1

Badania preferencji, 2012/2013, cw. 2

1

Badania preferencji (ćwiczenia)

Studia stacjonarne II stopnia

Kierunek: Ekonomia, Zarządzanie
II rok, III semestr (zimowy)

Dr hab. Andrzej Bąk, prof. UE

Katedra Ekonometrii i Informatyki
Konsultacje:

piątki, 9.00-11.00, A82

email:

[e-mail]

www:

http://www.ezit.ue.wroc.pl/

Wydział EZiT

http://keii.ue.wroc.pl

Katedra EiI

2

Badania preferencji, 2012/2013, cw. 2

Spis treści

1. Preferencje

2. Mikroekonometria

3. Modele dwumianowe i ich estymacja w programie R

4. Modele klas ukrytych i ich estymacja w programie R

5. Przykłady

Mikroekonometryczne modele
badania preferencji

3

Badania preferencji, 2012/2013, cw. 2

Preferencje

Homo oeconomicus

– koncepcja racjonalnego wyboru (A. Smith 1723-1790)

Teoria perspektywy

– współczesna krytyka modelu homo oeconomicus (D. Kahneman

i A. Tversky, 1979)

Użyteczność

– miara zaspokojenia potrzeb i uzasadnienie dokonywanych wyborów

Preferencje

– zdolność konsumenta do porządkowania i wyboru produktów lub usług

oferowanych na rynku na określonych warunkach

Kategoria

preferencji

służy do pomiaru (kwantyfikacji) użyteczności

Preferencje ujawnione

– stanowią odbicie rzeczywistych decyzji rynkowych

konsumentów

Preferencje wyrażone

– dotyczą hipotetycznych (deklarowanych) zachowań

rynkowych konsumentów

4

Badania preferencji, 2012/2013, cw. 2

Mikroekonometria

Cechy wyróżniające mikroekonometrię



badanie zachowań ekonomicznych jednostek (konsumentów, gospodarstw
domowych, firm)



analiza mikrodanych na poziomie indywidualnym (jednostkowym)



niski poziom agregacji mikrodanych



możliwość zaobserwowania zjawisk lub zdarzeń nie widocznych w danych
zagregowanych



nieliniowy rozkład obserwacji



wykorzystywanie nieliniowych modeli i metod estymacji



niejednorodność obserwacji (heterogeniczność badanych jednostek)



duża liczba obserwacji (masowość mikrodanych)



przekrojowy charakter mikrodanych

5

Badania preferencji, 2012/2013, cw. 2

Mikroekonometria

Modele mikroekonometryczne

1.

Modele dwumianowe



modele liniowe prawdopodobieństwa



modele logitowe i probitowe



modele komplementarne log-log



modele log-liniowe (tablice kontyngencji)

2.

Modele wielomianowe



kategorii nieuporządkowanych (np.

model wyborów dyskretnych

)



kategorii uporządkowanych

3.

Modele klas ukrytych

4.

Modele przeżycia (trwania)

5.

Modele zmiennych ograniczonych

6

Badania preferencji, 2012/2013, cw. 2

Modele dwumianowe

Estymacja modeli dwumianowych

W estymacji modeli dwumianowych wykorzystuje się koncepcję uogólnionych modeli

liniowych (

GLM

– Generalized Linear Models)

Cechy GLM



w modelu mogą występować zmienne dyskretne i zmienne ciągłe



w modelu można uwzględnić wiele zmiennych objaśnianych



można stosować transformacje liniowe zmiennych o rozkładach nieliniowych (np.
logitową, probitową)



można uwzględnić rozkłady inne niż normalny, w szczególności rozkłady
dyskretne (np. dwumianowe)



można szacować model w przypadku współliniowości zmiennych (gdy nie istnieje
macierz odwrotna X’X, to wyznacza się tzw. uogólnioną macierz odwrotną)

7

Badania preferencji, 2012/2013, cw. 2

Modele dwumianowe

Ogólny model liniowy (GLM) — wybrane transformacje

8

Badania preferencji, 2012/2013, cw. 2

Modele dwumianowe

Ogólny model liniowy (GLM) w programie R

9

Badania preferencji, 2012/2013, cw. 2

Modele klas ukrytych

10

Badania preferencji, 2012/2013, cw. 2

Modele klas ukrytych

11

Badania preferencji, 2012/2013, cw. 2

Modele klas ukrytych

12

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 1 – modele dwumianowe

13

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 1a – modele dwumianowe

(

liniowy, logitowy, probitowy

) z jedną zmienną objaśniającą (

płeć

)

14

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 1a – modele dwumianowe

(

liniowy, logitowy, probitowy

) z jedną zmienną objaśniającą (

płeć

)

k

m

0

.0

0

.2

0

.4

0

.6

0

.8

1

.0

płeć

p

ra

w

d

o

p

o

d

o

b

ie

ń

st

w

a

logitowy

probitowy

liniowy

„

Zły” model

15

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 1b – modele dwumianowe

(

logit, probit, clog-log

) z dwiema zmiennymi objaśniającymi niemetryczną

i metryczną (

płeć, waga

)

16

Badania preferencji, 2012/2013, cw. 2

Przykład

waga

p

ra

w

d

o

p

o

d

o

b

ie

ń

st

w

o

50

60

70

80

90

100

110

0

.0

0

.2

0

.4

0

.6

0

.8

1

.0

kobiety
mężczyźni

logit
probit
cloglog

Przykład 1b – modele dwumianowe

(

logit, probit, clog-log

) z dwiema zmiennymi objaśniającymi niemetryczną

i metryczną (

płeć, waga

)

17

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 1c – model dwumianowy

(

logit

) z trzema zmiennymi objaśniającymi (

płeć, waga, wzrost

) jedną

niemetryczną i dwiema metrycznymi (

płeć, waga, wzrost

) oraz interakcjami między zmiennymi metrycznymi

interakcja

18

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 1c – model dwumianowy

(

logit

) z trzema zmiennymi objaśniającymi (

płeć, waga, wzrost

) jedną

niemetryczną i dwiema metrycznymi (

płeć, waga, wzrost

) oraz interakcjami między zmiennymi metrycznymi

wag

a

w

zr

o

st

pr

aw

do

po

do

bie

ńst

w

o

kobiety

wag

a

60

70

80

90

100

w

zr

o

st

160

170

180

190

200

pr

aw

do

po

do

bie

ńst

w

o

0.2

0.4

0.6

0.8

mężczyźni

19

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2 – model klas ukrytych

(bez zmiennych towarzyszących, zmienne obserwowane dychotomiczne)

Odpowiedzi na
pytania mierzone na
skali dychotomicznej
(są to zmienne
obserwowane)

20

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2 – model klas ukrytych

(bez zmiennych towarzyszących, zmienne obserwowane dychotomiczne)

21

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2 – model klas ukrytych

(bez zmiennych towarzyszących, zmienne obserwowane dychotomiczne)

22

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2 – model klas ukrytych

(bez zmiennych towarzyszących, zmienne obserwowane dychotomiczne)

23

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2a – model klas ukrytych

(bez zmiennych towarzyszących, zmienne obserwowane politomiczne)

24

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2a – model klas ukrytych

(bez zmiennych towarzyszących, zmienne obserwowane politomiczne)

Class 1: population share = 0.579

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Class 2: population share = 0.343

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Class 3: population share = 0.078

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Klasa 1: Polska

Klasa 2: Czechy,
Słowacja

Klasa 3: Czechy,
Słowacja, Austria,
Niemcy, Włochy

25

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2a – model klas ukrytych

(ze zmienną towarzyszącą – dochód, zmienne obserwowane politomiczne)

Wybór optymalnej liczby klas i modelu na podstawie kryteriów BIC i AIC – procedura

26

Badania preferencji, 2012/2013, cw. 2

Przykład

Class 1: population share = 0.625

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Class 2: population share = 0.375

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Najlepszy model według
kryterium BIC
Podział na 2 klasy
AIC(2): 1226.693
BIC(2): 1327.249

Przykład 2a – model klas ukrytych

(ze zmienną towarzyszącą – dochód, zmienne obserwowane politomiczne)

27

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2a – model klas ukrytych

(ze zmienną towarzyszącą – dochód, zmienne obserwowane politomiczne)

Class 1: population share = 0.644

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Class 2: population share = 0.286

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Class 3: population share = 0.07

cz

sl

au

ni

wl

1

2

3

4

Manifest variables

O

u

tco

m

e

s

p

r(

o

u

tco

m

e

)

Najlepszy model według
kryterium AIC
Podział na 3 klasy
AIC(3): 1225.843
BIC(3): 1380.028

28

Badania preferencji, 2012/2013, cw. 2

Przykład

Przykład 2a – model klas ukrytych

(ze zmienną towarzyszącą – dochód, zmienne obserwowane politomiczne)

Klasa1 (64%) – niskie dochody, kraj wypoczynku poza Polską – Czechy

Klasa 2 (29%) – średnie dochody, kraj wypoczynku poza Polską – Czechy, Słowacja

Klasa 3 (7%) – wysokie dochody, kraj wypoczynku poza Polską – Czechy, Słowacja, Austria, Niemcy, Włochy

29

Badania preferencji, 2012/2013, cw. 2

Sprawdzian

30

Badania preferencji, 2012/2013, cw. 2

R – podstawy

Uruchomienie programu R (Rgui.exe)

31

Badania preferencji, 2012/2013, cw. 2

CRAN R