ECONOMETRIE
2020-2021
Docent: Ruben Schoonackers
, Deel 1: Inleiding
1. Wat is econometrie?
Definitie
Econometrie is een discipline binnen de economische wetenschap die als doel heeft de kwantitatieve
beschrijving te geven van de relaties tussen economische variabelen. Het overstijgt dus het
descriptieve karakter van de samenvattende statistieken.
Aan de hand van econometrie kunnen we theoretische hypotheses gaan toetsen en voorspellingen
maken. Het is een samenvoeging van economische theorie, wiskunde en statistiek.
De taak van de econometrist is kwantificering aan de hand van data.
Veel beslissingen in de economie, het bedrijfsleven en de overheid hangen af het begrijpen van
relaties tussen variabelen in de wereld om ons heen. Deze beslissingen vereisen kwantitatieve
antwoorden op kwantitatieve vragen.
Voorbeelden
− Marketing: Wat is de impact van een reclamecampagne op de verkoop van smartphones?
− Overheidsbeleid: Hoeveel mensen stoppen met roken als de accijnzen op sigaretten toenemen?
− Macro-economie: Wat is de impact van een toename van de investeringen in R&D op
economische groei?
− Monetair beleid: Wat is de impact van een renteverlaging door de ECB op inflatie?
− Wat is de impact van scholing op het loon?
2. Causale effecten en ceteris paribus
Causale relaties
De meeste relaties die een econometrist moet kwantificeren zijn causale of oorzakelijke relaties.
→ Een actie veroorzaakt een resultaat als het resultaat een direct gevolg is van de actie.
→ Vb: bemesting zorgt voor een grotere oogst.
Correlatieanalyse meet de mate van lineaire associatie maar veronderstelt geen causaal verband.
→ Vb: correlatie tussen bemesting en oogst.
→ Vb: correlatie tussen roken en longkanker.
→ Hierin zijn we niet geïnteresseerd.
Regressieanalyse veronderstelt een causaal verband.
→ Vb: bemesting verhoogt de oogst
→ Vb: roken verhoogt de kans op longkanker
Meten van causale effecten
Ideaal: gecontroleerd experiment
Je wil het verband tussen roken en longkanker bestuderen.
− Treatment group: wordt gevraagd te roken.
− Control group: wordt gevraagd niet te roken.
− Causaal effect wordt gemeten door de incidentie van longkanker in beide groepen te vergelijken.
Praktijk
Deze experimenten zijn in de praktijk vaak niet haalbaar.
1
Econometrie: Deel 1
,− Onethisch, je verplicht mensen om te roken.
− Te duur en tijdrovend.
− Omstandigheden kunnen niet gecontroleerd worden. De mensen in de groepen zijn verschillend.
Individuele eigenschappen kunnen ook een invloed hebben.
Gebruik van geobserveerde data
In de praktijk dient men in plaats van experimentele data dus vaak/meestal geobserveerde data te
worden gebruikt. Dit is data die beschikbaar is zonder een experiment uit te voeren.
→ Richting van causaliteit staat niet ontegensprekelijk vast.
Een statistisch verband betekent niet noodzakelijk ook een oorzakelijk verband!!!
Een van de grote uitdaging is het inschatten van causale effecten op basis van niet-experimentele
data.
Ceteris paribus
Rol: controleren voor ‘derde variabelen’. We kijken enkel en alleen naar de impact van 1 variabele en
houden alle andere variabelen constant!!!
3. Stappen in het kwantificeringsproces
1. Economische theorie
We vertrekken altijd van een economische theorie die een kwalitatief verband aangeeft.
We doen dus niet aan data mining of machine learning.
Voorbeeld: Keynesiaanse consumptiefunctie
Deze theorie zegt dat mensen hun consumptie verhogen naarmate hun inkomen toeneemt, maar
niet evenveel als de toename van hun inkomen.
2. Mathematische specificatie van de theorie
𝑦 = 𝛽1 + 𝛽2 𝑥 met 0 < 𝛽2 < 1
ln(𝑦) = 𝛽1 + 𝛽2 ln(𝑥) met 0 < 𝛽2 < 1
Notatie
Y: consumptie
X: beschikbaar inkomen
We veronderstellen dat 𝛽2 positief is
Als het inkomen stijgt met 1 eenheid, stijgt de consumptie
met de 𝑀𝑃𝐶 = 𝛽2 .
!!𝛽2 meet de impact van het inkomen op consumptie
wanneer alle andere variabelen constant blijven = ceteris
paribus.
3. Econometrische specificatie met storingsterm μ
𝑦 = 𝛽1 + 𝛽2 𝑥 + 𝜇
Deze storingsterm wordt aan het model toegevoegd omdat de relatie tussen consumptie en
inkomen niet exact is omwille van:
− andere factoren die inkomen beïnvloeden (b.v. vermogen, rente...)
− meetfouten in de data
− …
2
Econometrie: Deel 1
, De werkelijke waarde wijkt af van de rechte uit de
mathematische specificatie. Die afwijking is de storingsterm.
Statistisch verband
Het verband tussen 𝑥 en 𝑦 is statistisch, niet deterministisch. Een deterministisch verband staat
ontegensprekelijk vast.
𝑚1 𝑚2
Vb wet van Newton 𝐹 = 𝑘( 𝑟2
)
4. Data verzamelen
Voorbeeld: data voor de V.S. aangaande geaggregeerde reële consumptie en reëel BBP in USD over
de periode 1982-1996 (1992=1).
5. Schatten van de onbekende parameters in het model
We gaan de parameters 𝛽1 en 𝛽2 zo goed mogelijk schatten, aan de hand van regressieanalyse.
6. Analyse van het model en eventueel remediëring
− Is de specificatie van het model adequaat?
− Wat zijn de statistische eigenschappen van de schatter?
→ Zuiverheid, consistentie en efficiëntie.
Wanneer we zijn nagegaan of het een goede schatter is, kunnen we hypotheses gaan testen.
7. Testen van hypothesen
Zijn de resultaten in lijn met wat de theorie voorspelt?
8. Gebruik resultaten
− Maatregelen voor beleid.
− Maken van voorspellingen.
4. Datatypes (ter info)
Cross-sectionele data
Gegevens met betrekking tot een bepaalde variabele voor verschillende individuen, bedrijven,
landen… op een vast tijdstip.
Dimensie: aantal units
Notatie: 𝑦𝑖 met 𝑡 = 1, 2, … , 𝑁
Voorbeeld: data over het consumptiepatroon van 100 individuen voor 1 tijdstip, 2020.
Tijdsreeks data
Gegevens met betrekking tot een bepaalde variabele voor 1 individu, bedrijf land… op verschillende
tijdstippen. Frequentie: dagelijks, wekelijks, maandelijks, jaarlijks…
3
Econometrie: Deel 1
2020-2021
Docent: Ruben Schoonackers
, Deel 1: Inleiding
1. Wat is econometrie?
Definitie
Econometrie is een discipline binnen de economische wetenschap die als doel heeft de kwantitatieve
beschrijving te geven van de relaties tussen economische variabelen. Het overstijgt dus het
descriptieve karakter van de samenvattende statistieken.
Aan de hand van econometrie kunnen we theoretische hypotheses gaan toetsen en voorspellingen
maken. Het is een samenvoeging van economische theorie, wiskunde en statistiek.
De taak van de econometrist is kwantificering aan de hand van data.
Veel beslissingen in de economie, het bedrijfsleven en de overheid hangen af het begrijpen van
relaties tussen variabelen in de wereld om ons heen. Deze beslissingen vereisen kwantitatieve
antwoorden op kwantitatieve vragen.
Voorbeelden
− Marketing: Wat is de impact van een reclamecampagne op de verkoop van smartphones?
− Overheidsbeleid: Hoeveel mensen stoppen met roken als de accijnzen op sigaretten toenemen?
− Macro-economie: Wat is de impact van een toename van de investeringen in R&D op
economische groei?
− Monetair beleid: Wat is de impact van een renteverlaging door de ECB op inflatie?
− Wat is de impact van scholing op het loon?
2. Causale effecten en ceteris paribus
Causale relaties
De meeste relaties die een econometrist moet kwantificeren zijn causale of oorzakelijke relaties.
→ Een actie veroorzaakt een resultaat als het resultaat een direct gevolg is van de actie.
→ Vb: bemesting zorgt voor een grotere oogst.
Correlatieanalyse meet de mate van lineaire associatie maar veronderstelt geen causaal verband.
→ Vb: correlatie tussen bemesting en oogst.
→ Vb: correlatie tussen roken en longkanker.
→ Hierin zijn we niet geïnteresseerd.
Regressieanalyse veronderstelt een causaal verband.
→ Vb: bemesting verhoogt de oogst
→ Vb: roken verhoogt de kans op longkanker
Meten van causale effecten
Ideaal: gecontroleerd experiment
Je wil het verband tussen roken en longkanker bestuderen.
− Treatment group: wordt gevraagd te roken.
− Control group: wordt gevraagd niet te roken.
− Causaal effect wordt gemeten door de incidentie van longkanker in beide groepen te vergelijken.
Praktijk
Deze experimenten zijn in de praktijk vaak niet haalbaar.
1
Econometrie: Deel 1
,− Onethisch, je verplicht mensen om te roken.
− Te duur en tijdrovend.
− Omstandigheden kunnen niet gecontroleerd worden. De mensen in de groepen zijn verschillend.
Individuele eigenschappen kunnen ook een invloed hebben.
Gebruik van geobserveerde data
In de praktijk dient men in plaats van experimentele data dus vaak/meestal geobserveerde data te
worden gebruikt. Dit is data die beschikbaar is zonder een experiment uit te voeren.
→ Richting van causaliteit staat niet ontegensprekelijk vast.
Een statistisch verband betekent niet noodzakelijk ook een oorzakelijk verband!!!
Een van de grote uitdaging is het inschatten van causale effecten op basis van niet-experimentele
data.
Ceteris paribus
Rol: controleren voor ‘derde variabelen’. We kijken enkel en alleen naar de impact van 1 variabele en
houden alle andere variabelen constant!!!
3. Stappen in het kwantificeringsproces
1. Economische theorie
We vertrekken altijd van een economische theorie die een kwalitatief verband aangeeft.
We doen dus niet aan data mining of machine learning.
Voorbeeld: Keynesiaanse consumptiefunctie
Deze theorie zegt dat mensen hun consumptie verhogen naarmate hun inkomen toeneemt, maar
niet evenveel als de toename van hun inkomen.
2. Mathematische specificatie van de theorie
𝑦 = 𝛽1 + 𝛽2 𝑥 met 0 < 𝛽2 < 1
ln(𝑦) = 𝛽1 + 𝛽2 ln(𝑥) met 0 < 𝛽2 < 1
Notatie
Y: consumptie
X: beschikbaar inkomen
We veronderstellen dat 𝛽2 positief is
Als het inkomen stijgt met 1 eenheid, stijgt de consumptie
met de 𝑀𝑃𝐶 = 𝛽2 .
!!𝛽2 meet de impact van het inkomen op consumptie
wanneer alle andere variabelen constant blijven = ceteris
paribus.
3. Econometrische specificatie met storingsterm μ
𝑦 = 𝛽1 + 𝛽2 𝑥 + 𝜇
Deze storingsterm wordt aan het model toegevoegd omdat de relatie tussen consumptie en
inkomen niet exact is omwille van:
− andere factoren die inkomen beïnvloeden (b.v. vermogen, rente...)
− meetfouten in de data
− …
2
Econometrie: Deel 1
, De werkelijke waarde wijkt af van de rechte uit de
mathematische specificatie. Die afwijking is de storingsterm.
Statistisch verband
Het verband tussen 𝑥 en 𝑦 is statistisch, niet deterministisch. Een deterministisch verband staat
ontegensprekelijk vast.
𝑚1 𝑚2
Vb wet van Newton 𝐹 = 𝑘( 𝑟2
)
4. Data verzamelen
Voorbeeld: data voor de V.S. aangaande geaggregeerde reële consumptie en reëel BBP in USD over
de periode 1982-1996 (1992=1).
5. Schatten van de onbekende parameters in het model
We gaan de parameters 𝛽1 en 𝛽2 zo goed mogelijk schatten, aan de hand van regressieanalyse.
6. Analyse van het model en eventueel remediëring
− Is de specificatie van het model adequaat?
− Wat zijn de statistische eigenschappen van de schatter?
→ Zuiverheid, consistentie en efficiëntie.
Wanneer we zijn nagegaan of het een goede schatter is, kunnen we hypotheses gaan testen.
7. Testen van hypothesen
Zijn de resultaten in lijn met wat de theorie voorspelt?
8. Gebruik resultaten
− Maatregelen voor beleid.
− Maken van voorspellingen.
4. Datatypes (ter info)
Cross-sectionele data
Gegevens met betrekking tot een bepaalde variabele voor verschillende individuen, bedrijven,
landen… op een vast tijdstip.
Dimensie: aantal units
Notatie: 𝑦𝑖 met 𝑡 = 1, 2, … , 𝑁
Voorbeeld: data over het consumptiepatroon van 100 individuen voor 1 tijdstip, 2020.
Tijdsreeks data
Gegevens met betrekking tot een bepaalde variabele voor 1 individu, bedrijf land… op verschillende
tijdstippen. Frequentie: dagelijks, wekelijks, maandelijks, jaarlijks…
3
Econometrie: Deel 1
