Zusammenfassungen und Eklärungen zur Ökonometrie. Inhalt: Determinanten, Transponierung von Matrizen, Spur und Rang einer Matrix, Adjungierte Matrizen und Invertierung von Matrizen, Absolutglieder, Vom Gleichungssystem zur Matrixschreibweise, Lineare Regression, Dummyvariable, Regressionskoeffizient, Verzögerte endogene Variable, Scheinregression, Klassisches Lineares Regressionsmodell (KLR), OLS-Schätzung (Ordinary Least Squares), GLS-Schätzung (Generalised Least Squares), Autokorrelation, Durbin-Watson-Test, Wallis-Test, Genauigkeitsmaße für Prognosen, Bestimmtheitsmaß, Korrelationskoeffizienten, Zusammensetzung der Streuung, Multikollinearität, Kennzahlen für den Grad der Multikollinearität, Homo- und Heteroskedastie, Strukturbruch, Unrestringierte und restringierte Modelle, Schätzgleichungen und Definitionsgleichungen, f-Test, T-Test, Prozess der Hypothesenprüfung mit F-Test (bei linearer Mehrfachregression),
Inhaltsverzeichnis
Matrizen
Determinante
Transponierung von Matrizen
Spur einer Matrix
Rang einer Matrix
Adjungierte Matrix
Invertierung von Matrizen
Absolutglied
Vom Gleichungssystem zur Matrixschreibweise
Lineare Regression
Lineare Regression durch den Ursprung
Dummyvariable
Regressionskoeffizient
Verzögerte endogene Variable
Scheinregression
Klassisches Lineares Regressionsmodell (KLR)
OLS-Schätzung (Ordinary Least Squares)
GLS-Schätzung (Generalised Least Squares)
Autokorrelation
Autokorrelation erster Ordnung AR [1]
Autokorrelation höherer Ordnung
Durbin-Watson-Test
Wallis-Test
Genauigkeitsmaße für Prognosen
Bestimmtheitsmaß
Korrelationskoeffizienten
Einfacher Korrelationskoeffizient zwischen y und Regressor xj
Partieller Korrelationskoeffizient zwischen zwei Regressoren
Zusammensetzung der Streuung
Multikollinearität
Kennzahlen für den Grad der Multikollinearität
1. Varianzinflationsindex
2. Toleranz
3. Varianzzerlegung
4. Konditionsindex (Bindungsindex)
Homoskedastie
Heteroskedastie
Strukturbruch
Unrestringierte und restringierte Modelle
Schätzgleichungen und Definitionsgleichungen
f-Test
T-Test
Prozess der Hypothesenprüfung mit F-Test (bei linearer Mehrfachregression)
Notationen
Zielsetzung & Themen
Dieses Dokument bietet eine strukturierte Zusammenfassung ökonometrischer Methoden der empirischen Wirtschaftsforschung. Das Hauptziel ist die methodische Erläuterung der Regressionsanalyse sowie relevanter statistischer Kennzahlen zur Modellprüfung.
- Mathematische Grundlagen: Matrizenrechnung und Invertierung
- Lineare Regressionsmodelle: KLR, OLS- und GLS-Schätzung
- Diagnose von Modellannahmen: Multikollinearität, Autokorrelation und Heteroskedastie
- Prognosegüte: Bestimmtheitsmaße und Korrelationskoeffizienten
- Hypothesenprüfung: F-Tests und T-Tests
Auszug aus dem Buch
Lineare Regression
Ein Regressionsmodell Y = β0 + β1X1 + … + βkXk + ε beschreibt eine endogene Variable Y durch eine lineare Beziehung zu einer oder mehreren anderen Variablen X1, …, Xk. Da es in der Praxis keine exakte Beziehung zwischen empirisch beobachteten Größen geben wird, erfasst darin ein Störterm e (das Residuum) zusätzlich alle Faktoren, die neben X1, …, Xk einen Einfluss auf Y haben und nicht unmittelbar erfassbar sind. Von besonderer praktischer Bedeutung ist die Erlangung von Schätzungen für die Modellparameter β0, …, βk, da auf ihrer Basis Prognosen für die Ausprägung von Y bei vorliegenden Ausprägungen von X1, …, Xk möglich sind, sofern sich das Modell als empirisch tauglich herausgestellt hat. Das Standardverfahren zur Schätzung der Parameter in linearen Regressionsmodellen ist die OLS-Schätzung (engl. Ordinary Least Squares). Um sie problemlos anwenden zu können, sind jedoch vom Regressionsmodell eine Reihe von Annahmen zu erfüllen.
Zusammenfassung der Kapitel
Matrizen: Einführung in grundlegende lineare algebraische Operationen wie Determinanten, Transponierung, Spur, Rang und Invertierung von Matrizen.
Lineare Regression: Erläuterung der Modellstruktur, der Rolle des Störterms und der Vorgehensweise bei der Schätzung von Regressionsparametern.
OLS-Schätzung (Ordinary Least Squares): Beschreibung des Standardverfahrens zur Parameterbestimmung und der Anforderungen an BLU-Schätzfunktionen.
Multikollinearität: Analyse der Probleme, die bei hoher Korrelation zwischen erklärenden Variablen auftreten, sowie deren Messung durch VIF, Toleranz und Konditionsindex.
f-Test: Definition und Zweck des F-Tests zur statistischen Überprüfung der Modellgüte und des Modellansatzes.
Schlüsselwörter
Ökonometrie, Lineare Regression, OLS-Schätzung, GLS-Schätzung, Multikollinearität, Autokorrelation, Heteroskedastie, Regressionskoeffizient, Bestimmtheitsmaß, Störterm, Residuum, Signifikanz, Hypothesenprüfung, F-Test, T-Test
Häufig gestellte Fragen
Worum geht es in diesem Dokument grundlegend?
Es bietet eine prägnante Zusammenfassung der theoretischen und methodischen Konzepte, die für die Durchführung empirischer ökonomischer Analysen mittels Regressionsmodellen erforderlich sind.
Welche zentralen Themenfelder werden behandelt?
Das Dokument deckt die Matrixalgebra, das lineare Regressionsmodell, Schätzverfahren, sowie statistische Tests zur Überprüfung der Modellqualität und der zugrunde liegenden Annahmen ab.
Was ist das Ziel der vorgestellten ökonometrischen Schätzungen?
Das Ziel ist die Bestimmung der Modellparameter, um auf dieser Basis fundierte Prognosen für endogene Variablen basierend auf exogenen Variablen treffen zu können.
Welche wissenschaftliche Methode wird primär erläutert?
Der Fokus liegt auf der OLS-Schätzung (Ordinary Least Squares) sowie dem verallgemeinerten Regressionsmodell und den damit verbundenen statistischen Hypothesenprüfungen.
Was wird im Hauptteil detailliert besprochen?
Der Hauptteil befasst sich mit der Matrixschreibweise, der Diagnose von Problemen wie Autokorrelation und Multikollinearität sowie der Messung der Prognosegenauigkeit.
Welche Begriffe charakterisieren die Arbeit am stärksten?
Zentrale Begriffe sind Regressionsanalyse, OLS-Schätzung, Multikollinearität, Heteroskedastie und die statistischen Prüfgrößen wie F- und T-Tests.
Wann ist die OLS-Schätzung nicht mehr anwendbar?
Wenn die Annahmen der Unkorreliertheit der Residuen oder der Homoskedastie verletzt sind, muss auf die GLS-Schätzung (Generalised Least Squares) ausgewichen werden.
Wie lässt sich ein Strukturbruch erkennen?
Ein Strukturbruch tritt auf, wenn Regressionsparameter nicht über die gesamte Zeitreihe konstant bleiben; dies kann durch spezielle statistische Testverfahren verifiziert werden.
- Quote paper
- Matthias Phul (Author), 2013, Ökonometrische Methoden der empirischen Wirtschaftsforschung, Munich, GRIN Verlag, https://www.grin.com/document/277820
