अर्थमिति क्या है?
अर्थमिति, सांख्यिकीय मॉडल का उपयोग करके और अनुमानित भविष्य की प्रवृत्ति को विकसित करने के लिए प्रदान किए गए डेटा से अवलोकन या पैटर्न प्राप्त करके आर्थिक डेटा के संबंधों की समझ है। अर्थमिति केवल गणित और सांख्यिकी के योगात्मक के साथ आर्थिक है और सांख्यिकीय तरीकों को लागू करके पूर्वानुमान और अनुमान लगाने में मदद करता है।
अर्थमिति के तरीके
अधिक सामान्य तरीके हैं:
- एकाधिक रेखीय प्रतिगमन
- अनुमान सिद्धांत
- एक्सेल में रैखिक प्रोग्रामिंग
- आवृत्ति वितरण
- प्रायिकता वितरण
- सहसंबंध और प्रतिगमन
- समय श्रृंखला विश्लेषण
- सिमुलेशन समीकरण
वित्त के लिए अर्थमिति के उदाहरण
नीचे वित्त के लिए अर्थमिति के उदाहरण दिए गए हैं
अर्थमिति उदाहरण # 1
माइकल की आय $ 50000 है। उनकी आय का खर्च पैटर्न 10000 है - निश्चित किराया और अन्य घरेलू खर्च अवधि के दौरान अर्जित उनकी सकल आय का 50% है।
मल्टीपल लीनियर रिग्रेशन पिछले रुझानों के आधार पर संबंध विकसित करने के लिए सबसे अच्छे साधनों में से एक है।
समीकरण होगा = B 0 (अवरोधन) + B 1 + e (त्रुटि शब्द)समीकरण का उपयोग करके वह राशि प्राप्त की जा सकती है जो माइकल अपनी अर्जित आय के आधार पर खर्च करेगा।
- व्यय = बी ० (निर्धारित किराया) + बी १ (अन्य घरेलू व्यय ।) + ई (त्रुटि अवधि)
- = 10000 + 50% (50000)
- = 35000
त्रुटि शब्द से पता चलता है कि सांख्यिकीय उपकरण लगाने से आए परिणाम से थोड़ा ऊपर या नीचे विचलन हो सकता है।
अर्थमिति उदाहरण # 2
आइए व्यक्ति के वेतन का उसके कार्य अनुभव के आधार पर पता करें
न्यूनतम मजदूरी: $ 10K
व्यक्ति के वेतन पर प्रतिगमन के आधार पर यह पता चलता है कि बी 1 = 2000
तो विधि को लागू करने से, यह समझा जा सकता है कि एक व्यक्ति को 10000 + (2000 * वर्ष के अनुभव का न्यूनतम वेतन) मिलेगा।
ये 10K और 2K मान परिकल्पित हैं और इन्हें टी-टेस्ट और एफ-टेस्ट जैसे सांख्यिकीय उपकरणों पर परीक्षण किया जाना है। यदि वे 0 से काफी भिन्न नहीं हैं, तो परिकल्पित मूल्य की कोई प्रासंगिकता नहीं है और एक अलग मूल्य प्राप्त करने के लिए फिर से परीक्षण की आवश्यकता है।
अर्थमिति वित्त में कैसे काम करती है?
| इनपुट्स | उत्पादित आंकड़े |
| सिद्धांतों को संदर्भित किया | डेटा में प्रयुक्त पैरामीटर |
| मॉडल चुने गए | आत्मविश्वास क्षेत्र खींचा |
| मान लिया गया | परिकल्पना आचरण का परीक्षण |
| तरीके लागू हुए | ग्राफिक्स उपकरण का इस्तेमाल किया |
अर्थमिति के लाभ
इकोनोमेट्रिक्स के फायदे इस प्रकार हैं।
- उपकरण या अनुप्रयुक्त अर्थमिति का उपयोग करके व्यक्ति निर्णय लेने के उद्देश्य से डेटा को एक विशिष्ट मॉडल में परिवर्तित करने में सक्षम हो सकता है जो अनुभवजन्य डेटा का समर्थन करता है।
- बिखरे हुए डेटा से निर्दिष्ट पैटर्न या परिणाम प्राप्त करने में मदद करें।
- सूचना की टोकरी से प्रासंगिक जानकारी प्राप्त करने के लिए हमें सक्षम करने के लिए लाभान्वित।
अर्थमिति के नुकसान
इकोनोमेट्रिक्स के कुछ नुकसान हैं।
- कभी-कभी आर्थिक साधनों द्वारा संबंध का निर्माण भी सहज होता है, यहां तक कि दो चर के बीच कोई संबंध नहीं होता है, लेकिन मॉडल पिछली जानकारी के आधार पर एक पैटर्न दिखा रहा है। Ex। बारिश और लाभांश के बीच सह-संबंध
- इससे पता चलता है कि जब भी बारिश एक चौथाई आती है तो केवल कंपनी उस अवधि में लाभांश की घोषणा करती है। यहां तक कि बारिश का लाभांश भुगतान का कोई संबंध नहीं है, लेकिन प्रवृत्ति के अनुसार यह गलत संकेत प्रदान कर सकता है जिससे गलत निर्णय हो सकता है।
- हमेशा सादगी और सटीकता के बीच एक विकल्प होता है। लागू अर्थशास्त्र में मॉडल विनिर्देश एक बहुत ही महत्वपूर्ण कार्य है। कम चर का चयन सरलता में मदद कर सकता है और तेजी से परिणाम प्रदान कर सकता है लेकिन अपर्याप्त जानकारी के कारण यह गलत हो सकता है और यदि कोई उच्च नहीं के लिए जाता है। परिवर्तनशील तब मॉडल महत्वपूर्ण, असामाजिक या विशाल हो सकता है।
- डेटा में इस्तेमाल किए जाने वाले चरों के बीच मल्टीकोलिनरिटी की समस्या हो सकती है। यह बहुत महत्वपूर्ण है कि चुना गया चर दो व्याख्यात्मक चर के बीच कम सहसंबंध होना चाहिए। मॉडल ने मॉडल उपयोगकर्ता पर इस अनुभाग को छोड़ दिया।
महत्वपूर्ण बिंदु
- अर्थमिति के उपकरण बहुत ही न्यायपूर्ण हैं। अंतिम निष्कर्ष उपयोगकर्ता से उपयोगकर्ता में भिन्न हो सकते हैं।
- मॉडल के प्रकार और विनिर्देश के आधार पर परिणाम। परिणाम मॉडल-उन्मुख होते हैं।
- डेटा किफायती, व्यवहार्य, मॉडल लागू करते समय विचार किए जाने वाले परिणाम प्राप्त करने का समय।
- इसे क्रॉस-अनुभागीय या समय-श्रृंखला डेटा दोनों पर लागू किया जा सकता है।
- उपकरण पैक का उपयोग करके एक्सेल, टी-टेस्ट, सांख्यिकी तालिका, एनोवा तालिका विश्लेषण में एफ-टेस्ट जैसी परिणामी प्रभावशीलता का संचालन करने के लिए एक परिधि या परीक्षण होना चाहिए।
निष्कर्ष
- हमेशा यह जांचने के लिए याद रखें कि क्या परिणाम निकलता है, निर्णय लेने के लिए सांख्यिकीय रूप से महत्वपूर्ण हैं
- यह विचाराधीन मॉडल या परिधि से बाहर निकलता है
- परिणाम अनिवार्य रूप से और साथ ही भविष्य के अनुकूल होना चाहिए।
- यह एक दोहरावदार अभ्यास है और बेहतर अंतर्दृष्टि प्राप्त करने के लिए एकल समस्या पर विभिन्न मॉडल भी लागू किए जा सकते हैं।
- ओवरफिटिंग या परिणामों के कम होने से एक बेहतर मॉडल विनिर्देश द्वारा पतला किया जा सकता है।
