szobák száma [db] – Félszobák száma [db] – Fürdőszobák száma [db] – Hányadik emeleten van? [N] – Déli fekvésű? [I/N] • Valós adatok a 2000-es évek elejéről • 1406 megfigyelési egység Modellezési feladat megfogalmazása • Adjunk ökonometriai modellt a kínálati árra! • Tehát: hogyan magyarázhatjuk a kínálati ár alakulását a lakás jellemzőivel? • Ha erre sikerül modellt építenünk: – Elemzés: hogyan hatnak az egyes tényezők az árra? Példák: ∗ Mennyivel kell többet fizetni egy m2 -rel nagyobb lakásért? ∗ Befolyásolja-e a fekvés (déli vagy sem) az árat? ∗ Van-e összefüggés a két tényező között, tehát igaz-e, hogy a déli fekvésű lakásoknál többe kerül +1 m2 , mint a nem déli fekvésűeknél? – Előrejelzés: Ha ismerjük egy lakás alapterületét, teraszméretét stb., milyen árat becsülhetünk rá?
6