Міністерство освіти і науки України

Національний технічний університет України "КПІ"

Факультет менеджменту та маркетингу

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 .

Коефіцієнти a j , j  0,1,2,3 ... називаються коефіцієнтами лага, а

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

кожного елемента залежної змінної Yt з елементом вектора незалежної змінної

X t , зрушеним відносно один одного на часовий лаг  . При різних значеннях 
r
на основі взаємної кореляційної функції можна одержати n  1 значення (  ) ,
r    11
які знаходяться на множині (  ) . Найбільше значення (  ) по модулю
r
визначає зрушення або часовий лаг. Якщо таких зрушень декілька, то

запізнення впливу змінної X t відбувається протягом певного проміжку часу,

що й відображає модель розподіленого лагу.
Наявність мультиколінеарності між лаговими змінними в економетричній
моделі ускладнює її побудову. Щоб звільнитись від мультиколінеарності,
необхідно ввести такі коефіцієнти при лагових змінних, які мали б однаковий
знак і для них можна було б знайти суму, тоді економетрична модель:
1
y t  a  w j x t    ut
j 0 .
Для зображення лагових коефіцієнтів Л. Койк запропонував форму
спадаючої геометричної прогресії, тобто:
j
w j  (1   ) 
, 0  1.
Тоді економетрична модель набуде такого вигляду:
Y t  w (1  ) X t   Y t 1  (u t   u t 1 )
,

тобто в правій частині моделі з’являється лагова змінна t 1 .

Y
Лагову змінну в правій частині моделі мають також моделі часткового
коригування:
Y t   Y    X t  (1  ) Y t 1  ut 0  1
,
й адаптивних сподівань:
 Y t   (1  )   (1  ) X t   Y t 1  ut (1  ut 1 )
.
Наявність в економетричній моделі лагової змінної та прийняття гіпотези
відносно залишків зумовлюють особливості оцінки параметрів моделі.
Наведемо ці гіпотези.
Гіпотеза 1. Залишки є випадковими величинами і розподіляються нормально.
Гіпотеза 2. Залишки описуються авторегресійною схемою першого порядку:
v t  ut   u t  1
0 1 .
,
Гіпотеза 3. Залишки описуються авторегресійною схемою першого порядку:
v t  ut   u t  1
,
v t   v t 1   t
де .
Якщо відносно залишків приймається перша гіпотеза, то для оцінки
параметрів можна застосувати 1МНК.
Якщо відносно залишків приймається друга гіпотеза (залишки
автокорельовані), то застосовується метод Ейткена. В операторі
  ( X 'V 1 X ) 1 X 'V 1 Y
A матриця V матиме вигляд:
1   2   0 0  0 
 2 
2
  1   2 0  0 
V  u  0  1    0 
       
 2
 0 0 0 0  1  
Y  a0  a1 X t   Y t 1  ut
Коли модель t при другій гіпотезі треба
записати:
Yt   Yt 1  a0  a1 X t  ut ,

можна застосувати 1МНК для перетворення даних залежної змінної Yt на

основі параметра  . Параметр  пропонується вибирати довільно на інтервалі
0    1 таким чином, щоб мінімізувати суму квадратів залишків u V 1 u .
Якщо відносно залишків моделі приймається третя гіпотеза, то для оцінки
параметрів моделі можна використовувати:
1) 1МНК, коли вихідні дані перетворені на основі параметрів  і ;
2) метод Ейткена;
3) ітеративний метод;
4) двокрокову процедуру:
 a2 
 
а) 1МНК для вихідних даних, коли a2 ;
 
б) 1МНК для перетворених даних на основі  .
5) метод інструментальних змінних;
6) алгоритм Уолліса.
Щоб застосувати для оцінки параметрів 1МНК, матриця вихідних даних
матиме вигляд:
 1 x1 ( ) 
 
 2 1  x2 (  )   x1 (  ) 
 3 
X()    1    2 2
x3 ( )   x2 ( )   x1 ( ) 
   
 n 
x n ( )   x n 1 ( )  ...   x1 ( ) 
2 n 1 n 1
  1      ...   Па

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 n2 
  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 a0 , a1 , a2 .
Крок 3. У функцію (1) підставляють параметри a0 , a1 , a2 і на основі 1МНК

розраховують параметр  .
   
Крок 4. Задавши  на основі 1МНК, розраховують параметри a0 , a1 , a2 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

методу інструментальних змінних, де X t 1 використовується як

інструментальна змінна для Yt 1 .

На другому етапі розраховують коефіцієнт автокореляції першого
порядку з урахуванням поправки на зміщення і формують матрицю S .
На третьому етапі виконують оцінку параметрів моделі на основі методу
Ейткена.
 Виконання завдання
1. Ідентифікуємо змінні моделі:
Yt — національний дохід у період t , залежна змінна;
X t —основний капітал у період t , пояснююча змінна;
X t  — основний капітал у період t   , пояснююча змінна;
 — запізнення (лаг) впливу основних фондів на величину національного
доходу.
Yt  f ( X t , X t   , ut ).
2. Визначимо лаг на основі взаємної кореляційної функції:
Запишемо часові ряди множини для різних значень  .

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:

Побудуємо кореляційну функцію, що має вигляд:

n  n n
(n   )  Y t X t     Y t  X t  
r ( )  t 1 t 1 t 1

( 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

Значення кореляційної функції свідчать про те, що найтісніший зв’язок існує

між змінними рядів: r(7)=2.79, та через рік r(8)=2.11
Звідси економетрична модель:
Y t  f ( X t , X t 1 , u t )
.
У лінійному вигляді вона специфікується функцією:
Y t  a 0  a1 X t  a 2 X t 1  ut
,

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.

Модель має також автокорельовані залишки.

Для оцінки параметрів цієї моделі можна скористатись перетворенням
Койка. В цьому випадку співвідношення для залишків можна переписати у
вигляді:
2
ut   t    t 1    t  2  ...

Вплив залишків  t зменшується з віддаленням від початкового моменту.

Запишемо економетричну модель для попереднього періоду:
Y t 1  a0  a1 X t 1  a2 X t  2  ut 1
.
Помножимо ліву й праву частини цієї моделі на величину  і віднімемо
від попередньої:
Y t  Y t 1  a0 (1)  a1 X t  a1 X t 1  a2 X t 1  a2 X t  2 
 u t  u t  1 
В даній моделі всі змінні зображені у вигляді квазірізницевих змінних.
Можна запропонувати і таку модифікацію моделі:
Y u 
t t 1
a 0  a1 X  t
a2 X ut 1 t
,
де перетворюється тільки залежна змінна.
Яке з цих перетворень необхідно приймати і яку із змінних треба вводити
з розподіленим запізненням, приймається на основі економічної теорії та
експериментів з різними альтернативними варіантами.
 Щоб перейти до змінних, які зображаються як квазірізницеві за Койком,
необхідно спочатку оцінити параметри моделі за методом 1МНК.
Визначимо параметри моделі
Yt  a 0  a1 X t  a 2 X t 1 за методом 1МНК.
1
A  ( X ' X ) X 'Y
3.1.
Сформуємо матрицю X :
1 122 144 120
1 144 172 130
1 172 206 145
1 206 248 162
1 248 290 185
1 290 326 205
1 326 364 220
1 364 423 245
1 423 500 250
Xt 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
Xt*X Xt*X(-1) А
9 2295 2673 0,938771 0,010267752 -0,011602479 68,54504
2295 670945 779452 0,010268 0,002550065 -0,002224022 0,924918
2673 779452 906061 -0,0116 -0,002224022 0,001948579 -0,40314
Xt*X(-1)*Xt
0,520679 0,421700467 0,31471325 0,176512715 0,120454 0,134010552 0,062755436 -0,231616228 -0,51921
0,001117 -0,005054553 -0,00926946 -0,015976143 -0,00228 0,02475566 0,032045191 -0,002269599 -0,02307
-0,00234 0,003294012 0,0072731 0,013496683 0,001928 -0,021331962 -0,027350734 0,00310261 0,021926

Таким чином:
А
68,54504
0,924918
-0,40314

Таким чином, економетрична модель:

Y t =68 , 54+0,392 X t −0,40314 X t−1
Знайдемо розрахункові значення залежної змінної (національного доходу) і
визначимо залишки :
t newY u u^2 ut*ut-1 ut-u(t-1) ut-u(t-1)^2
1 123,3329341 -3,332934 11,10845
2 132,3932216 -2,393222 5,72751 7,97645 0,939712 0,883059509
3 144,5841792 0,415821 0,172907 -0,99515 2,809042 7,890719422
4 159,0995282 2,900472 8,412737 1,206077 2,484651 6,173490799
5 181,0142183 3,985782 15,88646 11,56065 1,08531 1,177897458
6 205,3477443 -0,347744 0,120926 -1,38603 -4,33353 18,77944787
7 223,3254858 -3,325486 11,05886 1,156419 -2,97774 8,86694449
8 234,6871371 10,31286 106,3551 -34,2953 13,63835 186,0045568
9 258,2155513 -8,215551 67,49528 -84,7259 -18,5284 343,3021349
Sum 226,3383 -99,5027 -4,88262 573,0782513

5. Визначимо циклічний коефіцієнт кореляції та критерій Дарбіна—Уот-сона

(DW):
11

∑ 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

Критичні значення для критерію DW при n = 10, m = 1 і   0,05

дорівнюють: DW 1=1,32, DW 2=3,43. Оскільки DW =2,53 знаходиться в
критичному інтервалі, то конкретних висновків відносно наявності чи
відсутності автокореляції зробити неможливо. У цьому випадку доцільно
припустити, що існує автокореляція залишків.

6. Перетворимо вихідні дані за Койком, використовуючи параметр  :

 Y3   Y2   1 X 3  X2 X 2  X 1
   1 
Y 4   Y3 X 4  X3 X 3  X 2
  
 Y5   Y 4   1 X 5  X4 X 4  X 3
 Y 6   Y5   1 X 6  X5 X 5  X 4
Yt  
* ; X t   1
* 
 Y7   Y6   X 7  X6 X 6  X 5
 Y8   Y 7   1 X 8  X7 X 7  X 6
   1 
 Y 9   Y 8   X 9  X8 X 8  X 7
 Y10   Y 9  1 X 10  X9 X 9  X 8
 1,03962 148,8335845 177,7052 134,7543
1,03962 177,7052145 212,8146 150,1505
1,03962 212,8145618 256,1616 167,7448
1,03962 256,1616263 299,8256 191,4184
1,03962 299,8256472 337,4897 212,3296
1,03962 337,4896681 376,916 228,122
1,03962 376,9159717 437,4215 253,7163
1,03962 437,4215144 516,7591 259,7068

7. Застосуємо оператор оцінювання 1МНК для перетворення даних і отримаємо

оцінки параметрів моделі:
* * 1 * *
A  ( X ' X ) X 'Y ;
1 Xt
2 1,03962 1,039619545 1,03961955 1,039619545 1,03962 1,039619545 1,039619545 1,039619545
3 148,8336 177,7052145 212,814562 256,1616263 299,8256 337,4896681 376,9159717 437,4215144
4 177,7052 212,8145618 256,161626 299,8256472 337,4897 376,9159717 437,4215144 516,7590676
5 Xt*X Xt*X(-1)
6 8,64647 2336,199554 2718,70208 1,245546 0,011561249 -0,013528132
7 2336,2 701837,3214 814891,504 0,011561 0,002477984 -0,002166118
8 2718,702 814891,5045 946725,819 -0,01353 -0,002166118 0,001904385
А
70,74433
0,932958
-0,41564
Y t =70,744+0.93−0.415 X t −1
Знаходимо основні характеристики даної моделі:
дисперсія залишків: δu2= 25,39249;

31,62751 0,293569 -0,34351

0,293569 0,062922 -0,055
-0,34351 -0,055 0,048357
коваріаційна матриця:
стандартні похибки:
s1 5,623834
s2 0,250843
s3 0,219902

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:

Tтабл=2.36.Критерії Ст’юдента менші за табличні, отже оцінка значимості не є

достовірна.
похибки оцінок:
57,44621 a0 84,04245
0,339815 a1 1,526101
-0,93563 a2 0,104337

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

Економетрична модель має вигляд:

Y^t =−5,95+0.046 X t +0.88 X t −1

Визначимо розрахункові значення Yt , відхилення їх від фактичних:

ut  Yt  Yt 1 та дослідимо ці відхилення на наявність автокореляції

X*A u ut*ut-1 ut^2
115,1356 4,86435179 23,66192
129,4778 0,52224076 2,540363 0,272735
145,8755 -0,8754808 -0,45721 0,766467
167,8792 -5,8791811 5,14711 34,56477
187,594 -2,5940069 15,25064 6,728872
202,8709 2,12912764 -5,52297 4,533185
226,7432 -6,7432323 -14,3572 45,47118
232,9572 12,042774 -81,2072 145,0284
253,4666 -3,4665931 -41,7474 12,01727
-120,354 273,0448

Розрахуємо критерій Дарбіна—Уотсона:

11

∑ 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

Застосуємо оператор оцінювання Ейткена для оцінки параметрів моделі:

1 1 1
A  ( X ' S X ) X ' S Y .
XT
1 1 1 1 1 1 1 1 1
122 144 172 206 248 290 326 364 423

130 145 162 185 205 220 245 250 270

XT*S^-1
1,158025 1,064247 0,670702 0,743408 0,73159 0,733511 0,733198616 0,733249 0,866620013
142,9727 144,779 117,4505 151,0419 181,6401 213,6193 238,7163102 263,5906 375,8814133
151,8047 148,8869 109,6411 137,4554 150,8863 159,7721 182,7914516 180,9469 237,1403771
XT*S^-1*X (XT*S^-1*X)^-1
7,434551 1829,692 1459,325 16,48411 0,089788993 -0,19587
1829,692 529369,6 396652,7 0,089789 0,000566478 -0,001168
1459,325 396652,7 304644,4 -0,19587 -0,00116768 0,002462
(XT*S^-1*X)^-1*XT
2,192389 1,380245 0,126282 -1,10708 -1,18522 -0,02264 -2,28316 0,312414449 1,586765
0,00771 0,00372 -0,00127 -0,00819 -0,0076 0,00031 -0,01238 0,003868415 0,013838
-0,02004 -0,01097 0,001409 0,01642 0,016072 0,00023 0,027657 -0,00593933 -0,02484
(XT*S^-1*X)^-1*XT*S^-1
2,485773 1,818042 -0,0449 -0,97204 -1,06819 0,523591 -2,43972 0,437368936 1,576011
0,008604 0,005479 -0,00109 -0,00711 -0,00674 0,003477 -0,01364 0,003826449 0,013564
-0,02253 -0,0153 0,001835 0,014264 0,014259 -0,00666 0,0299 -0,00667173 -0,024506

A
244,7989
1,226947
-2,02561

Економетрична модель запишеться:

Y^t =224,79+1,227 X t −2,025 X t −1

Знаходимо основні характеристики даної моделі:

дисперсія залишків: δu2=17392,02;
286692 1561,612 -3406,5768
1561,612 9,852202 -20,308276
-3406,58 -20,3083 42,8172272
коваріаційна матриця:
стандартні похибки:
s1 535,4363
s2 3,138822
s3 6,543487
коефіцієнт детермінації: R2=0,65(наближається до 1, отже відсутній
кореляційний зв’язок;
коефіцієнт кореляції: R=0,806(наближається до 1, вплив х на у є значний);
коефіцієнт Фішера: F=14,97;
коефіцієнт Стьюдента:
t1 0,457195
t2 0,390894
t3 0,309561

Tтабл=2.26.Критерії Ст’юдента t1,t2 менші за табличні, отже оцінка значимості

не є достовірна.
похибки оцінок:
-989,91715 a0 1479,515
-6,0111755 a1 8,46507
-17,11489 a2 13,06367

Метод інструментальних змінних

Для визначення інструментальної змінної за методом Вальда:
Зарплата(Y Національн Інструментальна
Рік x=Me Y' (Y-Y') (Y-Y')^2 (Y-Yс)^2
) ий дохід( X) змінна

1-й 68,00 120,00 -92,50 -1,00 36,94 31,06 964,86 860,44

2-й 72,00 130,00 -82,50 -1,00 43,90 28,10 789,62 641,78
3-й 74,00 145,00 -67,50 -1,00 54,34 19,66 386,40 544,44
4-й 81,00 165,00 -47,50 -1,00 68,27 12,73 162,13 266,78
5-й 85,00 183,00 -29,50 -1,00 80,80 4,20 17,65 152,11
6-й 89,00 205,00 -7,50 -1,00 96,11 -7,11 50,62 69,44
7-й 94,00 220,00 7,50 1,00 106,56 -12,56 157,70 11,11
8-й 101,00 238,00 25,50 1,00 119,09 -18,09 327,24 13,44
9-й 106,00 246,00 33,50 1,00 124,66 -18,66 348,17 75,11
10-й 118,00 252,00 39,50 1,00 128,84 -10,84 117,43 427,11
11-й 130,00 272,00 59,50 1,00 142,76 -12,76 162,83 1067,11
12-й 150,00 305,00 92,50 1,00 165,74 -15,74 247,60 2773,78
Сума: 3732,26 6902,67

Визначимо відхилення кожного значення змінної X від своєї медіани;

X i  Me . Ці відхилення наведені у табл. 7.1.
Від’ємні відхилення замінимо на –1, а додатні — на + 1. Сукупність цих
одиниць є інструментальною змінною (див. табл. 7.1).
Щоб оцінити параметри економетричної моделі, на основі оператора
Вальда визначимо:
Середні відхилення значень X від медіани:
 x1 -52,000

x2ser 0,667

Середні значення Y2 і Y1 , які відповідають середнім значенням X 2 і X 1 .

y1ser 79,000 Yс 97,33

y2ser 115,667 Xс 206,75

Розрахуємо оцінки параметрів моделі:

Y 2  Y 1  86,  772, 088,
a1    017,
X 2  X 1 12,  4 52, ;
a0  Y  a1 X 816,  017, 236, 816,  4012,  4148,  415, ;
a1с 0,696
a0с -46,607

Звідси економетрична модель:

Y=0,696x-46,607
Визначимо загальну дисперсію та дисперсію залишків:
Дисперсія залишків 373,226
Загальна дисперсія 627,515

Розрахуємо коефіцієнти детермінації та кореляції:

Коефіціент детермінації 0,405
Коефіціент кореляції 0,637
Коефіціент еластичності 1,479
Критерій Фішера 0,594768728

Коефіцієнти детермінації і кореляції свідчать про те, що побудована

модель є достовірною: зв’язок, який вона кількісно описує, є досить тісним.
Так, коефіцієнт детермінації показує, що на 80% варіація національного доходу
визначається варіацією основного капіталу.
Коефіцієнт еластичності показує, що збільшення основого капіталу на
1% сприятиме збільшенню національногт доходу на 0,635%.
Стандартна похибка for а0 for a1
19,31907 20,17810844

Критерій Стьюдента t1l t2l

2,412463 0,034502864

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

коефіцієнт детермінації: R2=0,998;

коефіцієнт кореляції: R=0,9993;
коефіцієнт Фішера: F=11437;
t-критерій:
t1 0,730944
t2 1,177618

похибки оцінок: :
-155,558 ao 294,7595
-0,44573 a1 1,330161

Порівняльна характеристика використаних методів:

Характ Метод Ейткена Метод Койка Метод Метод
еристи інструментальних Уолліса
ка змінних
Оцінки A0=69,60091163 A0=70,74; a1=0,696 A0=-5,95
A1=0,442214985 A1=0,932; a0=-46,607 A1=0,048
A2=-0,416 A2=0,887
Модел Y=69,6+0,442X Y t =70,74+0.932 X t −0,46 X t−1 +0.69 X ❑
Y^t =−46,6 Y^t =−5,95+0,048 X t +0.887
ь

δu2 69,73082532 25,39 373,226 17392,01

R2 0,998602595 0,999392572 0,405 0,651
R 0,999301053 0,99969624 0,637 0,8068
F 11437,79415 26328,571 0,594768728 14,9211
t t1=0,730943923 t1=12,58 T1=2,412463172 t1=0,457
t2=1,177618282 t2=3,72 T2=0,034502864tкр t2=0,39089
tкр=2,3646 t3=1,89 =2,3646; t3=0,3095
tкр=2,3646; 5tкр=2,3;
Похиб -155,6<=ao<=294,8 57,45<=a0<=84,042 -93,213<=a0<=0 -
989,92<=a0<=1479,
ки -0,45<=a1<=1,33 0,34<=a1<=1,5261 0<=a1<=1,392 515001
оцінок -0,94<=a2<=0,104 -6,012<=a1<=8,465
-
17,11<=a2<=13,063
7
А є Не відомо Є немає

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.