SVEUČILIŠTE U ZAGREBU

PRIRODOSLOVNO–MATEMATIČKI FAKULTET
MATEMATIČKI ODSJEK

Ime Prezime

NASLOV

Diplomski rad

Voditelj rada:
Ime Profesora

Zagreb, Godina
Ovaj diplomski rad obranjen je dana pred ispitnim povjerenstvom
u sastavu:

1. , predsjednik
2. , član
3. , član

Povjerenstvo je rad ocijenilo ocjenom .

Potpisi članova povjerenstva:

1.
2.
3.
Marku i našem sinu, dvojici muškaraca koji su mi proljepšali život
Sadržaj

Sadržaj iv

Uvod 1

1 Osnove statistike 3
1.1 Linearna regresija . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Panel podaci 5
2.1 Strukture podataka . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Bibliografija 7

iv
Uvod

...

1
Poglavlje 1

Osnove statistike

1.1 Linearna regresija

U statistici, linearna regresija je linearan pristup modeliranju odnosa varijabli koje proma-
tramo. Najjednostavniji slučaj je da jedna odzivna varijabla ovisi linearno o nekakvom
skupu drugih nezavisnih varijabli. Na primjer, ako je naše područje promatranja ekono-
mija, onda bi mogli pretpostaviti da inflacija (odzivna varijabla) ovisi linearno o nezapos-
lenosti (nezavisnoj varijabli) i mogli bi pretpostaviti, a i testirati da je ta veza negativno
korelirana. Što je nezaposlenost niža, to je inflacija veća. Teorija se može proširiti do ge-
neralnog linearnog modela, gdje više koreliranih odzivnih varijabli ovisi o više nezavisnih
varijabli.

Pretpostavimo da imamo skup podataka {yi , xi1 , . . . , xip }ni=1 , gdje je y odzivna varijabla,
a x nezavisne varijable. Model možemo zapisati kao

yi = β0 1 + β1 xi1 + . . . + β p xip + i = xTi β + i , i = 1, . . . , n

gdje su i slučajne pogreške (bijeli šum) sa predefiniranom distribucijom. Najčešće se

pretpostavlja normalna distribucija. Primjetimo da su i β i x neslučajni.
bla
bla

3
Poglavlje 2

Panel podaci

2.1 Strukture podataka

U svrhu proučavanja podataka u svim znanostima, bilo ekonomija, biologija, fizika, IT,
itd. možemo razlikovati nekoliko struktura podataka. Prva struktura na koju nailazimo su
vremenske serije (vremenski nizovi) gdje se fiksna, univarijatna varijabla x promatra kroz
neko vrijeme. Na primjer, uzmimo podatke tečaja euro-dolar kroz neki period, preciznije
zadnju protrgovanu cijenu na svaki dan od 19.08.2009. do 17.08.2018:

EUR/USD
1.6

1.4

1.2

0.8

0.6

0.4

0.2

0
2009.08.19
2009.11.18
2010.02.19
2010.05.21
2010.08.20
2010.11.19
2011.02.18
2011.05.20
2011.08.19
2011.11.18
2012.02.20
2012.05.21
2012.08.20
2012.11.19
2013.02.20
2013.05.22
2013.08.21
2013.11.20
2014.03.03
2014.06.19
2014.10.07
2015.01.27
2015.05.15
2015.09.02
2015.12.21
2016.04.11
2016.07.28
2016.11.15
2017.03.06
2017.06.22
2017.10.10
2018.01.30
2018.05.18

To je jedan primjer vremenskog niza.

5
6 POGLAVLJE 2. PANEL PODACI

Druga struktura su presječni podaci, to jest više varijabli x1 , . . . , xN u jednom fiks-

nom vremenskom trenutku. Na primjer, možemo proučavati demografsku strukturu ze-
malja i uzeti omjer muškaraca i žena u državama u odnosu na zadnji popis stanovništva.
Znači, u fiksnom vremenskom trenutku, npr. na dan 31.12.2017. se zabilježilo isto svoj-
stvo različitih varijabli (u ovom slučaju država). Sljedeći graf pokazuje države sa najvišim
i najnižim HSR omjerom (broj muškaraca po jednoj ženi):

Human Sex Ratio (HSR)

4

3.5

2.5

1.5

0.5

0
Qatar United Kuwait Maldives Djibouti Latvia Lithuania Russia
Arab
Emirates

Iz ovoga se može zaključiti da je Katar jedina država na svijetu sa više od 3 muškaraca

po jednoj ženi.

Sada je prirodno spojiti te dvije strukture u jednu. Tako dolazimo do fundamentalne

strukture koja se zove panel podaci. To je jednostavno mješavina vremenske i presječne
dimenzije:

xit , i = 1, . . . , N, t = 1, . . . , T
gdje prvi indeks označava presječnu, a drugi vremensku dimenziju. Na primjer, možemo
uzeti svojstvo koje proučavamo ”broj nepoloženih ispita od studenta u jednoj godini”. Uzo-
rak bi nam bio slučajno odabranih 100 studenata koje bi proučavali kroz 5 godina. Dakle
N = 100, T = 5. Znači, x34 bi označavao broj nepoloženih ispita od 3.studenta u 4.godini.
Bibliografija

7
Sažetak

Ukratko ...
Summary

In this ...
Životopis

Dana ...