Ekonometria

tego terminu pochodzącego z j. greckiego (: iekonomia - administracja,

gospodarka oraz metron – miara) wynika, jest to nauka o mierzeniu zjawisk ekonomicznych.

zjawiskami lub procesami ekonomicznymi a innymi zjawiskami (ekonomicznymi, przyrodniczymi, technicznymi,

demograficznymi)

specyficznymi metodami statystycznymi, które można nazwać metodami ekonometrycznymi);
2. ekonometrię stosowaną

(stosującą metody ekonometryczne do ustalania konkretnych, ilościowych związków występujących w różnych dziedzinach istniejącej rzeczywistości ekonomicznej.

są inne dyscypliny naukowe.
Należą tu przede wszystkim:
w sensie metodycznym –

matematyka i statystyka,
w sensie numerycznym – informatyka,
w sensie merytorycznym – ekonomia.

Konkluzja: ekonometria czerpie natchnienie z ekonomii, konstrukcji narzędzi poszukuje w matematyce i statystyce, komputerów zaś używa w celu przetwarzania informacji

między jakimi zjawiskami mogą występować zależności przyczynowe, orientuje o charakterze

i kierunkach tych zależności;
statystyką matematyczną (zagadnienia ekonometryczne rozwiązuje za pomocą badań i metod statystycznych. Statystyka dostarcza ekonometrii materiałów liczbowych, lecz sama nie konkretyzuje (nie ustala) prawidłowości (zależności) ilościowych wiążących badane wielkości ekonomiczne. Jeżeli statystyk przeprowadza tego rodzaju konkretyzację staje się ekonometrykiem.

statystykę ekonomiczną i stara się za pomocą metod matematyczno-statystycznych nadać

konkretny ilościowy wyraz ogólnym schematycznym prawidłowościom ustalonym przez teorię ekonomii.

konkretnych ilościowych prawidłowości zachodzacych w życiu gospodarczym.
(Oskar Lange „Wstęp do

ekonometrii”, PWN, Warszawa 1965)

badania ilościowych prawidłowości występujących w zjawiskach ekonomicznych, za pomocą odpowiednio

wyspecjalizowanego aparatu matematyczno-statystycznego.
(Zbigniew Pawłowski: „Ekonometria”, PWN, Warszawa 1969)

mechanizmu kształtowania się zjawisk; formułując konkretne zależności w oparciu o

materiał empiryczny możemy potwierdzić lub obalić formułowane dość ogólnie prawa ekonomiczne
cel predyktywny: przewidywanie dalszego przebiegu zjawisk;
cel decyzyjny: sterowanie przebiegiem zjawisk.; znajomość zależności stanowic może podstawę do oddziaływania na niektóre zjawiska w kierunku przez nas pożądanym.

koniunktury;
Badanie stosunków rynkowych;
Programowanie (zagadnienia optymalizacji decyzji gospodarczych).

miały charakteru badań ekonometrycznych badania, w których poprzestaje się na

prostym zestawieniu tabelarycznym pewnych danych statystycznych bez pewnej „obróbki” matematyczno-statystycznej;
Np. zestawienie w tablicy obok siebie danych o produkcji piwa i zatrudnieniu w przemyśle piwowarskim na przestrzeni lat 2000-2018 i ewentualny opis wniosków nasuwających sie z prostego porównania tych liczb nie jest analizą ekonometryczną;
O ekonometrii będziemy mówić wtedy, gdy przeprowadzimy próbę oceny, jak wzrost zatrudnienia wpływa na wzrost produkcji - przy jednoczesnym wyeliminowaniu wpływu na zaobserwowany poziom produkcji innych, nie wyróżnionych czynników.

budowy niezliczonej liczby modeli ekonometrycznych, dokonywania ich analizy, sporządzania prognoz

na ich podstawie itp. Współczesna technika komputerowa sprawiła, że łatwość z jaką można budować modele niewyobrażalnych wprost rozmiarów, „stępiła” naszą wrażliwośc na teoretyczną poprawnośc modeli jakimi operujemy. W szczególności dotyczy to poprawności modeli z punktu widzenia ich prawidłowej specyfikacji.

analizy jest model ekonometryczny.

wybranymi zmiennymi (kategoriami) ekonomicznymi.

W modelu ekonometrycznym co najmniej jedno z

równań ma charakter stochastyczny (zawiera tzw. składnik losowy ξ)

ilościowego ujęcia związków (zależności) o których mówią teorie ekonomiczne;
Rola czynna

– polega na odkrywaniu nowych, jeszcze nieznanych w teorii ekonomii praw gospodarczych.

Keynesa:
wzrost dochodu prowadzi do wzrostu konsumpcji, przy czym konsumpcja wzrasta

wolniej niż dochód

modelu:
KONSUMPCJA – zmienna objaśniana
(zmienna zależna)
DOCHÓD –

zmienna objaśniająca
(zmienna niezależna)
Parametry modelu:
a, b – parametry strukturalne (od których zależy wartość funkcji)
parametr b jako pochodna konsumpcji względem dochodu w ekonomii jest znany jako krańcowa skłonność do konsumpcji (KSK) (0 < KSK < 1)

wartości parametrów a i b to wtedy, dla ustalonej wartości

zmiennej DOCHÓD zawsze otrzymamy wartość zmiennej KONSUMPCJA;
różnym wartościom zmiennej DOCHÓD odpowiadają różne wartości zmiennej KONSUMPCJA
punkty o współrzędnych (DOCHÓD, KONSUMPCJA) leżą na tej samej prostej

zmienną ξ jako składnik losowy;
po dodaniu do równania składnika losowego

ξ model konsumpcji możemy analizować nie tylko za pomocą matematyki, lecz również za pomocą narzędzi ststystyki;
z punktu widzenia statystycznego składnik losowy ξ jest zmienną losową.

(endogeniczną) tych wszystkich czynników, które nie zostały uwzględnione (wyrażone jako

zmienne objaśniające) w modelu. W modelu konsumpcji obok DOCHODU istnieją inne czynniki określające KONSUMPCJĘ, np. liczba osób w gospodarstwie, liczba dzieci, przynależność do grupy zawodowej, grupa społeczno-ekonomiczna, wiek, płeć, miejsce zamieszkania.
Ewentualne błędy pomiaru wartości zmiennych DOCHÓD i KONSUMPCJA
błędy wynikające z przyjęcia niewłaściwych założeń co do analitycznej postaci funkcji (np. zamiast funkci liniowej powinna być nieliniowa)

podstawowych charakterystyk rozkładu tej zmiennej:
wartości oczekiwanej E(ξ);
wariancji składnika losowego D2

(ξ);
odchylenia standardowego S(ξ).

Im wartość parametru S(ξ) większa, tym silniejszy jest wpływ czynników nie uwzględnionych w modelu.
Mała wartość S(ξ) oznacza, że efekt oddziaływania na zmienną KONSUMPCJA różnych czynników przypadkowych jest znikomy.
Gdy S(ξ) = 0 wtedy model jest modelem deterministycznym, w którym nie występują odchylenia przypadkowe (składnik losowy przyjmuje stale wartość zero).

ξ (1)

Jest to najprostszy model wyrażający liniową zależność między dwiema

zmiennymi Xi Y (w statystyce model regresji liniowej).
Y – zmienna zależna (objaśniana) w równaniu modelu;
X – zmienna niezależna (objaśniająca);
α0, α1 – parametry struktury modelu (wartości parametrów dają możliwość interpretacji zależności między X i Y)
ξ - składnik losowy modelu (błąd w równaniu)

α2 X2 +..... + αk Xk + ξ (2)

jest to jednorównaniowy model ekonometryczny z k zmiennymi objaśniającymi (tzw. model regrersji wielorakiej)
gdzie:
Y - zmienna wyjaśniana przez model
Xj - zmienne objaśniające (j= 1,2,....k)
Model ma k+1 parametrów strukturalnych
α0 , α1 .... αk (j=0,1,2....k)

X + ξ (1)
jeśli wartość X wzrośnie o jednostkę, to

wartość zmiennej Y wzrośnie o α1 jednostek;
wyraz wolny w modelu może lub nie ma interpretacji ekonomicznej

Y = α0+α1X1+α2X2+..+ αkXk+ξ (2)

jeśli wartość X1 wzrośnie o jednostkę, to wartość zmiennej Y wzrośnie o α1 jednostek, pod wsrunkiem, że wartośc pozostałych zmiennych X2,.. Xk się nie zmieni;
jeśli wartość X2 wzrośnie o jednostkę, to wartość zmiennej Y wzrośnie o α2 jednostek, pod wsrunkiem, że wartośc pozostałych zmiennych X1 oraz pozostałych zmiennych X3...Xk się nie zmieni.

badań;
2. Wyodrębnienie podstawowych cech badanego zjawiska oraz ustalenie związków pomiędzy

wyróżnionymi cechami

Rezultat wykonania etapu

Wybór zmiennej objaśnianej.
Ustalenie listy potencjalnych zmiennych obajśniających

ZMIENNEJ OBJAŚNIANEJ I POTENCJALNYCH ZMIENNYCH OBJAŚNIAJĄCYCH
Rezultat wykonania etapu

Baza danych

doboru zmiennych:
metoda Hellwiga
metoda grafu
inne
Rezultat wykonania etapu

Lista wybranych zmiennych objaśniających
Model badanego

zjawiska postaci:
Y = f( X1, X2, ....Xk, ξ) i=1,...k
gdzie:
Y – zmienna objaśniana
Xi – i=-ta zmienna obajśniająca
F – nieznana funkcja

Etap budowy modelu

etapu

1. Funkcja f ma znaną postać analityczną
Etap budowy modelu

estymacji odpowiedniej do postaci wybranego modelu
Rezultat wykonania etapu

1. Oceny parametrów

strukturalnych

Etap budowy modelu

stochastycznej
Testowanie istotności ocen parametrów strukturalnych
Testowanie własności składnika resztowego

Rezultat wykonania etapu

W

przypadku niezadowalających ocen powrót do etapu I.
W przypadku braku istotności ocen parametrów strukturalnych powrót do etapu I.
W przypadku niekorzystnych własności składnika resztowego powrót do etapu I.

Etap budowy modelu

Aplikacja

Interpretacja otrzymanych wyników
Zastosowanie (wykorzystanie) wniosków