Побудова економетричної моделі на основі макроекономічних показників Австрії
Работа из раздела: «
Экономико-математическое моделирование»
Київський національний університет імені Тараса Шевченка
Економічний факультет
Кафедра екологічного менеджменту і підприємництва
Самостійна робота
з курсу прикладна економетрика
на тему: Побудова економетричної моделі на основі макроекономічних показників Австрії
Студента 1 курсу магістратури
Спеціальності «Екологічне підприємництво»
Нестеренка Олега Анатолійовича
Київ 2013
Для побудови економетричної моделі використаємо наступні макроекономічні показники Австрії:
1). ВВП;
2). Рівень інфляції;
3). Кількість населення;
4). Чисельність безробітних;
5). Чисельність зайнятих
Дані макроекономічні показники беремо періодом 20 років з 1992 р. до 2012р.
Для побудови економетричної моделі дані показники та їх кількісні параметри необхідно імпортувати дані в Eviews.
Перш ніж побудувати економетричну модель перевіряємо наші показники на стаціонарність даних.
|
ADF Test Statistic
|
0.614449
|
1% Critical Value*
|
-3.8304
|
|
|
|
5% Critical Value
|
-3.0294
|
|
|
|
10% Critical Value
|
-2.6552
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(EMLP)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 18:58
|
|
|
Sample(adjusted): 1994 2012
|
|
|
Included observations: 19 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
EMLP(-1)
|
0.026262
|
0.042740
|
0.614449
|
0.5476
|
|
|
D(EMLP(-1))
|
0.745940
|
0.191176
|
3.901858
|
0.0013
|
|
|
C
|
-0.073097
|
0.133089
|
-0.549236
|
0.5904
|
|
|
R-squared
|
0.491538
|
Mean dependent var
|
0.029421
|
|
|
Adjusted R-squared
|
0.427980
|
S.D. dependent var
|
0.027671
|
|
|
S.E. of regression
|
0.020928
|
Akaike info criterion
|
-4.751483
|
|
|
Sum squared resid
|
0.007008
|
Schwarz criterion
|
-4.602361
|
|
|
Log likelihood
|
48.13909
|
F-statistic
|
7.733720
|
|
|
Durbin-Watson stat
|
1.870029
|
Prob(F-statistic)
|
0.004468
|
|
|
Першим показником візьмемо чисельність зайнятих. Значення ADF Test Statistic дорівнює 0.614449 і воно є більшим ніж критичне значення (при 5% -3.0294). Отже, даний ряд даних є нестаціонарним. Тому потрібно ввести новий показник, який дорівнюватиме різниці другого порядку.
|
ADF Test Statistic
|
-3.678474
|
1% Critical Value*
|
-4.6712
|
|
|
|
5% Critical Value
|
-3.7347
|
|
|
|
10% Critical Value
|
-3.3086
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(EMLP2,2)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:04
|
|
|
Sample(adjusted): 1997 2012
|
|
|
Included observations: 16 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
D(EMLP2(-1))
|
-1.105270
|
0.300470
|
-3.678474
|
0.0032
|
|
|
D(EMLP2(-1),2)
|
0.384605
|
0.236322
|
1.627464
|
0.1296
|
|
|
C
|
-0.051330
|
0.021416
|
-2.396756
|
0.0337
|
|
|
@TREND(1988)
|
0.004128
|
0.001624
|
2.542345
|
0.0258
|
|
|
R-squared
|
0.536879
|
Mean dependent var
|
0.002125
|
|
|
Adjusted R-squared
|
0.421099
|
S.D. dependent var
|
0.031001
|
|
|
S.E. of regression
|
0.023587
|
Akaike info criterion
|
-4.443913
|
|
|
Sum squared resid
|
0.006676
|
Schwarz criterion
|
-4.250766
|
|
|
Log likelihood
|
39.55130
|
F-statistic
|
4.637054
|
|
|
Durbin-Watson stat
|
1.656118
|
Prob(F-statistic)
|
0.022445
|
|
|
Значення ADF Test Statistic дорівнює -3.678474 і воно є меншим ніж критичне значення (при 10% -3.3086). Отже, даний ряд даних є стаціонарним
Наступний показник - валовий внутрішній продукт:
|
ADF Test Statistic
|
0.653267
|
1% Critical Value*
|
-3.8304
|
|
|
|
5% Critical Value
|
-3.0294
|
|
|
|
10% Critical Value
|
-2.6552
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(GDP)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:07
|
|
|
Sample(adjusted): 1994 2012
|
|
|
Included observations: 19 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
GDP(-1)
|
0.013586
|
0.020797
|
0.653267
|
0.5229
|
|
|
D(GDP(-1))
|
0.306578
|
0.240134
|
1.276693
|
0.2199
|
|
|
C
|
0.636204
|
3.910736
|
0.162681
|
0.8728
|
|
|
R-squared
|
0.147478
|
Mean dependent var
|
4.750579
|
|
|
Adjusted R-squared
|
0.040912
|
S.D. dependent var
|
2.177531
|
|
|
S.E. of regression
|
2.132522
|
Akaike info criterion
|
4.496427
|
|
|
Sum squared resid
|
72.76238
|
Schwarz criterion
|
4.645549
|
|
|
Log likelihood
|
-39.71605
|
F-statistic
|
1.383917
|
|
|
Durbin-Watson stat
|
1.940042
|
Prob(F-statistic)
|
0.279027
|
|
|
Значення ADF Test Statistic дорівнює 0.653267 і воно є більшим ніж критичне значення (-3.0294 при 5%). Отже, даний ряд даних є нестаціонарним. Тому варто використовувати різницю другого порядку.
|
ADF Test Statistic
|
-4.260963
|
1% Critical Value*
|
-3.8877
|
|
|
|
5% Critical Value
|
-3.0521
|
|
|
|
10% Critical Value
|
-2.6672
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(GDP2)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:09
|
|
|
Sample(adjusted): 1996 2012
|
|
|
Included observations: 17 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
GDP2(-1)
|
-0.680381
|
0.159678
|
-4.260963
|
0.0008
|
|
|
D(GDP2(-1))
|
0.831069
|
0.196912
|
4.220509
|
0.0009
|
|
|
C
|
6.125244
|
1.519137
|
4.032055
|
0.0012
|
|
|
R-squared
|
0.628189
|
Mean dependent var
|
0.076176
|
|
|
Adjusted R-squared
|
0.575073
|
S.D. dependent var
|
3.030602
|
|
|
S.E. of regression
|
1.975541
|
Akaike info criterion
|
4.358346
|
|
|
Sum squared resid
|
54.63864
|
Schwarz criterion
|
4.505384
|
|
|
Log likelihood
|
-34.04594
|
F-statistic
|
11.82677
|
|
|
Durbin-Watson stat
|
1.915949
|
Prob(F-statistic)
|
0.000982
|
|
|
Значення ADF Test Statistic дорівнює -4.260963 і воно є меншим, ніж критичне значення (-3.0521 при 5%). Отже, даний ряд даних є стаціонарним.
- показник інфляції:
|
ADF Test Statistic
|
-1.939005
|
1% Critical Value*
|
-3.8304
|
|
|
|
5% Critical Value
|
-3.0294
|
|
|
|
10% Critical Value
|
-2.6552
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(INF)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:12
|
|
|
Sample(adjusted): 1994 2012
|
|
|
Included observations: 19 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
INF(-1)
|
-0.372382
|
0.192048
|
-1.939005
|
0.0703
|
|
|
D(INF(-1))
|
0.378959
|
0.254321
|
1.490082
|
0.1557
|
|
|
C
|
0.800929
|
0.411835
|
1.944781
|
0.0696
|
|
|
R-squared
|
0.216773
|
Mean dependent var
|
0.051263
|
|
|
Adjusted R-squared
|
0.118870
|
S.D. dependent var
|
0.635957
|
|
|
S.E. of regression
|
0.596964
|
Akaike info criterion
|
1.950019
|
|
|
Sum squared resid
|
5.701853
|
Schwarz criterion
|
2.099141
|
|
|
Log likelihood
|
-15.52518
|
F-statistic
|
2.214153
|
|
|
Durbin-Watson stat
|
1.821729
|
Prob(F-statistic)
|
0.141612
|
|
|
Значення ADF Test Statistic дорівнює -1.939005 і воно є більшим ніж критичне значення (-3.0294 при 5%). Отже, даний ряд даних є нестаціонарним. Тому варто використовувати різницю першого порядку.
|
ADF Test Statistic
|
-3.116447
|
1% Critical Value*
|
-3.8572
|
|
|
|
5% Critical Value
|
-3.0400
|
|
|
|
10% Critical Value
|
-2.6608
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(INF1)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:15
|
|
|
Sample(adjusted): 1995 2012
|
|
|
Included observations: 18 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
INF1(-1)
|
-1.088407
|
0.349246
|
-3.116447
|
0.0071
|
|
|
D(INF1(-1))
|
0.290481
|
0.264071
|
1.100010
|
0.2887
|
|
|
C
|
0.023079
|
0.153516
|
0.150338
|
0.8825
|
|
|
R-squared
|
0.433188
|
Mean dependent var
|
0.028056
|
|
|
Adjusted R-squared
|
0.357613
|
S.D. dependent var
|
0.812506
|
|
|
S.E. of regression
|
0.651216
|
Akaike info criterion
|
2.131062
|
|
|
Sum squared resid
|
6.361239
|
Schwarz criterion
|
2.279457
|
|
|
Log likelihood
|
-16.17956
|
F-statistic
|
5.731898
|
|
|
Durbin-Watson stat
|
1.934395
|
Prob(F-statistic)
|
0.014151
|
|
|
Значення ADF Test Statistic дорівнює -3.116447 і воно є більшим ніж критичне значення (-3.0400 при 5%). Отже, даний ряд даних є стаціонарним.
- Чисельність безробітних:
|
ADF Test Statistic
|
-2.946521
|
1% Critical Value*
|
-3.8304
|
|
|
|
5% Critical Value
|
-3.0294
|
|
|
|
10% Critical Value
|
-2.6552
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(UNEM)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:17
|
|
|
Sample(adjusted): 1994 2012
|
|
|
Included observations: 19 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
UNEM(-1)
|
-0.303544
|
0.103018
|
-2.946521
|
0.0095
|
|
|
D(UNEM(-1))
|
0.331180
|
0.202966
|
1.631699
|
0.1223
|
|
|
C
|
1.254147
|
0.412667
|
3.039127
|
0.0078
|
|
|
R-squared
|
0.393180
|
Mean dependent var
|
0.081684
|
|
|
Adjusted R-squared
|
0.317327
|
S.D. dependent var
|
0.378437
|
|
|
S.E. of regression
|
0.312680
|
Akaike info criterion
|
0.656664
|
|
|
Sum squared resid
|
1.564297
|
Schwarz criterion
|
0.805786
|
|
|
Log likelihood
|
-3.238309
|
F-statistic
|
5.183472
|
|
|
Durbin-Watson stat
|
2.119314
|
Prob(F-statistic)
|
0.018386
|
|
|
Значення ADF Test Statistic дорівнює -2.946521 і воно є більшим ніж критичне значення (-2.6552 при 10%). Отже, даний ряд даних є стаціонарним. Проте для економетричної моделі варто ввести показник різниці першого порядку.
|
ADF Test Statistic
|
-3.938451
|
1% Critical Value*
|
-3.8877
|
|
|
|
5% Critical Value
|
-3.0521
|
|
|
|
10% Critical Value
|
-2.6672
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(UNEM1,2)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:20
|
|
|
Sample(adjusted): 1996 2012
|
|
|
Included observations: 17 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
D(UNEM1(-1))
|
-1.599940
|
0.406236
|
-3.938451
|
0.0015
|
|
|
D(UNEM1(-1),2)
|
0.151374
|
0.238399
|
0.634964
|
0.5357
|
|
|
C
|
-0.075679
|
0.105454
|
-0.717649
|
0.4848
|
|
|
R-squared
|
0.705490
|
Mean dependent var
|
-0.009000
|
|
|
Adjusted R-squared
|
0.663417
|
S.D. dependent var
|
0.744481
|
|
|
S.E. of regression
|
0.431916
|
Akaike info criterion
|
1.317615
|
|
|
Sum squared resid
|
2.611723
|
Schwarz criterion
|
1.464653
|
|
|
Log likelihood
|
-8.199729
|
F-statistic
|
16.76828
|
|
|
Durbin-Watson stat
|
1.933845
|
Prob(F-statistic)
|
0.000192
|
|
|
Значення ADF Test Statistic дорівнює -3.938451 і воно є меншим ніж критичне значення (-3.0521 при 5%). Отже, даний ряд даних є стаціонарним.
- чисельність населення:
|
ADF Test Statistic
|
-2.023093
|
1% Critical Value*
|
-3.8304
|
|
|
|
5% Critical Value
|
-3.0294
|
|
|
|
10% Critical Value
|
-2.6552
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(PPL)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:24
|
|
|
Sample(adjusted): 1994 2012
|
|
|
Included observations: 19 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
PPL(-1)
|
-0.040098
|
0.019820
|
-2.023093
|
0.0601
|
|
|
D(PPL(-1))
|
0.706807
|
0.151043
|
4.679523
|
0.0003
|
|
|
C
|
0.329847
|
0.159994
|
2.061618
|
0.0559
|
|
|
R-squared
|
0.679503
|
Mean dependent var
|
0.035263
|
|
|
Adjusted R-squared
|
0.639441
|
S.D. dependent var
|
0.024626
|
|
|
S.E. of regression
|
0.014787
|
Akaike info criterion
|
-5.446209
|
|
|
Sum squared resid
|
0.003498
|
Schwarz criterion
|
-5.297087
|
|
|
Log likelihood
|
54.73898
|
F-statistic
|
16.96121
|
|
|
Durbin-Watson stat
|
0.933762
|
Prob(F-statistic)
|
0.000111
|
|
|
Значення ADF Test Statistic дорівнює -2.023093 і воно є більшим ніж критичне значення (-3.0294 при 5%). Отже, даний ряд даних є нестаціонарним. Тому варто ввести показник різниці першого порядку.
|
ADF Test Statistic
|
-3.053474
|
1% Critical Value*
|
-3.8572
|
|
|
|
5% Critical Value
|
-3.0400
|
|
|
|
10% Critical Value
|
-2.6608
|
|
|
*MacKinnon critical values for rejection of hypothesis of a unit root.
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(PPL1)
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:26
|
|
|
Sample(adjusted): 1995 2012
|
|
|
Included observations: 18 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
PPL1(-1)
|
-0.374069
|
0.122506
|
-3.053474
|
0.0080
|
|
|
D(PPL1(-1))
|
0.656492
|
0.179466
|
3.658028
|
0.0023
|
|
|
C
|
0.011919
|
0.005308
|
2.245757
|
0.0402
|
|
|
R-squared
|
0.525790
|
Mean dependent var
|
-0.002500
|
|
|
Adjusted R-squared
|
0.462562
|
S.D. dependent var
|
0.015768
|
|
|
S.E. of regression
|
0.011559
|
Akaike info criterion
|
-5.931647
|
|
|
Sum squared resid
|
0.002004
|
Schwarz criterion
|
-5.783252
|
|
|
Log likelihood
|
56.38482
|
F-statistic
|
8.315768
|
|
|
Durbin-Watson stat
|
2.099488
|
Prob(F-statistic)
|
0.003713
|
|
|
Значення ADF Test Statistic дорівнює -3,0534 і воно є меншим ніж критичне значення (-3.0400 при 5%). Отже, даний ряд даних є стаціонарним.
На основі даних показників будуємо економетричну модель. Задамо наступну функцію:
gdp2= inf1+ emlp2 + unem1
Економічний зміст даної моделі - як зміниться приріст ВВП при зміні показників інфляції, кількості зайнятих та безробітних, тобто визначимо вплив даних факторів на кінцевий результат (ВВП).
|
Dependent Variable: GDP2
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:32
|
|
|
Sample(adjusted): 1994 2012
|
|
|
Included observations: 19 after adjusting endpoints
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
INF1
|
1.621511
|
1.078301
|
1.503765
|
0.1534
|
|
|
EMLP2
|
20.32083
|
14.15757
|
1.435333
|
0.1717
|
|
|
UNEM1
|
-4.856945
|
1.556974
|
-3.119476
|
0.0070
|
|
|
C
|
8.681209
|
0.991770
|
8.753247
|
0.0000
|
|
|
R-squared
|
0.616607
|
Mean dependent var
|
9.536579
|
|
|
Adjusted R-squared
|
0.539928
|
S.D. dependent var
|
3.589248
|
|
|
S.E. of regression
|
2.434537
|
Akaike info criterion
|
4.802054
|
|
|
Sum squared resid
|
88.90457
|
Schwarz criterion
|
5.000883
|
|
|
Log likelihood
|
-41.61952
|
F-statistic
|
8.041437
|
|
|
Durbin-Watson stat
|
1.309724
|
Prob(F-statistic)
|
0.001987
|
|
|
В моделі залежною змінною виступає внутрішній валовий продукт, а незалежними змінними інфляція та чисельність населення. Аналіз отриманих результатів показав, що коефіцієнт детермінації та скоригований коефіцієнт детермінації є дуже високими 0,61 та 0,53, що свідчить високий ступінь впливу незалежних змінних на залежну. Значення статистики Фішера, яке розраховане за нашою моделлю становить 36,53 що є значно більшим за теоретичне 8,04, отже модель є статистично значущою. Також значення імовірності для статистики Фішера прямує до нуля, що також підтверджує даний факт. Аналіз статистики Стьюдента показав, що всі коефіцієнти є статистично значимими, оскільки не попадають в діапазон від -2,67 до -8,54 і значення імовірності менше за 0.05.
Перевіряємо нашу модель за допомогою наступних критеріїв:
1). Перевірка на відсутність гетероскедастичності:
|
White Heteroskedasticity Test:
|
|
|
F-statistic
|
0.363580
|
Probability
|
0.926082
|
|
|
Obs*R-squared
|
5.066091
|
Probability
|
0.828509
|
|
|
Test Equation:
|
|
|
Dependent Variable: RESID^2
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:33
|
|
|
Sample: 1994 2012
|
|
|
Included observations: 19
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
C
|
7.115255
|
3.628614
|
1.960874
|
0.0815
|
|
|
INF1
|
-2.038883
|
4.242548
|
-0.480580
|
0.6423
|
|
|
INF1^2
|
-5.488163
|
3.954719
|
-1.387751
|
0.1986
|
|
|
INF1*EMLP2
|
58.21519
|
97.33955
|
0.598063
|
0.5645
|
|
|
INF1*UNEM1
|
-4.257903
|
9.318227
|
-0.456943
|
0.6585
|
|
|
EMLP2
|
50.26476
|
97.65399
|
0.514723
|
0.6191
|
|
|
EMLP2^2
|
-496.5563
|
764.4887
|
-0.649527
|
0.5322
|
|
|
EMLP2*UNEM1
|
10.54212
|
113.1264
|
0.093189
|
0.9278
|
|
|
UNEM1
|
-0.639751
|
9.420806
|
-0.067908
|
0.9473
|
|
|
UNEM1^2
|
-10.65058
|
11.85260
|
-0.898586
|
0.3923
|
|
|
R-squared
|
0.266636
|
Mean dependent var
|
4.679188
|
|
|
Adjusted R-squared
|
-0.466727
|
S.D. dependent var
|
4.217199
|
|
|
S.E. of regression
|
5.107387
|
Akaike info criterion
|
6.404670
|
|
|
Sum squared resid
|
234.7686
|
Schwarz criterion
|
6.901743
|
|
|
Log likelihood
|
-50.84437
|
F-statistic
|
0.363580
|
|
|
Durbin-Watson stat
|
1.767154
|
Prob(F-statistic)
|
0.926082
|
|
|
Для перевірки присутності гетероскедастичність був використаний критерій Вайта. Побудована допоміжна регресійна модель виявилась адекватною, так як значення ймовірностей для F - статистики є більшим за 0,05 і становить 0,926082, що свідчить про відсутність в моделі гетероскедастичності.
2). Перевіряємо модель на відсутність автокореляції та ковзаючого середнього:
2.1. Для перевірки присутності автокореляції використаємо критерій множників Лагранжа:
|
Breach-Godfrey Serial Correlation LM Test:
|
|
|
F-statistic
|
1.405505
|
Probability
|
0.280152
|
|
|
Obs*R-squared
|
3.377975
|
Probability
|
0.184706
|
|
|
Test Equation:
|
|
|
Dependent Variable: RESID
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:35
|
|
|
Presample missing value lagged residuals set to zero.
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
INF1
|
-0.205024
|
1.076923
|
-0.190380
|
0.8520
|
|
|
EMLP2
|
-1.839907
|
14.75289
|
-0.124715
|
0.9027
|
|
|
UNEM1
|
1.184212
|
1.768016
|
0.669797
|
0.5147
|
|
|
C
|
-0.047853
|
0.996599
|
-0.048016
|
0.9624
|
|
|
RESID(-1)
|
0.543716
|
0.337747
|
1.609830
|
0.1314
|
|
|
RESID(-2)
|
-0.215110
|
0.319782
|
-0.672677
|
0.5129
|
|
|
R-squared
|
0.177788
|
Mean dependent var
|
1.36E-15
|
|
|
Adjusted R-squared
|
-0.138447
|
S.D. dependent var
|
2.222418
|
|
|
S.E. of regression
|
2.371277
|
Akaike info criterion
|
4.816823
|
|
|
Sum squared resid
|
73.09839
|
Schwarz criterion
|
5.115067
|
|
|
Log likelihood
|
-39.75982
|
F-statistic
|
0.562202
|
|
|
Durbin-Watson stat
|
1.967891
|
Prob(F-statistic)
|
0.727429
|
|
|
Значення показника R-squared є 0,184706 і воно є більшим за значення 0,05, тобто у даній моделі відсутні автокореляція і процес не можливо описати за допомогою автокореляції та ковзаючого середнього.
2.2.Для перевірки присутності автокореляції та ковзаючого середнього використаємо перевірку за допомогою критерію Correlogram Q-stat:
|
Date: 12/12/13 Time: 19:36
|
|
|
Sample: 1994 2012
|
|
|
Included observations: 19
|
|
|
Autocorrelation
|
Partial Correlation
|
|
AC
|
PAC
|
Q-Stat
|
Prob
|
|
|
. |**. |
|
. |**. |
|
1
|
0.290
|
0.290
|
1.8645
|
0.172
|
|
|
. *|. |
|
. **|. |
|
2
|
-0.093
|
-0.194
|
2.0694
|
0.355
|
|
|
.***|. |
|
.***|. |
|
3
|
-0.444
|
-0.403
|
6.9803
|
0.073
|
|
|
.***|. |
|
. **|. |
|
4
|
-0.433
|
-0.275
|
11.979
|
0.018
|
|
|
. *|. |
|
. *|. |
|
5
|
-0.180
|
-0.137
|
12.905
|
0.024
|
|
|
. *|. |
|
.***|. |
|
6
|
-0.128
|
-0.433
|
13.408
|
0.037
|
|
|
. |*. |
|
. *|. |
|
7
|
0.174
|
-0.158
|
14.416
|
0.044
|
|
|
. |*. |
|
. **|. |
|
8
|
0.189
|
-0.279
|
15.709
|
0.047
|
|
|
. |*** |
|
. |. |
|
9
|
0.339
|
-0.037
|
20.285
|
0.016
|
|
|
. |*. |
|
. *|. |
|
10
|
0.161
|
-0.157
|
21.433
|
0.018
|
|
|
. |. |
|
. *|. |
|
11
|
-0.023
|
-0.065
|
21.459
|
0.029
|
|
|
. **|. |
|
. **|. |
|
12
|
-0.234
|
-0.219
|
24.581
|
0.017
|
|
|
Перевірка залишків моделі на присутність автокореляції за допомогою Q - статистики показала, що на всіх лагах значення ймовірностей є більшими за 0,05, що свідчить про відсутність в моделі автокореляції та ковзаючого середнього.
3) перевірка моделі за допомогою критерію Ramsey RESET Test:
|
Ramsey RESET Test:
|
|
|
F-statistic
|
0.295901
|
Probability
|
0.595021
|
|
|
Log likelihood ratio
|
0.397394
|
Probability
|
0.528438
|
|
|
Test Equation:
|
|
|
Dependent Variable: GDP2
|
|
|
Method: Least Squares
|
|
|
Date: 12/12/13 Time: 19:37
|
|
|
Sample: 1994 2012
|
|
|
Included observations: 19
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
INF1
|
3.038391
|
2.829229
|
1.073929
|
0.3010
|
|
|
EMLP2
|
35.72090
|
31.80883
|
1.122987
|
0.2803
|
|
|
UNEM1
|
-8.847354
|
7.507115
|
-1.178529
|
0.2582
|
|
|
C
|
11.96013
|
6.112799
|
1.956572
|
0.0706
|
|
|
FITTED^2
|
-0.039722
|
0.073023
|
-0.543967
|
0.5950
|
|
|
R-squared
|
0.624542
|
Mean dependent var
|
9.536579
|
|
|
Adjusted R-squared
|
0.517269
|
S.D. dependent var
|
3.589248
|
|
|
S.E. of regression
|
2.493769
|
Akaike info criterion
|
4.886402
|
|
|
Sum squared resid
|
87.06440
|
Schwarz criterion
|
5.134938
|
|
|
Log likelihood
|
-41.42082
|
F-statistic
|
5.821954
|
|
|
Durbin-Watson stat
|
1.467815
|
Prob(F-statistic)
|
0.005650
|
|
|
Оцінюючи значення Log likelihood ratio, що дорівнює 0,528438 і воно є більшим за 0,05, робимо висновки, що функціональна форма вибрана вірно.
Estimation Command:
=====================
LS GDP2 INF1 EMLP2 UNEM1 C
Estimation Equation:
=====================
GDP2 = C(1)*INF1 + C(2)*EMLP2 + C(3)*UNEM1 + C(4)
Substituted Coefficients:
=====================
GDP2 = 1.621511065*INF1 + 20.32082605*EMLP2 - 4.856945173* UNEM1 + 8.681208645
Виходячи з даної моделі бачимо, що найбільший вплив на зміну показника ВВП має чисельність зайнятих та інфляція і зворотну залежність має показник безробітних.
економетричний інфляція валовий детермінація
Висновки
Побудувавши економетричну модель на основі даних макроекономічних показників Австрії і припустивши, що дана функція матиме вигляд лінійної, а саме gdp2= inf1+ emlp2 + unem1 отримаємо наступні результати.
Дана модель є адекватною і значимість коефіцієнтів є високою. При перевірці моделі за обраними критеріями отримали наступні результати:
- дані показників є нестаціонарними рядами, тому необхідно використовувати стаціонарність першого порядку;
- у моделі відсутня гетероскедастичність;
- процес не описується за допомогою автокореляції та ковзаючим середнім, оскільки автокореляція відсутня є відсутніми;
- функціональна форма вибрана вірно.
Економічний зміст даної є наступним: зміна обсягів ВВП залежить від показників зміни інфляції та чисельності зайнятих та безробітних та має пряму залежність.
