Microsoft Word - 計量研修テキスト_第5版).doc

Save this PDF as:
 WORD  PNG  TXT  JPG

Size: px
Start display at page:

Download "Microsoft Word - 計量研修テキスト_第5版).doc"

Transcription

1 Q3-1-1 テキスト P 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: Included observations: 24 LOG(YNH) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 誤差項に 1 階の自己相関が発生している ( 視覚的には上記図参照 ) 224

2 Q3-1-2 テキスト P59 Omitted Variable の追加 : 新たに財産所得 [LOG(YAH)] を説明変数として加える R e s i d ual A c tu a l Fi tted Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:47 Sample: Included observations: 24 LOG(YNH) LOG(YAH) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) DW 値が改善 Omitted Variable(=YAH) 225

3 Q3-1-3 テキスト P61 誤差項に 1 階の自己相関があることを考慮した最尤法による推定 R e s i d ual A c tu a l Fi tted Dependent Variable: LOG(TAXH) Date: 10/26/05 Time: 15:50 Sample (adjusted): Included observations: 23 after adjustments Convergence achieved after 13 iterations LOG(YNH) LOG(YAH) C AR(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 誤差項の1 階自己相関係数 Inverted AR Roots.42 BM 最尤法による推定 226

4 Q3-2-1 テキスト P61 データの季節性を考慮しない推定 R es i dua l A c tu a l Fi tte d Dependent Variable: C95 Date: 10/26/05 Time: 15:57 Sample: 1990Q1 2002Q4 Included observations: 52 RYLE RDEPO C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 1.71E+08 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 一見誤差項の自己相関の問題はないように思えるが 227

5 Q3-2-2 テキスト P63 Breusch-Godfrey 検定 Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(8,41) Obs*R-squared Prob. Chi-Square(8) Test Equation: Dependent Variable: RESID Date: 11/11/05 Time: 14:50 Presample missing value lagged residuals set to zero. RYLE RDEPO C RESID(-1) RESID(-2) RESID(-3) RESID(-4) RESID(-5) RESID(-6) RESID(-7) RESID(-8) 期ラグとの相関関係強い R-squared Mean dependent var -4.31E-12 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

6 Q3-2-3 テキスト P64 データの季節性を考慮した推定 1: 季節ダミー変数 (Q1~Q3) 導入 R es i dua l A c tu a l Fi tte d Dependent Variable: C95 Date: 10/26/05 Time: 16:01 Sample: 1990Q1 2002Q4 Included observations: 52 RYLE RDEPO Q Q Q C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 自由度修正済み決定係数の向上 229

7 Q3-2-3 続き 高階自己相関の検定 Breusch-Godfrey Serial Correlation LM Test: F-statistic Prob. F(8,38) Obs*R-squared Prob. Chi-Square(8) 帰無仮説 : 高階の自己相関なし が棄却されない Test Equation: 高階自己相関なし Dependent Variable: RESID Date: 11/11/05 Time: 14:59 Presample missing value lagged residuals set to zero. RYLE RDEPO Q Q Q C RESID(-1) RESID(-2) RESID(-3) RESID(-4) RESID(-5) RESID(-6) RESID(-7) RESID(-8) R-squared Mean dependent var 9.79E-13 Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

8 Q3-2-4 テキスト P65 高階自己相関を考慮した BM 最尤法 R es i dua l A c tu a l Fi tte d Dependent Variable: C95 Date: 10/26/05 Time: 16:05 Sample (adjusted): 1991Q1 2002Q4 Included observations: 48 after adjustments Convergence achieved after 9 iterations RYLE RDEPO C AR(4) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Inverted AR Roots i i

9 Q3-2-5 テキスト P65 季節調整をしたデータによる推定 C 9 5 C 9 5_ SA RY L E RY L E _ S A RDEPO RDEPO_SA 232

10 R es i dua l A c tu a l Fi tte d Dependent Variable: C95_SA Date: 10/26/05 Time: 16:08 Sample: 1990Q1 2002Q4 Included observations: 52 RYLE_SA RDEPO_SA C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

11 Q3-3-1 テキスト P67 誤差項の不均一分散 4.0E E E E E R e s i d u a l A c tu al Fi t t e d Dependent Variable: C95 Date: 10/26/05 Time: 16:11 Sample: 1 47 Included observations: 47 Y C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 1.20E+14 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

12 Q3-3-2 テキスト P68 不均一分散の有無を確認する検定 White Heteroskedasticity Test: F-statistic Prob. F(2,44) Obs*R-squared Prob. Chi-Square(2) Test Equation: Dependent Variable: RESID^2 Date: 10/26/05 Time: 16:13 Sample: 1 47 Included observations: 47 C -1.77E E Y Y95^ R-squared Mean dependent var 2.56E+12 Adjusted R-squared S.D. dependent var 7.05E+12 S.E. of regression 4.77E+12 Akaike info criterion Sum squared resid 1.00E+27 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) H 0 : 不均一分散なし H 1 : 不均一分散 帰無仮説 : H 0 が棄却される 誤差項の不均一分散がある 235

13 Q3-3-3 テキスト P70 残差の 2 乗系列と POP の 2 乗系列の相関 Dependent Variable: RES^2 Date: 10/26/05 Time: 16:17 Sample: 1 47 Included observations: 47 POP^ R-squared Mean dependent var 2.56E+12 Adjusted R-squared S.D. dependent var 7.05E+12 S.E. of regression 3.83E+12 Akaike info criterion Sum squared resid 6.73E+26 Schwarz criterion Log likelihood Durbin-Watson stat 加重最小 2 乗法による推定 Dependent Variable: C95 Date: 10/26/05 Time: 16:20 Sample: 1 47 Included observations: 47 Weighting series: POP Y C Weighted Statistics R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 5.66E+14 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Unweighted Statistics R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid 6.48E+14 Durbin-Watson stat

14 Q3-3-4 テキスト P71 Dependent Variable: C95 Date: 10/26/05 Time: 16:21 Sample: 1 47 Included observations: 47 White Heteroskedasticity-Consistent Standard Errors & Covariance Y C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 1.20E+14 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 係数推定値は Q3-3-1 と不変 t値 = bˆ が Q3-3-1 より低く算出されている s b 237

15 演習 3 テキスト P72 Dependent Variable: I90 Date: 10/26/05 Time: 16:43 Sample: 1 46 Included observations: 46 YF KP KG C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

16 不均一分散検定 ( クロス項を考慮した場合 ) White Heteroskedasticity Test: F-statistic Prob. F(9,36) Obs*R-squared Prob. Chi-Square(9) Test Equation: Dependent Variable: RESID^2 Date: 10/26/05 Time: 16:43 Sample: 1 46 Included observations: 46 C YF YF90^ YF90*KP YF90*KG KP KP90^ KP90*KG KG KG90^ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid 2.75E+10 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

17 不均一分散の問題を解決する方法の一例 対数変換 Dependent Variable: LOG(I90) Date: 10/26/05 Time: 16:44 Sample: 1 46 Included observations: 46 LOG(YF90) LOG(KP90) LOG(KG90) C R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

18 White Heteroskedasticity Test:( 対数変換したもの ) F-statistic Prob. F(9,36) Obs*R-squared Prob. Chi-Square(9) Test Equation: Dependent Variable: RESID^2 Date: 10/26/05 Time: 16:44 Sample: 1 46 Included observations: 46 帰無仮説 : 均一分散 は棄却されない C LOG(YF90) (LOG(YF90))^ (LOG(YF90))*(LOG(KP90)) (LOG(YF90))*(LOG(KG90)) LOG(KP90) (LOG(KP90))^ (LOG(KP90))*(LOG(KG90)) LOG(KG90) (LOG(KG90))^ R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

Microsoft Word - 計量研修テキスト_第5版).doc

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

More information

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>

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

More information

<4D F736F F D20939D8C7689F090CD985F93C18EEA8D758B E646F63>

<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

More information

Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestim

Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestim TS001 Stata 11 Stata ts (ARMA) ARCH/GARCH whitepaper mwp 3 mwp-083 arch ARCH 11 mwp-051 arch postestimation 27 mwp-056 arima ARMA 35 mwp-003 arima postestimation 49 mwp-055 corrgram/ac/pac 56 mwp-009 dfgls

More information

事例研究(ミクロ経済政策・問題分析III) -規制産業と料金・価格制度-

事例研究(ミクロ経済政策・問題分析III) -規制産業と料金・価格制度- 事例研究 ( ミクロ経済政策 問題分析 III) - 規制産業と料金 価格制度 - ( 第 8 回 手法 (4) 応用データ解析 / 時系列分析 ) 2011 年 6 月 9 日 戒能一成 0. 本講の目的 ( 手法面 ) - 応用データ解析の手法のうち 時系列分析 (ARMAX, 共和分, VAR) パネルデータ分析の概要を理解する ( 内容面 ) - 計量経済学 統計学を実戦で応用する際の留意点を理解する

More information

土砂流入対策実施計画〔久著呂川〕

土砂流入対策実施計画〔久著呂川〕 22 52 12 3000 2500 2000 1500 (km 2 ) 1000 500 0 1947 1955 1977 1985 1989 1994 2000 22 30 52 60 6 12 2000 1947 2000 110 100 90 (km 2 ) 30 20 10 1947 2000 0 () ( 10 20 () 30 40 50 60 60 a b b

More information

082_rev2_utf8.pdf

082_rev2_utf8.pdf 3 1. 2. 3. 4. 5. 1 3 3 3 2008 3 2008 2008 3 2008 2008, 1 5 Lo and MacKinlay (1990a) de Jong and Nijman (1997) Cohen et al. (1983) Lo and MacKinlay (1990a b) Cohen et al. (1983) de Jong and Nijman (1997)

More information

Š§’΂Š‡è/A6212D

Š§’΂Š‡è/A6212D êêû êê ê strictions 0の帰無仮説は強く棄却されている を選択する ダイアログに制約式 このことから我が国の輸入市場は ドル建てに c 4 c 5 0 ついてみると円安 ドル高 YENDOLLの値が大 を書き入れる Eviewsは説明変数の順番をc 1 きくなる では速やかな輸入の減少をもたらして c 2 c 3 と し て 認 識 す る こ の 例 で はJIL-

More information

total[1].pdf

total[1].pdf 13 13 [] ュ ュ ュ ュ ュ ュ ュ. [] ュ ュ ュ... [] ュ ュ ュ... [] 13 00,.,.,, 03. [] ュ ュ ュ ュ ュ ュ ュ ュ ュ 13 ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ...6 1. 1.1. ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ ュ..8 1.1.1.

More information

2 3

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

More information

untitled

untitled 146,650 168,577 116,665 122,915 22,420 23,100 7,564 22,562 140,317 166,252 133,581 158,677 186 376 204 257 5,594 6,167 750 775 6,333 2,325 298 88 5,358 756 1,273 1,657 - - 23,905 23,923 1,749 489 1,309

More information

2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ]

2. 時系列分析 プラットフォームの使用法 JMP の 時系列分析 プラットフォームでは 一変量の時系列に対する分析を行うことができます この章では JMP のサンプルデ ータを用いて このプラットフォームの使用法をご説明します JMP のメニューバーより [ ヘルプ ] > [ サンプルデータ ] JMP を用いた ARIMA モデルのあてはめ SAS Institute Japan 株式会社 JMP ジャパン事業部 2013 年 2 月作成 1. はじめに JMP の時系列分析では 一変量の時系列データに対する分析や予測を行うことができ 時系列データに対するグラフ表示 時系列モデルのあてはめ モデルの評価 予測まで 対話的に分析を実行することができます 時系列データにあてはめるモデルとしては

More information

43-03‘o’ì’¹‘®”q37†`51†i„¤‰ƒ…m†[…g†j.pwd

43-03‘o’ì’¹‘®”q37†`51†i„¤‰ƒ…m†[…g†j.pwd n 808 3.0 % 86.8 % 8.3 % n 24 4.1 % 54.0 % 37.5 % 0% % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90 % 0% 37.4 % 7.2 % 27.2 % 8.4 % n 648 13.6 % 18.1% 45.4 % 4.1% n 18 0% % 20 % 30 % 40 % 50 % 60 % 70 % 80 % 90

More information

7 ( 7 ( Workfile Excel hatuden 1000kWh kion_average kion_max kion_min date holiday *1 obon 7.1 Workfile 1. Workfile File - New -

7 ( 7 ( Workfile Excel hatuden 1000kWh kion_average kion_max kion_min date holiday *1 obon 7.1 Workfile 1. Workfile File - New - 1 EViews 4 2007 7 4 7 ( 2 7.1 Workfile............................................ 2 7.2........................................... 4 8 6 8.1................................................. 6 8.2................................................

More information

Microsoft Word - optical.doc

Microsoft Word - optical.doc 1 2 3 CCD () () 4 5 6 7 ) ) 8 9 10 l l l l 10-9 11 12 13 14 15 16 w h f = = W H L f W f h f 6.6 f = = H L 500 2, 000 17 Ec T R Ec = 2 2 4 F ( m + 1) Es a b m = f V m = = L f m = a f f H = C F B( H + f

More information

. 61 5,000 5,000 2 61 2 10 62 5 1 2 3 9 30 6 10 3 1 969 39 61 20 330 1040 1750 1360 57 60 1 10,000 96 5 5 94 80 5 15 5 100 82 18 2

. 61 5,000 5,000 2 61 2 10 62 5 1 2 3 9 30 6 10 3 1 969 39 61 20 330 1040 1750 1360 57 60 1 10,000 96 5 5 94 80 5 15 5 100 82 18 2 1. 2. 26 9 8 26 9 22 26 9 28 3. 26 10 1 26 12 31 4. 26 10 27 1 1 3 27 1 1 2 1 2 5. 1 1000 1,000 6. 1 10,000 A 500 11 B 500 11 1,000 A B 7. 10,000 8. 1 5 5 9. 10. 11. 1 2 1 . 61 5,000 5,000 2 61 2 10 62

More information

レイアウト 1

レイアウト 1 1 1 3 5 25 41 51 57 109 2 4 Q1 A. 93% 62% 41% 6 7 8 Q1-(1) Q2 A. 24% 13% 52% Q3 Q3 A. 68% 64 Q3-(2) Q3-(1) 9 10 A. Q3-(1) 11 A. Q3-(2) 12 A. 64% Q4 A. 47% 47% Q5 QQ A. Q Q A. 13 QQ A. 14 Q5-(1) A. Q6

More information

10_11p01(Ł\”ƒ)

10_11p01(Ł\”ƒ) q q q q q q q q q q q q q q q q q q q q q q q q q qq q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q q

More information

O1-1 O1-2 O1-3 O1-4 O3-1 O3-2 O3-3 O3-4 ES1-1 ES1-2 ES1-3 ES2-1 ES2-2 ES2-3 ES2-4 O2-1 O2-2 O2-3 O2-4 O2-5 O4-1 O4-2 O4-3 O4-4 O5-1 O5-2 O5-3 O5-4 O7-1 O7-2 O7-3 O7-4 O9-1 O9-2 O9-3 O9-4 O12-1 O12-2

More information

2004 2 µ i ν it IN(0, σ 2 ) 1 i ȳ i = β x i + µ i + ν i (2) 12 y it ȳ i = β(x it x i ) + (ν it ν i ) (3) 3 β 1 µ i µ i = ȳ i β x i (4) (least square d

2004 2 µ i ν it IN(0, σ 2 ) 1 i ȳ i = β x i + µ i + ν i (2) 12 y it ȳ i = β(x it x i ) + (ν it ν i ) (3) 3 β 1 µ i µ i = ȳ i β x i (4) (least square d 2004 1 3 3.1 1 5 1 2 3.2 1 α = 0, λ t = 0 y it = βx it + µ i + ν it (1) 1 (1995)1998Fujiki and Kitamura (1995). 2004 2 µ i ν it IN(0, σ 2 ) 1 i ȳ i = β x i + µ i + ν i (2) 12 y it ȳ i = β(x it x i ) +

More information

!!! 2!

!!! 2! 2016/5/17 (Tue) SPSS (mugiyama@l.u-tokyo.ac.jp)! !!! 2! 3! 4! !!! 5! (Population)! (Sample) 6! case, observation, individual! variable!!! 1 1 4 2 5 2 1 5 3 4 3 2 3 3 1 4 2 1 4 8 7! (1) (2) (3) (4) categorical

More information

16 41 17 22 12 10

16 41 17 22 12 10 1914 11 1897 99 16 41 17 22 12 10 11 10 18 11 2618 12 22 28 15 1912 13 191516 2,930 1914 5,100 43 1.25 11 14 25 34364511 7.54 191420 434849 72 191536 1739 17 1918 1915 60 1913 70 10 10 10 99.5 1898 19034.17.6

More information

3.ごみの減量方法.PDF

3.ごみの減量方法.PDF - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - ( 100 ( 100 - 13-123,550,846 111,195,762 92,663,135 ( 12 25 37 49.2 16 33 49 65.6 15 30 44 59.0 2.5kg) ( 5kg) ( 7.5kg) ( k ( 123,550,846 111,195,762 92,663,135 (

More information

製品案内 価格表 2014/4/1

製品案内 価格表 2014/4/1 4 (17) 3 43 5/20370/ 231(504,150) 11 12 10 14-16 10 3 100 17 100kg 5-6 3 13 3 18 18 # # # # #$$ %&$ ' ()* +,-% ' #). +,-%'% / ' # # #$ %&&&'( %)* +'(#$ #$ %&&&'( ++,-). +'(#$ #$ /'( + /0)- +'(#$ %&&&'(

More information

平成27年度三菱重工グループ保険 フルガードくん(シニア)

平成27年度三菱重工グループ保険 フルガードくん(シニア) TEL 0120-004-443 TEL 045-200-6560 TEL 042-761-2328 TEL 0120-539-022 TEL 042-762-0535 TEL 052-565-5211 TEL 077-552-9161 TEL 0120-430-372 TEL 0120-45-9898 TEL 0120-63-0051 TEL 0120-252-892 TEL 083-266-8041

More information

解析センターを知っていただく キャンペーン

解析センターを知っていただく キャンペーン 005..5 SAS 問題設定 目的 PKパラメータ (AUC,Cmax,Tmaxなど) の推定 PKパラメータの群間比較 PKパラメータのバラツキの評価! データの特徴 非反復測定値 個体につき 個の測定値しか得られない plasma concentration 非反復測定値のイメージ図 測定時点間で個体の対応がない 着目する状況 plasma concentration 経時反復測定値のイメージ図

More information

第35回中部地区英語教育学会・山梨大会 2005年6月25日

第35回中部地区英語教育学会・山梨大会 2005年6月25日 第 39 回 中 部 地 区 英 語 教 育 学 会 静 岡 大 会 2009 年 6 月 28 日 (12:20-13:10) 英 語 教 育 研 究 法 セミナー2 英 語 教 育 の 実 験 研 究 とエクセルを 使 った 統 計 処 理 酒 井 英 樹 ( 信 州 大 学 ) sakaih@shinshu-u.ac.jp http://www.urano-ken.com/research/seminar/

More information

PowerPoint プレゼンテーション

PowerPoint プレゼンテーション Partner logo サイエンス右揃え上部に配置 XLfit のご紹介 マーケティング部 15 年 3 月 23 日 概要 1. XLfit 機能の確認 - 特徴 3 Step Wizard - 主なツールについて - 主なグラフの表現 2. 実用例 % Inhibition 9 7 6 5 3 1-1 Comparison 1 Concentration 2 1. 基本編 1 特徴 (3 Step

More information

2 fukui@econ.tohoku.ac.jp http://www.econ.tohoku.ac.jp/~fukui/site.htm 200 7 Cookbook-style . (Inference) (Population) (Sample) f(x = θ = θ ) (up to parameter values) (estimation) 2 3 (multicolinearity)

More information

,.,.,,. [15],.,.,,., 2003 3 2006 2 3. 2003 3 2004 2 2004 3 2005 2, 1., 2005 3 2006 2, 1., 1,., 1,,., 1. i

,.,.,,. [15],.,.,,., 2003 3 2006 2 3. 2003 3 2004 2 2004 3 2005 2, 1., 2005 3 2006 2, 1., 1,., 1,,., 1. i 200520866 ( ) 19 1 ,.,.,,. [15],.,.,,., 2003 3 2006 2 3. 2003 3 2004 2 2004 3 2005 2, 1., 2005 3 2006 2, 1., 1,., 1,,., 1. i 1 1 1.1..................................... 1 1.2...................................

More information

Microsoft PowerPoint - 長島さん.pptx

Microsoft PowerPoint - 長島さん.pptx 2010 年 2 月 14 日 説 明 資 料 サービス 評 価 に 関 する 諸 問 題 から < 目 次 > Ⅰ. 背 景 など Ⅱ. 全 体 モデルから Ⅲ. 評 価 要 素 の 時 間 推 移 Ⅳ. 評 価 の 非 対 称 性 非 線 形 性 富 士 通 総 研 経 済 研 究 所 ( 筑 波 大 学 大 学 院 博 士 課 程 ) 長 島 直 樹 agashima2@jp.fujitsu.com

More information

p05_18_隅田116号 indd

p05_18_隅田116号 indd 金沢星稜大学論集第 44 巻第 3 号平成 23 年 3 月 5 地域性を考慮した品質調整済新築マンション価格指数空間的自己相関 不均一分散モデルによる接近 * Estimation of the New Condominium Price Index : Spatial Autocorrelated and Heteroskedastic Approach 隅田和人 ( 金沢星稜大学経済学部 )

More information

非定常時系列データのVARモデル推定について

非定常時系列データのVARモデル推定について 非定常時系列データの VAR モデル推定について 明治大学大学院商学研究科辻裕行 2010 年 12 月 18 日 要旨 単位根を含んだ非定常時系列に対する VAR モデルの推定問題を検証する 伝統的理論では 単位根が存在する時系列を分析する場合 レベルの VAR モデルで推定を行うことは望ましくなく データの階差を取ったモデルで推定を行わなければならないとされてきた しかし Sims,Stock,and

More information

1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3.....................................

1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3..................................... 1 1 3 1.1 (Frequecy Tabulatios)................................ 3 1........................................ 8 1.3........................................... 1 17.1................................................

More information

1 2 3 6 10 < > 13 16 16 4 17 13 00 15 30 5

1 2 3 6 10 < > 13 16 16 4 17 13 00 15 30 5 2004 16 3 23 q 4 21 r 1 2 3 6 10 < > 13 16 16 4 17 13 00 15 30 5 13 2 2 16 4 4 17 3 16 3 1 16 3 2 905 1438 1201 1205 1210 70 1812 25 1635 1654 3 44 47 10 10 911.18-R 1193 34 1652 4 911.107-H 1159 1685

More information

現代日本論/比較現代日本論研究演習I「統計分析の基礎」

現代日本論/比較現代日本論研究演習I「統計分析の基礎」 URL: http://tsigeto.info/statg/ 作 成 : 田 中 重 人 ( 准 教 授 ) 現 代 日 本 論 / 比 較 現 代 日 本 論 研 究 演 習 I 統 計 分 析 の 基 礎 東 北 大 学 文 学 部 / 文 学 研 究 科 :2014 年 度 前 期 < 木 2>コンピュータ 実 習 室 ( 文 学 部 本 館 7F711-2) 講 義 概 要 記 載 内 容

More information

Microsoft PowerPoint - Econometrics-2013-04-1018.pptx

Microsoft PowerPoint - Econometrics-2013-04-1018.pptx 計 量 経 済 学 講 義 第 回 記 述 統 計 の 基 礎 Part 0 年 0 8 ( ) 限 担 当 教 員 : 唐 渡 広 志 研 究 室 : 経 済 学 研 究 棟 階 号 室 email: kkarato@eco.u-toyama.ac.jp website: http://www.u-toyama.ac.jp/kkarato/ 講 義 の 目 的 般 的 なデータの 集 約 法 や

More information

まず y t を定数項だけに回帰する > levelmod = lm(topixrate~1) 次にこの出力を使って先ほどのレジームスイッチングモデルを推定する 以下のように入力する > levelswmod = msmfit(levelmod,k=,p=0,sw=c(t,t)) ここで k はレジ

まず y t を定数項だけに回帰する > levelmod = lm(topixrate~1) 次にこの出力を使って先ほどのレジームスイッチングモデルを推定する 以下のように入力する > levelswmod = msmfit(levelmod,k=,p=0,sw=c(t,t)) ここで k はレジ マルコフレジームスイッチングモデルの推定 1. マルコフレジームスイッチング (MS) モデルを推定する 1.1 パッケージ MSwM インスツールする MS モデルを推定するために R のパッケージ MSwM をインスツールする パッケージとは通常の R には含まれていない 追加的な R のコマンドの集まりのようなものである R には追加的に 600 以上のパッケージが用意されており それぞれ分析の目的に応じて標準の

More information

10:30 12:00 P.G. vs vs vs 2

10:30 12:00 P.G. vs vs vs 2 1 10:30 12:00 P.G. vs vs vs 2 LOGIT PROBIT TOBIT mean median mode CV 3 4 5 0.5 1000 6 45 7 P(A B) = P(A) + P(B) - P(A B) P(B A)=P(A B)/P(A) P(A B)=P(B A) P(A) P(A B) P(A) P(B A) P(B) P(A B) P(A) P(B) P(B

More information

2009 Aida et al. Caries Res 2006;40 2000 100 % 78.7 88.0 96.6 98.8 98.8 98.8 100.0 100.0 100 75 69.4 50 75.3 74.8 73.3 73.1 73.0 72.4 71.8 71.7 51.7 40.2 69.4 68.8 73.6 25 22.3 32.8 21.9 22.9 22.1

More information

June 2016 i (statistics) F Excel Numbers, OpenOffice/LibreOffice Calc ii *1 VAR STDEV 1 SPSS SAS R *2 R R R R *1 Excel, Numbers, Microsoft Office, Apple iwork, *2 R GNU GNU R iii URL http://ruby.kyoto-wu.ac.jp/statistics/training/

More information

5 5.1 A B mm 0.1mm Nominal Scale 74

5 5.1 A B mm 0.1mm Nominal Scale 74 5 73 5 5.1 A B 2 1 2 1mm 0.1mm 5.1.1 Nominal Scale 74 5.2. Calc 5.1.2 Ordinal Scale (1) (2) (3) (4) (5) 5 1 5 1 5 4 5-2 -1 0 1 2 1 5 15 25 55 1 1 2 3 4 5 1 5.1.3 5.1.3 Interval Scale 100 80 20 80 100 5

More information

2 ZERO07 11 4 DNA

2 ZERO07 11 4 DNA 1 2 ZERO07 11 4 DNA http://www7a.biglobe.ne.jp/~hakatabay/tvsyoukai353.pdf 3 4 5 5 6 7 8 http://ja.wikipedia.org/wiki/%e5%85%ab%e5%8d%a6 http://ryugen.exblog.jp/12094785 9 10 11 23-1 1-3 3-5 5-7 7-9 9-11

More information

ブック

ブック ARMA Estimation on Process of ARMA Time Series Model Sanno University Bulletin Vol.26 No. 2 February 2006 ARMA Estimation on Process of ARMA Time Series Model Many papers and books have been published

More information

untitled

untitled 21 H22 H20 H19 H20 H19 H21 H21 H17 H21 L=650m W=16m H21 L=355m H19 L=770m 15 8 1 (1) 42 118,607.62 118,606.34 1.28 18,748.35 18,748.31 0.04 2,845.58 2,845.48 0.10 1.42 40 40 18.89 0.65 1.44 20.98

More information

Hsiao (2003, 6 ) Maddala, Li, Trost and Joutz (1997) Hsiao and Pesaran (2004) 4.2 y it = γy it 1 + x itβ + ε it i = 1, 2,..., N t = 1, 2,...T (

Hsiao (2003, 6 ) Maddala, Li, Trost and Joutz (1997) Hsiao and Pesaran (2004) 4.2 y it = γy it 1 + x itβ + ε it i = 1, 2,..., N t = 1, 2,...T ( 2004 1 4 4.1 Balestra and Nerlove (1966) 1960 1980 (GMM) Arellano and Bond (1991) Arellano (2003) N T N T Smith and Fuerter (2004) 1 (the random coefficient model) 1 1995 2001 Singer and Willett (2003

More information

摂南経済研究第 2 巻第 1 2 号 (2012) 1 はじめに 一般的に 地価形成の要因分析や地価水準の変動 特定地点の地価の予測等を行う場合 ヘドニック回帰モデルが用いられる ヘドニック アプローチは 財 サービスの有する各品質の合成がその価格を与えると考えるものである したがって 土地や不動産

摂南経済研究第 2 巻第 1 2 号 (2012) 1 はじめに 一般的に 地価形成の要因分析や地価水準の変動 特定地点の地価の予測等を行う場合 ヘドニック回帰モデルが用いられる ヘドニック アプローチは 財 サービスの有する各品質の合成がその価格を与えると考えるものである したがって 土地や不動産 摂南経済研究第 2 巻第 1 2 号 (2012),1-20ページ 小地域別地価水準のローカル回帰モデル推定 ~ 埼玉県さいたま市を例として 研究論文 小地域別地価水準のローカル回帰モデル推定 ~ 埼玉県さいたま市を例として 植杉 大 Local Model Estimation of Land Price Level in Each Small Area: A Case Study in Saitama

More information

Yahoo

Yahoo - 1 - - 2 - (1) (3) (4) (2) (5) (6) (7) (8) (10) (9) (12) (11) - 3 - - 4 - - 5 - - 6 - - 7 - - 8 - - 9 - - 10 - - 11 - - 12 - POP POP - 13 - - 14 - - 15 - - 16 - - 17 - - 18 - - 19 - - 20 - - 21 - - 22

More information

- 2 -

- 2 - 計算機工学 第1回 計算機利用の基礎1 計算機の仕組み 1 1 計算機はどのようなハードウェアによって構成されているのか 1 2 計算機の五大装置 制御の流れ データの流れ 制御装置 記憶装置に記録されているプログラムを解読し その指示に従ってその他の装置 を制御する 演算装置 四則演算 条件判断 論理演算を行う 上記2つを合わせて CPU(Central Processing Unit)と呼ぶ 記憶装置

More information

<4D6963726F736F667420576F7264202D204850835483938376838B8379815B83578B6594BB2D834A836F815B82D082C88C60202E646F63>

<4D6963726F736F667420576F7264202D204850835483938376838B8379815B83578B6594BB2D834A836F815B82D082C88C60202E646F63> 例 題 で 学 ぶ Excel 統 計 入 門 第 2 版 サンプルページ この 本 の 定 価 判 型 などは, 以 下 の URL からご 覧 いただけます. http://www.morikita.co.jp/books/mid/084302 このサンプルページの 内 容 は, 第 2 版 発 行 当 時 のものです. i 2 9 2 Web 2 Excel Excel Excel 11 Excel

More information

Microsoft Word - 研究デザインと統計学.doc

Microsoft Word - 研究デザインと統計学.doc Study design and the statistical basics Originality Accuracy Objectivity Verifiability Readability perfect Interdisciplinary Sciences Health Science 2014.12.25 2 1. 7 2. 7 3. Bias8 4. random sampling8

More information

SET 5V RESET 1 1-1 SET SET SET SET SET SET 1-2 SET 1-3 SET SET 5V RESE SET AP MODE RT 5V 1-4 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 1 2 3 4 5 1 2 3 4 5 6 1 2 3 4 5

More information

今日の要点 あぶない 時系列データ解析は やめましょう! 統計モデル のあてはめ (危 1) 時系列データの GLM あてはめ (危 2) 時系列Yt 時系列 Xt 各時刻の個体数 気温 とか

今日の要点 あぶない 時系列データ解析は やめましょう! 統計モデル のあてはめ (危 1) 時系列データの GLM あてはめ (危 2) 時系列Yt 時系列 Xt 各時刻の個体数 気温 とか 時系列データ解析でよく見る あぶない モデリング 久保拓弥 (北海道大 環境科学) 1/56 今日の要点 あぶない 時系列データ解析は やめましょう! 統計モデル のあてはめ (危 1) 時系列データの GLM あてはめ (危 2) 時系列Yt 時系列 Xt 各時刻の個体数 気温 とか (危 1) 時系列データを GLM で (危 2) 時系列Yt 時系列 Xt 相関は因果関係ではない 問題の一部

More information

4-3-1-2 2) 4-2 1974 10 824 46,000 4 8 4-2 1974 10 4-3-1-3 1) 2002 3 4-3-1-4 3) 4-3 2004 12 104 4-3 2004 12 26

4-3-1-2 2) 4-2 1974 10 824 46,000 4 8 4-2 1974 10 4-3-1-3 1) 2002 3 4-3-1-4 3) 4-3 2004 12 104 4-3 2004 12 26 4-1 3 4-2 WEB WEB 4-3 4-3-1 4-3-1-1 1) 4-1 9 50 7 4-1 25 4-3-1-2 2) 4-2 1974 10 824 46,000 4 8 4-2 1974 10 4-3-1-3 1) 2002 3 4-3-1-4 3) 4-3 2004 12 104 4-3 2004 12 26 4-3-1-5 2) 4-3-1-6 WEB 16 8 11 4-3-1-7

More information

OpRisk VaR3.2 Presentation

OpRisk VaR3.2 Presentation オペレーショナル リスク VaR 計量の実施例 2009 年 5 月 SAS Institute Japan 株式会社 RI ビジネス開発部羽柴利明 オペレーショナル リスク計量の枠組み SAS OpRisk VaR の例 損失情報スケーリング計量単位の設定分布推定各種調整 VaR 計量 内部損失データ スケーリング 頻度分布 規模分布 分布の補正相関調整外部データによる分布の補正 損失シナリオ 分布の統合モンテカルロシミュレーション

More information

SD-6

SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 ⅡⅡ / / SD-6 SD-6 SD-6 SD-6 SD-6 / SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 / SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6 SD-6

More information

平成13年度日本分析センター年報

平成13年度日本分析センター年報 200 150 70 234 Bq m 3 1 148 Bq m -3 100 0 550 0 11/1 0:00 am 11/2 0:00 am 11/3 0:00 am 25 20 15 10 11/1 0:00 am 11/2 0:00 am 11/3 0:00 am 39.2 Bq m -3 11/4 0:00 am 30 990 19.3 Bq m -3 60 15.8 Bq m -3 14.1

More information