Kapitel 7 Lineare Restriktionen. Hackl, Einführung in die Ökonometrie (7) 2 Cobb-Douglas...
-
Upload
barthold-katzer -
Category
Documents
-
view
120 -
download
0
Transcript of Kapitel 7 Lineare Restriktionen. Hackl, Einführung in die Ökonometrie (7) 2 Cobb-Douglas...
Kapitel 7
Lineare Restriktionen
Hackl, Einführung in die Ökonometrie (7)
2
Cobb-Douglas Produktionsfunktion
Q(K, L) = A K L
Q: Output (value added)K: eingesetzter Kapitalbestand (capital stock)L: geleistete Arbeit (labor input)
Funktion f(x) heißt homogen vom Grad r, wenn f(px) = pr f(x)
Produktion mit konstanten Skalenerträgen Q(pK, pL) = A (pK) (pL) = p Q(K, L) = p Q(K, L)
d.h., die Produktionsfunktion ist homogen vom Grad 1
Die Parameter erfüllen die Beziehung (lineare Restriktion)+ = 1
Hackl, Einführung in die Ökonometrie (7)
3
Produktionsfunktion: Daten
6.0
6.5
7.0
7.5
8.0
8.5
9.0
9.5
LOG
Q
5
6
7
8
9
10
LOG
K
4.5
5.0
5.5
6.0
6.5
7.0
7.5
6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5
LOGQ
LOG
L
5 6 7 8 9 10
LOGK
4.5 5.0 5.5 6.0 6.5 7.0 7.5
LOGL
Nach Hildebrand & Liu (1957),Aigner et al. (1977)
LOGQ: log(Q)LOGK: log(K)LOGL: log(L)
Hackl, Einführung in die Ökonometrie (7)
4
Lineare Restriktionen: Fragen
Wenn die Annahme unterstellt wird, dass eine Restriktion, beispielsweise + = 1, zutrifft, wie können wir die Koeffizienten, und , schätzen, so dass auch die Schätzer diese Restriktion erfüllen?
Wie können wir überprüfen, ob eine vermutete Restriktion auch tatsächlich zutrifft?
Hackl, Einführung in die Ökonometrie (7)
5
Produktionsfunktion, Forts.
OLS-Anpassung von Q * = log Q = + log K + log L + u (mit = log A) gibt
Für die Summe der Koeffizienten ergibt sich
a + b = 0.376 + 0.603 = 0.979
95%-iges Konfidenzintervall:
0.850 ≤ + ≤ 1.108
Deutlicher Hinweis auf konstante Skalenerträge!
*ˆ 1.17 0.376 log 0.603 logQ K L
Hackl, Einführung in die Ökonometrie (7)
6
Produktionsfunktion, Forts.
Dependent Variable: QMethod: Least SquaresDate: 02/03/05 Time: 18:09Sample(adjusted): 1 27Included observations: 27
Variable Coefficient Std. Error t-Statistic Prob. C 1.170644 0.326782 3.582339 0.0015L 0.602999 0.125954 4.787457 0.0001K 0.375710 0.085346 4.402204 0.0002
R-squared 0.943463 Mean dependent var 7.443631Adjusted R-squared 0.938751 S.D. dependent var 0.761153S.E. of regression 0.188374 Akaike info criterion -0.396336Sum squared resid 0.851634 Schwarz criterion -0.252355Log likelihood 8.350542 F-statistic 200.2489Durbin-Watson stat 1.885989 Prob(F-statistic) 0.000000
Hackl, Einführung in die Ökonometrie (7)
7
Lineare Restriktionen: Notation
Spezifiziertes Modell: y = X + u
g lineare Restriktion:
H= h
Die Matrix H hat Ordnung gxk, h ist g -Vektor
Hackl, Einführung in die Ökonometrie (7)
8
Beispiel
Die Koeffizienten sollen erfüllen
1. 1 + 2 = 0
2. 3 = 1
Matrixform: Hß = h mit
110 0,
001 1H h
Hackl, Einführung in die Ökonometrie (7)
9
Beispiel
Vergleich von [X: nx(k-g), Z: nxg ]
y = X + u
und
y = X + Z + v
Restriktion = 0 oder
mit
0 0gH I
Hackl, Einführung in die Ökonometrie (7)
10
Restringierte Schätzer
Restringierte Schätzer erfüllen die Restriktionen
Methoden:
1. Substitutionsmethode: Berücksichtigen der Restriktionen durch Eliminieren von Regressionskoeffizienten
2. Lagrange-Methode: Erweitern der Summe der Fehlerquadrate zur Lagrange-Funktion, Minimieren der Lagrange-Funktion
Hackl, Einführung in die Ökonometrie (7)
11
Produktionsfunktion, Forts.
Berücksichtigen der Restriktion + = 1 durch Eliminieren von : Einsetzen von = 1 – gibt
Anpassen von Q * = log Q – log L = + (logK-logL) + u
Restringierte Schätzer aR = 0.363 (vergl.: a = 0.376) und
bR = 1- 0.363 = 0.637 (vergl.: b = 0.603)
1 KQ AK L AL
L
*ˆ 1.07 0.363(log log )Q K L
Hackl, Einführung in die Ökonometrie (7)
12
Produktionsfunktion, Forts.
Dependent Variable: Q_STMethod: Least SquaresDate: 02/03/05 Time: 18:17Sample(adjusted): 1 27Included observations: 27
Variable Coefficient Std. Error t-Statistic Prob. C 1.069265 0.131759 8.115322 0.0000K_ST 0.363030 0.075408 4.814211 0.0001
R-squared 0.481076 Mean dependent var 1.679979Adjusted R-squared 0.460319 S.D. dependent var 0.251845S.E. of regression 0.185013 Akaike info criterion -0.465599Sum squared resid 0.855741 Schwarz criterion -0.369611Log likelihood 8.285587 F-statistic 23.17663Durbin-Watson stat 1.903585 Prob(F-statistic) 0.000060
Hackl, Einführung in die Ökonometrie (7)
13
Lagrange-Methode
Gesucht sind Schätzer für aus y = X + u mit H = h
Minimieren der Lagrange-Funktion
liefert die restringierten OLS-Schätzer
Je schlechter die nicht-restringierten Schätzer die Restriktionen erfüllen, umso größer ist die Abweichung zwischen dem nicht-restringierten und dem restringierten Schätzer (die Korrektur)!
( , ) ( ) ( ) ( )y X y X H h
11 1( ) ( ) ( )Rb b X X H H X X H Hb h
Hackl, Einführung in die Ökonometrie (7)
14
Konsequenzen von Restriktionen
Irrtümlich restringierter OLS-Schätzer Schätzer verzerrt Minimale Varianz des Schätzers Überschätzte Varianz der Störgrößen
Irrtümlich nicht restringierter OLS-Schätzer Schätzer unverzerrt Varianz des Schätzers zu groß
Hackl, Einführung in die Ökonometrie (7)
15
Test von Restriktionen
Prüft, ob eine vermutete Restriktion auch zutrifft; Test von H0: H = h
1. Wald‘sche Teststatistik: auf Basis von d = Hb-h
mit nicht-restringiertem OLS-Schätzer b: Unter H0 sollte
einen kleinen Wert haben; unter H0 gilt näherungsweise: d ~ N[0,2H(X’X)-1H’]
2. Modellvergleich mittels F-Test (siehe Kapitel 6: „Variablenauswahl und Missspezifikation“)
1W d Var d d
Hackl, Einführung in die Ökonometrie (7)
16
Wald-Test
Test von H0: H = h mittels Wald‘scher Teststatistik
Die Chi-Quadrat-Verteilung gilt unter H0 näherungsweise (großes n)
Wegen kann W auch geschrieben werden als
Die Teststatistik F = W/g ist näherungsweise F-verteilt mit g und n-k Freiheitsgraden
11 22
1( )W d H X X H d g
s
2( )R R R Re e e e e e e e
W n ks e e
11
R Rd H X X H d e e e e
Hackl, Einführung in die Ökonometrie (7)
17
Modellvergleich
Test durch Vergleich des restringierten Modells mit dem nicht-restringierten Modell
Die F-Verteilung gilt unter H0 näherungsweise (großes n)
Ausführen der Tests:1. Berechnung der nicht-restringierten Schätzer b und Ermitteln von S =
e'e
2. Berechnung der restringierten Schätzer bR und Ermitteln von SR = eR'eR
3. Einsetzen in F
Wald‘sche Teststatistik kann man berechnen als W = gF
( , )R R RS S e e e en k n kF F g n k
S g e e g
Hackl, Einführung in die Ökonometrie (7)
18
Berechnung von W und F
Berechnen von
1. Berechnung der nicht-restringierten Schätzer b und Ermitteln von S = e'e
2. Berechnung der restringierten Schätzer bR und Ermitteln von SR = eR'eR
3. Einsetzen in F
Wald‘sche Teststatistik wird berechnet nach W = gF
Beispiel Produktionsfunktion:
R R Re e e e S Sn k n kF
e e g S g
0.855741 0.851634 27 30.1157
0.851634 1F
Hackl, Einführung in die Ökonometrie (7)
19
Asymptotische Tests
1. Wald-Test: überprüft, inwieweit die nicht-restringierten Schätzer die Restriktionen erfüllen
2. Lagrange-Multiplier-Test (LM-Test): untersucht, ob die Ableitung der Likelihood-Funktion (die score-Funktion), an der Stelle der restringierten Schätzer einen Wert nahe bei Null hat
3. Likelihood-Quotienten-Test (LR-Test): untersucht, ob das logarithmierte Verhältnis der Likelihood-Funktionen, die sich an der Stelle der restringierten und der nicht-restringierten Schätzer ergeben, nahe bei Null liegt
Die Teststatistiken aller drei Tests folgen unter H0 näherungsweise (großes n) der Chi-Quadrat-Verteilung mit g Freiheitsgraden
Hackl, Einführung in die Ökonometrie (7)
20
Asymptotische Tests
g() = 0: RestriktionlogL: Log-likelihood
Hackl, Einführung in die Ökonometrie (7)
21
Asymptotische Tests: Berechnung1. Wald-Test: W = gF (siehe oben)2. Lagrange-Multiplier-Test (LM-Test):
Re2: Bestimmtheitsmaß der Regression der restringierten Residuen eR auf X
3. Likelihood-Quotienten-Test (LR-Test):
2eLM nR
log R Re eLR n
e e
Hackl, Einführung in die Ökonometrie (7)
22
Lagrange-Multiplier-Test
Teststatistik des LM-Tests
Re2: Bestimmtheitsmaß der Regression der restringierten Residuen eR
auf X
1. Berechnung der restringierten Schätzer bR und Ermitteln der Residuen eR
2. Regression der Residuen eR auf die Regressoren des nicht-restringierten Problems, Ermitteln von Re
2
3. Einsetzen in LM
2eLM nR
Hackl, Einführung in die Ökonometrie (7)
23
Likelihood-Quotienten-Test
Teststatistik des LR-Tests
1. Berechnung der nicht-restringierten Schätzer b und Ermitteln von e'e
2. Berechnung der restringierten Schätzer bR und Ermitteln von eR'eR
3. Einsetzen in LR
log R Re eLR n
e e
Hackl, Einführung in die Ökonometrie (7)
24
Produktionsfunktion, Forts.
Asymptotische Tests von H0: + = 1 Wald-Test
p-Wert: 0.734
Lagrange-Multiplier-Test
Re2 = 0.0048, LM = 27x0.0048 = 0.1296, p-Wert: 0.719
Likelihood-Quotienten-Test
LR = 27xlog(0.885741/0.851634) = 0.0564, p-Wert: 0.812
0.855741 0.851634(27 3) 0.1157
0.851634W