Tutorial 7: Bootstrapping und die Preiselastizität von Avocados
Lernziele
- Anwendung von Bootstrapping zur Schätzung der Preiselastizität der Nachfrage.
- Quantifizierung der Unsicherheit in den Schätzungen durch Konfidenzintervalle.
- Vergleich von Bootstrapping mit traditionellen Methoden der Inferenzstatistik.
Einleitung
In diesem Tutorial werden wir die Preiselastizität der Nachfrage nach Avocados schätzen. Preiselastizität ist ein Maß dafür, wie empfindlich die nachgefragte Menge eines Gutes auf Änderungen seines Preises reagiert. Wir werden Bootstrapping anwenden, um die Unsicherheit in unseren Schätzungen zu quantifizieren und Konfidenzintervalle zu berechnen.
Analyse
Setup
Erstellen Sie ein neues R-Projekt für dieses Tutorial und richten Sie eine passende Ordnerstruktur ein. Installieren und laden Sie die notwendigen Pakete.
Daten einlesen und visualisieren
Laden Sie den avocado-Datensatz programmatisch hier herunter: https://statistik.julianhinz.com/tutorials/tutorial7/avocado.csv Inspizieren Sie die Struktur und visualisieren Sie die Variation über die Zeit. Gibt es große geografische Unterschiede in Preisen und nachgefragten Mengen?
Die Variablen mit den Namen 4046, 4225 und 4770 sind sogenannte “price lookup codes” für die Größen “small”, “large” und “extra large” der Hass Avocados.
Lineare Regression zur Schätzung der Preiselastizität
Stellen Sie ein lineares Regressionsmodell auf, um die Abhängigkeit der Nachfrage (Total Volume) vom Preis (AveragePrice) zu schätzen. Erläutern Sie Interpretation der Koeffizienten.
Bootstrapping zur Schätzung der Unsicherheit
Verwenden Sie nun Bootstrapping, um die Unsicherheit in der Schätzung der Preiselastizität zu quantifizieren und Konfidenzintervalle zu berechnen.
Vergleich mit traditionellen Methoden
Berechnen Sie das 95%-Konfidenzintervall für die Preiselastizität unter der Annahme einer Normalverteilung. Vergleichen Sie dieses Intervall mit dem Bootstrap-Konfidenzintervall.