Ökonometrie verstehen mit Gretl: Eine Einführung mit Anwendungsbeispielen

488 Pages·2019·20.028 MB·German

by  Jürgen Malitte, Sven Schreiber

Jürgen Malitte
Sven Schreiber
Ökonometrie
verstehen
mit Gretl
Eine Einführung
mit Anwendungs beispielen
Ökonometrie verstehen mit Gretl
Jürgen Malitte · Sven Schreiber
Ökonometrie verstehen
mit Gretl
Eine Einführung mit Anwendungsbeispielen
Jürgen Malitte Sven Schreiber
Solingen, Deutschland Berlin, Deutschland
ISBN 978-3-662-58274-9 ISBN 978-3-662-58275-6 (eBook)
https://doi.org/10.1007/978-3-662-58275-6
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detail-
lierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
Springer Gabler
© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung, die nicht
ausdrücklich vom Urheberrechtsgesetz zugelassen ist, bedarf der vorherigen Zustimmung des Verlags.
Das gilt insbesondere für Vervielfältigungen, Bearbeitungen, Übersetzungen, Mikroverfilmungen und die
Einspeicherung und Verarbeitung in elektronischen Systemen.
Die Wiedergabe von allgemein beschreibenden Bezeichnungen, Marken, Unternehmensnamen etc. in diesem
Werk bedeutet nicht, dass diese frei durch jedermann benutzt werden dürfen. Die Berechtigung zur Benutzung
unterliegt, auch ohne gesonderten Hinweis hierzu, den Regeln des Markenrechts. Die Rechte des jeweiligen
Zeicheninhabers sind zu beachten.
Der Verlag, die Autoren und die Herausgeber gehen davon aus, dass die Angaben und Informationen in
diesem Werk zum Zeitpunkt der Veröffentlichung vollständig und korrekt sind. Weder der Verlag, noch
die Autoren oder die Herausgeber übernehmen, ausdrücklich oder implizit, Gewähr für den Inhalt des
Werkes, etwaige Fehler oder Äußerungen. Der Verlag bleibt im Hinblick auf geografische Zuordnungen und
Gebietsbezeichnungen in veröffentlichten Karten und Institutionsadressen neutral.
Springer Gabler ist ein Imprint der eingetragenen Gesellschaft Springer-Verlag GmbH, DE und ist ein Teil von
Springer Nature
Die Anschrift der Gesellschaft ist: Heidelberger Platz 3, 14197 Berlin, Germany
Vorwort
DerBegriff„Ökonometrie“wurdevonRagnarFrischundJosephSchumpeterEndederzwan-
ziger Jahre entwickelt und führte zur Gründung der „Econometric Society“ im Jahr 1930.
DieseGesellschaftgibtseit1933auchdieZeitschrift„Econometrica“heraus,inderwegwei-
sendeArbeitenveröffentlichtwurden.
ÖkonometrischeMethoden(wozuvorallemdieRegressionsanalysezählt)werdenu.a.in
derVolks-undBetriebswirtschaftslehreverwendet.DieVerfügbarkeitumfangreicherDaten-
mengen aus dem wirtschafts- und gesellschaftswissenschaftlichen Bereich ermöglicht die
empirische (datengestützte) Analyse von vermuteten Beziehungen zwischen Ursache und
Wirkung,derenPlausibilitätuntersuchtundmitHilfeökonometrischerSoftwarepaketeent-
wedervalidiertoderverworfenwerdenkann.
Die Auswahl an entsprechender Software ist groß. Die Autoren haben sich schließlich
für die Software Gretl entschieden, die als Open Source frei im Internet verfügbar ist und
sehr viele Schätz- und Testverfahren der Ökonometrie beeinhaltet. Aus dem Open Source-
Konzept ergibt sich eine breite Unterstützung in der Weiterentwicklung und Verbesserung
derSoftware.
Der Name Gretl ist ein Akronym für Gnu Regression, Econometrics and Time-series
Library. Initiator und einer der hauptverantwortlichen Autoren von Gretl ist Allin Cottrell,
ProfessorfürWirtschaftswissenschaftanderWakeForestUniversity,NorthCarolina(USA).
DieseEinführungindieÖkonometrieistdahergleichzeitigeineEinführungindieHand-
habungvonGretl,genauer:indieHandhabungdergrafischenBenutzeroberflächeundinden
Umgang mit einer mächtigen Skriptsprache namens Hansl, die alle wesentlichen Stilmittel
einerherkömmlichenProgrammiersprachebeinhaltet,aberdennochleichtzuerlernenist.Die
wesentlichenökonometrischenKonzeptewerdendabeidirektinGretlumgesetztunddurch
vieleBeispieleerläutert.
GretlbesitzteinesehrbenutzerfreundlichegrafischeOberfläche,dieinverschiedenenSpra-
chenverfügbarist.ZusätzlichstehteineSkriptsprachezurVerfügung,mitderderBenutzer
sehrflexibleAuswertungendesDatenbestandsvornehmenkann.
Um den Leser/die Leserin hinsichtlich der Erwartungen an dieses Buch nicht zu enttäu-
schen, soll kurz dargestellt werden, was dieses Buch leistet bzw. was es nicht leisten kann.
ZunächstdarfkeineausführlicheBeschreibungdergesamtenangebotenenFunktionalitäter-
wartet werden, die Gretl bietet. Dazu wird auf das Handbuch und die Befehls- bzw. Funk-
tionsreferenzinenglischerSpracheverwiesen.DasBuchsolldenLeser/dieLeserinaberin
den Stand versetzen, die grundlegenden Konzepte der Ökonometrie zu verstehen und unter
HeranziehungdervonGretlangebotenenWerkzeugezubearbeiten.
DasBuchrichtetsichandiejenigen,diealsStudenten/Studentinnenderwirtschaftswissen-
schaftlichen Fachrichtungen eine Vorlesung zur Ökonometrie besuchen oder bereits Kennt-
vi Vorwort
nisseüberdieGrundlagenderÖkonometriebesitzenundeinegeeigneteSoftwarefürregres-
sionsanalytischeUntersuchungeneinsetzenwollen.
Das vorliegende Buch ist in zwei Teile aufgeteilt. Der erste Teil vermittelt die grundle-
genden Basiskenntnisse im Umgang mit Gretl. Dazu gehört die Vorstellung der grafischen
Benutzeroberfläche(GUI)undeineEinführungindieSkriptsprachemitihrenverschiedenen
DatentypenundKontrollstrukturen.AußerdemwerdeneinigewichtigeAspekteimHinblick
aufdieBearbeitungvonDatenbeständenthematisiert,wobeiderenunterschiedlicheStruktur
berücksichtigtwird(Querschnittsdaten,ZeitreihenundPanels).
Der zweite Teil behandelt die klassischen Themengebiete der Ökonometrie, beginnend
mit dem einfachen Regressionsmodell. Anschließend wird das multiple Regressionsmodell
vorgestellt, wobei im Haupttext auf eine matrixbezogene Notation verzichtet wird. Der Be-
handlung von Matrizen im allgemeinen und innerhalb von Gretl ist im Anhang ein eigenes
Kapitel gewidmet. Dies erscheint angebracht, weil Gretl viele Werkzeuge zur Verarbeitung
von Matrizen anbietet. Ökonometrie ist nicht allein auf die Analyse von Querschnittsdaten
beschränkt, sondern umfasst auch die Analyse von Zeitreihen und Paneldaten. Aus diesem
GrundwurdenzusätzlicheKapitelzudiesenThemenkreiseninsBuchaufgenommen.
AnvielenStellenwerdenQuerverweiseinderForm„+sieheAbschnitt<Abschnittsnum-
mer>“ aufgenommen. Sie verweisen den Leser/die Leserin auf andere Stellen im Buch, an
deneneinbestimmterGedankengangweitergeführtwird,weileranderaktuellenStellenicht
vertieftdargestelltwerdenkann.
DieAutorenhoffen,mitdieserKonzeptionzueinerIntegrationvonökonometrischerMetho-
denausbildung und datenorientierter Umsetzung beizutragen und wünschen den Leserinnen
undLesernvielSpaßbeiderLektüresowieErfolgbeiderAnwendung.
SolingenundBerlin,2019
Inhaltsverzeichnis
Vorwort v
I. EinführungindenUmgangmitGretl 1
1. ErsteSchritte–Datentypen–Kommandosprache 3
1.1 DieInstallation . . . . . . . . . . . . . . . . . . . . . 3
1.2 DurchführungeinerGretl-Sitzung . . . . . . . . . . . . . . . 6
1.3 DieKommandosprache . . . . . . . . . . . . . . . . . . 18
1.3.1 DerGretl-Skripteditor . . . . . . . . . . . . . . . . 19
1.3.2 SyntaxregelnderKommandosprache . . . . . . . . . . . 22
1.4 DatentypenundKontrollstrukturen . . . . . . . . . . . . . . 25
1.4.1 scalar . . . . . . . . . . . . . . . . . . . . . 25
1.4.2 KontrollstrukturVerzweigung(if) . . . . . . . . . . . . 27
1.4.3 series. . . . . . . . . . . . . . . . . . . . . . 29
1.4.4 KontrollstrukturWiederholung(loop) . . . . . . . . . . . 34
1.4.5 list . . . . . . . . . . . . . . . . . . . . . . 39
1.4.6 matrix . . . . . . . . . . . . . . . . . . . . . 44
1.4.7 string. . . . . . . . . . . . . . . . . . . . . . 48
1.4.8 bundle . . . . . . . . . . . . . . . . . . . . . 50
1.4.9 ArbeitenmitArrays. . . . . . . . . . . . . . . . . 51
2. VomUmgangmitDatasets 53
2.1 DieStrukturvonDatasets–Querschnitte,Zeitreihen,Panels . . . . . . 53
2.1.1 Querschnittsdaten . . . . . . . . . . . . . . . . . 54
2.1.2 Zeitreihendaten . . . . . . . . . . . . . . . . . . 54
2.1.3 Paneldaten . . . . . . . . . . . . . . . . . . . . 56
2.1.4 DateneingabeüberdasGretl-Spreadsheet. . . . . . . . . . 58
2.2 ImportierenvonDaten. . . . . . . . . . . . . . . . . . . 62
2.2.1 DatenimportüberdiegrafischeOberfläche . . . . . . . . . 63
2.2.2 DatenimportundBearbeitungderDatenstrukturimSkript . . . . 68
2.2.3 ErweiternundZusammenführenvonDatasetsmitjoin . . . . . 74
2.3 BearbeitungvonDatasets. . . . . . . . . . . . . . . . . . 85
2.3.1 StatistischeKennzahlenvonDatasetvariablen . . . . . . . . 86
2.3.2 AggregierteAuswertungen . . . . . . . . . . . . . . 89
2.3.3 DerUmgangmitfehlendenWerten. . . . . . . . . . . . 92
2.3.4 AuswahlvonTeilstichproben(subsampling). . . . . . . . . 94
viii Inhaltsverzeichnis
2.3.5 DiskreteDatasetvariablenundderenVerarbeitung . . . . . . . 100
2.4 DieErstellungvonGrafiken. . . . . . . . . . . . . . . . . 104
2.4.1 Boxplot . . . . . . . . . . . . . . . . . . . . . 105
2.4.2 Streudiagramme . . . . . . . . . . . . . . . . . . 108
2.4.3 Häufigkeitsdiagramme . . . . . . . . . . . . . . . . 109
2.4.4 GrafikerzeugungmitdemKommandognuplot . . . . . . . . 111
3. DieGretl-Sitzung 115
3.1 KomponentenderGretl-Sitzung . . . . . . . . . . . . . . . 115
3.2 VerwaltungderSitzungsdateninderSymbolansicht . . . . . . . . . 117
3.3 VerwaltungvonSitzungsdatenimSkript. . . . . . . . . . . . . 121
II. DieAnalyseökonometrischerModellemitGretl 123
4. RegressionsanalysevonQuerschnittsdaten 125
4.1 ModellbildunginderÖkonometrie . . . . . . . . . . . . . . 125
4.2 DaseinfachelineareRegressionsmodell . . . . . . . . . . . . . 128
4.2.1 DefinitiondesModellsundBegriffsbildung . . . . . . . . . 128
4.2.2 SchätzungderParametermitderKQ-Methode . . . . . . . . 132
4.2.3 AnalyseundAuswertungderModellschätzung . . . . . . . . 142
4.2.4 WahrscheinlichkeitsverteilungenderKQ-Schätzer. . . . . . . 145
4.2.5 IntervallschätzungdesParametersb . . . . . . . . . . . 155
4.2.6 SignifikanzderKQ-Schätzer–Hypothesentest . . . . . . . . 166
4.2.7 GütederModellanpassung:dasBestimmtheitsmaß . . . . . . 171
4.2.8 GrundannahmendeseinfachenlinearenRegressionsmodells . . . 176
4.2.9 UnverzerrtheitundEffizienzderKQ-Schätzer . . . . . . . . 181
4.3 NichtlineareModelleundTransformationenvonVariablen. . . . . . . 184
4.3.1 LinearitätundNichtlinearität. . . . . . . . . . . . . . 185
4.3.2 ModellemitlogarithmischenTransformationen. . . . . . . . 186
4.3.3 ModellemitpolynomialerStruktur . . . . . . . . . . . . 198
4.4 DasmultiplelineareRegressionsmodell . . . . . . . . . . . . . 201
4.4.1 EigenschaftendesmultiplenRegressionsmodells . . . . . . . 202
4.4.2 SchätzungvonModellenmitmehrerenRegressoren . . . . . . 206
4.4.3 KQ-SchätzungenmitDummyvariablen . . . . . . . . . . 208
4.4.4 AutonomeVariationundBestimmtheitsmaß . . . . . . . . . 215
4.4.5 GrundannahmendesmultiplenRegressionsmodells . . . . . . 221
4.4.6 ErwartungswertundVarianzderKQ-Schätzeraˆ undbˆ . . . . . 223
i
4.4.7 HypothesentestimmultiplenRegressionsmodell . . . . . . . 229
4.4.8 KonfidenzintervalleundKonfidenzellipse. . . . . . . . . . 238
Inhaltsverzeichnis ix
5. ProblemederModellbildungundMaßnahmenzurQualitätssteigerung 243
5.1 DieAnalysedesgeschätztenModells. . . . . . . . . . . . . . 243
5.1.1 KollinearitätderRegressorenundAuslassenrelevanterVariablen. . 245
5.1.2 MaßzahlenderModellgüteundModellselektion . . . . . . . 251
5.1.3 EinflussreicheBeobachtungen . . . . . . . . . . . . . 255
5.1.4 TestszurUntersuchungderSpezifikationvonModellen . . . . . 259
5.1.4.1 EinFehlspezifikationstest–RamseysRESET-Test . . . . . 261
5.1.4.2 TestaufStrukturbrüche–DerChow-Test . . . . . . . . 264
5.2 TestszudenModellannahmen . . . . . . . . . . . . . . . . 272
5.2.1 NormalverteilungderStörgrößen . . . . . . . . . . . . 272
5.2.2 HeteroskedastizitätderStörgrößen . . . . . . . . . . . . 275
5.2.3 White-Test . . . . . . . . . . . . . . . . . . . . 278
5.2.4 SchätzverfahrenbeimAuftretenvonHeteroskedastizität . . . . . 283
5.3 EndogenitätvonRegressoren . . . . . . . . . . . . . . . . 288
5.3.1 UrsachenfürdasAuftretenvonEndogenität. . . . . . . . . 289
5.3.2 EndogenitätundInstrumentvariablenschätzung(IV) . . . . . . 292
5.3.2.1 GrundideederIV-Schätzung . . . . . . . . . . . . 292
5.3.2.2 EigenschaftenderIV-Schätzer. . . . . . . . . . . . 295
5.3.2.3 DasallgemeineIV-Regressionsmodell . . . . . . . . . 305
5.3.2.4 TestderInstrumenteundHausman-Test . . . . . . . . 310
5.3.3 SimultaneökonometrischeModelle. . . . . . . . . . . . 313
6. RegressionsanalysevonZeitreihen 321
6.1 GrundkonzeptederZeitreihenanalyse. . . . . . . . . . . . . . 322
6.2 AutokorrelationderStörgrößen. . . . . . . . . . . . . . . . 324
6.2.1 EinführendesBeispiel:ZusammenhangBIPundArbeitslosigkeit . . 325
6.2.2 DerautoregressiveProzessderStörgrößen . . . . . . . . . 331
6.2.3 DerDurbin-Watson-Test . . . . . . . . . . . . . . . 333
6.2.4 DerBreusch-Godfrey-Test. . . . . . . . . . . . . . . 335
6.2.5 SchätzverfahrenbeimAuftretenvonAutokorrelation . . . . . . 337
6.3 BesonderheitenvonZeitreihen . . . . . . . . . . . . . . . . 342
6.3.1 StationäreProzesse . . . . . . . . . . . . . . . . . 342
6.3.2 NichtstationäreProzesse . . . . . . . . . . . . . . . 344
6.3.2.1 Saisonmuster . . . . . . . . . . . . . . . . . 345
6.3.2.2 ZeitreihenmiteinemstochastischenTrend. . . . . . . . 347
6.3.2.3 ZeitreihenmiteinemdeterministischenTrend. . . . . . . 351
6.3.2.4 EliminiereneinesTrends . . . . . . . . . . . . . 355
6.3.2.5 DasProblemderScheinregression . . . . . . . . . . 359
6.3.3 TestsaufEinheitswurzel–(erweiterter)Dickey-Fuller-Test . . . . 361
6.3.4 KointegrationzwischennichtstationärenZeitreihen . . . . . . 367
6.4 ModellemitzeitlichverzögertenRegressoren . . . . . . . . . . . 375
6.4.1 Modelle mit Verzögerungen der endogenen und erklärenden Varia-
blen(ARDL) . . . . . . . . . . . . . . . . . . . 375
x Inhaltsverzeichnis
6.4.2 Fehlerkorrekturmodelle(ECM) . . . . . . . . . . . . . 382
7. RegressionsanalysevonPanel-Daten 389
7.1 SchätzungvonPanelmodellen . . . . . . . . . . . . . . . . 389
7.2 DasFixed-Effects-Modell . . . . . . . . . . . . . . . . . 395
7.3 DasRandom-Effects-Modell . . . . . . . . . . . . . . . . 401
III.Anhang 407
A. MatrixbasierteDarstellungderallgemeinenRegressionsanalyse 409
A.1 GrundlagenderMatrixbearbeitung. . . . . . . . . . . . . . . 409
A.2 MatrixbearbeitunginGretl . . . . . . . . . . . . . . . . . 417
A.3 MatrixnotationdesallgemeinenRegressionsmodells. . . . . . . . . 422
A.3.1 ParameterschätzerundderenVarianzen . . . . . . . . . . 423
A.3.2 HeteroskedastizitätderStörgrößen . . . . . . . . . . . . 432
A.3.3 AutokorrelationderStörgrößen . . . . . . . . . . . . . 437
A.3.4 EndogenitätvonRegressoren. . . . . . . . . . . . . . 442
B. ÜbersichtderGretl-FunktionenundKommandos 445
B.1 AllgemeineKommandos . . . . . . . . . . . . . . . . . . 445
B.2 MathematischeundstatistischeFunktionen. . . . . . . . . . . . 447
B.3 VerarbeitungvonZeichenketten . . . . . . . . . . . . . . . 450
B.4 KommandosundFunktionenfürDatasets . . . . . . . . . . . . 452
B.5 MatrixbezogeneFunktionen. . . . . . . . . . . . . . . . . 461
B.6 ModellbezogeneFunktionen. . . . . . . . . . . . . . . . . 464
B.7 KommandosfürdieDurchführungvonTests . . . . . . . . . . . 466
B.8 KommandosfürdieDurchführungvonSchätzungen. . . . . . . . . 468
B.9 FunktionspaketevonanderenNutzern . . . . . . . . . . . . . 469
C. StatistischeVerteilungenundTabellen 471
C.1 Normal-,Chi-Quadrat-,t-undF-Verteilungen . . . . . . . . . . . 471
C.2 Dickey-FullerundEngle-GrangerkritischeWerte. . . . . . . . . . 476
D. VerwendeteDatasets 477
Literatur 479
Index 481