La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Regressione lineare con un regressore (SW Cap 4)

Presentazioni simili


Presentazione sul tema: "Regressione lineare con un regressore (SW Cap 4)"— Transcript della presentazione:

1 Regressione lineare con un regressore (SW Cap 4)
La regressione lineare è uno strumento che ci permette di stimare e di fare inferenza sui coefficienti angolari di una popolazione. Il nostro scopo è di stimare l’effetto causale misurato come effetto che l’incremento una unità di X ha su Y. Per ora, restringiamo il problema e pensiamo a far passare una linea retta fra i dati di 2 variabili, Y e X.

2 Intervallo di confidenza:
Il problema di inferenza che ci poniamo è lo stesso di quello che ci siamo posti per le medie, differenze fra le medie etc. Inferenza sulla pendenza di una retta comprende: Stima: In che maniera dovremmo tracciare una linea attraverso i dati per stimarne la pendenza? (risposta: minimi quadrati OLS). Quali sono gli svantaggi e i vantaggi dei OLS? Test di ipotesi: Come testare se la pendenza è zero? Intervallo di confidenza: Come costruire un intervallo di confidenza per tale pendenza?

3

4 Notazione generale

5 La retta di regressione e il termine di errore

6 Le stime “Ordinary Least Squares”

7

8 Lo stimatore OLS risolve :

9 Applicazione: Voti – STR

10 Intercetta e coefficiente angolare

11 Valori previsti e residui:

12 OLS : esempio di output - stata

13 Misure di “bontà”

14

15 Lo Standard Error della Regressione (SER)

16

17

18 Le Assunzioni

19

20 Assunzione #1: E(u|X = x) = 0.

21

22 Assunzione #2: (Xi,Yi), i = 1,…,n sono i.i.d.

23 Assunzione #3: E(X4) <  and E(Y4) < 

24

25 Distribuzione campionaria dello stimatore OLS

26 Elementi di probabilità

27

28 Appendice 4.3

29

30

31

32

33

34

35 Approssimazione a n-grande

36

37

38 Riassunto sulla distribuzione di

39 Test d’ipotesi e intervalli di confidenza

40

41 Oggetto di interesse: 1 in,

42 Test d’ipotesi e SE

43

44 Formula per SE( )

45

46 Riassunto: H0: 1 = 1,0 vs H1: 1  1,0,

47 Esempio:

48

49 Intervalli di confidenza per 1

50

51

52 Come leggere un’output

53 Sommario di inferenza su 0 e 1:

54 Regressione quando X è Binaria

55 Interpretazione

56

57 Sommario

58 Eteroschedasticità e omoschedasticità

59

60 Omoschedasticità

61 Eteroschedasticità

62 Es: guadagno medio vs anni di istruzione

63

64 u eteroschedastico?.

65

66

67


Scaricare ppt "Regressione lineare con un regressore (SW Cap 4)"

Presentazioni simili


Annunci Google