Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 Első fejezet. Budapesti Corvinus Egyetem

Ökonometria Adminisztratív kérdések, bevezetés

Ferenci Tamás1 – [email protected] 1 Statisztika Tanszék Budapesti Corvinus Egyetem

Első fejezet

Technikai kérdések Bevezetés, alapgondolatok Az ökonometriai munka

Tartalom 1

Technikai kérdések Adminisztratív ügyek Tudnivalók a félévről

2

Bevezetés, alapgondolatok Alapvetés az ökonometriai modellezéshez Az ökonometria modelljeiről Az ökonometria módszertana és adatai Korreláció és kauzalitás a társadalmi-gazdasági jelenségek elemzésében

3

Az ökonometriai munka Ökonometriai elemzések kivitelezése Ferenci Tamás – [email protected]

Ökonometria


Adminisztratív ügyek Tudnivalók a félévről

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 Konkrétabban: http://medstat.hu/oko/2015osz/oko2015osz.html

Ferenci Tamás – [email protected]

Ökonometria



Oktatók és oktatás

Előadás: Ferenci Tamás BCE Statisztika Tsz., óraadó (ÓE, egyetemi adjunktus) E-mail: [email protected] Hétfő 11:40 – 13:10, E.332 (régi épület)

Gyakorlatvezető: Ruzsa Gábor BCE Statisztika Tsz., e. tanársegéd Csütörtök, 9:50-11:20, S. 2. 220 (G3) Csütörtök, 11:40-13:10, S. 2. 218 (G2) Csütörtök, 13:40-15:10, S. 2. 218 (G1)


Ökonometria



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 10-esével felfelé)


Ökonometria



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, az első vizsga kezdete mínusz 24 óráig, a gyakorlatvezetőnek

Vizsgaidőszakban vizsga, 50 pont Írásban (mintavizsga a honlapon, formát mutatja) Feleletválasztás, többszörös feleletválasztás (oda-vissza), példamegoldás és kifejtős (elméleti) kérdések


Ökonometria



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 2

3

Gyakorlati aktivitás honorálása Kiadott pluszmunka (jellemzően valamilyen kutatási feladat) elvégzése, jelentkezés alapján Cikkfeldolgozás, egyéb önálló munka, jelentkezés alapján


Ökonometria



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; beszerezhetőség? 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 Ferenci Tamás – [email protected]

Ökonometria



Egy kis copyright

Ezen diasor alapját jelentő diák, valamint a legtöbb gyakorlaton használt adatbázis Hajdu Ottó munkája


Ökonometria



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 Ferenci Tamás – [email protected]

Ökonometria



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 megspóroljuk! . . . ettől bevezetés Nem bizonyítunk semmit, precíz tétel-kimondás is alig Ehelyett a módszerek alkalmazására koncentrálunk, az alapok matematikailag precíz tárgyalását megspórolva


Ökonometria



Előkövetelmények Formálisan Statisztika I. és Statisztika II., de facto: Statisztika I. – gyakorlatilag semmi Statisztika II. – intenzíven, különösen: becsléselmélet és hipotézisvizsgálat (mintavételi helyzet, mintavételi ingadozás, becslőfüggvény, becslések tulajdonságai, konfidenciaintervallum, hipotézisvizsgálat alapfogalmai, tesztstatisztika, p-érték) Valószínűségszámítás – különösen az idősoros részhez (alapfogalmak, valószínűségi változó, eloszlás- és sűrűségfüggvény, momentumok, korreláció, kovariancia, többdimenziós eloszlások, együttes- és vetületi eloszlás) Analízis (derivált, parciális derivált, optimalizálás) Lineáris algebra (skalár, vektor, mátrix, mátrix szorzása skalárral, mátrixok összeadása, mátrix szorzása mátrixszal, transzponálás, determináns, inverz) Ferenci Tamás – [email protected]

Ökonometria



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!


Ökonometria


Alapvetés az ökonometriai modellezéshez Az ökonometria modelljeiről Az ökonometria módszertana és adatai Korreláció és kauzalitás

Mi az ökonometria? Nem statisztika alkalmazása történetesen 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 Ferenci Tamás – [email protected]

Ökonometria



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 Ferenci Tamás – [email protected]

Ökonometria



I. esettanulmány: a 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 n = 1406 megfigyelési egység Ez lesz a mintánk (mi a sokaság?)


Ökonometria



Modellezési feladat megfogalmazása Adjunk ökonometriai modellt a kínálati árra! Tehát: hogyan magyarázhatjuk a kínálati ár alakulását a lakás jellemzőivel? Elemzés Előrejelzés

Az ökonometriában matematikai, még közelebbről: algebrai modelleket („egyenletek”) fogunk használni Mire akarhatunk egy modellt – ha már megvan – felhasználni? Például egy lehetséges modell erre a kérdésre: Ár = −4,3 + 0,4 · Alapterület,


Ökonometria



Determinisztikus modell

200

Kínálati ár [MFt]

150

100

50

0 100

200

300

400

500

Alapterület [m^2]

Mi ezzel a baj? Függvényszerű kapcsolat az ár és az alapterület között? Hihető ez. . . ? Ferenci Tamás – [email protected]

Ökonometria



Következő ötlet Próbálkozzunk így: Ár = −4,3 + 0,4 · Alapterület + u, ahol u valamiféle hibát foglal magába (kihagyott változó, rossz függvényforma, valóság változékonysága stb.) 200


150

100

50

0 100

200

300

400

Alapterület [m^2]


Ökonometria

500



Sztochasztikus modellek

Csak ennek van értelme! → sztochasztikusan fogjuk modellezni a vizsgált jelenségeket Ne foglalkozzunk vele, hogy hogyan jött ki az egyenlet, a lényeg, hogy valahogy kijött Ez az egyenlet tehát egy teljes értékű ökonometriai modell! (Hogy mennyire jó vagy rossz, az persze más kérdés)


Ökonometria



Modell megfogalmazása Érezhető, hogy a fenti modell két részre bontható: Struktúra: Ár = α + β · Alapterület + u Paraméter-becslés: α = 3 és β = 4

E kurzus keretében csak ilyen modellekkel fogunk foglalkozni: a struktúrát előre megadjuk. . . . . . de ez a megadás tartalmaz ismeretlen paramétereket E paraméterek értékét a minta alapján kell megbecsülnünk (valamilyen értelemben a lehető legjobban) Ezt paraméteres modellnek nevezzük; a továbbiakban csak ilyennel fogunk foglalkozni Elemzés? Előrejelzés?


Ökonometria



Egyetlen példa nem-paraméteres modellekre

120

100


80

60

40

20

0 50

100

150

Alapterület [m^2]

Elemzés? Előrejelzés? Ferenci Tamás – [email protected]

Ökonometria

200



Struktúra megválasztása paraméteres modellnél Paraméteres modelleknél a struktúra a priori jellege azért nem azt jelenti, hogy az adatoktól teljesen függetlenül kell döntenünk, és ha rossz lóra teszünk, akkor így jártunk Ugyanis mód van arra, hogy egy adott modell (struktúra) jóságát az adatok fényében megítéljük (modelldiagnosztika). . . . . . majd, ha azt tapasztaljuk, hogy baj van, akkor új modellt keressünk Újrabecsüljük az új modellt, majd újra modelldiagnosztikát végzünk és így tovább: a modellezés iteratív feladat lesz (Azért ezen iterációk száma sem lehet túl sok, különben egyéb problémák jelentkeznek – de erről majd később)


Ökonometria



Modell használata Nem törődve most azzal, hogy mennyire jó a fenti modell (és egyáltalán, hogyan jött ki), mire használhatjuk? Elemzés: minden mást változatlanul tartva, önmagában az alapterület hogyan hat a kínálati árra? (mennyivel kell többet fizetni modellünk szerint várhatóan egy m2 -rel nagyobb lakásért?) Előrejelzés: modellünk szerint várhatóan mennyi az ára egy 30 m2 -es lakásnak? Ha a modellünk értelmes lenne, akkor ezekre a kérdésekre értelmes válaszokat kapnánk! (A konkrét gazdasági felhasználás, gazdasági kérdések megválaszolása nyilvánvaló) Már a fenti primitív egyenlet – mint ökonometriai modell – is meg tud ilyen releváns kérdéseket válaszolni Ferenci Tamás – [email protected]

Ökonometria



Az ökonometriai modellezés módszertana Az ökonometriai modellezés tipikus lépései 1

2 3 4 5

Hipotézis felállítása (tipikusan: elmélet állítását empirikusan ellenőrizni vagy társadalmi-gazdasági kérdést kvantitatíve megválaszolni) Adatgyűjtés Modell kiválasztása (nem csak a jellege, a bonyolultsága is) Modell becslése A modell és a valóság szembesítése, modelldiagnosztika

Iteratív folyamat! Ha viszont már jó a modell, akkor használhatjuk: Elemzés Előrejelzés

Cél tehát: kérdések megválaszolása (döntéselőkészítés, hatásvizsgálat, policy-választás stb.) Ferenci Tamás – [email protected]

Ökonometria



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


Ökonometria



Korreláció és kauzalitás Vegyük észre, hogy a statisztikai modell semmit nem mond a változók közti okozati kapcsolatokról (Pontosan ugyanolyan jól megmagyarázható a lakásár az alapterülettel, mint az alapterület a lakásárral!) Az előbbi példában elég nyilvánvaló, hogy az alapterület befolyásolja az lakásárat, és nem a lakásár az alapterületet, de sok más esetben ez nem ilyen egyértelmű Még egy egyértelmű példa: tűzoltók száma és a tűzben esett anyagi kár Confounding jelensége, zavaró változók: akkor van probléma, ha ez egyszerre hat az eredményváltozóra és függ össze a felhasznált magyarázóváltozóval Azaz: „a korreláció nem implikál kauzalitást!” Ferenci Tamás – [email protected]

Ökonometria



Példák a confounding-ra A confounding problémája teljesen általános a társadalmi-gazdasági jelenségek vizsgálatában! „A több iskolát végzetteknek nagyobb a fizetése” (a több iskolát végzettek nem oktatással összefüggő munkaalkalmassága is jobb – akkor mi a valódi ok, illetve melyik milyen arányban?) „A több előadást kihagyó hallgatók rosszabb pontszámot érnek el a vizsgán” (a több előadást kihagyók nem csak kevesebbet hallanak az előadásból, de egyúttal tendenciájában kevésbé motiváltak is, ezért előadáshallgatástól függetlenül is kevesebbet tanulnak – akkor mi a valódi ok, illetve melyik milyen arányban?) „A cigányok többet bűnöznek” (a cigányok inkább találhatóak az alsó szocioökonómiai szegmensben, ami önmagában nagyobb bűnőzövé válási kockázattal jár együtt – akkor mi a valódi ok, illetve melyik milyen arányban?) „Ebben az iskolában magasabb a továbbtanulási arány, tehát jobban tanítanak a tanárok” (bizonyos iskolákban, logikus módon, mivel a múltbeli eredményeik is imponálóak az iskolát választó szülők számára, eleve a jobb diákok kerülnek be – akkor mi a valódi ok, illetve melyik milyen arányban?)

Figyelem: vegyük észre, hogy ezek a problémák csak elemzésnél jelentkeznek, ha pusztán előrejelezni akarunk, akkor ezt akár figyelmen kívül is hagyhatjuk (az alapterület jól előrejelezhető a kínálati árral!), bár sok szempontból ez nem túl jó ötlet Ferenci Tamás – [email protected]

Ökonometria



A confounding megoldása: kísérlet

Tökéletes megoldást csak a randomizált, kontrollált kísérlet elvégzése tud szolgáltatni Ez az egyetlen ugyanis, ami biztosan kiszűr minden confoundert (azokat is, amiket nem tudunk – jól – mérni, sőt, azokat is, amikről eszünkbe sem jut, hogy confounder-ek!) Azonban a társadalmi-gazdasági vizsgálatokban (ökonometrián túl tipikus példa még az epidemiológia) ez sok eseteben kivihetetlen: embereknek véletlenszerűen különböző fokú oktatást adunk (4 általánostól a PhD-ig), majd megnézzük, hogy mekkora lesz a fizetésük?! Khm. . .


Ökonometria



A confounding megoldása: megfigyelés

Gyengébb bizonyítóerejű adatokból kell dolgozni (megfigyeléses adatok, kvázi-kísérlet, természetes kísérlet stb.) A statisztikai modellezés egyik felhasználása épp az lesz, hogy ilyen gyengébb adatokon is képesek legyünk kiszűrni a confounding-ot. . . . . . és ez által – a gyengébb adataink ellenére is – a valódi okozati viszonyokra következtetni! Ökonometriai modellekkel – a modellfeltevések teljesülésének erejéig – szét tudjuk választani az egyes hatásokat


Ökonometria



Statisztikai modellek a confounding szűrésében Például építhetünk modellt, melyben az iskolai eredményt magyarázzuk az iskola valamely jellemzőjével (például típusával, helyével, fenntartójával stb.) és a belépő diákok teljesítményével Egy ilyen modellben el tudjuk különíteni, hogy a kimeneti eredményben milyen szerepet játszanak az egyes tényezők önmagukban! Ha a budapesti iskolákat hasonlítjuk a falusiakkal, nyilván a budapestiek a jobbak – de ekkor a budapesti mivolt hatásába belemérjük azt is, hogy itt tendenciájában a diákok már belépéskor is jobbak. . . . . . a fenti modellel viszont ki tudjuk mutatni, hogy önmagában a budapesti mivolt (azaz ha a belépő teljesítmény adott, állandó értéken tartjuk) hogyan hat a kimeneti eredményre! Ferenci Tamás – [email protected]

Ökonometria



Confoundig szűrése: kontrollálás bizonyos változókra

Sokszor tényleg így jelenik meg a feladat, tehát nem mindegyik hatás érdekel, csak egy kiemelt, de a többi zavaró hatását ki akarjuk szűrni, ezt úgy is szokás mondani, hogy kontrollálunk a többire („budapesti mivolt hatása, kontrollálva a belépő teljesítményre”) Ez hatalmas fegyvertény, de természetesen az alapproblémát nem oldja tökéletesen meg: csak azt tudjuk szűrni, amiről egyáltalán tudunk (és le is tudjuk mérni – ez sem feltétlenül triviális: hogyan mérhető le a szocioökonómiai státusz?), és persze azt is csak a modell jóságának erejéig


Ökonometria



Szimultaneitás

A helyzet lehet még ennél komplexebb is Nagyon sok esetben ugyanis nem csak az a probléma, hogy mi hat mire, hanem az is, hogy változók kölcsönösen hatnak egymásra Egészségügyi állapot és GDP, kínálat és kereslet, rendőri létszám és bűnözés stb. stb. Ez a szimultaneitás problémája


Ökonometria


Ökonometriai elemzések kivitelezése

Számítógépes ökonometriai programcsomagok Ma már ökonometriai munka elképzelhetetlen számítógépes támogatás nélkül Számítógépet használunk adatok tárolásához, feldolgozásához (pl. vizualizálás) és a tényleges modellezéshez is A legismertebb, ökonometriai munkára (is) alkalmas programcsomagok: gretl Egyszerű, nagyon kényelmesen használható, ingyenes, de némileg limitált tudású EViews Az „ipar” egyik legnépszerűbb, dedikáltan ökonometriai programcsomagja, nagy tudással bír, felhasználóbarát Stata Komplex statisztikai programcsomag, mely ökonometriai támogatást is nyújt R Ingyenes, hatalmas tudású, de nem célirányosan ökonometriára tervezett környezet, a kezdeti beletanulás komolyabb befektetést igényel Ferenci Tamás – [email protected]

Ökonometria

Ökonometria. Adminisztratív kérdések, bevezetés. Ferenci Tamás 1 Első fejezet. Budapesti Corvinus Egyetem

Recommend Documents