Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя




НазваниеЛабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя
Дата конвертации02.04.2013
Размер51.37 Kb.
ТипЛабораторная работа
Лабораторная работа №4

Динамические модели
Задание
Оценить для двух рядов восемь типов моделей:

  1. статическая регрессия;

  2. процесс авторегрессии;

  3. модель опережающего показателя;

  4. модель скорости роста;

  5. модель распределенных запаздываний;

  6. модель частичной корректировки;

  7. фальстарт или приведенная форма;

  8. автрегрессионные ошибки.

Привести статистические характеристики по каждой модели и дать оценку адекватности модели.

Пусть ряд Xt – ряд”Прямые инвестиции”(I(0), C) ряд Yt – ряд”Портфельные инвестиции” (I(0), N).


  1. Cтатическая регрессия


Получаем результат:




Оценим статистическую значимость параметров полученного уравнения и всей модели в целом:

  1. Статистическую значимость коэффициентов полученного уравнения проверим на основе t–статистики (t-Statistic): t–статистика для с низка(׀t-Statistic׀ < 2), т.е. константа считается незначимой; t–статистика для х низка (׀t-Statistic׀ < 2), т.е. коэффициент считается незначимым.

  2. Значение коэффициента детерминации (R2 = 0,035600) достаточно низко, т.е. нет уверенности в высоком общем качестве уравнения регрессии. Это позволяет говорить, что изменение эндогенной (зависимой) переменной y не объясняется экзогенной (независимой) переменной x.

  3. Очень низкое значение F–статистики (F–statistic = 1,587326) также позволяет утверждать, что коэффициент детерминации незначим, и, следовательно, в уравнении регрессии не присутствует значимая объясняющая переменная. Это, в принципе, подтверждается низкой t–статистикой коэффициента при переменной x.

  4. Еще одним критерием качества модели является статистика Дарбина–Уотсона (DW), с помощью которой мы можем проверить обоснованность выбора формы уравнения регрессии, а также учет в модели всех существенных объясняющих переменных. В нашем случае DW = 2.162633, что говорит о выполнении условия независимости остатков.

  5. Тест Бройша–Годфри является более общим тестом на обнаружение автокорреляции регрессионных остатков по сравнению с тестом Дарбина– Уотсона:



Как следует из приведенной таблицы, Probability > 0,05. Следовательно, тест Бройша–Годфри говорит о том, что гипотеза о наличии автокорреляции отвергается. Это подтверждает и статистика Дарбина– Уотсона.

  1. Проверим наличие гетероскедостичности и объясним полученные результаты. Если дисперсия остатков не является постоянной, то говорят, что оценки гетероскедостичны. При проведении анализа на гетероскедостичность применим тест Уайта (White test):


Как следует из приведенной таблицы, Probability > 0,05. Следовательно, гипотезу о наличии гетероскедостичности отвергаем. Это позволяет утверждать, что остатки имеют постоянную дисперсию.

  1. Допущение о нормальном распределении регрессионных остатков является важным, т.к. оно позволяет использовать стандартные процедуры построения доверительных интервалов и проверки гипотез. Если же это допущение нарушено, то применение стандартных процедур является некорректным. Проверим: является ли нормальным распределение остатков. Применим тест Бера–Жарка:




Как следует из приведенной таблицы, Probability < 0,05. Это позволяет отвергнуть гипотезу о нормальном распределении остатков.
Таким образом, можно сделать вывод о том, что построение этой модели является некорректным: статистические характеристики модели получились плохими, изменение переменной y не объясняется переменной x.

  1. Авторегрессия


Получаем результат:





Тест Бройша–Годфри



Тест Уайта (White test)



Тест Бера–Жарка



Таким образом, можно сделать вывод о том, что построение и этой модели является некорректным: статистические характеристики модели получились не очень хорошими, изменение эндогенной (зависимой) переменной не объясняется экзогенной (независимой) переменной.

  1. Модель опережающего показателя





Тест Бройша–Годфри



Тест Уайта (White test)



Тест Бера–Жарка



Проводя анализ этой построенной модели, можно сделать вывод, аналогичный предыдущим двум моделям.


  1. Модель скорости роста


Одним из условий построения модели скорости роста является интегрированность первого порядка ряда Xt. В нашем случае ряды являются стационарными, =>, построение модели является некорректным.

  1. Модель распределенных запаздываний


Получаем результат:




Тест Бройша–Годфри



Тест Уайта (White test)



Тест Бера–Жарка



Судя по анализу данных статистик - модель распределенных запаздываний является неадекватной.

  1. Модель частичной корректировки


Получаем результат:





Тест Бройша–Годфри



Тест Уайта (White test)


Тест Бера–Жарка



Анализируя статистические характеристики модели, можно сделать вывод, что и эта модель является неадекватной.

  1. Фальстарт или приведенная форма


Получаем результат:





Тест Бройша–Годфри



Тест Уайта (White test)



Тест Бера–Жарка



Модель является неадекватной.


  1. Авторегрессионные ошибки


Получаем результат:





Тест Бройша–Годфри



Тест Уайта (White test)



Тест Бера–Жарка



Построение и этой модели является некорректным.

Вывод
Оценив для двух рядов восемь типов моделей, можно сделать вывод о том, что в нашем случае все модели являются неадекватными, т.к.:

  1. t–статистика для всех оценок коэффициентов независимых переменных - ׀t-Statistic׀ < 2, т.е. коэффициенты считаются незначимыми.

  2. значение коэффициента детерминации очень низкое, т.е. имеем уверенность в низком общем качестве уравнения регрессии, =>, это позволяет говорить, что между эндогенной и экзогенными переменными не существует взаимосвязь.

  3. очень низкое значение F–статистики также позволяет утверждать, что коэффициент детерминации незначим, и, =>, в уравнении регрессии отсутствуют значимые объясняющие переменные;

  4. также необходимо отметить, что Probability > 0,05 для всех независимых переменных во всех построенных нами моделях, =>, независимые переменные являются незначимыми, и мы их исключаем из рассмотрения;

  5. нарушено допущение о нормальном распределении остатков во всех моделях.

Похожие:

Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №3 Модели стационарных рядов arma и нестационарных arima задание №1
...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №3 Модели стационарных рядов arma и нестационарных arima
...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №4 Динамические модели
Привести статистические характеристики по каждой модели и дать оценку адекватности модели
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №2 по дисциплине «Дискретный анализ» по теме: «Множественная линейная регрессия»
Предполагая, что валовой выпуск зависит линейно от фондовооруженности и производительности труда построить линейную регрессионную...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №7. Прогнозирование и планирование временных рядов
Задание По данным о средних доходах на конечное по­требление за десять лет, которые представлены в табл. 1, оцените наличие тренда...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа № «Разработка имитационной модели системы управления запасами»
В качестве методологической основы построения моделей используется объектно-ориентированный подход к анализу систем и разработке...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа Исследование временных рядов Часть 1 Подберите временной ряд для какого либо экономического показателя. Проведите предварительный анализ: наличие аномальных точек
...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №5. Анализ рядов динамики цель и задачи исследования изучение и приобретение навыков использования методов анализа рядов динамики. Основы теории
Показатели, характеризующие динамический ряд, определяются сравнением двух различных уровней ряда. Уровень, который сравнивается,...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №5 Лабораторная работы №5 состоит из двух тем: Тема Экономико-математическая модель межотраслевого баланса (модель Леонтьева), и Тема Экономико-математическая модель международной торговли
Лабораторная работы №5 состоит из двух тем: Тема Экономико-математическая модель межотраслевого баланса (модель Леонтьева), и Тема...
Лабораторная работа №4 Динамические модели Задание Оценить для двух рядов восемь типов моделей: статическая регрессия; процесс авторегрессии; модель опережающего показателя iconЛабораторная работа №2 Работа с пакетом Simulink в среде matlab цель работы: Освоить основы работы с пакетом Simulink. Моделирование в среде Simulink
Разработка моделей средствами Simulink (далее s-моделей) основана на применении технологии Drag-and-Drop (Перетащи и Брось). В качестве...
Разместите кнопку на своём сайте:
kurs.znate.ru


База данных защищена авторским правом ©kurs.znate.ru 2012
обратиться к администрации
kurs.znate.ru
Главная страница