Автор работы: Пользователь скрыл имя, 07 Февраля 2014 в 12:04, контрольная работа
Задание 2. Используя данные из задания 1, сформулируйте и проверьте гипотезу о наличии на исследуемом временном интервале точки разрыва (имеется сдвиг свободного члена или коэффициента наклона). В случае, если предварительный графический анализ не подтверждает наличия разрыва на временном интервале, примите, что точка разрыва находится посередине.
Задание 3. Введите в эконометрическую модель, построенную в задании 1 сезонные фиктивные переменные и с помощью соответствующей модели исследуйте наличие или отсутствие сезонных колебаний.
Задание 1.
По предложенным вам
•Построить корреляционную матрицу для
случайных величин и оценить статистическую
значимость корреляции между ними.
•Исходя из наличия между эндогенной
переменной и экзогенными переменными,
линейной зависимости, оценить параметры
регрессионной модели по методу наименьших
квадратов. Вычислите вектора регрессионных
значений эндогенной переменной и случайных
отклонений.
•Найдите средние квадратические ошибки
коэффициентов регрессии. Используя критерий
Стьюдента проверьте статистическую значимость
параметров модели. Здесь и далее принять
уровень значимости 0,05(т. е. надежность
95%).
•Вычислите эмпирический коэффициент
детерминации и скорректированный коэффициент
детерминации. Проверьте, используя критерий
Фишера, адекватность линейной модели.
•Установите наличие (отсутствие) автокорреляции
случайных отклонений модели. Используйте
для этого метод графического анализа,
статистику Дарбина-Уотсона и критерий
Бреуша-Годфри.
•Установите наличие (отсутствие) гетероскедастичности
случайных отклонений модели. Используйте
для этого графический анализ, тест Вайта
и тест Парка для вариантов с добавочным
индексом А (графический метод, тест Глейзера
и тест Бреуша-Пагана для вариантов с добавочным
индексом В).
•Обобщите результаты оценивания параметров
модели и результаты проверки модели на
адекватность.
Решение.
В таблице 1.1. приведены ежеквартальные данные о валовом внутреннем продукте (млн. евро); экспорта товаров и услуг (млн. евро); эффективный обменный курс евро к национальной волюте для Испании на период с 2000 по 2007 годы.
Таблица 1.1.
Ежеквартальные данные о валовом внутреннем продукте, экспорте товаров и услуг, эффективном обменном курсе евро к национальной валюте для Исландии на период с 2000 по 2007 годы
Регрессант Y |
Регрессор X1 |
Регрессор X2 | |
Период |
ВВП, млн. евро (GDP) |
Импорт товаров и услуг, млн. евро (IGS) |
эффективный обменный курс евро к национальной волюте (NEER) |
2000q01 |
151549 |
47714 |
90,96 |
2000q02 |
158657 |
51536 |
88,19 |
2000q03 |
152859 |
48795 |
86,98 |
2000q04 |
167198 |
54661 |
85,5 |
2001q01 |
163783 |
53405 |
90,9 |
2001q02 |
171855 |
54839 |
88,76 |
2001q03 |
165799 |
50334 |
90,54 |
2001q04 |
179241 |
52755 |
91,29 |
2002q01 |
175002 |
51491 |
90,4 |
2002q02 |
184589 |
54702 |
93,06 |
2002q03 |
177018 |
50857 |
97,34 |
2002q04 |
192597 |
57702 |
98,73 |
2003q01 |
188474 |
54743 |
103,68 |
2003q02 |
197781 |
56357 |
107,51 |
2003q03 |
189581 |
53818 |
106,6 |
2003q04 |
207093 |
59763 |
109,28 |
2004q01 |
201864 |
59480 |
111,84 |
2004q02 |
211842 |
63645 |
109,37 |
2004q03 |
204702 |
61347 |
110,3 |
2004q04 |
222634 |
67328 |
113,24 |
2005q01 |
217862 |
65023 |
112,83 |
2005q02 |
229895 |
72045 |
110,28 |
2005q03 |
219807 |
69368 |
108,49 |
2005q04 |
240886 |
75123 |
107,34 |
2006q01 |
235765 |
76477 |
107,37 |
2006q02 |
248721 |
79219 |
110,14 |
2006q03 |
235901 |
76581 |
111,22 |
2006q04 |
260567 |
83314 |
111,29 |
2007q01 |
254391 |
81896 |
112,04 |
2007q02 |
267098 |
85250 |
113,46 |
2007q03 |
251521 |
84189 |
114,09 |
2007q04 |
276838 |
92342 |
116,95 |
Создадим файл
с исходными данными в среде Mi
Исследуем степень корреляционной зависимости между переменными. Для этого построим корреляционную матрицу, используя средства «Анализа данных». Корреляционная матрица приведена в таблице 1.2.
Таблица 1.2.
Столбец 1 |
Столбец 2 |
Столбец 3 | |
Столбец 1 |
1 |
0,8602266 |
0,7479278 |
Столбец 2 |
0,8602266 |
1 |
0,6310579 |
Столбец 3 |
0,7479278 |
0,6310579 |
1 |
Из корреляционной матрицы следует, что на валовой внутренний продукт оказывает влияние оба регрессанта, т. е. экспорт товаров и услуг и обменный курс национальной валюты имеют корреляционную связь с валовым внутренним продуктом. Так же можем отметить наличие корреляционной зависимости между объясняющими (экзогенными) переменными, это может свидетельствовать о наличии в модели явления мультиколлениарности. Помощь на экзамене онлайн.
Построим многофакторную регрессионную модель, в которой зависимая переменная – Y валовой внутренний продукт.
Определим коэффициенты уравнения регрессии.
Y = b0 + b1∙X1 + b2∙X2
Результаты множественной регрессии в численном виде представлены в табл. 1.3.
Таблица 1.3
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение | |
Y-пересечение |
-1046,49 |
452,8635 |
-2,31082 |
0,028151 |
Переменная X 1 |
2,033422 |
0,328972 |
6,181146 |
9,7E-07 |
Переменная X 2 |
18,28825 |
5,601336 |
3,26498 |
0,002809 |
Регрессионная статистика |
|||||
Множественный R |
0,899932 |
||||
R-квадрат |
0,809877 |
||||
Нормированный R-квадрат |
0,796765 |
||||
Стандартная ошибка |
243,4784 |
||||
Наблюдения |
32 |
||||
Дисперсионный анализ |
|||||
df |
SS |
MS |
F |
Значимость F | |
Регрессия |
2 |
7323237 |
3661618 |
61,76641 |
3,52E-11 |
Остаток |
29 |
1719170 |
59281,71 |
||
Итого |
31 |
9042406 |
Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:
Y = -1046,49 + 2,0334∙X1 + 1828,83∙X2 (1.1)
(t) (-2,311) (6,181) (3,265)
Уравнение (1.1) выражает зависимость валового внутреннего продукта (Y) от экспорта товаров и услуг (Х1), обменного курса евро к национальной валюте (Х2). Коэффициенты уравнения показывают количественное воздействие каждого фактора на результативный показатель при неизменности других. В нашем случае валовой внутренний продукт увеличивается на 2,033 ед. при увеличении экспорта товаров и услуг на 1 ед. при неизменности показателя обменного курса евро к национальной валюте; валовой внутренний продукт увеличивается на 18,288 ед. при увеличении обменного курса евро к национальной валюте на 1 ед. при неизменности показателя экспорта товаров и услуг. Случайное отклонение для коэффициента при переменной Х1 составляет 0,329; при переменной Х2 – 5,601; для свободного члена –452,86. Помощь на экзамене онлайн.
Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n – m – 1 = 29; tкр. = t0,025;29 = 2,364.
Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.
Коэффициент детерминации R2 = 0,8099;
Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0,7968;
Критерий Фишера F = 61,766;
Уровень значимости модели р < 0,0000;
Согласно критерию Фишера данная модель адекватна. Так как уровень значимости модели меньше 0,00001.
Проверим остатки на наличие автокорреляции. Для этого найдем значение статистики Дарбина-Уотсона.
Промежуточные расчеты поместим в таблицу 1.4.
Таблица 1.4.
Остатки |
et2 |
(et - et-1)2 |
218,5906 |
47781,84 |
0 |
195,5567 |
38242,44 |
530,5579 |
67,01115 |
4490,494 |
16523,97 |
263,2028 |
69275,71 |
38491,16 |
-93,1291 |
8673,038 |
126972,4 |
-39,0766 |
1526,984 |
2921,674 |
-273,414 |
74754,99 |
54913,8 |
-148,784 |
22136,71 |
15532,51 |
-146,073 |
21337,19 |
7,352526 |
-142,422 |
20284,12 |
13,32423 |
-178,064 |
31706,95 |
1270,362 |
-21,1856 |
448,8302 |
24610,97 |
-56,3965 |
3180,569 |
1239,809 |
-131,957 |
17412,62 |
5709,365 |
-323,811 |
104853,4 |
36807,9 |
-166,388 |
27685,12 |
24781,77 |
-122,682 |
15050,78 |
1910,29 |
-132,145 |
17462,21 |
89,54899 |
-348,301 |
121313,8 |
46723,67 |
-80,555 |
6489,111 |
71688,04 |
143,844 |
20691,09 |
50354,9 |
-38,3544 |
1471,06 |
33196,24 |
199,4414 |
39776,86 |
56546,82 |
563,206 |
317201 |
132324,7 |
558,4567 |
311873,9 |
22,55623 |
-92,4285 |
8543,033 |
423651,6 |
8,944249 |
79,99959 |
10276,44 |
350,2045 |
122643,2 |
116458,5 |
-114,207 |
13043,27 |
215678,1 |
175,3924 |
30762,5 |
83867,9 |
264,622 |
70024,81 |
7961,921 |
-359,099 |
128952 |
389027,8 |
1719170 |
1990106 |
DW = 1,1576.
По таблице приложения 4 [1] определяем значащие точки dL и dU для 5% уровня значимости.
Для m = 2 и n = 32: dL = 1,28; dU = 1,57.
Так как DW < dL (1,1576<1,28), то нулевую гипотезу об отсутствии автокорреляции мы не можем принять. Следовательно, в модели присутствует автокорреляция остатков случайных отклонений.
Проверим наличие
(где et — остатки регрессии, полученные обычным методом наименьших квадратов), коэффициент ρ окажется значимо отличающимся от нуля.
Значение коэффициента ρ представлено в таблице 1.5.
Таблица 1.5.
Столбец 1 |
Столбец 2 | |
Столбец 1 |
1 |
|
Столбец 2 |
0,620823 |
1 |
Проверим значимость коэффициента корреляции, находим наблюдаемое значение по формуле:
T>tкр, следовательно коэффициент корреляции значим, и в модели присутствует автокорреляция остатков случайных отклонений.
Проведем графический анализ гетероскедастичность. Построим график, где по оси абсцисс будем откладывать расчетные значения Y, полученные из эмперического уравнения регрессии, а по оси ординат квадраты остатков уравнения е2. График представлен на рисунке 1.1.
Рисунок 1.1.
Анализируя
график, можем предположить
Проверим наличие гетероскедастичности, используя тест Вайта.
Строим регрессию:
ε2 = a + b1x1 + b11x12 + b2x2 + b22x22+ b12∙x1∙x2
Результаты теста представлены в таблице 1.6.
Таблица 1.5.
df |
SS |
MS |
F |
Значимость F | |
Регрессия |
5 |
1,91E+10 |
3,82E+09 |
0,582977 |
0,712725 |
Остаток |
26 |
1,7E+11 |
6,55E+09 |
||
Итого |
31 |
1,89E+11 |
Результаты теста Уайта показывают
отсутствие гетероскедастичности, так
как при 5% уровне значимости Fфакт<Fтабл.
Р-вероятность принятия гипотезы о гетероскедастичности
равна 0,713, что больше 0,05.
Для проверки наличия гетероскедастичности воспользуемся тестом Парка. В Excel рассчитаем логарифмы значений e2, X1 и X2 (см. табл. 1.7).
Таблица 1.7.
lne2 |
lnX1 |
lnX2 |
10,7744 |
6,529565 |
4,51042 |
10,5517 |
6,66772 |
4,479494 |
8,409718 |
6,815092 |
4,465678 |
11,14585 |
6,658139 |
4,448516 |
9,067974 |
6,687483 |
4,50976 |
7,33105 |
6,701715 |
4,485936 |
11,22197 |
6,838405 |
4,505792 |
10,00499 |
6,767113 |
4,514041 |
9,968207 |
6,745001 |
4,504244 |
9,917593 |
6,82622 |
4,533244 |
10,36429 |
6,847687 |
4,57821 |
6,106645 |
6,726233 |
4,592389 |
8,064816 |
6,736374 |
4,641309 |
9,76495 |
6,685986 |
4,677584 |
11,56032 |
6,812015 |
4,669084 |
10,22865 |
6,658011 |
4,693913 |
9,619185 |
6,731137 |
4,717069 |
9,767794 |
6,753555 |
4,694737 |
11,70614 |
6,93644 |
4,703204 |
8,777881 |
6,81564 |
4,729509 |
9,937458 |
6,805723 |
4,725882 |
7,293739 |
6,996224 |
4,703023 |
10,59104 |
7,032271 |
4,686658 |
12,66729 |
6,92844 |
4,676001 |
12,65035 |
6,898715 |
4,676281 |
9,052871 |
7,008053 |
4,701752 |
4,382021 |
7,034124 |
4,71151 |
11,71703 |
6,924416 |
4,712139 |
9,476027 |
7,114037 |
4,718856 |
10,33405 |
7,124478 |
4,73145 |
11,1566 |
7,113549 |
4,736988 |
11,7672 |
7,281661 |
4,761746 |