Midterm Flashcards
Test for AR(q) seriel korrelation med eksogenitetsantagelse
1) Kør OLS og find residualer
2) Kør regressionen u_h på u_h-1, u_h-2 … , u_h-q
3) Beregn F eller LM teststørrelsen, med tilhørende p-værdi
Test for AR(q) seriel korrelation uden eksogenitetsantagelse
Dette er en BG-test
1) Kør OLS og find residualer
2) Kør regressionen u_h på u_h-1, u_h-2 … , u_h-q, X
3) Beregn F eller LM teststørrelsen, med tilhørende p-værdi
Angiv MLR.1 - MLR.5
Angiv yderligere MLR.5’
1) Lineær i koefficienter (kan opskrives som modellen foreskriver)
2) Random sampling
3) Ingen perfekt kolinearitet og x_i =/ c
4) E(u|x) = 0
5) Var(u|x) = sigma^2
5’) Var(u|x) = sigma^2 Omega
Omega er diagonal med positive elementer
Angiv fortolkninger af koefficienten beta når modellen er henholdsvis: level - level level - log log - level log - log
level - level -> beta angiver den marginale ændring i respons, ved en marignal ændring i x
level - log -> beta/100 angiver procentpoint ændring i respons når x ændres med 1%
log - level -> 100*beta angiver procent ændring i repsons
log - log -> beta angiver procent ændring i repsons givet procent ændring i x. Kan også ses som en elasticitet.
Fjernelse af en vigtig variabel gør de fittede værdier biased? Hvad med beta-hatterne?
Angiv desuden matematisk hvad det vil sige at en variabel x_i er irrelevant for modellen
Sandt. Modellen vil nu korrelere med fejltermet u hvor den fjernede variabel stadig er indeholdt.
Beta-hatterne vil være biased, hvis variablen er korreleret med nogle af de andre variable.
E(beta_i (hat)) = 0
Hvornår kan det være en god idé at bruge første differenser?
Hvis vi har en positv seriel korrelation, så kan det sænke korrelationen, hvorved vores estimation er bedre.
Hvordan bestemmes frihedsgraderne i en F-test?
F(q, n-k-1)
q: Antallet af variable der testes for
n-k-1: Antallet af observationer minus antallet af variable minus intercept.
BP test for heteroskedasticitet
1) Kør normal OLS, gem de kvardrerede residualer
2) Kør regressionen:
u^2_h = d0 + d1x1 + … + dkxk + fejl
gem de kvardrerede residualer fra denne regression
3) Udregn F eller LM statistik med tilhørende p-værdi
Under hvilke antagelser er OLS konsistent og under hvilke antagelser er den BLUE?
A1-A4 => konsistens
A1-A5 => BLUE
I hvilken test gør man brug af følgende nulhypotese:
H_0: rho=0
AR(1)
Hvad sker der med OLS estimatorne, hvis der er endogenitet hos regressorerne?
Dvs. cov(u, X)≠0.
Dette er et brud på A4, hvorved vi ved, at OLS estimaterne ikke længere er konsistente og unbiased.
Ofte et tegn på, at modellen er forkert specificeret.
Under hvilken antagelse er beta* (GLS-estimatoren til korrektion af heteroskedasticitet) unbiased?
Antagelse A1-A4 skal være opfyldt!
Fx:
E(u|x)=0
Angiv Full white test når k=3
1) Kør standard OLS og gem de kvardrerede residualer u^2_h
2) Kør regressionen:
u^2_h = d0 + d1x1 + d2x2 + d3x3 + d4x1^2 + d5x2^2 + d6x3^2 + d7x1x2 + d8x1x3 + d9x2x3 + fejl
3) Udregn F eller LM testørrelse med tilhørende p-værdi
Hvad er forskellen på tværsnitdata og tidsseriedata?
Tværsnitdata er stikprøver taget fra et givent tidspunkt
Tidsseriedata er observationer fra en eller flere variable taget over tid
Hvad er OLS-estimatoren beta_hat?
beta_hat=(X’X)^-1X’y
Hvad bruges variansinflationsfaktoren (VIF) til?
Vi bruger den til at få en idé om multikollineariteten, som helst ikke må være for høj. Fås en VIF>10, så er det ikke godt.
BEMÆRK: høj VIF er ikke ensbetydende med, at vi må fjerne en variabel.