1. Pseudo (fiktyvūs) kintamieji
V. Boguslauskas.(2008) Ekonometrika 7. Regresijos modeliai su pseudokintamaisiais. Kaunas, psl
D.Gujaraty (visi leidimai nuo 1995 iki 2009) Basic Econometrics, Part 3, Regression on Dummy Variables, p
Vu EF Vita karpuškienė

2. Pseudo (fiktyvūs) kintamieji
Pseudo kintamųjų samprata ir naudojimo atvejai
Nepriklausomi pseudo kintamieji
Priklausomas pseudo kintamasis
Vu EF Vita karpuškienė

3. Pseudo kintamųjų samprata
Pseudo kintamasis – tai į regresijos lygtį įtraukiamas veiksnys, įgyjantis ne tikrąsias, o pagal tam tikrus požymius suformuotas fiktyvias reikšmes
Yi = 0+1X1i+2X2i+3D1i+4D2i+….. i,
D1 ir D2 yra fiktyvūs kintamieji, įgyjantys 1 arba 0 reikšmes
Vu EF Vita karpuškienė

4. Porinė regresija su pseudo kintamuoju
Reiškinys turi tik dvi būsenas
Pvz., studentų ūgiai
0, kai būsena A 1, kai būsena B D=
0, mergina
1 vaikinas
DV/M =
Vu EF Vita karpuškienė

5. Regression Statistics
Pvz. Studentų ūgiai (2016)
SUMMARY OUTPUT
Regression Statistics
Multiple R
0,74
R Square
0,55
Adjusted R Square
Standard Error
5,62
Observations
94,00
ANOVA df SS MS F
Significance F
Regression
1,00
3621,29
114,73
0,00
Residual
92,00
2903,91
31,56
Total
93,00
6525,20
Coefficients
t Stat
P-value
Lower 95%
Upper 95%
Lower 95,0%
Upper 95,0%
Intercept
169,61
0,67
254,37
0,000
168,28
170,93
V/M
14,44
1,35
10,71
11,76
17,11
YSŪ=_____ +____DV/M+e
Vu EF Vita karpuškienė

6. Pvz. Studentų ūgiai · · · · · · · · · · · · · · · · · · · · · · · · ·
YSŪ=_____ +_____DV/M+e
Vaikino ūgių regresija Y=_______+e
Merginos ūgių regresija Y=_____ +e
Vu EF Vita karpuškienė
V/M

7. Regresija su nepriklausomais pseudo kintamaisiais
Pseudo kintamųjų tipai
Poslinkio
Posūkio
Vu EF Vita karpuškienė

8. Poslinkio pseudo kintamsis
Vu EF Vita karpuškienė

9. Posūkio pseudo kintamasis
Vu EF Vita karpuškienė

10. Poslinkio ir posūkio efektas
Vu EF Vita karpuškienė

11. Regresija su pseudo kintamaisiais
Reiškinys turi 3 būsenas (A,B ir C)
1, kai būsena A
0, kai būsena B arba C
DA =
1, kai būsena B
0, kai būsena A arba C
DB =
Jeigu yra m būsenų, į regresiją įtraukiame m-1 pseudo kintamąjį
Vu EF Vita karpuškienė

12. Regresija su pseudo kintamaisiais•• • • • •• •• • • •
Vu EF Vita karpuškienė

13. Pseudo kintamųjų taikymo atvejai
Kokybinių veiksnių poveikis
Koeficientų stabilumo analizė
Netipinių reikšmių eliminavimas
Sezoniškumo įtaka
Laiko ir skerspjūvio duomenų jungimas
Vu EF Vita karpuškienė

14. Pseudo kintamieji Kokybinių veiksnių poveikis
Vu EF Vita karpuškienė

15. Yvū = _____+ _____Xmū + ____Xtū+ ei R2=____
Pvz. Studentų ūgiai
VSU
Coefficients
Standard Error
t Stat
P-value
Intercept
40,
34,98422
1,146888
0,263749 MU 0,
0,178846
2,521767
0,01942 TU 0,
0,088144
4,224135
0,000349
R Square 0,
 MSU
Coefficients
Standard Error
t Stat
P-value
Intercept
35,438
29,30663
1,209214
0,231099 MŪ
0,451901
0,120319
3,75585
0,00038 TŪ
0,322288
0,094099
3,424992
0,001087
R Square
0,247008
Yvū = _____+ _____Xmū + ____Xtū+ ei R2=____ t
Ymgū= _____+ _____Xmū + ___Xtū+ ei R2=____ t
Vu EF Vita karpuškienė

16. YSŪ=____ + ____XMŪ+ ____XTŪ +ei R2=___
Coefficients
Standard Error
t Stat
P-value
Intercept
30,119016
21,617261
1,393286
0,167083 MŪ
0,456753
0,098188
4,651813
0,000012 TŪ
0,347289
0,064504
5,383974
0,000001
V/M
13,564094
1,196143
11,339862
0,000000
R Square 0,
Coefficients
Standard Error
t Stat
P-value
Intercept
-27,195419
32,897957
-0,826660
0,410666 MŪ
0,765079
0,147676
5,180780
0,000001 TŪ
0,400304
0,100698
3,975297
0,000144
R Square 0,
Regresijos lygtis be fiktyvių kintamųjų
YSŪ=____ + ____XMŪ+ ____XTŪ +ei R2=___ t
Regresijos lygtis su fiktyviais kintamaisiais
YSŪ=____ + ___XMŪ+___XTŪ+___Dvm+ ei R2=___ t
Vu EF Vita karpuškienė

17. Koeficientų stabilumo analizė Posūkio psedo kintanieji
Tarkim turim laiko duomenis, kurie apima du periodus: (pvz.Lietuvos eksporto lygis iki ES ir ES
YExp =b0 +b1X +e
ESYExp =b0 +b1X +e
Įsivedam pseudo kintamąjį DEU
0 laikotarpis iki ES
1 ES laikotarpis
DEU =
YExp =b0 +b1X +b2D +b3·D·X +e
Jeigu koeficientai b2 ir b3 yra statistiškai reikšmingi, tuomet eksporto priklausomybė nuo X po ES skiriasi ir yra lygi b1 +b3. Skiriasi ir ekporto lygis, nepriklausantis nuo veiksnio X t.y regresijos laisvasis narys po įstojimo į ES yra b0 +b2
Vu EF Vita karpuškienė

18. Pseudo kintamieji netipinių reikšmių eliminavimas
Krizės, sankcijos ir kt.
Euro įvedimas
Įstojimas į ES ir kt.
Vu EF Vita karpuškienė

19. Pseudo kintamieji Sezoniškumo įtaka
Vu EF Vita karpuškienė

20. Pseudokintamieji Sezoniškumo įtaka
Coefficients
Standard Error
t Stat
P-value
Intercept
-437,1
378,47
-1,
0,256
GPM tarifas, proc.
-3,564
8,1112
-0,
0,663
MMA, Lt
0,403
0,1772 2,
0,03
Vidutinis DU, Lt
-0,216
0,1457
-1,482749
0,148
NPD, Lt
-0,352
0,428
-0,
0,417
Vidutinis sąlyginis darbuotojų skaičius, tūkst.
1,13
0,3675
3,0738
0,004
II ketvirtis
92,24
20,126 4,
6E-05
III ketvirtis
50,18
20,157 2,
0,018
IV ketvirtis
158,6
25,092 6,
4E-07
Krizė
-54,94
25,977
-2,114856
0,042
Vu EF Vita karpuškienė

21. Pseudo kintamųjų privalumai ir trūkumai
Visos statistikos: koeficientai, SE, t-stat, p-value, pasiklautini intervalai, R2 ir kt. Skaičiuojami pagal tas pat taisykles, kaip ir kiekybinių kintami
Trūkumai
Pseudo kintamųjų spąstai
Paklaidų heteroskedastiškumas
Vu EF Vita karpuškienė

22. Fiktyvus priklausomas kintamasis LPM –tiesinis tikimybės modelis
Yi = 0+1Xi+t
yi – važiuos ar ne i-asis studentas į JAV vasarą dirbti: Yi =0 , jei nevažiuos
Yi =1, jei važiuos
xi- i- studento pajamos per paskutinius tris mėnesius
Yi = p(YilXi)
p(YilXi)= 0+1Xi+t
0 ≤ p(YilXi) ≤ 1
Yi=
Vu EF Vita karpuškienė

23. Fiktyvus priklausomas kintamasis LPM
Problemos:
Kaip apskaičiuoti koeficientų skaitines reikšmes. MKM? Svertinis MKM
Kaip patikrinti koeficientų statistinį reikšmingumą
Kaip patikrinti regresijos statistinį reikšmingumą
Kaip interpretuoti koeficientus
Vu EF Vita karpuškienė

24. Fiktyvus priklausomas kintamasis LPM
Įvertinimo problemos:
Netenkinama IV prielaida ei ~ N (0, σ)
Netenkinama IX prielaida. Būdingas heteroskedastiškumas.
Determinacijos koeficiento reikšmė nedidelė: 0,2-0,6
Reikšmės Yi = p(YilXi) gali įgyti neigiamas ir didesnes už 1 reikšmes
Vu EF Vita karpuškienė

25. Svertinis MKM Apskaičiuojame regresiją:
Apskaičiuotas reikšmes prilyginame
Surandame svorio koeficientą:
Perskaičiuojame regresiją su svertiniais duomenimis
Vu EF Vita karpuškienė

26. Kaip patikrinti koeficientų statistinį reikšmingumą?
Galima taikyti stjudento t-testą
Kaip patikrinti regresijos statistinį reikšmingumą?
Galima taikyti F-kriterijų
Kaip interpretuoti koeficientus?
Koreguojami koeficientai: b
X padidėjus 1 vnt, Y veiksnio tikimybė pakinta
Vu EF Vita karpuškienė

27. Fiktyvus priklausomas kintamasis LOGIT
Modelio išraiška:
Regresijos reikšmingumui tikrinti taikomas suderinamumo X2 kriterijus
Įvykio tikimybė apskaičiuojama
Vu EF Vita karpuškienė