1. Дефиниција за Економетрија. Каква наука е и какви резултати интерпретира? Стр.

Економетријата се заснова на развој на статистички методи за оценување на економските релации,

тестирање на еконмските теории и за вреднување и имплементирање на владината и бизнис политика.

Највообичаена примена на економетријата е предвидувањето на важните макроекономски

променливи како што се каматните стапки, стапката на инфлација и Бруто Домашниот Производ.
Економетриските методи можат да се користат и во области кои немаат ништо заедничко со
макроекономското предвидување.

Економетрија буквално значи ’’Економско мерење“. Но ова е многу широка дефиниција, а и најголем
дел од економијата се занимава со мерење. Она што подразбираме под економетрија е: Посредник
помеѓу математиката, статистиката и економијата. Економетријата има за цел да ги подложи на
експериментално и нумеричко потврдување законите на теоретската политичка (чиста) економија и на
тој начин да ја претвори во наука во вистинска смисла на зборот.

Економетријата преставува примена на статистички и математички методи во анализа на економските

податоци со цел да се даде емпириска содржина на економските теории и нивно верификување или
отфрлање.

Најзначајни во историјата на економетријата е основањето на Економетриското здружение 1930 и

списанието Економетрика 01.1933.

Секое од трите гледишта економијата, математиката и статиата се неопходен но не и доволен услов за

реално разбирање на квантитативните релации на современиот економски живот. Моќта е токму во
нивното обединување, а тоа е Економетријата. Економетриските истражувања ги комбинираат
резултатите од трите научни дисциплини економската теорија, економската статистика и
математичката економија

2. Панел податоци стр. 18

Панел (лонгитудинални) податоците се состојат од временска серија за секој вкрстен член во

податоците.

Пример податоци за плати, образование, вработеност на Индивидуи добиени во тек на десетгодишен

период или инвестициски и финансиски податоци за иста група фирми во петгодишен период,
податоци за плати, имиграција, јавни расходи за геогравски единици.

Разликата на панел податоците од здружените податоци е во фактот што истите вкрстени податоци
(поединци, фирми, земји) се следени во текот на даден временски период. Бидејки панел податоците
бараат повторување на истите единици во текот на времето се потешки за добивање во однос на
здружените податоци, посебно за фирмите и домакинствата.

Набљудувањето на исти единици во текот на времето има предности во однос на вкрстените и

здружените податоци. Повеќето опсервации на едни исти единици ни овозможува да контролираме
одредени белези кои се набљудувани кај поединци, фирми. Користењето на повеке од една опсервација
го олеснува каузалното заклучување во ситуации во кои би било тешко да се потврди казуалноста
доколку постои замо еден вкрстен податок.
Втората предност на панел податоците е што овозможуваат да ја изучуваме важноста на
заостанувањата во однесувањето или резултатите од донесувањето одлуки. Ова е значајно бидејки
многу економски политики може да очекуваат да имаат влијание откако ке помине извесен период.

Дефинирајте ги панел податоците.

Панел податоците или лонгитудиналните податоци се состојат од временска серија за секој вкрстен
член во податоците. На пример, да претпоставиме дека имаме претходни податоци за платите,
образованието и вработеноста по група индивидуи добиени во тек на време, десет годишен
временски период.
Или можеме да прибереме информации за инвестициите, и финансиските податоци за една иста
група фирми во тек на петгодишен период. Панел податоците може да се приберат и за географски
единици. На пример, можеме да собереме податоци за исти земји во однос на стапката на
имиграција, платите, јавните расходи итн, за 1996, 2000, 2004. Клучната особина на панел податоците
која ги разликува од здружените податоци е фактот што истите вкрстени единици се следени во текот
на даден временски период

3. Фази на методологија стр.8

Цели на економетријата се:

1- Формулирање на економетриски модели и тоа формулирање на економетриски методи во

емпириска форма која може да се тестира. Има неколку начини на формулирање на
економетриски модел од економски модел, бидејки треба да одбереме функционална форма,
спецификација на стохастичната структура на променливите. Економетрискиот модел е
составен од компоненти кои вклучуваат економски модел, модел на извлекување примерок и
модел на веројатност. Економскиот модел се занова на комбинација на разбирањето на
аналитичарот за институциите и механизмите кои делуваат во рамките на економскиот процес
кој се моделира и економската теорија која се изучува да биде релевантна за објаснување на
резултатите од податоците добиени од економските процеси.
2- Оценување и тестирање на овие модели со набљудувани податоци. Овој дел го сочинува
аспектот на закључување во економската работа.
3- Користење на овие модели за предвидување и за цели на политиката.

Во 50-60 години на минатиот век на аспектот на закључување му се даде големо внимание за разлика
од спецификацискиот аспект. Главна преокупација на економетричарите беше статистичко оценување
на правилно определените економетриски модели, за подоцна да се посветат на изнаоѓање
алтернативни методи на оценување и компјутерски алгоритми.

Целите на економетријата се:

- Формулирање на економските модели во емпириска форма која може да се тестира. Треба да
ја знаеме функционалната форма, спецификацијата на стохастичката структура на променливите.
Овој дел го сочинува спецификацискиот аспект на економетриската работа. Еднаш откако е
постулиран економскиот модел, интерпретацијата и прашањата кои се однесуваат на
функционирањето на економскиот процес може да се изведат од него. Економскиот модел
обезбедува база за дефинирање на релевантни економски променливи, формирање провизорни
објаснувања и предлагање хипотези. Овој процес на дедукција не ни кажува ништо во однос на
било кое објаснување, хипотеза и заклучок.
- Анализа, оценување и тестирање одредени модели со набљудувани податоци. Овој дел го
сочинува аспектот на закључување во економетриската работа.
- Користење на овие модели за предвидување и за цели на политиката.

Методологија (фази) на економетриските истражувања

1) Спецификација на модел
- Избор на теориски модел
- Поставување на економетриски модел
- Собирање на податоци
2) Оценување на параметрите на моделот
3) Испитување на валидноста на оценетиот модел. Вреднување на добиените оценки:
економски, статистички и економетриски критериуми.
4) Предвидување (вреднување на моќта на предвидување на моделот)

4. Случајна рандом грешка

Целта е, врз основа на примерокот да се дојде до најдобри можни оцени на b0 и b1, и со тоа да се постави
оценетиот модел на примерокот (регресионата линија во примерокот) :
yi’ = b0 + b1xi,
yi’ се нарекува прилагодена вредност на Y. Разликата помеѓу вистинската и очекуваната (просечната)
вредност на Y претставува случајна грешка ε. Разликата помеѓу вистинската и очекуваната вредност во
примерокот се нарекува резидуал и се означува со е. Резидуалот претставува оцена на случајната грешка
ε.
Стохастички член или најчесто т.н. случајна грешка претставува случајна променлива на отстапувањето на
y. Стохастичкиот член е често пристутен токму затоа што вредностите на y во масата некогаш покажуваат
поголемо, а некогаш помало отстапување од функционалната врска.

Случајни варијабли

Економската теорија ги истражува економските односи во точен егзактен облик, односно во форма на
функционална зависност. Во пракса често се јавуваат статистички дискрепанции (разлики). Такви
дискрепанции кои се од стохистичка природа е тешко да се елиминираат, но релативно е лесно со нив
да се оперира доколку не се производ на груби составни грешки во формулирање на моделот или во
мерењата. Статистичките односи помеѓу појавите се разликуваат од детерминистички (функционални)
односи. Статистичките односи на појавите се под влијание на несистематички, стохистички варијации
чија присутност извира од природата на тие односи.

Стохистичкиот елемент во равенките на економското однесување конвенционално се третира додавајки

на равенката „случајна варијабла u“ наречена случајно одстапување или случајна грешка или
резидуално одстапување . Променливата величина ut се вклучува во моделот за да се опфати
влијанието на разните грешки, кои можат да се сврстат во три групи:

- Случајни, односно несоставни грешки во мерењето на релевантните варијабли

- Грешки во спецификација на моделот, односно:
 Грешки во изоставувување на варијабли, кои се бројни и независни и кои се менуваат во
разни правци, така да вкупниот ефект на зависно променливата величина случаен,
односно непредвидлив во секој посебен период.
  Грешки во спецификација на поедноставениот математички облик на зависност кој во
реалноста е покомплексен.
- Грешки заради рабта со примерок, затоа што без разлика на големината на примерокот тој дава
само парцијални информации за популацијата.

Збирот на така меѓусебно одвоени и непредвидливи влијанија се однесува како случајна променлива
величина.

Одстапувањата на стварните вредности на потрошувачка за секое домакинство, од оние пресметани со

регресиска равенка се нарекуваат случајна грешка или случајни одстапувања, а преставуваат
разлика помеѓу емпириските и очекуваните вредности на зависните варијабли.

Случајното одстапување или грешка е случајна варијабла, а со тоа нејзината вредност неможе априори
да се препознае со нормална или т-дистрибуција или да се контролира, а се карактеризира со
дистрибуција на веројатноста (пр. Нормална или т-дистрибуција)

Равенката Y=B0+B1X +e се дели детерминистички и стохастички. Изразот Y=B0+B1X е

детерминистичк компонента на Y бидејки ја покажува вредноста на Y која е одредена од вредноста на
Х. Променливата е, е наречена грешка или стохастички член, ги преставува останатите фактори кои
покрај Х влијаат врз Y и е стохастичка или случајна компонента.

Slučajna greška je deo varijacije merenja koji nema uočljive veze sa bilo kojim drugim merenjem ili promenljivom, pa se
obično smatra posledicom slučaja
Najčešći razlozi zbog kojih nastaju slučajne greške su: nedostatak preciznosti, proces uzorkovanja i varijabilnost
merenja

5. Дамми варијабли стр. 227 од 59 прашање кај колковиумите

Воведувањето на квалитативни променливи т.е. вештачки променливи го прави моделот на линеарна

регресија екстремно флексибилно средство за решавање на многу интересни проблеми содржани во
емпириските проучувања.

Во регресионата анализа зависната променлива е под влијание на променливите што лесно можат да
бидат квантифицирани (доход, производ, цени, трошоци, висина, температура) но исто така и од
променливи кои се од квалитативна природа (пол. Возраст, раса, боја, религија, националност и др.) На
пример потрошувачката на еден произод на дадена територија освен од доходот зависи и од: половата и
старосната структура, брачната состојба, регионалните и култиурните разлики, промените во
институционалното и политичко опкружување, воените или мирнодобските периоди се целосно
различни услови кои влијаат на потрошувачката.

Често пати факторите кои неможат директно да се измерат можат да имаат силно влијание на зависната
променлива. На пример продажбата на одреден производ е зависна од годишното време, штрајковите,
стапката на инфлација. Таквите фактори можат да бидат земени в предвид во регресиониот модел
преку вклучување на вештачки променливи..

Пример жените заработуваат помалку од мажите, црнците од белците и сл. ваквите квалитативни
променливи како пол и раса влијаат врз зависната променлива. Ваквите квалитативни променливи го
покажуваат присуството или отсуството на квалитет или атрибут можат да се искажат преку еден метод
на “квантифицирање“ со конструирање на вештачки променливи со земање на вредности на 0 и 1, при
што 1 покажува присутност, а 0 одсуство на еден атрибут. Пример 1 машко, 0 женско. Променливите
кои под претпоставка имаат такви 0 и 1 вредности се наречени Вештачки променливи. Алтернативни
имиња се: индикаторски, бинарни, категорични, квалитативни и дихотомни променливи.

Во регресивната анализа влијанието на квантитативно немерливите фактори (воен и мирен период,

полови и старосни разлики, пол, религија на потрошувачите) се опфаќа со вештачки променливи. Тие
се дефинираат така да заземаат одредена вредност за дадените модалитети (најчесто 1 за едниот и 0
за другиот модалитет т.е 1 покажува присуство на некој атрибут, 0-покажува отсуство на тој атрибут ).

6. Претпоставки на класична линеарна регресија стр. 49

За да добиеме оценки за непознатите параметри B0 и B1 во ревенката E(YIXi)=f(Xi) за дадени n

опсервации на Y и X, мораме да направиме некои претпоставки кои се однесуваат на членовите на
грешката ui, а тоа се следните:

1. Линеарен регресионен модел, кој е линеарен во параметрите Yi=B0+B1X1+ui

2. Нулта средина E(uIXi)=0 за секое i.
Претпоставката дека очекуваната вредност на стохастичниот член т.е случајната грешка е еднаква на
нула, значи дека случајната грешка во просек невлијае врз зависната променлива Yi. Ова е сосема
нормално бидејки обично се согледува како збир на многу индивидуални ефекти чиј знак е непознат
т.е. во секој конкретен случај може да е позитивен, негативен или нула со што во вкупниот збир овие
вредности се нула т.е. влијанието на случајните фактори меѓусебно се поништува. Доколку имаме
причина да одредиме дека средината на стохастичниот член е различна од нула, неа ќе ја вградиме во
систематскиот дел на нашата регресија.

Во примерот со платите, да претпоставиме дека u е вродена способност, при што равенката E(uIXi)=0
бара просечното ниво на способност да е исто без разлика на образованието E(способностI12)
E(способностI16), или просечната способност треба да е иста без оглед на нивото на образование.
Доколку сметаме дека способноста се зголемува со степенот на образование, тогаш равенката не е
точна. Бидејки неможеме да ја наблудуваме вродената способност, непостои начин да се осознае дали
просечната способност е иста за сите нивоа на образование.

3. Секој стохастичен член е реализација на случајна променлива со непрекинат распоред на

веројатност.
Овде ке претпоставиме дека сите имаат иста варијанса var(uiIXi)= σ2 за секое i. Претпоставката за
константна варијанса на случајната грешка значи дека за секоја вредност на Xi вредноста на случајната
грешка покажува ист степен на растурање (дисперзија) околу својата средна вредност. Ова својство на
случајната грешка се нарекува хомоскедастичност или ендаква распостранетост т.е. еднаква
варијанса. Пример профитот на едно претпријатие како функција од неговата големина. Во овој случај
поголемите фирми ќе покажуваат поголема варијација околу профитите за разлика од помалите фирми.
Па претпоставката за хомоскедастуичност во овј случај е несоодветна и велиме дека е
хетероскедастичност. Ова може да се очекува кога се следи потрошувачката и доходот по
домаќинства. Домаќинствата со низок доход нема да се разликуваат многу по нивото на потрошувачка
единствено што нора да остварат некој минимум, а големината на доходот им оневозможува да трошат
над тоа ниво. Со пораст на објаснувачката променлива т.е. доходот се доаѓа до група на домаќинства на
кои доходот им овозможува различни нвоа на потрошувачка, така што и дисперзијата околу
соодветната средина ќе биде поголема при поголем доход.
 4. Случајните компоненти на опсервациите се претпоставува да бидат меѓусебно некорелирани
Ова уште се нарекува непостоење на автокорелација, при што Y1и Yi се неколерирани. Претпоставката
подразбира дека вредноста што ја има случајната грешка за една опсервација не е корелирана со
вредноста која ја има при друга опсервација, а тоа значи дека непостои систематска врска помеѓу
случајните грешки. Оваа претпоставка најчесто не е исполента кога се испитува зависноста на
податоците во временските серии. Автокорелираноста на случајните грешки може да е позитивна или
негативна. Позитивна кога низата на случајни грешки е со ист знак, а негативна е наизменично гршката
позитивна па негативна.

5. Независност од Xj, uj и Xi се независни за секои i и j. Оваа претпоставка упатува на заклучокот

дека променливата Xi е надвор од системот, т.е. е егзогена променлива. Како таква таа е предмет на
можна контрола, па отука не е од стохастична природа, туку зема фиксирани вредности во процесот на
повторни примероци.

6. Нормалност ui е се нормално расоределени за секои i. Во конјукција со претпоставките 1,2 и 3

ова имплицира дека ui се независно и нормално распоредени со средина 0 и заедничка варијанса σ2.
Вообичаено е да се претпостави дека Xi е нестохастична променлива, аналитичарот ги избира
вредностите на регресорот Xi а потоа ги наблудува Yi. Ва би се применило во земјоделството каде Yi е
приносто а Xi е концентрација на ѓубриво. Според тоа како појдовна основа ке ја додадеме и следната
претпоставка:

7. Нестохастички регресор, вредноста на Xi е позната константа во распоредот на веројатности

на Yi. Оваа претпоставка е позната како услов за идентификација. Ако не постои варијација во Хi,
тогаш сите наши опсервации ќе лежат на вертикална линија, ова не ги обезвреднува другите
претпоставки на моделот. Но ако сите наши опсервации лежат на вертикална линија , податоците нема
да ни овозможат да донесеме некаков заклучок вo однос на регресијата B0+B1X1.
Од ова стојалиште претпоставката за нестохастичен регресор е многу погодна и со неа ќе можеме да ги
користиме резултатите од елементартната статистика за да ги добиеме нашите резултати. Но
научниците од општествените науки ретко се во можност да користат експериментални подаоци и
релативно мал број од нивните модели се изградени со неслучајни регресори. Во функцијата на
потрошувачка би било тешко да се одбрани таков асиметричен третман на агрегатната потрошувачка и
приход.бидејки некои од нашите резултати се потпираат на претпоставката дека Xi е позната константа
важно е да се земат опсервациите на Х дека се фиксни со повторени примероци што е еквивалентно со
спроведување на статистичка анализа во зависност од примерокот што го проучуваме. Само ке
претпоставиме дека регресиониот модел и неговите претпоставки се применуваат во одредена група на
Х вредности кои ги набљудуваме. Овој третман ни овозможува да го занемариме крајниот извор на
варијации во Х и да се концентрираме на поврзаност помеѓу Y и X

https://vdocuments.site/ekonometrija-prasanja-i-odgovori-za-i-kolokvium.html
https://vdocuments.mx/ekonometrija-za-1-kolokvij.html
http://www.ef.uns.ac.rs/Download/finansijska_ekonometrija/finansijska_ekonometrija.htm
http://ekonometrija.ekof.bg.ac.rs/osnovne.html
https://studentski.net/gradivo/ulj_fmf_fc1_em1_izp_primer_izpitne_naloge_01