Контрольная работа по «Эконометрике»

Автор работы: Пользователь скрыл имя, 07 Февраля 2014 в 12:04, контрольная работа

Краткое описание

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.

Прикрепленные файлы: 2 файла

вар. 58.doc

— 281.00 Кб (Скачать документ)


Задание 1.

 

         По предложенным вам экспериментальным  данным, представляющим собою макроэкономические  показатели или показатели финансовой (денежно-кредитной) системы некоторой  страны, т.е. случайной выборке  объема n – построить математическую  модель зависимости случайной величины Y от случайных величин X1 и X2. Построение и оценку качества экономико-математической (эконометрической) модели вести в следующей последовательности: 
•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 Microsoft Excel.

    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 автокорреляции, используя тест Бреуша-Годфри. Тест основан на следующей идее: если имеется корреляция между соседними наблюдениями, то естественно ожидать, что в уравнении

, t = 1,…, n

(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:

=4,265

   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 непостоянство  дисперсий. Т. е. наличие гетероскедастичности  в модели.

     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

исх. дан. вар.58 A.xls

— 63.00 Кб (Просмотреть файл, Скачать документ)

Информация о работе Контрольная работа по «Эконометрике»