Ökonometrie I Lineare Restriktionen Cobb-Douglas Produktionsfunktion Q(K,L) = A Ka Lb Q: Output (value added) K: eingesetzter Kapitalbestand (capital stock) L: geleistete Arbeit (labor input) Funktion f(x) heißt homogen vom Grad r, wenn f(px)=pr f(x) Produktion mit konstanten Skalenerträgen Q(pK,pL) = A (pK)a (pL)b = pa+b Q(K,L) = p Q(K,L) d.h., die Produktionsfunktion ist homogen vom Grad 1 Die Parameter erfüllen die Beziehung (lineare Restriktion) a+ b= 1 3.12.2004 Ökonometrie I 2 Produktionsfunktion: Daten 9.5 9.0 Nach Hildebrand & Liu (1957), Aigner et al. (1977) LOGQ 8.5 8.0 7.5 7.0 6.5 6.0 10 9 LOGK 8 7 6 5 7.5 7.0 6.5 LOGL LOGQ: log(Q) LOGK: log(K) LOGL: log(L) 6.0 5.5 5.0 4.5 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 5 LOGQ 3.12.2004 Ökonometrie I 6 7 8 LOGK 9 10 4.5 5.0 5.5 6.0 6.5 7.0 7.5 LOGL 3 Lineare Restriktionen: Fragen Wenn die Annahme unterstellt wird, dass eine Restriktion, beispielsweise a + b = 1, zutrifft, wie können wir die Koeffizienten, a und b, schätzen, so dass auch die Schätzer diese Restriktion erfüllen? Wie können wir überprüfen, ob eine vermutete Restriktion auch tatsächlich zutrifft? 3.12.2004 Ökonometrie I 4 Produktionsfunktion: Forts. OLS-Anpassung von Q*=log Q = g + a log K + b log L + u (mit g = log A) gibt Qˆ * 1.17 + 0.376 log K + 0.603 log L Für die Summe der Koeffizienten ergibt sich a + b = 0.376+0.603 = 0.979 95%-iges Konfidenzintervall: 0.850 ≤ a + b ≤ 1.108 Deutlicher Hinweis auf konstante Skalenerträge! 3.12.2004 Ökonometrie I 5 Lineare Restriktionen: Notation Spezifiziertes Modell: y = Xb + u g lineare Restriktion: Hb = h H hat Ordnung gxk, h ist g-Vektor 3.12.2004 Ökonometrie I 6 Beispiel Die Koeffizienten sollen erfüllen 1. b1 + b2 = 0 2. b3 = 1 Matrixform: Hß = h mit 1 1 0 0 H , h 0 01 1 3.12.2004 Ökonometrie I 7 Beispiel Vergleich von [X: nx(k-g), Z: nxg] y = Xb + u und y = Xb + Zg + v Restriktion g = 0 oder b H 0 I g 0 g mit b g 3.12.2004 Ökonometrie I 8 Restringierte Schätzer Methoden: 1. Substitutionsmethode: Berücksichtigen der Restriktionen durch Eliminieren von Regressionskoeffizienten 2. Lagrange-Methode: Erweitern der Summe der Fehlerquadrate zur Lagrange-Funktion, Minimieren der Lagrange-Funktion 3.12.2004 Ökonometrie I 9 Produktionsfunktion: Forts. Berücksichtigen der Restriktion a + b = 1 durch Eliminieren von b = 1 – a: a a 1a Q AK L K AL L Anpassen von Q* = log Q – log L = g + a (logK-logL) + u Qˆ * 1.07 + 0.363(log K log L) Restringierte Schätzer aR = 0.363 (a = 0.376) und bR = 1- 0.363 = 0.637 (b = 0.603) 3.12.2004 Ökonometrie I 10 Lagrange-Methode Gesucht sind Schätzer für b aus y = Xb + u mit Hb=h Minimieren der Lagrange-Funktion ( , b ) ( y X b )( y X b ) ( H b h) liefert die restringierten OLS-Schätzer 1 bR b ( X X ) H H ( X X ) H ( Hb h) 1 1 Je schlechter die nicht-restringierten Schätzer die Restriktionen erfüllen, umso größer ist die Abweichung zwischen dem nicht-restringierten und dem restringierten Schätzer (die Korrektur)! 3.12.2004 Ökonometrie I 11 Konsequenzen von Restriktionen Irrtümlich restringierter OLS-Schätzer Schätzer verzerrt Minimale Varianz des Schätzer Überschätzte Varianz der Störgrößen Irrtümlich nicht restringierter OLS-Schätzer Schätzer unverzerrt Varianz des Schätzer zu groß 3.12.2004 Ökonometrie I 12 Test von Restriktionen Test von H0: Hb = h 1. Wald‘sche Teststatistik: auf Basis von d = Hb-h mit nicht-restringiertem OLS-Schätzer b: Unter H0 sollte 1 W d Var d d einen kleinen Wert haben 2. Modellvergleich mittels F-Test (siehe „Missspezifikation: Konsequenzen und Tests“) 3.12.2004 Ökonometrie I 13 Wald-Test Test von H0: Hb = h mittels Wald‘scher Teststatistik 1 1 W 2 d H X X H s 1 d 2 (g ) Die Chi-Quadrat-Verteilung gilt unter H0 näherungsweise (großes n) Die Teststatistik F = W/g ist näherungsweise F-verteilt mit g und n-k Freiheitsgraden Verwerfen von H0 bei kleinem p-Wert 3.12.2004 Ökonometrie I 14 Modellvergleich Test durch Vergleich des restringierten Modells mit dem nicht-restringierten Modell S R S n k eR eR ee n k F S g ee g F (g, n k ) Die F-Verteilung gilt unter H0 näherungsweise (großes n) Ausführen der Tests: 1. Berechnung der nicht-restringierten Schätzer b und Ermitteln von S = e'e 2. Berechnung der restringierten Schätzer bR und Ermitteln von SR = eR'eR 3. Einsetzen in F Wald‘sche Teststatistik kann man berechnen als W = gF 3.12.2004 Ökonometrie I 15 Asymptotische Tests 1. Wald-Test: überprüft, inwieweit die nicht-restringierten Schätzer die Restriktionen erfüllen 2. Lagrange-Multiplier-Test (LM-Test): untersucht, ob die Ableitung der Likelihood-Funktion (die score-Funktion), an der Stelle der restringierten Schätzer einen Wert nahe bei Null hat 3. Likelihood-Quotienten-Test (LR-Test): untersucht, ob das logarithmierte Verhältnis der Likelihood-Funktionen, die sich an der Stelle der restringierten und der nichtrestringierten Schätzer ergeben, nahe bei Null liegt Die Teststatistiken aller drei Tests folgen unter H0 näherungsweise (großes n) der Chi-QuadratVerteilung mit g Freiheitsgraden 3.12.2004 Ökonometrie I 16 Asymptotische Tests 3.12.2004 Ökonometrie I 17 Asymptotische Tests: Berechnung 1. Wald-Test: W = gF siehe oben 2. Lagrange-Multiplier-Test (LM-Test): LM n Re2 Re2:Bestimmtheitsmaß der Regression der restringierten Residuen eR auf X 3. Likelihood-Quotienten-Test (LR-Test): eR eR LR n log e e 3.12.2004 Ökonometrie I 18 Produktionsfunktion: Tests Dependent Variable: Q Method: Least Squares Date: 04/26/04 Time: 11:11 Sample: 1 27 Included observations: 27 Variable Coefficient Std. Error t-Statistic Prob. C K L 1.170644 0.375710 0.602999 0.326782 0.085346 0.125954 3.582339 4.402204 4.787457 0.0015 0.0002 0.0001 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat 3.12.2004 Wald-Test von H0: a+b=1: W=0.116, p-Wert: 0.734 0.943463 0.938751 0.188374 0.851634 8.350541 1.885989 Ökonometrie I Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Prob(F-statistic) 7.443631 0.761153 -0.396336 -0.252355 200.2489 0.000000 19