seychellesartprojects.org

Mis on ökonomeetria?

Ökonomeetria on majandusandmete seoste mõistmine, kasutades statistilise mudeli viidet ja hankides esitatud andmetest tähelepaneku või mustri lähendava tulevikutrendi arendamiseks. Ökonomeetria on matemaatika ja statistika lisandiga lihtsalt majanduslik ning aitab statistiliste meetodite abil prognoosimisel ja hindamisel.

Ökonomeetria meetodid

Levinumad meetodid on:

1. Mitmekordne lineaarne regressioon
2. Hinnanguteooria
3. Lineaarne programmeerimine Excelis
4. Sageduse jaotumine
5. Tõenäosuse jaotus
6. Korrelatsioon ja regressioon
7. Aegridade analüüs
8. Simulatsiooni võrrand

Näited rahanduse ökonomeetriast

Allpool on toodud näited rahanduse ökonomeetriast

Ökonomeetria näide nr 1

Michaeli sissetulek on 50000 dollarit. Tema sissetuleku kulumismudel on 10000 - fikseeritud üüri- ja muud majapidamiskulud on 50% tema perioodil teenitud brutotulust.

Mitmekordne lineaarne regressioon on üks paremaid vahendeid suhete arendamiseks mineviku suundumuste põhjal.

Võrrand oleks = B ₀ (pealtkuulamine) + B ₁ + e (veatermin)

Võrrandit kasutades saab summa, mille Michael kulutab teenitud sissetuleku alusel.

• Kulud = B ₀ (fikseeritud üür) + B ₁ (muu leibkonna kulud) + e (vea tähtaeg)
• = 10000 + 50% (50000)
• = 35000

Veatermin näitab, et statistiliste tööriistade abil saavutatud tulemusest võib olla vähe üles või alla kõrvalekaldeid.

Ökonomeetria näide # 2

Uurime inimese töötasu välja tema töökogemuse põhjal

Miinimumpalk: 10 000 dollarit

Inimese palga taandarengu põhjal saate teada, et B ₁ = 2000

Nii et meetodit rakendades võib mõista, et inimene saab miinimumpalka 10000 + (2000 * aastatepikkuse kogemuse arv)

Need 10K ja 2K on hüpoteesitud väärtused ja neid tuleb testida statistiliste vahendite abil, näiteks t-test ja F-test. Kui need ei erine oluliselt 0-st, siis pole hüpoteesitud väärtus asjakohane ja erineva väärtuse saamiseks tuleb test uuesti teha.

Kuidas ökonomeetria rahanduses töötab?

Ökonomeetria eelised

Siin on Econometricsi eelised.

• Tööriistade või rakendatud ökonomeetria abil saab andmeid teisendada konkreetseks mudeliks, et teha otsus, mis toetab empiirilisi andmeid.
• Aidake hajutatud andmetest saada kindlaksmääratud muster või tulemus.
• Kasu, et saaksime asjakohase teabe teabekorvist hankida.

Ökonomeetria puudused

Econometricsil on mõned puudused.

• Mõnikord on seos majandustööriistade abil võlts, st kahe muutuja vahel pole isegi seost, kuid mudel näitab varasema teabe põhjal mustrit. Nt Korrelatsioon vihma ja makstud dividendide vahel
• See näitab, et alati, kui vihma tuleb kvartalis, deklareerib selle perioodi dividende ainult ettevõte. Isegi vihmasajul ei ole makstud dividende, kuid vastavalt suundumusele võib see anda valesid signaale, mis võivad viia vale otsuseni.
• Alati on võimalik valida lihtsuse ja täpsuse vahel. Mudelite spetsifikatsioon on rakendusökonoomikas väga oluline ülesanne. Väiksema muutuja valimine võib aidata lihtsust ja pakkuda kiiremat tulemust, kuid ebapiisava teabe tõttu ja juhul, kui saavutatakse kõrge ei, võib see olla ebatäpne. muutuja, siis võib mudel olla kriitiline, ebaökonoomne või hiiglaslik.
• Andmetes kasutatavate muutujate vahel võib olla multikollineaarsuse probleem. On väga oluline, et valitud muutuja oleks pidanud kahe seletava muutuja vahel olema madal korrelatsioon. Mudel jättis selle jaotise mudeli kasutajale.

Olulised punktid

• Ökonomeetria vahendid on väga hinnangulised. Lõplik järeldus võib kasutajalt erineda.
• Tulemus olenevalt mudeli tüübist ja spetsifikatsioonist. Tulemused on suunatud mudelile.
• Andmed on ökonoomsed, teostatavad, aeg tulemuste arvestamiseks mudeli rakendamisel.
• Seda saab rakendada nii ristlõike kui ka aegridade andmetel.
• Tulemuseks oleva efektiivsuse läbiviimiseks peaks olema vajalik ümbermõõt või test, näiteks f-test Excelis, T-test, statistikatabel, ANOVA tabelianalüüs tööriistapakkide abil.

Järeldus

• Pidage alati meeles, et kontrollige, kas tulemus tuleb välja, on otsuste tegemisel statistiliselt oluline
• See areneb välja vaadeldavast mudelist või perimeetrist
• Tulemus peab olema nii empiiriliselt kui ka futuristlikult soodne.
• See on korduv harjutus ja parema ülevaate saamiseks saab ühe probleemi korral rakendada ka erinevaid mudeleid.
• Tulemuste üle- või alakasutamist saab lahjendada täiustatud mudelispetsifikatsiooniga.