EKONOMETRIJA, 2. ZADAA 24.10.2017.

1. Koja su poeljna svojstva procjenitelja nepoznatog parametra za konane

uzorke, a koja za velike uzroke? (u jednoj reenici opiite svako svojstvo)

Kada se skupom raznim statistikih metoda donose zakljuci o populaciji, odnosno

procjenjuju se nepoznati parametri populacije i testiraju statistike hipoteze, a temeljeni na
prikupljenim opaanjima, govorimo o inferencijalnoj statistici.

Procjenjujemo li nepoznati parametar na temelju uzorka veliine n tada se sluajna varijabla, kojom
se taj parametar procjenjuje naziva procjenitelj parametra.

Poeljno je da procjenitelj nepoznatog parametra populacije ima odreena svojstva. U tom pogledu
razlikuju se dvije skupine svojstava, i to prva za male, konane uzorke, a druga za velike uzorke.
Svojstva malog uzorka (konanog uzorka) su nepristranost i efikasnost. Nepristranost je zadovoljena
ako vrijedi
() =
tj. ak i u malim uzorcima procjene parametara u prosjeku su jednake stvarnim vrijednostima.
Efikasnost je svojstvo vezanu uz varijancu, i procjenitelj je efikasan ako i samo ako u skupu
nepristranih procjenitelja ima najmanju varijancu.
Svojstva velikog uzorka, tj. asimptotska svojstva pak su nepristranost i konzistentnost. Procjenitelj je
asimptomatski nepristran ako njegova oekivana vrijednost tei pravoj vrijednosti parametra kad
veliina uzorka neogranieno raste i izraeno je sljedeim izrazom
) = .
lim (

Konzistentnost pak se odnosi na vjerojatnost da procjena bude proizvoljno blizu stvarne

vrijednosti parametra tei prema 1 vjerojatnosti sigurnog dogaaja i to se zapisuje na sljedei
nain

lim = .

2. Koje su polazne pretpostavke u analizi modela linearne regresije?

Modelom jednostavne linearne regresije izraavamo stohastiku linearnu vezu izmeu

zavisne varijable y i nezavisne varijable x, koja se formalno moe izraziti izrazom
= () + .

Svaki model, da bi bio valjan, tj. da bi vidjeli je li njegovo koritenje tj. primjena opravdana mora
zadovoljiti polazne pretpostavke. U analizi model jednostavne linearne regresije postoji nekoliko
pretpostavki, a to su:
- veza izmeu zavisne varijable y i nezavisne varijable x je linearna
- varijabla x je deterministika varijabla ili se alternativno postavlja da su njezine vrijednosti fiksne
u ponovljenim mjerenjima
- greke relacije u prosjeku ne utjeu na zavisnu varijablu, to se izraava
( ) = 0 = 1,2, ,
- pretpostavlja se da je analizirani uzorak izabran na sluajan nain, te da su stoga bilo koje dvije
sluajne varijable meusobno nezavisne, a time i nekorelirane
KATARINA KOTI 1
 EKONOMETRIJA, 2. ZADAA 24.10.2017.

- polazi se od pretpostavke da su normalno distribuirane sluajne varijable s jednakom

varijancom, tj. ~(0, 2 ) ( ) = 2 , = 1,2, , .

3. emu slui t-test? Koje su hipoteze testa u modelu jednostavne linearne

regresije? Kako donosimo odluku o ishodu testa za jednosmjerni, a kako za
dvosmjerni test? Kako ete odrediti provodite li jednosmjerni ili dvosmjerni
test?

T-test, uz F-test je nain provoenja testa hipoteze o pretpostavljenoj vrijednosti regresijskog

parametra 1 u modelu jednostavne linearne regresije. Test je mogue provesti pomou
jednosmjernog ili dvosmjernog testa.

Svaki se test zapoinje formuliranjem hipoteza na nain da se nulta hipoteza H0 formulira tako da se
nastoji odbaciti, a hipoteza H1 je u skladu s pretpostavkom istraivaa. Cilj samog testiranje je
utvrivanje znaajnosti odabrane regresorske varijable za objanjavanje zavisne varijable, odnosno
odluka o tome je li toj varijabli mjesto u modelu.

Kod dvosmjernog testa nultom se hipotezom nastoji pokazati da ne postoji veza izmeu varijabli x i y,
a hipotezom H1 se pokuava dokazati postojanje veze izmeu x i y. Stoga se hipoteze dvosmjernog
testa oblikuju na sljedei nain:
0 1 = 0
1 1 0.

Jednosmjerni test se pak provodi ee i on ispituje tvrdnju da je veza izmeu x i y pozitivnog smjera i
tada se provodi test na gornju granicu, a ako se pretpostavlja veza negativnog smjera meu
varijablama, provodimo test na donju granicu. Stoga hipoteze jednosmjernih testova glase:
jednosmjerni test na gornju granicu jednosmjerni test na donju granicu
0 1 = 0 0 1 = 0
1 1 > 0 1 1 < 0

Kako bi uope doli do zakljuka, test provodimo odreivanjem test veliine i to moe biti t-vrijednost
ili p-vrijednost te je usporeujemo sa teorijskom razinom signifikantnosti . Zakljuujemo da se nulta
hipoteza odbacuje ako je:
|1 | > ( 2) za dvosmjerni test
2
1 > ( 2) za test na gornju granicu i
1 < ( 2) za test na donju granicu.

4. emu slui F-test? Koje su hipoteze testa u modelu jednostavne linearne

regresije? Kako donosimo odluku o ishodu testa?

F-test je test o znaajnosti regresorske varijable x u modelu jednostavne linearne regresije i

ekvivalentan je t-testu. On se rauna na temelju tablice ANOVA tablice analize varijance koja
izgleda kako je prikazano u tablici:

KATARINA KOTI 2
 EKONOMETRIJA, 2. ZADAA 24.10.2017.

Stupnjevi Sume kvadrata Sredine kvadrata

Izvor varijacije F-omjer
slobode DF SS MS
Protumaen
1 1
modelom 1
( 2)
Neprotumaen
2 ( 2)
modelom
Ukupno 1

Izraunavanjem svih faktora iz tablice dobivamo F-omjer, a testiranje se provodi na uobiajen nain.

Hipoteze testa su jednake kao u prethodnom zadatku. Ako je empirijski F-omjer > (1;2) uz
zadanu razinu signifikantnosti odbacuje se hipoteza H0. Isto tako, moemo zakljuivati pomou p-
vrijednosti gdje se hipoteza H0 odbacuje ukoliko je ona manja od .

5. to je metoda najmanjih kvadrata i koja je njena svrha?

Metoda najmanjih kvadrata jest jedna od metoda procjenjivanja parametara u regresijskoj

analizi, a uz nju postoje i metoda momenata i metoda najvee vjerodostojnosti. Metoda najmanjih
kvadrata ili LS metoda sastoji se u izboru onih procjena nepoznatih parametara koje minimiziraju
sumu kvadrata odstupanja empirijskih vrijednosti zavisne varijable yi od procijenjenih ili regresijskih
vrijednosti.

6. to je metoda najvee vjerodostojnosti i kratko ju opiite?

Metoda najvee vjerodostojnosti ili ML metoda je najopenitija metoda procjene nepoznatih

parametara modela. U tom se modelu polazi od toga da je vjerojatnije da analizirani uzorak potjee iz
populacije s vrijednostima parametara koje najee generiraju upravo opaene vrijednosti iz
analiziranog uzorka.

8. to je to p-vrijednost i kako donosimo odluku o ishodu testa temeljem p-

vrijednosti?

P-vrijednost se jo naziva empirijska razina znaajnosti i ona slui provoenju testa, odnosno
za donoenje odluke o hipotezama testa. Odluka se donosi na nain ako je p-vrijednost manja od
tada se odbacuje nulta hipoteza, odnosno prihvaa se hipoteza H1.

9. to je procjena standardne devijacije (pogreke) regresije u modelu

linearne regresije i kako ju interpretiramo? Koji je nedostatak ove mjere?

Procjena standardne devijacije rauna se kao pozitivni drugi korijen iz varijance regresije. Ona
se interpretira kao prosjeno odstupanje empirijskih od regresijskih vrijednosti, i ona je izraena
apsolutno.

KATARINA KOTI 3