ECONOMETRIE
Inhoud
ECONOMETRIE........................................................................................................................................1
SAMENVATTING: DEEL 2.....................................................................................................................3
TOEPASSING: ANOVA..........................................................................................................................3
HOOFDSTUK 9: Beoordelen van studies gebaseerd op meervoudige regressie..................................6
Interne en externe validiteit...........................................................................................................6
Bedreigingen voor interne validiteit...............................................................................................6
a. Omitted variable bias..................................................................................................................6
b. Misspecificatie van de regressievergelijking / foute functionele vorm.......................................6
c. (Meetfouten en fouten in de variabelen)....................................................................................7
d. Ontbrekende data en sample selection bias...............................................................................7
e. Gezamenlijke causaliteit.............................................................................................................7
Interne en externe validiteit wanneer het model wordt gebruikt voor voorspellingen..................7
HOOFDSTUK 10: Regressie met paneldata.........................................................................................8
Paneldata of longitudinale data......................................................................................................8
Paneldata met 2 tijdsperiodes........................................................................................................8
Fixed Effects model.........................................................................................................................9
Clustered standard errors...............................................................................................................9
Tijdsgebonden fixed effects..........................................................................................................10
Casestudie : Traffic Fatality Rate...................................................................................................10
Random Effects model..................................................................................................................10
HOOFDSTUK 11: regressie met een binaire afhankelijke variabele...................................................13
Linear Probability Model (LPM)....................................................................................................13
Probit en Logit regressie...............................................................................................................13
Schattingsmethode en inferentie..................................................................................................14
Marginale effecten........................................................................................................................15
Uitbreidingen................................................................................................................................15
HOOFDSTUK 13: Toepassing: Experimenten en quasi-experimenten...............................................17
Causale effecten en ideale experimenten.....................................................................................17
Bedreigingen voor de validiteit van experimenten.......................................................................17
Experiment : casestudie................................................................................................................17
Quasi-experimenten.....................................................................................................................17
ENKELE BEGRIPPEN hoofdstukken 1 tem 8:......................................................................................18
1
,2
, SAMENVATTING: DEEL 2
TOEPASSING: ANOVA
= specifiek geval van regressie, andere manier om hetzelfde op te lossen => vergelijken van meer dan
2 gemiddeldes
= ANOVA (Analysis of Variance) is een statistische techniek die wordt gebruikt om de gemiddelden
van drie of meer groepen te vergelijken. Het beoordeelt of er een significant verschil is tussen de
groepsgemiddelden op basis van de variatie binnen en tussen de groepen. ANOVA maakt gebruik van
de F-statistiek om dit verschil te bepalen. Het vereist de aannames van normaliteit, gelijke varianties
en onafhankelijkheid van de observaties.
= ANOVA is gebaseerd op de analyse van de variantie. Het meet de variatie binnen de groepen
(within-group variance) en de variatie tussen de groepen (between-group variance). Als het verschil
tussen de groepsgemiddelden groter is dan de variatie binnen de groepen, suggereert dit een
significant effect.
= ANOVA maakt gebruik van de F-statistiek om te bepalen of er een significant verschil is tussen de
groepsgemiddelden. De F-statistiek is de verhouding van de variantie tussen de groepen en de
variantie binnen de groepen. Als de berekende F-waarde hoger is dan een kritieke waarde op basis
van het gewenste betrouwbaarheidsniveau en de vrijheidsgraden, wijst dit op een significant verschil
tussen de groepsgemiddelden.
= uitbreiding t test -> vergelijken van k populatiegemiddelden
One way anova: 1 onafh var
Two way anova: 2 onafh var
Met een gerandomiseerd experiment kan je echt een causaal verband aantonen! (kn je uitvoeren
zonder iets van regressie te weten
Klassieke ANOVA: F test => We testen H0 : µ1 = µ2 = … = µk -> test voor het ganse model; is het
model wel zinvol, maw zijn de gemiddeldes in elke groep gelijk?
Bij homoscedasticiteit via formules
Homoscedasticiteit is een vw bij anova
Indien H0 waar is, heeft F een F-verdeling met k−1 en n−k vrijheidsgraden
Als er veel meer spreiding is tss de groepen dan binnen de groepen, dan wil dit
zeggen dat de groepen wss uit elkaar liggen en dat de
groepsgemiddeldes/populatiegemiddeldes niet aan elkaar zullen gelijk zijn en
wordt de nulhypothese dus verworpen
DUS hoe meer spreiding tss de groepen in vergelijking met spreiding binnen de
groepen, hoe groter die F is en hoe kleiner bijhorende p-waarde dus
Klassieke ANOVA tabel
Vergelijken spreiding tussen (between) en binnen (within) groepen => ESS
(verklaard) vs SSR (niet verklaard)
Voorwaarde homoscedasticiteit (= gelijke varianties in verschillende groepen)
ESS = variantie tussen groepen => between = SSB
(hoe ver groepsgem van alg gem)
SSR = variantie binnen groepen => within = SSW
(hoe ver liggen gegevens vn groepsgem)
3
Inhoud
ECONOMETRIE........................................................................................................................................1
SAMENVATTING: DEEL 2.....................................................................................................................3
TOEPASSING: ANOVA..........................................................................................................................3
HOOFDSTUK 9: Beoordelen van studies gebaseerd op meervoudige regressie..................................6
Interne en externe validiteit...........................................................................................................6
Bedreigingen voor interne validiteit...............................................................................................6
a. Omitted variable bias..................................................................................................................6
b. Misspecificatie van de regressievergelijking / foute functionele vorm.......................................6
c. (Meetfouten en fouten in de variabelen)....................................................................................7
d. Ontbrekende data en sample selection bias...............................................................................7
e. Gezamenlijke causaliteit.............................................................................................................7
Interne en externe validiteit wanneer het model wordt gebruikt voor voorspellingen..................7
HOOFDSTUK 10: Regressie met paneldata.........................................................................................8
Paneldata of longitudinale data......................................................................................................8
Paneldata met 2 tijdsperiodes........................................................................................................8
Fixed Effects model.........................................................................................................................9
Clustered standard errors...............................................................................................................9
Tijdsgebonden fixed effects..........................................................................................................10
Casestudie : Traffic Fatality Rate...................................................................................................10
Random Effects model..................................................................................................................10
HOOFDSTUK 11: regressie met een binaire afhankelijke variabele...................................................13
Linear Probability Model (LPM)....................................................................................................13
Probit en Logit regressie...............................................................................................................13
Schattingsmethode en inferentie..................................................................................................14
Marginale effecten........................................................................................................................15
Uitbreidingen................................................................................................................................15
HOOFDSTUK 13: Toepassing: Experimenten en quasi-experimenten...............................................17
Causale effecten en ideale experimenten.....................................................................................17
Bedreigingen voor de validiteit van experimenten.......................................................................17
Experiment : casestudie................................................................................................................17
Quasi-experimenten.....................................................................................................................17
ENKELE BEGRIPPEN hoofdstukken 1 tem 8:......................................................................................18
1
,2
, SAMENVATTING: DEEL 2
TOEPASSING: ANOVA
= specifiek geval van regressie, andere manier om hetzelfde op te lossen => vergelijken van meer dan
2 gemiddeldes
= ANOVA (Analysis of Variance) is een statistische techniek die wordt gebruikt om de gemiddelden
van drie of meer groepen te vergelijken. Het beoordeelt of er een significant verschil is tussen de
groepsgemiddelden op basis van de variatie binnen en tussen de groepen. ANOVA maakt gebruik van
de F-statistiek om dit verschil te bepalen. Het vereist de aannames van normaliteit, gelijke varianties
en onafhankelijkheid van de observaties.
= ANOVA is gebaseerd op de analyse van de variantie. Het meet de variatie binnen de groepen
(within-group variance) en de variatie tussen de groepen (between-group variance). Als het verschil
tussen de groepsgemiddelden groter is dan de variatie binnen de groepen, suggereert dit een
significant effect.
= ANOVA maakt gebruik van de F-statistiek om te bepalen of er een significant verschil is tussen de
groepsgemiddelden. De F-statistiek is de verhouding van de variantie tussen de groepen en de
variantie binnen de groepen. Als de berekende F-waarde hoger is dan een kritieke waarde op basis
van het gewenste betrouwbaarheidsniveau en de vrijheidsgraden, wijst dit op een significant verschil
tussen de groepsgemiddelden.
= uitbreiding t test -> vergelijken van k populatiegemiddelden
One way anova: 1 onafh var
Two way anova: 2 onafh var
Met een gerandomiseerd experiment kan je echt een causaal verband aantonen! (kn je uitvoeren
zonder iets van regressie te weten
Klassieke ANOVA: F test => We testen H0 : µ1 = µ2 = … = µk -> test voor het ganse model; is het
model wel zinvol, maw zijn de gemiddeldes in elke groep gelijk?
Bij homoscedasticiteit via formules
Homoscedasticiteit is een vw bij anova
Indien H0 waar is, heeft F een F-verdeling met k−1 en n−k vrijheidsgraden
Als er veel meer spreiding is tss de groepen dan binnen de groepen, dan wil dit
zeggen dat de groepen wss uit elkaar liggen en dat de
groepsgemiddeldes/populatiegemiddeldes niet aan elkaar zullen gelijk zijn en
wordt de nulhypothese dus verworpen
DUS hoe meer spreiding tss de groepen in vergelijking met spreiding binnen de
groepen, hoe groter die F is en hoe kleiner bijhorende p-waarde dus
Klassieke ANOVA tabel
Vergelijken spreiding tussen (between) en binnen (within) groepen => ESS
(verklaard) vs SSR (niet verklaard)
Voorwaarde homoscedasticiteit (= gelijke varianties in verschillende groepen)
ESS = variantie tussen groepen => between = SSB
(hoe ver groepsgem van alg gem)
SSR = variantie binnen groepen => within = SSW
(hoe ver liggen gegevens vn groepsgem)
3
