Resume
Samenvatting Introduction to Econometrics
- Cours
- Établissement
- Book
A summary of all solutions to the problem sets and lectures. It contains all the information you need to pass the exam
[Montrer plus]
Livre connecté
Titre de l’ouvrage:
Auteur(s):
- Édition:
- ISBN:
- Édition:
Plus de résumés pour
-
Inleiding econometrie Nederlandse samenvatting (cijfer: 9,2)
-
Samenvatting econometrie (deel 1)
-
Summary Introduction to Econometrics
3 revues
Par: bendelmees • 2 mois de cela
Par: woutervanderharst • 5 année de cela
Par: karansamlal • 6 année de cela
Vendeur
S'abonnerwandykalk
Avis reçus
Aperçu du contenu
Hoorcollege week 1Data types
- Cross-sectional data, one point in time but many measurements (units, like measures of households,
companies, districts and countries). This is especially useful to test economic theories on structural
relationships
- Time series data, a single or a few units collected at different point in time. Especially useful for
predictions of economic key figures.
- Panel data, Several units that are observed on at least two time points. A combination of cross-
sectional and time series data.
Simple linear regression
Y i=β 0 + β 1 X i+u i
Where Y is the dependent variable, X the independent variable,
β 0 the intercept, β 1 the slope and ui the regressor error.
The regression error consist of omitted components. These are the
other variables that influence Y other than X. It also includes errors in
the measurement of Y.
The sample mean
The least squares estimator of the population mean μY is the
sample mean:
n
min ∑ ( Y i−m )
2
m i=1
n
1
m=Ý = ∑ Y i
n i=1
How can we estimate the intercept and slope?
We will focus on the least squares estimator of the unknown parameters just like we did when calculating the
sample mean. We therefore have to solve:
n n
2 2
min ∑ ( Y i− Y^i ) =∑ ( Y i−( β 0 + β 1 X i))
β0 , β1 i=1 i=1
The OLS estimator minimises the average squared difference between the actual values and the predicted
values based on the estimated line.
The first order conditions for the intercept
n
∂ LS
=−2 ∑ Y i−( β 0+ β 1 X i )=0
∂ β0 i=1
n n
∑ (Y i)−n ^
β 0− ^
β 1 ∑ ( X i )=0
i=1 i=1
^ 1
n
β^1 n
β 0= ∑ (Y i)− ∑ ( X i )=Ý − ^
β 1 X́
n i=1 n i=1
The intercept doesn’t have content-related interpretation, if there are no observations where X=0. You can’t
make any conclusions outside your data range.
The first order conditions for the slope
n
∂ LS
=−2 ∑ ( Y i−( β 0 + β 1 X i ) ) X i=0
∂ β1 i=1
, n n n
∑ (Y i X i)− ^
β0 ∑ ( X i )− ^
β 1 ∑ ( X i )=0
2
i=1 i=1 i=1
n n n
∑ (Y i X i)−(Ý − ^β1 X́ )∑ ( X i )− β^1 ∑ ( X 2i )=0
i=1 i =1 i=1
n n n n
∑ (Y i X i)− Ý ∑ ( X i )− β^1 X́ ∑ ( X i ) = ^β1 ∑ ( X 2i )
i=1 i=1 i=1 i=1
n ^
n n n
1
∑
n i=1
Ý β
(
( Y i X i)− ∑ ( X i )= 1 X́ ∑ ( X i ) + ∑ ( X 2i )
n i=1 n i =1 i=1
)
n n
1
∑
n i=1
( Y i X i)−Ý X́ = ^
1
(
β 1 X́ 2 + ∑ ( X 2i )
n i=1 )
n
1
∑ (Y i−Ý )( X i− X́ ) n−1 s xy sample covariance
^
β 1= i=1 × = 2=
n
2 1 S x sample variance of x
∑ ( X i− X́ ) n−1
i=1
Residuals, the estimates of the unknown error terms
u^i=Y i −Y^i
Measures of fit
R2 , measures the fraction of the variance of Y that is explained by X. It is unitless and ranges
between zero (no fit) and one (perfect fit). For a regression with a single X, the R squared equals the
square of the correlation coefficient between X and Y.
Y i=Y^i + u^i
s Y =sY^ +s u^ → s=sample variance
Total SS=Explained SS + Residual SS
n 2
ESS RSS i=1
∑ (Y^ i−Y^´ )
R2= =1− = n
TSS TSS 2
∑ (Y i−Ý )
i=1
Prove:
STEP 1
We assume the residuals in the linear regression model and the regressor values X i are orthogonal, which
means:
n
∑ u^i X i=0
i=1
This we can prove the following way
, X i − X́
u^i (¿)
n n
∑ u^i X i=∑ ¿
i=1 i=1
We also know
u^i=Y i − ^
β 0− ^
β 1 X i =Y i−( Ý − ^
β 1 X́ )− β^1 X i=( Y i−Ý ) − ^
β 1( X i− X́ )
Putting this in the function above we get
X i− X́
X i− X́
n
2
( Y i−Ý ) (¿)− β^11 ∑ ( X i− X́ )
i=1
n
( ( Y i− Ý )− β^1 ( X i− X́ ))( ¿)=∑ ¿
i=1
n
∑¿
i=1
X i− X́
( Y i−Ý ) (¿)
n n
^
β 1 ∑ ( X i− X́ ) =∑ ¿
i=1 i=1
s s xy
^
β 1= =^
β1
s2x
Which proves the assumption that the regressors and the residuals are orthogonal.
STEP 2
STEP 3
Prove
n n n
∑ u^i ( Y^i −Ý )=∑ u^i Y^i −Ý ∑ u^i
i=1 i=1 i =1
We know the summations of the residuals are equal to zero because the mean is equal to zero. So the formula
becomes:
n n
u^i (¿ ^
β0 + ^
β 1 X i )= β^0 ∑ u^i + ^
β 1 ∑ u^i X I =0
i=1 i=1
n
∑¿
i=1
R2 can be zero because of two reasons:
- ^
β 1=0 which makes the intercept equal to the average of Y, which leads to a SSE of 0
- X is a constant, which means that the variance of X is zero. This leads to a ^
β 1 that is
undefined.
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur wandykalk. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €6,49. Vous n'êtes lié à rien après votre achat.
Peut-on faire confiance à Stuvia ?
4.6 étoiles sur Google & Trustpilot (+1000 avis)
50064 résumés ont été vendus ces 30 derniers jours
Fondée en 2010, la référence pour acheter des résumés depuis déjà 14 ans