Виконала: Климюк Анна, ОМУ-22-2

Варіант - 5
Лабораторна робота № 3
“Побудова та дослідження лінійної багатофакторної економетричної
моделі з мультиколіарністю”
Мета роботи: Набуття практичних навичок аналізу динаміки та
структури та побудови багатофакторної економетричної моделі з
мультиколінеарністю, її дослідження та практичне використання.
Задачі роботи:
1 Специфікація економетричної моделі.
2. Побудова економетричної моделі МНК.
3. Дослідження економетричної моделі на мультиколінеарність.
4. Побудова кореляційної матриці.
5. Знаходження оптимального регуляційного параметра λ з
застосуванням узагальненої перехресної перевірки на основі зовнішнього
критерію кросс- валідації GCV (generalized cross-validation).
6. Побудова гребеневої або рідж-регресії (ridge regression).
7. Формування економічних висновків на основі побудованої
економетричної моделі.
Завдання роботи:
Виходячи з даних інтерактивної статистичної бази країн ОЕСР
(https://stats.oecd.org/) для однієї з країн проаналізувати динаміку та
структуру надходжень персонального прибуткового податку. Побудувати
економетричну модель залежності рівня надходжень персонального
прибуткового податку (Personal Income Tax) (Y, млн од. національної валюти)
від ВВП (Х1, млн одиниць національної валюти), заробітної плати (Х2, млн
одиниць національної валюти), доходів від операцій з капіталом (Х3, млн
одиниць національної валюти) для цього потрібно:
1. Знайти дані, побудувати та проаналізувати графік частки
надходжень персонального прибуткового податку в досліджуваній країні.
 2. Знайти дані, побудувати та проаналізувати структуру надходжень
персонального прибуткового податку у розрізі складових в досліджуваній
країні.
3. Побудувати діаграми розсіювання для результуючого показника
та показників-факторів та обрати найкращу специфікацію економетричної
моделі.
4. Побудувати економетричну модель залежності надходжень
персонального прибуткового податку від визначених факторів.
5. Провести діагностику економетричної моделі на наявність
мультиколінеарності.
6. Побудувати та проаналізувати кореляційну матрицю ознак-
факторів.
7. Знайти оптимальний регуляційний параметр λ з застосуванням
узагальненої перехресної перевірки на основі зовнішнього критерію кросс-
валідації GCV (generalized cross-validation). Побувати графік залежності
значення параметра регуляризації λ від критерію кросс-валідації (GCV).
8. Побудувати гребеневу або рідж-регресію (ridge regression) та
сформулювати економічні висновки.
Результати виконання:

Рис. 1. Формування вихідного масиву інформації в Блокноті

 Рис. 2. Таблиця з даними в R

Рис. 3. Діаграма розсіювання між логарифмованими змінними ППП та ВВП.

 Рис. 4. Діаграма розсіювання між логарифмованими змінними ППП та
заробітної плати.

Рис. 5. Діаграма розсіювання між логарифмованими змінними ППП та

доходів від капіталу.

На основі візуального аналізу трьох діаграм розсіювання між

логарифмованими змінними ППП та ВВВ, заробітної плати та доходів від
капіталу можна простежити наявність лінійного зв’язку між результуючим
показником та факторами, які на нього впливають.
 Рис. 6. Протокол економетричної моделі залежності надходжень ППП, ВВП,
обсягу заробітної плати та доходів від капіталу, побудованої за допомогою
МНК в R.

Економетрична модель між надходженнями ППП, ВВП, обсягом

заробітної плати та доходів від капіталу виглядає наступним чином:
^
logPIT =1 , 0836+0,4253∗log ( GDP ) +0,3143∗log ( Earnes ) −0,0112∗log(Capital .income )

.
 Рис. 7. Кореляційна матриця між ВВП, обсягом заробітної плати та доходів
від капіталу в R.

Аналізуючи коефіцієнти кореляції між результуючим показником та

ознаками-факторами можна зробити висновок про тісний зв’язок між усіма
факторами, оскільки, вони є більшими за 0,7.

Рис. 8. Розрахунок дисперсійно-інфляційних коефіцієнтів в R.

 Оскільки дисперсійно-інфлцяційні коефіцієнти для ВВП, обсягу
заробітної плати та обсягу доходів від капіталу є більшими за 10, можна
стверджувати, що в моделі наявна мультиколінеарність.
Виходячи з того, що ВВП, обсяг заробітної плати та обсяг доходів від
капіталу корелюють між собою, вирішено було побудувати рідж-регресію.

Рис. 9. Залежність кросс-валідаційної суми квадратів залишків від лямбда.

Рис. 10. Знаходження λ, що мінімізує кросс-валідаційну суму

квадратів залишків.
 Рис. 11. Побудова рідж-регресії та знаходження оцінок параметрів.

Рівняння регресії виглядає наступним чином:

^
logPIT =1,3950+ 0,3584∗log ( GDP ) +0,3350∗log ( Earnes ) +0,0302∗log (Capital . income)

.
За результатами моделювання можна зробити наступні висновки.
Зростання ВВП 1 % зумовлює зростання надходжень ППП на 0,3584 %, а
зростання заробітної плати на 1 % зумовлює зростання надходжень ППП на
0,3350 %, зростання доходів від капіталу на 1 % призводить до росту
відповідних надходжень 0,0302 %.
Окрім цього, варто відмітити високий рівень тісноти зв’язку між
надходженнями ППП та ВВП, обсягами заробітної плати, доходами від
капіталу, з цього можна зробити висновок про те, що певною мірою рівень
економічного зростання, зростання обсягів заробітної плати та доходів від
капіталу зумовлює зростання надходжень з ППП.
 Варіант 5
Чехія
Національна валюта: Чеська крона
Роки Доходи від
ППП (Y), млн. ВВП (X1), млн. од. Заробітна плата
капіталу, (X3), млн.
од. н.в. н.в. (X2), млн. од. н.в.
од. н.в.
year PIT GDP Earnes Capital income
1995 70361.00 1580115.00 547514.61 7900.58
1996 80206.00 1812622.00 642322.20 9063.11
1997 87356.00 1953311.00 710331.94 9766.56
1998 93632.00 2142587.00 769311.94 10712.94
1999 92962.00 2237300.00 817129.86 11186.50
2000 99668.00 2372630.00 868079.66 11863.15
2001 105406.37 2562679.00 921397.09 12813.40
2002 114956.68 2674634.00 1006425.29 13373.17
2003 125398.80 2801163.00 1082424.49 14005.82
2004 136316.55 3057660.00 1174638.89 14392.08
2005 137937.36 3257972.00 1236950.24 15253.54
2006 139349.92 3507131.00 1315706.95 17055.10
2007 153373.64 3831819.00 1394204.22 21906.80
2008 142268.97 4015346.00 1470511.95 21462.89
2009 136023.47 3921827.00 1495225.95 22319.39
2010 131705.81 3953651.00 1535505.21 20653.50
2011 142752.03 4033755.00 1559356.75 16996.37
2012 144830.67 4059912.00 1603015.53 18772.03
2013 149831.17 4098128.00 1614499.21 21282.37
2014 153762.50 4313789.00 1655550.97 19660.41
2015 164678.08 4554615.00 1706257.77 25949.24
2016 183103.09 4715061.00 1798575.13 24267.49
Рис. 12. Дані по варіанту № 5.