Professional Documents
Culture Documents
економетрика 8
економетрика 8
Комп’ютерний практикум № 8
з курсу "Економетрика"
на тему:
«МОДЕЛІ РОЗПОДІЛЕНОГО ЛАГА»
Виконала:
Студент гр. УK-61
Тимощук Світлани
Перевірив:
Доцент кафедри ММЕС
Фартушний І. Д.
.
Київ – 2018
Ціль роботи: Навчитись будувати економетричні моделі на основі
системи одночасних структурних рівнянь, оцінювати статистичну значустісь
характеристик зв’язку, визначити точковий та інтервальний прогнози
ендогенних змінних.
Завдання до комп’ютерного практикуму: На основі зведенних даних по
соціальній статистиці про економічну діяльность підприємств обслуговування
населення Деснянської держадміністрації м. Києва за десять років сформовані
часові ряди по наступних показниках: рівноважна кількість споживання
продуктів,тис.грн.-У1; ціна одиниці продукції,грн.-У2; дохід на душу
населення,грн.-Х1; витрати в середньому на виробництво одиниці
продукції,грн.-Х2.Вихідна інформація задана в таблиці 1.
Необхідно:
Завдання 1. Використовуючи дані, що наведені у табл. 8.9 — 8.20,
необхідно:
1. Знайти лаг запізнення впливу незалежної змінної на залежну на основі
автокореляційної функції.
2. Визначити аналітичну форму економетричної моделі з лаговими
змінними (залежними чи незалежними).
3. Оцінити параметри економетричної моделі на основі:
а) методу Ейткена;
б) перетворення за схемою Койка;
в) методу інструментальних змінних;
г) алгоритму Уолліса.
Вибрати серед цих методів той, який найбільше буде відповідати вихідній
інформації та вибраній формі економетричної моделі.
4. Провести верифікацію економетричної моделі.
5. Дати змістовне економічне тлумачення кількісної оцінки зв’язку.
Варіант №22
Національний Основний
Рік дохід(Y) капітал(X)
1-й 120 122
2-й 130 144
3-й 145 172
4-й 162 206
5-й 185 248
6-й 205 290
7-й 220 326
8-й 245 364
9-й 250 423
10-й 270 500
Хід роботи
Теоретичні відомості
Для взаємозв’язків багатьох економічних процесів типовим є той
факт, що ефект від впливу одного показника на інший виявляється не одразу, а
поступово, через деякий період часу. Це явище називається лагом
(запізненням). Кількісний вираз взаємозв’язку між капітальними вкладеннями і
введенням основних фондів, між затратами виробничих ресурсів і обсягом
виробництва, між доходами й витратами і т.п. повинен базуватись на
врахуванні запізнення впливу, або лага.
Вимірювання зв’язку між економічними показниками з урахуванням лагу
виконується на основі побудови економетричної моделі розподіленого лага:
yt a j xt ut
j 0 .
послідовність
a a j ; j 0, 1, 2, 3...
структурою лага.
Якщо економетрична модель включає не тільки лагові змінні, а й змінні,
що характеризують поточні умови функціонування економічних систем, то така
модель називається узагальненою моделлю розподіленого лага:
m
y t a x t b s x t , s ut
0 s 1 .
Оскільки параметри a відносяться до однієї й тієї самої лагової змінної,
a W
що впливає на залежну змінну протягом певного часу, то виражає
сумарний вплив цієї лагової змінної на залежну, де W є кінцевим числом.
Щоб побудувати економетричну модель розподіленого лага, необхідно
обгрунтувати величину лага. Для обгрунтування лага чи лагів доцільно
використовувати взаємну кореляційну функцію, яка визначає ступінь зв’язку
рaметри
і вибираються довільно на множині
0,1
. Для кожної пари
і
послідовно розраховуються й залишки. і вибираються доти, доки не
буде мінімізована сума відхилень.
Оператор оцінювання за методом Ейткена A ( X S 1 X )1 X S 1Y
базується на матриці
1 2 n 1
1 n 2
S
n 1 n2
n 3 1 ,
а матриця X дорівнює:
1 y0 x1
1 y1 x 2
X 1 y2 x3
y n 1 x n
1 .
Цей метод аналогічний оцінкам 1МНК для моделі:
(Y t Y t 1 ) a 0 (1 ) a1 (Y t 1 Y t 2 ) a 2 ( X t X t 1 ) t
(1)
відносно перетворених даних.
Ітеративний метод є альтернативою методу Ейткена. Його алгоритм має
чотири кроки:
Крок 1. Вибирається початкове значення і підставляється у функцію (1).
Крок 2. Застосовується 1МНК для оцінки параметрів a0 , a1 , a2 .
Крок 3. У функцію (1) підставляють параметри a0 , a1 , a2 і на основі 1МНК
розраховують параметр .
Крок 4. Задавши на основі 1МНК, розраховують параметри a0 , a1 , a2 і т.д.
Метод інструментальних змінних для оцінки параметрів моделі
застосовується тоді, коли залишки не автокорельовані, але існує залежність
пояснюючих змінних від залишків. Якщо модель має вигляд:
Y t a0 a1 X t a2 X t 1 a3 Y t 1 ut
,
то можна замість змінної Yt 1 використати як інструментальну змінну Yt 1 , яка
розраховується як функція Yt 1 f ( X t 1 ) .
Оцінка параметрів моделі виконується на основі алгоритму Уолліса,
який складається з трьох етапів.
На першому етапі оцінка параметрів моделі виконується на основі
0 1 2 3 4 5 6 7 8 9
t Yt Xt Xt-1 Xt-2 Xt-3 Xt-4 Xt-5 Xt-6 Xt-7 Xt-8 Xt-9
1 120 122 144 172 206 248 290 326 364 423 500
2 130 144 172 206 248 290 326 364 423 500
3 145 172 206 248 290 326 364 423 500
4 162 206 248 290 326 364 423 500
5 185 248 290 326 364 423 500
6 205 290 326 364 423 500
7 220 326 364 423 500
8 245 364 423 500
9 250 423 500
10 270 500
Сума 1932 2795 2673 2529 2357 2151 1903 1613 1287 923 500
Знайдемо добутки значень часових рядів:
( n ) 2 ( ) 2 ( n ) 2
n n n
n
)
2
Y t Y t X t ( X t
t 1 t 1 t 1 t 1
t XtYt YtXt-1 YtXt-2 YtXt-3 YtXt-4 YtXt-5 YtXt-6 YtXt-7 YtXt-8 YtXt-9 Y^2 X^2
1 14640 17280 20640 24720 29760 34800 39120 43680 50760 60000 14400 14884
2 18720 22360 26780 32240 37700 42380 47320 54990 65000 16900 20736
3 24940 29870 35960 42050 47270 52780 61335 72500 21025 29584
4 33372 40176 46980 52812 58968 68526 81000 26244 42436
5 45880 53650 60310 67340 78255 92500 34225 61504
6 59450 66830 74620 86715 102500 42025 84100
7 71720 80080 93060 110000 48400 106276
8 89180 103635 122500 60025 132496
9 105750 125000 62500 178929
10 135000 72900 250000
Cума 598652 538881 480850 415877 354453 290986 228775 171170 115760 60000 398644 920945
Визначимо значення кореляційної функції. Запишемо всі значення
кореляційної функції у таблицю і на їх основі побудуємо модель.
w 0 1 2 3 4 5 6 7 8 9
r(w) 1,000 0,9989534980 0,999133 0,99925 0,995 0,994 0,989 0,985 0,985 0,000
де ut ut 1 t .
Наявність лагової незалежної змінної в моделі свідчить про те, що між
пояснюючими змінними t і X X
t 1 може існувати мультиколінеарність.
Таким чином:
А
68,54504
0,924918
-0,40314
∑ ut ut −1 m+ 1
r = t=211
'
+ =−0,39
n
∑ u2t
2
r' ;
11
∑ (u ¿ ¿ t−ut−1 )
DW = t=1 11
=2,531¿
2
∑u t
t=1
коефіці
єнт
детермі
нації:R2
=0,9993
93
(наближається до 1, отже відсутній кореляційний зв’язок);
коефіцієнт
кореляції:
R=0,99965
2522
(наближається до 1, вплив х на у є значний);
коефіцієнт Фішера: F=11505,52813;
коефіцієнт Стьюдента:
Метод Уолліса
Оцінка параметрів моделі виконується на основі методу
інструментальних змінних, де X t 1 використовується як інструментальна
1
змінна для Y t 1 . Таким чином, в операторі оцінювання A ( Z ' X ) Z 'Y
матриці Z та X запишуться таким чином:
Z X Y
1 122 144 1 122 130 120
1 144 172 1 144 145 130
1 172 206 1 172 162 145
1 206 248 1 206 185 162
1 248 290 1 248 205 185
1 290 326 1 290 220 205
1 326 364 1 326 245 220
1 364 423 1 364 250 245
1 423 500 1 423 270 250
270
ZT
1 1 1 1 1 1 1 1 1
122 144 172 206 248 290 326 364 423
144 172 206 248 290 326 364 423 500
ZT*X (ZT*X)^-1 ZT*Y
9 2295 1812 -1,20532 -0,40072 0,348486324 1662
2295 670945 502434 -0,01501 -0,00229 0,002020672 463652
2673 779452 584012 0,025545 0,004897 -0,00429019 538881
Таким чином,
A
-5,95332
0,046738
0,887592
∑ ut ut −1 m+ 1
r = t=211
'
+ =−0,16
n
∑ u2t
2
r'
Ця величина критерію свідчить про те, що залишки, які одержані на
основі побудованої моделі,не мають автокореляцію.
1
Сформуємо матрицю S .
S
1,0000000 -0,1625491 0,0264222 -0,0042949 0,0006981 -0,0001135 0,0000184 -0,0000030 0,0000005
-0,1625491 1,0000000 0,1539068 0,0236873 0,0036456 0,0005611 0,0000864 0,0000133 0,0000020
0,0264222 0,1539068 1,0000000 0,1539068 0,0236873 0,0036456 0,0005611 0,0000864 0,0000133
-0,0042949 0,0236873 0,1539068 1,0000000 0,1539068 0,0236873 0,0036456 0,0005611 0,0000864
0,0006981 0,0036456 0,0236873 0,1539068 1,0000000 0,1539068 0,0236873 0,0036456 0,0005611
-0,0001135 0,0005611 0,0036456 0,0236873 0,1539068 1,0000000 0,1539068 0,0236873 0,0036456
0,0000184 0,0000864 0,0005611 0,0036456 0,0236873 0,1539068 1,0000000 0,1539068 0,0236873
-0,0000030 0,0000133 0,0000864 0,0005611 0,0036456 0,0236873 0,1539068 1,0000000 0,1539068
0,0000005 0,0000020 0,0000133 0,0000864 0,0005611 0,0036456 0,0236873 0,1539068 1,0000000
S^-1
1,030084667 0,17579233 -0,055630524 0,009042694 -0,001469882 0,000238928 -3,88376E-05 6,31301E-06 -1,00113E-06
0,17579233 1,054262387 -0,167134658 0,001543209 -0,000250847 4,0775E-05 -6,62795E-06 1,07737E-06 -1,70851E-07
-0,055630524 -0,167134658 1,05152836 -0,158129214 7,93821E-05 -1,29035E-05 2,09745E-06 -3,40939E-07 5,40668E-08
0,009042694 0,001543209 -0,158129214 1,048603373 -0,15765376 2,09745E-06 -3,40939E-07 5,54194E-08 -8,78851E-09
-0,001469882 -0,000250847 7,93821E-05 -0,15765376 1,048526088 -0,157641197 5,54194E-08 -9,00837E-09 1,42856E-09
0,000238928 4,0775E-05 -1,29035E-05 2,09745E-06 -0,157641197 1,048524046 -0,157640865 1,4643E-09 -2,32212E-10
-3,88376E-05 -6,62795E-06 2,09745E-06 -3,40939E-07 5,54194E-08 -0,157640865 1,048523992 -0,157640857 3,77459E-11
6,31301E-06 1,07737E-06 -3,40939E-07 5,54194E-08 -9,00837E-09 1,4643E-09 -0,157640857 1,04852399 -0,157640856
-1,00113E-06 -1,70851E-07 5,40668E-08 -8,78851E-09 1,42856E-09 -2,32212E-10 3,77459E-11 -0,157640856 1,024261995
A
244,7989
1,226947
-2,02561
x2ser 0,667
Довірчі інтервали
-93,21308017 <=a0<= 0,000000
0 <=a1<= 1,392
Метод Ейткена
Для розрахунку оцінок параметрів моделі методом Ейткена будемо використовувати
матрицю коефіціентів автокореляції, таким чином оцінки параметрів моделі будемо
розраховувати за формулою:
−1
A =( X t S−1 X ) X t S−1 Y
^
Де S –матриця коефіцієнтів автокореляції, S−1-обернена до неї матриця.
Таким чином вектор оцінок параметрів моделі матиме вигляд:
Метод Ейткена Y
X Xt 1 1 1 1 1 1 1 1 1 1 120
1 122 122 144 172 206 248 290 326 364 423 500 130
1 144 S^(-1) 145
1 172 0,008197 0 0 0 0 0 0 0 0 0 162
1 206 0 0,006944 0 0 0 0 0 0 0 0 185
1 248 0 0 0,005814 0 0 0 0 0 0 0 205
1 290 0 0 0 0,004854 0 0 0 0 0 0 220
1 326 0 0 0 0 0,004032 0 0 0 0 0 245
1 364 0 0 0 0 0 0,003448 0 0 0 0 250
1 423 0 0 0 0 0 0 0,003067 0 0 0 270
1 500 0 0 0 0 0 0 0 0,002747 0 0
0 0 0 0 0 0 0 0 0,002364 0
0 0 0 0 0 0 0 0 0 0,002
Xt*S*X Xt*S
0,043469 10 0,008197 0,006944 0,005814 0,004854 0,004032 0,003448 0,003067 0,002747 0,002364 0,002
10 2795 1 1 1 1 1 1 1 1 1 1
Xt*S*X^(-1) Xt*S*Y А
130,028 -0,46522 7,44762 69,60091
-0,46522 0,002022 1932 0,442215
Економетрична модель:
Y^t =69,60+0.44 X❑
Знаходимо основні характеристики даної моделі:
дисперсія залишків: δu2=69,73;
коваріаційна матриця:
стандартні похибки: ;
s1 95,22059
s2 0,375516
похибки оцінок: :
-155,558 ao 294,7595
-0,44573 a1 1,330161
Висновок
Вивчивши дані особистого споживання та національного доходу, зокрема
їх залежності можна говорити про наявність лагу між нульовим і першим
заданим часовим періодом. Це свідчить про наявність певного фактору, який
впливає із затримкою.
Побудуємо економічну модель за заданими значеннями. Вивчивши дані
кожної моделі, видно, що найефективнішою з них є модель побудована
методом Койка(можемо визначити за дисперсією залишків. Оскільки така
модель(з min дисперсією 25) найбільш точно апроксимує вихідну модель). Вона
показує, що збільшення національного доходу прямолінійно збільшує зарплату
у нульовому періоді на 0,93 і зменшує зарплату у першому періоді на -0,46.
При досить стабільних і позитивних показниках Стьюдента та
коефіцієнтів детермінації і кореляції спостерігається достовірність моделі. Хоча
даний метод є найефективнішим у даному випадку, все одно оцінка
коефіцієнтів моделі досить неточна:
57,45<=a0<=84,042
0,34<=a1<=1,5261
-0,94<=a2<=0,104
Тобто довірчий інтервал має найменше область відхилення. Тому бажано
збільшити розмір вибірки даних для побудови більш точної і відповідної
економетричної моделі.