Bilag 1: Beregning af omkostningsækvivalenter
Bilag 1: Beregning af omkostningsækvivalenter
Bilag 1: Beregning af omkostningsækvivalenter
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Figur 3: Observationer med stor indflydelse<br />
Y<br />
Ved beregningen <strong>af</strong> hver enkel omkostningsækvivalent kontrolleres ved<br />
hjælp <strong>af</strong> Cook’s <strong>af</strong>stand for, om der er ekstreme observationer, der har en<br />
uhensigtsmæssig indflydelse på resultaterne og derfor bør fjernes fra<br />
datasættet.<br />
Transformationer<br />
Hvis det viser sig, at data ikke er lineært, kan problemet løses ved hjælp <strong>af</strong><br />
forskellige transformationer <strong>af</strong> data. De mest udbredte transformationer er at<br />
tage logaritmen, kvadratroden eller andre potenser til variablene i ligningen.<br />
Problemet med andre sammenhænge i data end lineære er, at mindste<br />
kvadraters metode kun kan bruges på et lineært datasæt. Derfor er det<br />
nødvendigt at vælge en transformation, der skaber en lineær sammenhæng i<br />
forhold til den forventede sammenhæng i det oprindelige datasæt.<br />
Et eksempel kan være, at det forventes, at en produktion kan beskrives ved<br />
en klassisk Cobb-Douglas funktion <strong>af</strong> formen:<br />
(2) Y = B0X1 B1 X2 B2<br />
I dette tilfælde er det nødvendigt at lave en såkaldt ”log-log”transformation.<br />
Det vil sige, at logaritmen tages på begge sider <strong>af</strong><br />
lighedstegnet. Det giver følgende lineære form:<br />
(3) logY = logB0 + B1logX1 + B2logX2<br />
X<br />
9