Vous êtes sur la page 1sur 11

Ekonometria, 9 listopada 2010 r.

Modele cile nieliniowe

Funkcja logistyczna naley do modeli cile nieliniowych


wzgldem parametrw. Jest to funkcja jednej zmiennej, zwykle
czasu (t). Dla t>0 warto zmiennej ronie pocztkowo bardzo
szybko, potem tempo wzrostu maleje i ostatecznie stabilizuje
si w pobliu asymptoty.

Y t= + t
1+ et

gdzie > 0, >1, > 0 . Dla t =0 funkcja ma wasnoci:

lim Y t =
1) t parametr ten oznacza maksymalny poziom
nasycenia;
2) Dla t =0 Y 0= /(1+ ) .
3) Funkcja ma punkt przegicia dla t= ln / .
4) Funkcja logistyczna jest jedynym rozwizaniem rwnania
rniczkowego postaci:

Y ' = Y ( Y )

przy warunku pocztkowym Y 0= /(1+ ) . Zatem prdko

zmian zmiennej Y jest proporcjonalna do iloczynu Y ( Y )


pierwszy czynnik nazywany jest czynnikiem rozpdu,
drugi czynnikiem hamowania.
5) Jeli Y 1 <Y 2< Y 3 , to warto Y 2 jest wiksza ni rednia
0,5
Y 1 Y 3
geometryczna tzn. Y 2 >

Funkcja logistyczna stosowana jest do opisu dugookresowego


wzrostu liczby ludnoci, a take do rozwoju rynku pewnego
produktu nowo wprowadzany produkt najpierw cechuje szybki
wzrost wielkoci sprzeday, nastpnie tempo wzrostu maleje, a
wreszcie osiga poziom nasycenia.

Model Boxa-Coxa jest rwnie przykadem funkcji cile


nieliniowej wzgldem parametrw.
X t 1
Y t = 0 + 1 ( )+ t = 0 + 1 X ()
t + t

gdzie jest rwnie parametrem modelu. T posta mona


zastosowa wtedy, gdy nie jestemy pewni, jak posta
liniow, liniowo-logarytmiczn czy logarytmiczn naley
zastosowa:
Dla =1 model przyjmuje posta liniow.
Dla 0 model ma posta graniczn: Y t = 0 + 1 ln X t + t .
Dla =1 otrzymujemy model hiperboliczny.

Estymacja modeli cile nieliniowych jest przeprowadzana


m.in. nieliniow metod najmniejszych kwadratw. Jeli model
ma posta:
Y t =g ( xt , ) + t , gdzie g jest funkcj cile nieliniow,

to nieliniowa metoda najmniejszych kwadratw polega na



dobraniu takich ocen b wektora parametrw , ktre
minimalizuj sum kwadratw reszt, czyli

Y t g ( xt ,b ) 2

S ( b )=

Wyznaczamy pochodn tego wyraenia wzgldem wektora ocen


i przyrwnujemy do zera:

S g ( xt , b)
=2 [ Y t g ( x t ,b ) ] =0
b b

jest to ukad p rwna z p niewiadomymi.


Przykad (z zadania 5.8): Oszacowano logistyczn funkcj
trendu tygodniowej liczby pojazdw, ktre mog przejeda
nowo otwartym mostem o tygodniowej przepustowoci 300 tys.
pojazdw:
265,053
Pojazdy=
1+39,447 exp (0,783 Tydzie )

Poziom nasycenia (oszacowany) wynosi 265,053 [tys.].


Punkt przegicia jest dla ln (39,447/0,783) = 3,92 [tys.]

Jeli zaoymy, e techniczny poziom nasycenia jest rwny


przepustowoci mostu, czyli =300 , moemy przeksztaci
model do postaci liniowej i zastosowa metod najmniejszych
kwadratw.

Przykad (z zadania 5.11): Oszacowano model popytu na


pienidz, w ktrym zmienne objaniajce s przeksztacone za
pomoc transformacji Boxa-Coxa:

ln Y^t =0,5430,006 X (0,47)


1t +0,087 X (0,47)
2t

gdzie zmienn objanian jest zasb pienidza M2, X1 to stopa


dyskontowa banku centralnego, X2 GNP (produkt narodowy
brutto), model zosta oszacowany na podstawie danych
rocznych 1966-1985 dla Stanw Zjednoczonych.

Warto parametru =0,47 zostaa rwnie otrzymana na


podstawie estymacji.

(0,47) X 0,47
i 1
X i =
0,47

Jak liczymy pochodn funkcji zoonej?


'
f (x) f ( x)
d '
F [ f ( x ) ]=F
dx

Elastyczno funkcji wzgldem X1:


(0,47) (0,47)
Y = exp( 0,5430,006 X 1 t +0,087 X 2 t

X Y d df
EX Y = exp ( f ( x ) )=exp ( f ( x ) ) (x )
Y X , dx dx

Y d
X1
=exp ( 0,5430,006 X (1t0,47 ) +0,087 X (2t0,47 )) 0,006
d X1(X (i0,47 ) = )
0,47 0,471
exp (0,5430,006 X (10,47 ) ( 0,47 )
t + 0,087 X 2 t ) 0,006 ( X
0,47 i )
=

exp (0,5430,006 X (10,47 ( 0,47 )


)
t + 0,087 X 2 t ) (0,006 X 0,53
i )

Dopiero po wyznaczeniu wzoru na pochodn podstawiamy do


niego wartoci argumentw, dla ktrych mamy znale warto
pochodnej. Podobnie jest dla elastycznoci.
X Y
EX Y = =
Y X

X1
][exp (0,5430,006 X (10,47 ( 0,47 )
[ ( 0,47 ) ( 0,47 )
)
t + 0,087 X 2 t ) (0,006 X 0,53
1 ) ]=
exp ( 0,5430,006 X 1t +0,087 X 2t )

0,006 X 10,53
1 =0,006 X 0,47
1

Po podstawieniu rednich wartoci argumentw


X 1=7,273, X 2=2849,23 otrzymujemy warto elastycznoci w tym
punkcie: 0,015246.

Modele logitowe, probitowe, tobitowe


Do zagadnie mikroekonometrii nale modele zmiennej
jakociowej np. opisujcej zdarzenie polegajce na
wystpieniu bankructwa firmy, zdolnoci kredytowych klienta,
prawdopodobiestwo podjcia decyzji zwizanych z udziaem w
gosowaniu, prawdopodobiestwo decyzji co do zakupu dobra
itp.
Przykad 1:

Estymacja liniowego modelu prawdopodobiestwa metod


najmniejszych kwadratw:

Ankieta wrd 500 studentw SGH przyniosa odpowied na


pytanie, czy student/studentka mieszka z rodzicami (Y=1) czy
samodzielnie (Y=0). Zmiennymi objaniajcymi s rok studiw
(X1), dochd rodziny studenta/studentki (X2), X3 = 1 jeli
kobieta, 0 jeli mczyzna. Oszacowanie modelu liniowego MNK
(str. 163 podrcznika) daje wynik:
Y^ =0,0312+0,0320 X 1+0,0040 X 20,0996 X 3

Z kadym rokiem studiw prawdopodobiestwo samodzielnego


zamieszkania wzrasta o 0,0320.

Dla studentki trzeciego roku, ktrej rodzina ma dochd X2=100,


prognoza prawdopodobiestwa samodzielnego zamieszkania
byaby rwna ^p= 0,3652. Jeli w prbie poowa osb
^p >0,5
mieszkaa z rodzicami, polowa samodzielnie, to Y=1 dla
i Y=0 dla ^p <0,5 . Std jest bardziej prawdopodobne, e nasza
przykadowa studentka mieszka z rodzicami.

Przykad 2:

Model logitowy dla tego samego zbioru danych ma posta:


exp ( 0 + 1 X )
pi=
1+ exp ( 0 + 1 X)

dla jednej zmiennej objaniajcej, lub oglniej


exp ( 0 + 1 X 1 ++ k X k ) exp ( Z )
pi = =
1+ exp ( 0 + 1 X 1+ + k X k ) 1+exp ( Z)

Po odpowiednim przeksztaceniu
pi
= 0 + 1 X 1 i+ + k X ki
1p i
ln

tzn. mona oszacowa model metod najmniejszych kwadratw.


Zmienna po lewej stronie to tzw. logit, ktry jest rwny
logarytmowi ilorazu szans przyjcia i nieprzyjcia wartoci
1 przez zmienn Y.

Na wydruku oszacowania modelu (na podstawie tych samych


danych) podane s oceny parametrw, bdy szacunku,
wartoci statystyk t Studenta ora efekty kracowe dla
zmiennych objaniajcych.

Podana jest rwnie rednia dla zmiennej Y, rwna 0,476 jest


to udzia jedynek w prbie wartoci Y.

Po oszacowaniu modelu otrzymano oceny parametrw:


Z^ =2,3574 +0,1407 X 1+0,0176 X 20,4388 X 3.

Prawdopodobiestwo p sytuacji, e Y1, jest rwne:


exp (2,3574+ 0,1407 X 1+ 0,0176 X 20,4388 X 3)
^p=
1+exp (2,3574 +0,1407 X 1+0,0176 X 20,4388 X 3)

Podstawiamy wartoci zmiennych objaniajcych dla naszej


przykadowej studentki i otrzymujemy: p= 0,3512,tzn. warto
nieco mniejsz ni dla modelu liniowego prawdopodobiestwa.

Efekt kracowy tzn. pochodna prawdopodobiestwa


wzgldem danej zmiennej objaniajcej jest zmienna, zaley od
wartoci zmiennych objaniajcych w konkretnym punkcie. W
praktyce podaje si warto efektu kracowego dla rednich
arytmetycznych wartoci zmiennych objaniajcych w prbie.

Przykad: Efekty kracowe dla rednich w naszym


przykadowym modelu s rwne 0,0351, 0,0044 oraz 0,1094.
Oznacza to, e dla osb, ktrych cechy odpowiadaj rednim
wartociom zmiennych X1, X2 i X3, prawdopodobiestwo
mieszkania samodzielnie ronie o 0,035 z kadym kolejnym
rokiem studiw.

Interpretacja ocen parametrw:

Dla dodatniego j wzrost zmiennej X j wie si ze


wzrostem szans, e Y=1.
Dla ujemnego j wzrost zmiennej X j wie si ze
spadkiem szans na to, e Y=1.

Interpretacja z wykorzystaniem ilorazu szans:


pi /(1 p i) jeli Xj wzronie o jednostk, to iloraz szans zmienia

si exp( j razy.

exp(0,1407) = 1.1511 dla zmiennej X1

exp(0,0176) = 1,0178 dla zmiennej X2

exp(0,4388) = 0,6448 dla zmiennej X3

Zatem kady dodatkowy rok studiw zwiksza


prawdopodobiestwo samodzielnego zamieszkania 1,15 razy,
czyli o 15%.

Miary dopasowania:
ln L MP
R2=1
Mc Faddena pseudo- ln L MZ

Gdzie w liczniku jest logarytm funkcji wiarygodnoci dla modelu


penego, w mianowniku logarytm funkcji wiarygodnoci dla
modelu zredukowanego, zawierajcego tylko wyraz wolny.

Mona t warto wykorzysta do porwnania rnych wersji


modeli logitowych objaniajcych t sam zmienn.

Statystyki t Studenta su do sprawdzania istotnoci


poszczeglnych zmiennych.
Tablica trafnoci: Po oszacowaniu modelu mona obliczy
wartoci teoretyczne zmiennej objanianej czyli logitw
[ pi /( 1 pi )]
ln dla kadej z n obserwacji. Na tej podstawie

^pi
wyznacza si oszacowane wartoci prawdopodobiestw .
Jeli w prbie udzia wartoci Y=1 wynosi , to przyjmuje si

e Y=1 dla ^pi > , Y=0 w pozostaych przypadkach.

Tablica trafnoci prognozy ex post:

Prognozowane
Empiryczne Razem
Y=1 Y=0
Y=1 n11 n10 n1.
Y=0 n01 n00 n0.
Razem n.1 n.0 N

Udzia wartoci z trafnymi prognozami w cznej liczbie


obserwacji to miara trafnoci prognoz ex post oraz miara jakoci
dopasowania modelu (tzw. zliczeniowy R2 )

Przykad c.d. W naszym przykadzie na wydruku z gretl


podana jest tablica:

Prognoza
0 1
Empiryczne 0 209 53
1 70 168
Std n11 = 209, n00 = 168, (n11+n00)/n = 377/500=75,4%.

Model probitowy punkt 6.4 w podrczniku

Rnica jest taka, e funkcja wica wartoci Y z kombinacj


Zi
t 2
zmiennych objaniajcych ma posta pi =

1
2
exp( )
2
dt czyli

s to wartoci dystrybuanty rozkadu normalnego.

Wyniki i interpretacja s podobne jak dla modelu logitowego.


Model tobitowy punkt 6.5 w podrczniku

Niekiedy zmienna objaniana jest ciga, ale ma ograniczony


zakres. Wartoci takiej zmiennej obserwujemy wtedy s
zwykymi kategoriami lub ich nie obserwujemy a wtedy
nadajemy im jak umown warto.

Prba cenzurowana dane dla zmiennej objanianej s


dostpne dla niektrych obserwacji, dla innych nie, ale zmienne
objaniajce s znane dla caej prby. Wtedy odpowiednim
modelem jest model tobitowy.
Y t = 0 + 1 X i + i

Y i=Y i dla Y i >0,

Y i=0 dla Y i 0,

Yi, Y i
Obserwujemy zmienn a zmienna jest ukryta
obserwowana tylko wtedy, gdy jest dodatnia. Zmienna X jest
obserwowana dla wszystkich numerw obserwacji.

Przykad: inwestycja oznacza kwot, jak klienci banku


przeznaczaj na inwestycj w pewien fundusz. Znamy wiek
wszystkich 40 klientw. Tylko 20 spord nich chce
zainwestowa, podaje warto planowanej inwestycji. Dla
pozostaych Y=0.

Model jest modelem nieliniowym, jest szacowany metod


najwikszej wiarygodnoci.

Po oszacowaniu: Y = 411,85 + 9,093wiek.

Czy ocena parametru to wzrost wartoci inwestycji w zwizku ze


wzrostem wieku klienta? Tak, jeli mylimy o zmiennej Y* tzn.
skonnoci do inwestowania (nieobserwowalnej). Nie, jeli
mylimy o kwocie inwestycji, tzn. zmiennej obserwowanej Y.

Pochodna wartoci Y wzgldem zmiennej X jest rwna


iloczynowi oceny parametru alfa przez warto dystrybuanty
rozkadu normalnego, ktra jest mniejsza od 1. Ocena
parametru nie reprezentuje skutku jednostkowego przyrostu
zmiennej objaniajcej X.

(Dokadniejszy przykad jest na kocu rozdziau 6 model


oszacowano na podstawie danych demograficznych i
spoecznych, wic interpretacje efektw kracowych s
ciekawsze. )