7. フィリップス曲線 経済統計分析 (2014 年度秋学期 ) フィリップス曲線の推定 ( 経済理論との関連 ) フィリップス曲線とは何か? 物価と失業の関係 トレード オフ 政策運営 ( 財政 金融政策 ) への含意 ( 計量分析の手法 ) 関数形の選択 ( 関係が直線的でない場合の推定 ) 推

Dependent Variable: LOG(GDP00/(E*HOUR)) Date: 02/27/06 Time: 16:39 Sample (adjusted): 1994Q1 2005Q3 Included observations: 47 after adjustments C -1.5

第 4 章 この章では 最小二乗法をベースにして 推計上のさまざまなテクニックを検討する 変数のバリエーション 係数の制約係数にあらかじめ制約がある場合がある たとえばマクロの生産関数は 次のように表すことができる 生産要素は資本と労働である 稼動資本は資本ストックに稼働率をかけることで計算でき 労働投入量は 就業者数に総労働時間をかけることで計算できる 制約を掛けずに 推計すると次の結果が得られる

Microsoft Word - 計量研修テキスト_第5版）.doc

Q4-1 テキスト P83 多重共線性が発生する回帰 320000 280000 240000 200000 6000 4000 160000 120000 2000 0-2000 -4000 74 76 78 80 82 84 86 88 90 92 94 96 98 R e s i dual A c tual Fi tted Dependent Variable: C90 Date: 10/27/05

Microsoft Word - 計量研修テキスト_第5版）.doc

Q3-1-1 テキスト P59 10.8.3.2.1.0 -.1 -.2 10.4 10.0 9.6 9.2 8.8 -.3 76 78 80 82 84 86 88 90 92 94 96 98 R e s i d u al A c tual Fi tte d Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:42 Sample: 1975

Microsoft Word - 計量研修テキスト_第5版）.doc

Q10-2 テキスト P191 1. 記述統計量 ( 変数 :YY95) 表示変数として 平均 中央値 最大値 最小値 標準偏差 観測値 を選択 A. 都道府県別 Descriptive Statistics for YY95 Categorized by values of PREFNUM Date: 05/11/06 Time: 14:36 Sample: 1990 2002 Included

4 OLS 4 OLS 4.1 nurseries dual c dual i = c + βnurseries i + ε i (1) 1. OLS Workfile Quick - Estimate Equation OK Equation specification dual c nurser

1 EViews 2 2007/5/17 2007/5/21 4 OLS 2 4.1.............................................. 2 4.2................................................ 9 4.3.............................................. 11 4.4

第9回 日経STOCKリーグレポート 審査委員特別賞＜地域の元気がでるで賞＞

1/21 1 2 3 1 2 3 4 5 4 5 6 2/21 2 3 2 4 5 6 3/21 38 38 4 2007 10 471 10 10 () () () OKI () () () () () 1989 2008 4 13 10 10 1 2 3 4 1 3 1 4/21 2 3 3 2 5/21 3 100 1.5 1/2 4 () 1991 2002 10 3 1 6/21 10 6

計量経済分析 2011 年度夏学期期末試験 担当 : 別所俊一郎 以下のすべてに答えなさい. 回答は日本語か英語でおこなうこと. 1. 次のそれぞれの記述が正しいかどうか判定し, 誤りである場合には理由, あるいはより適切な 記述はどのようなものかを述べなさい. (1) You have to wo

計量経済分析 2011 年度夏学期期末試験 担当 : 別所俊一郎 以下のすべてに答えなさい. 回答は日本語か英語でおこなうこと. 1. 次のそれぞれの記述が正しいかどうか判定し, 誤りである場合には理由, あるいはより適切な 記述はどのようなものかを述べなさい. (1) You have to worry about perfect multicollinearity in the multiple

Microsoft Word - 計量研修テキスト_第5版）.doc

Q9-1 テキスト P166 2)VAR の推定 注 ) 各変数について ADF 検定を行った結果 和文の次数はすべて 1 である 作業手順 4 情報量基準 (AIC) によるラグ次数の選択 VAR Lag Order Selection Criteria Endogenous variables: D(IG9S) D(IP9S) D(CP9S) Exogenous variables: C Date:

Microsoft Word - 計量研修テキスト_第5版）.doc

Q8-1 テキスト P131 Engle-Granger 検定 Dependent Variable: RM2 Date: 11/04/05 Time: 15:15 Sample: 1967Q1 1999Q1 Included observations: 129 RGDP 0.012792 0.000194 65.92203 0.0000 R -95.45715 11.33648-8.420349

１．民営化

8. 生産関数と潜在 GDP 経済統計分析 (014 年度秋学期 ) 生産関数と潜在 GDP ( 経済理論との関係 ) 生産関数とは何か? 労働 資本の限界生産力 技術水準と生産性 コブ ダグラス型生産関数 競争的賃金設定の検証 労働市場は競争的か 規模の収穫 ( 一定 / 逓増 / 逓減 ) の検証 成長会計 潜在 GDP 潜在成長率 GDP ギャップ 1 生産関数と潜在 GDP ( 計量分析手法

不均一分散最小二乗法の仮定では 想定しているモデルの誤差が時間やサンプルを通じて一定であるとしている 次のような式を想定する 誤差項である ut の散らばり具合がサンプルを通じて一定であるという仮定である この仮定は均一分散と呼ばれる 不均一分散とは その仮定が満たされない場合で 推計した係数の分散

第 5 章 さらに進んだテクニック この章では最小二乗法をそのまま適用するのが問題の場合を扱う 最小二乗法はある仮 定のもとで統計上望ましい性質を持っている のぞましい性質とは以下のものである 不偏性 不偏性とは推計された係数の期待値が 母集団の真の値と等しくなることを示している 有効性 ( 効率性 ) 有効性とは さまざまな推定値の中で 分散が最小になるように推計されたものであることを表している

y i OLS [0, 1] OLS x i = (1, x 1,i,, x k,i ) β = (β 0, β 1,, β k ) G ( x i β) 1 G i 1 π i π i P {y i = 1 x i } = G (

7 2 2008 7 10 1 2 2 1.1 2............................................. 2 1.2 2.......................................... 2 1.3 2........................................ 3 1.4................................................

6. 消費関数と 乗数効果 経済統計分析 (2017 年度秋学期 )

6. 消費関数と 乗数効果 経済統計分析 (07 年度秋学期 ) 到達目標. 回帰分析 ( 単回帰 重回帰 ) ができる 最小二乗法の考え方が説明できる. 回帰分析の結果 ( 回帰係数 決定係数など ) を読み取れる 3. 回帰分析において適切な説明変数を選択できる 自由度修正済決定係数を用いて 説明変数の数が異なるモデルの説明力を比較できる 値 (p 値 ) を用いて説明変数を取捨選択できる 4.

パネル・データの分析

パネル データの分析 内容 パネル データとは pooled cross section data の分析 パネルデータの分析 DID (Difference in Differences) モデル パネル データの分析 階差モデル (first difference model) fixed effects model random effects model パネル分析の実際 データ セットの作成

Microsoft PowerPoint - TA報告（7）

TA 報告 (7) 実証会計学 Eviews の基本操作 藤井ゼミサブゼミ 6/21(Fri) @106 演習室京都大学大学院経済学研究科博士後期課程 1 回生渡邊誠士 注意 Eviews の操作は多くの方法が存在する 正直なところ 私自身も効率的な使い方ができているかどうかはわからない ( おそらくできていない ) きちんとした使い方は多くの本が出ているので 文献を調査して自学自習してください 1

操作変数法

操作変数法 Instrumental Varables Method 誤差項と説明変数の相関 説明変数の誤差 説明変数から省かれた変数の影響 誤差項 説明変数が内生変数であるとき 連立方程式モデル --------------------------- 誤差項と説明変数の間に相関がある場合には, 係数の推定値はバイアスを持つ 操作変数法 (Instrumental Varables Method)

6. 消費関数と乗数効果 経済統計分析 (2014 年度秋学期 ) 消費関数 ( 統計分析手法 ) 回帰分析 ( 単回帰 重回帰 ) 最小二乗法 回帰分析の推定結果の読み取り方 回帰係数の意味 実績値 推定値 残差 決定係数 自由度修正済決定係数 説明変数の選択 外れ値 ( 異常値 ) の影響 推定

6. 消費関数と乗数効果 経済統計分析 (4 年度秋学期 ) 消費関数 ( 統計分析手法 ) 回帰分析 ( 単回帰 重回帰 ) 最小二乗法 回帰分析の推定結果の読み取り方 回帰係数の意味 実績値 推定値 残差 決定係数 自由度修正済決定係数 説明変数の選択 外れ値 ( 異常値 ) の影響 推定結果に基づく要因分解 消費関数 ( 経済理論等との関連 ) 消費関数 ケインズ型消費関数 ( 流動性制約仮説

28

y i = Z i δ i +ε i ε i δ X y i = X Z i δ i + X ε i [ ] 1 δ ˆ i = Z i X( X X) 1 X Z i [ ] 1 σ ˆ 2 Z i X( X X) 1 X Z i Z i X( X X) 1 X y i σ ˆ 2 ˆ σ 2 = [ ] y i Z ˆ [ i δ i ] 1 y N p i Z i δ ˆ i i RSTAT

スライド 1

データ解析特論重回帰分析編 2017 年 7 月 10 日 ( 月 )~ 情報エレクトロニクスコース横田孝義 1 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える 具体的には y = a + bx という回帰直線 ( モデル ) でデータを代表させる このためにデータからこの回帰直線の切片 (a) と傾き (b) を最小

ODAとFDIの相互関係 ～先進国5カ国における考察～

ODA と FDI の相互関係 ~ 先進国 5 カ国における考察 ~ 東京外国語大学外国語学部 イタリア語専攻 4 年 瀬脇理 目次 第 1 章導入 ~ 研究背景 定義 先行研究第 2 章モデル ~ モデルと分析手法の説明第 3 章データ ~ データの出典第 4 章分析 ~ 分析結果と考察第 5 章結論第 6 章付録 2001 2002 2003 2004 2005 2006 2007 2008 2009

回帰分析 単回帰

回帰分析 単回帰 麻生良文 単回帰モデル simple regression model = α + β + u 従属変数 (dependent variable) 被説明変数 (eplained variable) 独立変数 (independent variable) 説明変数 (eplanator variable) u 誤差項 (error term) 撹乱項 (disturbance term)

スライド 1

データ解析特論第 10 回 ( 全 15 回 ) 2012 年 12 月 11 日 ( 火 ) 情報エレクトロニクス専攻横田孝義 1 終了 11/13 11/20 重回帰分析をしばらくやります 12/4 12/11 12/18 2 前回から回帰分析について学習しています 3 ( 単 ) 回帰分析 単回帰分析では一つの従属変数 ( 目的変数 ) を 一つの独立変数 ( 説明変数 ) で予測する事を考える

Microsoft PowerPoint - Econometrics

計量経済学講義 第 0 回回帰分析 Part 07 年 月 日 ( 水 ) 限 ( 金曜授業実施日 ) 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 4 号室 mal: kkarato@co.-toama.ac.jp wbst: http://www.-toama.ac.jp/kkarato/ 講義の目的 ロジスティック関数の推定方法について学びます 多重回帰分析について学びます kwords:

The effect of smoking habit on the labor productivities

DISCUSSION PAPER SERIES August 2010 No.1005 1 健康水準と労働生産性 への付録 中京大学経済学部 湯田道生 1 本稿は, 科学研究費補助金 基盤研究 B(#20330062) の研究成果の一部である 1. はじめに本稿は, 湯田 (2010) において, 紙数の都合によって紹介しきれなかった計量分析の結果をまとめたものである 本稿の構成は以下の通りである

第11回：線形回帰モデルのOLS推定

11 OLS 2018 7 13 1 / 45 1. 2. 3. 2 / 45 n 2 ((y 1, x 1 ), (y 2, x 2 ),, (y n, x n )) linear regression model y i = β 0 + β 1 x i + u i, E(u i x i ) = 0, E(u i u j x i ) = 0 (i j), V(u i x i ) = σ 2, i

> usdata01 と打ち込んでエンター キーを押すと V1 V2 V : : : : のように表示され 読み込まれていることがわかる ここで V1, V2, V3 は R が列のデータに自 動的につけた変数名である ( variable

R による回帰分析 ( 最小二乗法 ) この資料では 1. データを読み込む 2. 最小二乗法によってパラメーターを推定する 3. データをプロットし 回帰直線を書き込む 4. いろいろなデータの読み込み方について簡単に説明する 1. データを読み込む 以下では read.table( ) 関数を使ってテキストファイル ( 拡張子が.txt のファイル ) のデー タの読み込み方を説明する 1.1

回帰分析 重回帰(1)

回帰分析 重回帰 (1) 項目 重回帰モデルの前提 最小二乗推定量の性質 仮説検定 ( 単一の制約 ) 決定係数 Eviews での回帰分析の実際 非線形効果 ダミー変数 定数項ダミー 傾きのダミー 3 つ以上のカテゴリー 重回帰モデル multiple regression model 説明変数が 個以上 y 1 x 1 x k x k u i y x i 他の説明変数を一定に保っておいて,x i

PowerPoint Presentation

メディア接触と個人購買選択行動の関係 多項選択モデルを用いた購買確率の変化に関する分析 Simon Graduate School of Business, University of Rochester 川嶋浩司 目次 イントロダクション モデル構築 Step1 Step2 データ抽出 分析 Step1 Step2 シミュレーション 結論と考察 課題と今後の対策 参考文献 1 イントロダクション

201711grade2.pdf

2017 11 26 1 2 28 3 90 4 5 A 1 2 3 4 Web Web 6 B 10 3 10 3 7 34 8 23 9 10 1 2 3 1 (A) 3 32.14 0.65 2.82 0.93 7.48 (B) 4 6 61.30 54.68 34.86 5.25 19.07 (C) 7 13 5.89 42.18 56.51 35.80 50.28 (D) 14 20 0.35

消費 統計学基礎実習資料 2017/11/27 < 回帰分析 > 1. 準備 今回の実習では あらかじめ河田が作成した所得と消費のファイルを用いる 課題 19 統計学基礎の講義用 HP から 所得と消費のファイルをダウンロードしてみよう 手順 1 検索エンジンで 河田研究室 と入力し検索すると 河田

消費 統計学基礎実習資料 07//7 < 回帰分析 >. 準備 今回の実習では あらかじめ河田が作成した所得と消費のファイルを用いる 課題 9 統計学基礎の講義用 HP から 所得と消費のファイルをダウンロードしてみよう 検索エンジンで 河田研究室 と入力し検索すると 河田研究室 のページにジャンプする ( ここまでの手順は http://www.tokuyama-u.ac.jp/kawada とアドレスを直接入力してもよい

<4D F736F F D20939D8C7689F090CD985F93C18EEA8D758B E646F63>

Gretl OLS omitted variable omitted variable AIC,BIC a) gretl gretl sample file Greene greene8_3 Add Define new variable l_g_percapita=log(g/pop) Pg,Y,Pnc,Puc,Ppt,Pd,Pn,Ps Add logs of selected variables

Microsoft Word - eviews1_

1 章 : はじめての EViews 2018/02/02 新谷元嗣 藪友良 高尾庄吾 1 ここでは分析を行うにあたって 代表的なツールの 1 つとして EViews について解説しよう EViews は 時系列分析に強みを持つ統計ソフトであり その使い易さ また高度な分析に対応できることから 官公庁を中心に広く用いられている 1. データの入力と保存 EViews では データを特有のファイル形式である

１．民営化

参考資料 最小二乗法 数学的性質 経済統計分析 3 年度秋学期 回帰分析と最小二乗法 被説明変数 の動きを説明変数 の動きで説明 = 回帰分析 説明変数がつ 単回帰 説明変数がつ以上 重回帰 被説明変数 従属変数 係数 定数項傾き 説明変数 独立変数 残差... で説明できる部分 説明できない部分 説明できない部分が小さくなるように回帰式の係数 を推定する有力な方法 = 最小二乗法 最小二乗法による回帰の考え方

untitled

経済統計分析１ イントロダクション

1 経済統計分析 10 回帰分析 今日のおはなし. 回帰分析 regression analysis 2 変数の関係を調べる手段のひとつ単回帰重回帰使用上の注意 今日のタネ 吉田耕作.2006. 直感的統計学. 日経 BP. 中村隆英ほか.1984. 統計入門. 東大出版会. Stock, James H. and Mark W. Watson. 2006. Introduction to Econometrics.

Microsoft Word - 光石賞完成.doc

雇用の非正規化と消費 非正規雇用者の増加が消費に与える影響について 009 年 0 月 9 日明治大学政治経済学部岩田州靖笠谷悠治朗金子雄太郎野本和樹山下由紀子山本啓太 < 要旨 >.008 年 9 月のリーマン ショック以降 急速に雇用環境が悪化している 完全失業率は 5.7% 有効求人倍率も 0.4 倍といずれも過去最低を記録しており その影響は個人消費の落ち込みに表れている. 雇用環境の急速な悪化の背景には

Microsoft PowerPoint - Econometrics

計量経済学講義 第 回回帰分析 Part 4 7 年 月 7 日 ( 火 ) 限 担当教員 : 唐渡広志 研究室 : 経済学研究棟 4 階 4 号室 emal: kkarato@eco.-toyama.ac.jp webste: http://www.-toyama.ac.jp/kkarato/ 講義の目的 最小 乗法について理論的な説明をします 多重回帰分析についての特殊なケースについて 多重回帰分析のいくつかの応用例を検討します

tshaifu423

消費 経済データ解析配布資料 011/1/1 Ⅳ 回帰分析入門 1) 変量データの記述 1. 散布図の描画 課題 0 下に示したものは 日本の実質家計可処分所得と実質家計最終消費支出のデータ ( 平成 1 年基準 単位 : 兆円 ) 1 である このデータを入力し 散布図を描いてみよう 散布図は次のような手順で描けばよい 1 B:C1 を範囲指定し リボン内にグラフのグループにある 散布図のボタンをクリックする

最小2乗法

2 2012 4 ( ) 2 2012 4 1 / 42 X Y Y = f (X ; Z) linear regression model X Y slope X 1 Y (X, Y ) 1 (X, Y ) ( ) 2 2012 4 2 / 42 1 β = β = β (4.2) = β 0 + β (4.3) ( ) 2 2012 4 3 / 42 = β 0 + β + (4.4) ( )

II (2011 ) ( ) α β û i R

II 3 9 9 α β 3 û i 4 R 3 5 4 4 3 6 3 6 3 6 4 6 5 3 6 F 5 7 F 6 8 GLS 8 8 heil and Goldberger Model 9 MLE 9 9 I 3 93 II 3 94 AR 4 95 5 96 6 6 8 3 3 3 3 3 i 3 33 3 Wald, LM, LR 33 3 34 4 38 5 39 6 43 7 44

卒業論文

Y = ax 1 b1 X 2 b2...x k bk e u InY = Ina + b 1 InX 1 + b 2 InX 2 +...+ b k InX k + u X 1 Y b = ab 1 X 1 1 b 1 X 2 2...X bk k e u = b 1 (ax b1 1 X b2 2...X bk k e u ) / X 1 = b 1 Y / X 1 X 1 X 1 q YX1

untitled

2011/6/22 M2 1*1+2*2 79 2F Y YY 0.0 0.2 0.4 0.6 0.8 0.000 0.002 0.004 0.006 0.008 0.010 0.012 1.0 1.5 2.0 2.5 3.0 3.5 4.0 Y 0 50 100 150 200 250 YY A (Y = X + e A ) B (YY = X + e B ) X 0.00 0.05 0.10

Microsoft PowerPoint - Econometrics pptx

計量経済学講義 第 4 回回帰モデルの診断と選択 Part 07 年 ( ) 限 担当教員 : 唐渡 広志 研究室 : 経済学研究棟 4 階 43 号室 emal: kkarato@eco.u-toyama.ac.p webste: http://www3.u-toyama.ac.p/kkarato/ 講義の目的 誤差項の分散が不均 である場合や, 系列相関を持つ場合についての検定 法と修正 法を学びます

Microsoft PowerPoint - S11_1 2010Econometrics [互換モード]

S11_1 計量経済学 一般化古典的回帰モデル -3 1 図 7-3 不均一分散の検定と想定の誤り 想定の誤りと不均一分散均一分散を棄却 3つの可能性 1. 不均一分散がある. 不均一分散はないがモデルの想定に誤り 3. 両者が同時に起きている 想定に誤り不均一分散を 検出 したら散布図に戻り関数形の想定や説明変数の選択を再検討 残差 残差 Y 真の関係 e e 線形回帰 X X 1 実行可能な一般化最小二乗法

Microsoft PowerPoint - ch03j

Ch.3 重回帰分析 : 推定 重回帰分析 ( 複数要因のモデル ) y = + x + x +... + k x k + u. 推定. 重回帰分析の必要性. OLSE の計算と解釈 3. OLSE の期待値 4. OLSE の分散 5. OLS の効率性 :Gauss-Markov 定理 6. 重回帰の用語 入門計量経済学 入門計量経済学 ( 線形 ) 重回帰モデルの定義 変数 yを変数 x, x,,

0 部分的最小二乗回帰 Partial Least Squares Regression PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌

0 部分的最小二乗回帰 Parial Leas Squares Regressio PLS 明治大学理 学部応用化学科 データ化学 学研究室 弘昌 部分的最小二乗回帰 (PLS) とは? 部分的最小二乗回帰 (Parial Leas Squares Regressio, PLS) 線形の回帰分析手法の つ 説明変数 ( 記述 ) の数がサンプルの数より多くても計算可能 回帰式を作るときにノイズの影響を受けにくい

平成 25 年度卒業論文 浪人と留年 所属ゼミ 村澤ゼミ 学籍番号 氏名中司雄也 大阪府立大学 経済学部

平成 25 年度卒業論文 浪人と留年 所属ゼミ 村澤ゼミ 学籍番号 1100401107 氏名中司雄也 大阪府立大学 経済学部 要約 本稿では 大学の現役入学生と浪人入学生でどちらが留年しやいすか比較する 2005 年 社会階層と社会移動 (SSM) 全国調査の個票データを利用して 回答者の大学入学時と卒業時の年齢から浪人ダミーと留年年齢を作成し そして ポアソン回帰分析を行った結果 浪人 男性 国公立大学生は現役合格生

Excelを用いた行列演算

を用いた行列演算 ( 統計専門課程国民 県民経済計算の受講に向けて ) 総務省統計研究研修所 この教材の内容について計量経済学における多くの経済モデルは連立方程式を用いて記述されています この教材は こうした科目の演習においてそうした連立方程式の計算をExcelで行う際の技能を補足するものです 冒頭 そもそもどういう場面で連立方程式が登場するのかについて概括的に触れ なぜ この教材で連立方程式の解法について事前に学んでおく必要があるのか理解していただこうと思います

RとExcelを用いた分布推定の実践例

R Excel 1 2 1 2 2011/11/09 ( IMI) R Excel 2011/11/09 1 / 12 (1) R Excel (2) ( IMI) R Excel 2011/11/09 2 / 12 R Excel R R > library(fitdistrplus) > x fitdist(x,"norm","mle")

If(A) Vx(V) 1 最小 2 乗法で実験式のパラメータが導出できる測定で得られたデータをよく近似する式を実験式という. その利点は (M1) 多量のデータの特徴を一つの式で簡潔に表現できること. また (M2) y = f ( x ) の関係から, 任意の x のときの y が求まるので,

If(A) Vx(V) 1 最小 乗法で実験式のパラメータが導出できる測定で得られたデータをよく近似する式を実験式という. その利点は (M1) 多量のデータの特徴を一つの式で簡潔に表現できること. また (M) y = f ( x ) の関係から, 任意の x のときの y が求まるので, 未測定点の予測ができること. また (M3) 現象が比較的単純であれば, 現象を支配 する原理の式が分かることである.

Excelにおける回帰分析（最小二乗法）の手順と出力

Microsoft Excel Excel 1 1 x y x y y = a + bx a b a x 1 3 x 0 1 30 31 y b log x α x α x β 4 version.01 008 3 30 Website:http://keijisaito.info, E-mail:master@keijisaito.info 1 Excel Excel.1 Excel Excel

Microsoft Word - å“Ÿåłžå¸°173.docx

回帰分析 ( その 3) 経済情報処理 価格弾力性の推定ある商品について その購入量を w 単価を p とし それぞれの変化量を w p で表 w w すことにする この時 この商品の価格弾力性 は により定義される これ p p は p が 1 パーセント変化した場合に w が何パーセント変化するかを示したものである ここで p を 0 に近づけていった極限を考えると d ln w 1 dw dw

Microsoft PowerPoint - TCM.ppt [互換モード]

立命館大学経済学部 寺脇 拓 2 11 1.1 個人トラベルコスト法 個人トラベルコスト法 (individual travel cost method: ITCM) 評価対象となるレクリエーションサイトまでの個人の旅行費用とそこへの年間の訪問回数の関係からレクリエーション需要関数を推定する方法 個人が年間何度も訪れるようなサイトの評価に適している 4 単位買う 旅行費用 : 600 円 2 単位買う

Stata11 whitepapers mwp-037 regress - regress regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F(

mwp-037 regress - regress 1. 1.1 1.2 1.3 2. 3. 4. 5. 1. regress. regress mpg weight foreign Source SS df MS Number of obs = 74 F( 2, 71) = 69.75 Model 1619.2877 2 809.643849 Prob > F = 0.0000 Residual

Microsoft PowerPoint - 資料04 重回帰分析.ppt

04. 重回帰分析 京都大学 加納学 Division of Process Control & Process Sstems Engineering Department of Chemical Engineering, Koto Universit manabu@cheme.koto-u.ac.jp http://www-pse.cheme.koto-u.ac.jp/~kano/ Outline

ミクロ経済学Ⅰ

労働需要 労働力を雇う側の意思決定 労働力を雇うのは企業と仮定 企業は利潤を最大化する 利潤最大化する企業は どのように労働力を需要するか? まず 一定の生産量を生産する際の 費用最小化問題から考察する 企業の費用最小化 複数の生産要素を用いて生産活動を行なう企業を想定 min C( w, r; y) = wl + rk LK, subject to FKL (, ) y Cwr (, ; y) 費用関数

第13回：交差項を含む回帰・弾力性の推定

13 2018 7 27 1 / 31 1. 2. 2 / 31 y i = β 0 + β X x i + β Z z i + β XZ x i z i + u i, E(u i x i, z i ) = 0, E(u i u j x i, z i ) = 0 (i j), V(u i x i, z i ) = σ 2, i = 1, 2,, n x i z i 1 3 / 31 y i = β

σ t σ t σt nikkei HP nikkei4csv H R nikkei4<-readcsv("h:=y=ynikkei4csv",header=t) (1) nikkei header=t nikkei4csv 4 4 nikkei nikkei4<-dataframe(n

R 1 R R R tseries fseries 1 tseries fseries R Japan(Tokyo) R library(tseries) library(fseries) 2 t r t t 1 Ω t 1 E[r t Ω t 1 ] ɛ t r t = E[r t Ω t 1 ] + ɛ t ɛ t 2 iid (independently, identically distributed)

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, A

NLMIXED プロシジャを用いた生存時間解析 伊藤要二アストラゼネカ株式会社臨床統計 プログラミング グループグルプ Survival analysis using PROC NLMIXED Yohji Itoh Clinical Statistics & Programming Group, AstraZeneca KK 要旨 : NLMIXEDプロシジャの最尤推定の機能を用いて 指数分布 Weibull

1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press.

1 Stata SEM LightStone 3 2 SEM. 2., 2,. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press. 2 3 2 Conservative Depress. 3.1 2. SEM. 1. x SEM. Depress.

DAA09

> summary(dat.lm1) Call: lm(formula = sales ~ price, data = dat) Residuals: Min 1Q Median 3Q Max -55.719-19.270 4.212 16.143 73.454 Coefficients: Estimate Std. Error t value Pr(> t ) (Intercept) 237.1326

概要 2 1. エアコン 冷蔵庫 冷凍庫及び洗濯機 衣類乾燥機については 経過年数の推移に 過去と比較して特に変化は見られない ワイブル平均が最も大きい品目は冷蔵庫 冷凍庫 (15.8 年 ) 最も小さい品目は洗濯機 衣類乾燥機 (11.7 年 ) で 両者の差は 4.1 年となった ワイブル平均の

度 使用済家電 4 品目の経過年数等調査 216 年 5 月 みずほ情報総研株式会社 概要 2 1. エアコン 冷蔵庫 冷凍庫及び洗濯機 衣類乾燥機については 経過年数の推移に 過去と比較して特に変化は見られない ワイブル平均が最も大きい品目は冷蔵庫 冷凍庫 (15.8 年 ) 最も小さい品目は洗濯機 衣類乾燥機 (11.7 年 ) で 両者の差は 4.1 年となった ワイブル平均の大きさは 冷蔵庫

１３章　回帰分析

単回帰分析 つ以上の変数についての関係を見る つの 目的 被説明 変数を その他の 説明 変数を使って 予測しようというものである 因果関係とは限らない ここで勉強すること 最小 乗法と回帰直線 決定係数とは何か? 最小 乗法と回帰直線 これまで 変数の間の関係の深さについて考えてきた 相関係数 ここでは 変数に役割を与え 一方の 説明 変数を用いて他方の 目的 被説明 変数を説明することを考える

<4D F736F F F696E74202D B CC8EC091482E B8CDD8AB B83685D>

報告日 :2008 年 10 月 22 日 報告者 : 寺脇 拓 2 11 1.1 個人トラベルコスト法 個人トラベルコスト法 (individual travel cost method: ITCM) 評価対象となるレクリエーションサイトまでの個人の旅行費用とそこへの年間の訪問回数の関係からレクリエーション需要関数を推定する方法 個人が年間何度も訪れるようなサイトの評価に適している 4 単位買う

80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = i=1 i=1 n λ x i e λ i=1 x i! = λ n i=1 x i e nλ n i=1 x

80 X 1, X 2,, X n ( λ ) λ P(X = x) = f (x; λ) = λx e λ, x = 0, 1, 2, x! l(λ) = n f (x i ; λ) = n λ x i e λ x i! = λ n x i e nλ n x i! n n log l(λ) = log(λ) x i nλ log( x i!) log l(λ) λ = 1 λ n x i n =

1

R による非線形最小二乗法. 非線形回帰モデル回帰モデルにおいて被説明変数が未知パラメータについて線形である場合は 線形回帰モデル とよばれる 例えば以下のようなモデルはすべて線形回帰モデルの例である ( 例 ) y x, ( 例 2) y log( x ), ( 例 3) log y x このようなモデルの場合は通常の最小二乗法によって未知パラメータ α β を推定する事ができる このような線形回帰モデルに対して

スライド 1

全国消費実態調査の匿名データを用いた 人以上世帯の保険需要の分析 宇野慧 アステラス製薬株式会社開発本部データサイエンス部 要旨 : 貯蓄型保険と非貯蓄型保険両方の需要に対して 世帯属性の中でも特に就業状況が与える影響に着目した データは平成 6 年度の総務省全国消費実態調査の匿名データを用いた SUR(Seemingl Unrelated Regression) Tobit モデル推定の結果 就業状況が保険需要に与える影響は貯蓄型と非貯蓄型で大きく異なることが確認できた

オーストラリア研究紀要　３６号（Ｐ）☆／３．橋本

36 p.9 202010 Tourism Demand and the per capita GDP : Evidence from Australia Keiji Hashimoto Otemon Gakuin University Abstract Using Australian quarterly data1981: 2 2009: 4some time-series econometrics

<4D F736F F F696E74202D E738A5889BB8BE688E68A4F82CC926E89BF908492E882C98AD682B782E98CA48B862E707074>

市街化区域外の地価推定に関する研究 不動産 空間計量研究室 筑波大学第三学群社会工学類都市計画主専攻宮下将尚筑波大学大学院システム情報工学研究科社会システム工学専攻高野哲司 背景 日本の国土の区域区分 都市計画区域 市街化区域 市街化を促進する区域 市街化調整区域 市街化を抑制する区域 非線引都市計画区域 上記に属さない区域 非線引き市街化調整区域市街化区域 都市計画区域 本研究での対象区域 都市計画区域外

1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3.

1 Stata SEM LightStone 4 SEM 4.. Alan C. Acock, 2013. Discovering Structural Equation Modeling Using Stata, Revised Edition, Stata Press 3. 2 4, 2. 1 2 2 Depress Conservative. 3., 3,. SES66 Alien67 Alien71,

....668-06....3.Z...QXD (Page 1)

金融調査研究会報告書　少子高齢化社会の進展と今後の経済成長を支える金融ビジネスのあり方

第 4 章生産年齢人口減少下の銀行の採算性 - 国際比較からの視点 1. 序論 1 2 1 Diamond(1965) 以降 特に社会保障や財政収支のマクロ経済学的分析に関わる数多くの研究がこのモデルを採用している 最近の日本の金融分析への応用例としては Muto ほか (2012) がある 2 金融モニタリングレポート 2. 地域銀行 (3) モニタリング結果 p.31 57 3 2. データ 2.1

AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t

87 6.1 AR(1) y t = φy t 1 + ɛ t, ɛ t N(0, σ 2 ) 1. Mean of y t given y t 1, y t 2, E(y t y t 1, y t 2, ) = φy t 1 2. Variance of y t given y t 1, y t 2, V(y t y t 1, y t 2, ) = σ 2 3. Thus, y t y t 1,

Microsoft Word - econome6.docx

: 履修登録したクラスの担当教員名を書く : 学籍番号及びが未記入のもの, また授業終了後に提出されたものは採点しないので, 注意すること. 5. 重回帰分析の応用 - 地価関数を推定しよう 5. データ加工 - 変数変換 これまでの講義では, 回帰分析は線形関係 ( 分布図を用いると直線に近い関係になっている ) を想定していますが, 実際には多種多様な非線形関係 ( 直線ではない ) があり,

4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2

4 段階推定法 羽藤研 4 芝原貴史 1 4 段階推定法とは 予測に使うモデルの紹介 4 段階推定法の課題 2 4 段階推定法とは 交通需要予測の実用的な予測手法 1950 年代のアメリカで開発 シカゴで高速道路の需要予測に利用 日本では 1967 年の広島都市圏での適用が初 その後 1968 年の東京都市圏など 人口 30 万人以上の 56 都市圏に適用 3 ゾーニング ゾーニングとネットワークゾーン間のトリップはゾーン内の中心点

Microsoft PowerPoint - 資料３ BB-REVIEW （依田構成員）.ppt

資料 3 高速インターネット接続サービスの需要代替性 : 成熟期に向かうブロードバンドの計量経済分析 京都大学大学院経済学研究科助教授 依田高典 京都大学大学院経済学研究科修士課程 ( 総務省 ) 坂平海 1. はじめに 世界に先行する日本のブロードバンドは普及期から成熟期へ 日本のブロードバンドのサービス間の需要代替性は 未だそれほど高くない ( 総務省 競争評価 2004) 普及期のブロードバンドの需要代替性の計量分析

と入力する すると最初の 25 行が表示される 1 行目は変数の名前であり 2 列目は企業番号 (1,,10),3 列目は西暦 (1935,,1954) を表している ( 他のパネルデータを分析する際もデ ータをこのように並べておかなくてはならない つまりまず i=1 を固定し i=1 の t に関

R によるパネルデータモデルの推定 R を用いて 静学的パネルデータモデルに対して Pooled OLS, LSDV (Least Squares Dummy Variable) 推定 F 検定 ( 個別効果なしの F 検定 ) GLS(Generalized Least Square : 一般化最小二乗 ) 法による推定 およびハウスマン検定を行うやり方を 動学的パネルデータモデルに対して 1 階階差

Japan Research Review 1998年7月号

Japan Research Review 1998.7 Perspectives ****************************************************************************************** - 1 - Japan Research Review 1998.7-2 - Japan Research Review 1998.7-3

% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti One-sample test of pr

1 1. 2014 6 2014 6 10 10% 10%, 35%( 1029 ) p (a) 1 p 95% (b) 1 Std. Err. (c) p 40% 5% (d) p 1: STATA (1). prtesti 1029 0.35 0.40 One-sample test of proportion x: Number of obs = 1029 Variable Mean Std.

<8B9E8B40925A904D8250825782538D862E706466>

untitled

複素数平面への誘い

いざな複素数平面への誘い GRS による複素数平面の表現 複素数平面への第一歩 - 複素数モード - 点と複素数 -3 複素数の四則演算 -4 絶対値と偏角, 共役複素数 -5 絶対値と偏角による複素数の表現 複素数平面の変換 4 - 回転移動と相似拡大 - 直線 に関する対称変換 -3 単位円に関する反転変換 -4 複素数平面の変換と曲線 3 入試問題に挑戦 6 3- 陰関数を利用した図形の表示

回帰分析 重回帰(2)

回帰分析 重回帰 (2) 仮説検定 仮説検定 単一の制約 t 検定 メニューから行う方法 複数の制約 F 検定 メニューから行う方法 F 統計量を実際に求める F 検定の応用 構造変化, 最適なモデルの決定 回帰分析の前提 linearity y X u u ~ N (0, 2 I ) X : full rank 最小二乗推定量 1) ( 1) ( ' 0 ' ˆ ' ) ' ( ˆ ' ) ' (

表計算ソフトの基礎 31 5 最小二 ( 自 ) 乗法 (Least squares method) 理工系の実験などでは, たいてい測定が行われる. ただし, 測定コストを減らすため, 粗い測定を行い, 得られた ( 誤差を含む ) 測定点群を説明することができる, 真の特性として何らかの関数 (

表計算ソフトの基礎 31 5 最小二 ( 自 ) 乗法 (Least squares method) 理工系の実験などでは, たいてい測定が行われる. ただし, 測定コストを減らすため, 粗い測定を行い, 得られた ( 誤差を含む ) 測定点群を説明することができる, 真の特性として何らかの関数 ( モデル ) を想定し, 測定点群に近似曲線を当てはめる ( フィッティング ) という方法がよく用いられる.

こんにちは由美子です

Analysis of Variance 2 two sample t test analysis of variance (ANOVA) CO 3 3 1 EFV1 µ 1 µ 2 µ 3 H 0 H 0 : µ 1 = µ 2 = µ 3 H A : Group 1 Group 2.. Group k population mean µ 1 µ µ κ SD σ 1 σ σ κ sample mean

2 3

Sample 2 3 4 5 6 7 8 9 3 18 24 32 34 40 45 55 63 70 77 82 96 118 121 123 131 143 149 158 167 173 187 192 204 217 224 231 17 285 290 292 1 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

Microsoft Word - econome5.docx

: 履修登録したクラスの担当教員名を書く : 学籍番号及びが未記入のもの, また授業終了後に提出されたものは採点しないので, 注意すること. 4. 重回帰分析 4.1 重回帰分析とは経済変数間の関係は, 組だけの変数だけで記述できるわけではありません. ミクロ経済で学んだように, 需要を変化させる要因は財価格以外に様々なものが考えられます. 例えば, うどんの需要はうどんの価格以外に, 所得や代替財のそばの価格や補完財のネギの価格などの需要を変化させる要因があります.

様々なミクロ計量モデル†

担当 : 長倉大輔 ( ながくらだいすけ ) この資料は私の講義において使用するために作成した資料です WEB ページ上で公開しており 自由に参照して頂いて構いません ただし 内容について 一応検証してありますが もし間違いがあった場合でもそれによって生じるいかなる損害 不利益について責任を負いかねますのでご了承ください 間違いは発見次第 継続的に直していますが まだ存在する可能性があります 1 カウントデータモデル

【NO

NO.22 図において DD は需要曲線を表し af は DD と c 点で接する直線である このとき c 点における需要の価格弾力性を表すものとして 正しいのはどれか 価格 D a b c D 0 e f 需要量 oe. ob of 2. oa ef 3. oe cf 4. af ab 5. ef 正答 3 需要の価格弾力性ですから 公式に当てはめていきます ΔQ P P ob ΔQ 公式は e

1 y x y = α + x β+ε (1) x y (2) x y (1) (2) (1) y (2) x y (1) (2) y x y ε x 12 x y 3 3 β x β x 1 1 β 3 1

1 y x y = α + x β+ε (1) x y (2) x y (1) (2) (1) y (2) x y (1) (2) y x y ε x 12 x y 3 3 β x β x 1 1 β 3 1 2 2 N y(n 1 ) x(n K ) y = E(y x) + u E(y x) y u(n 1 ) y = x β + u β Ordinary Least Squares:OLS (min