Всего на сайте:
166 тыс. 848 статей

Главная | Статистика

Семинар 11: Оценка модели в условиях нарушения предпосылок МНК (АК).  Просмотрен 41

 

Рекомендация: Использовать статистические или эконометрические пакеты (Eviews, Gretl и т.д.) Ознакомиться с краткими примерами можно по ссылке. Используем пример для автокорреляции непосредственно для выполнения задания.

 

Задача 1.

Оценивалась модель прогнозирования инфляции с учетом монетарных факторов и уровня безработицы в виде регрессионной модели, где соответственно где CPI – (Inflation, consumer prices, annual %), M – широкая денежная масса (Broad money growth, annual %), Un – уровень безработицы (% of total labor force; national estimate). Информационной базой для построения модели выбраны статистические данные экономики Польши за 1990-2015 гг., данные за 2016 г. рассматриваются для оценки точно прогнозирования, т.е. построения ретро-прогноза. Источником данных является база данных Всемирного банка.

(a) Оцените статистическую значимость модели ; (Eviews: ls cpi c m un)

(b) Сделайте предварительный вывод об отсутствии автокорреляции первого порядка с помощью статистики Дарбина-Уотсона (в самой модели).

(c) Проанализируйте коррелограмму (View – Residual Diagnostics – Correlogram Q st) и значения автокорреляционных функций ACF, PACF, дополнив выводы об автокорреляции случайных отклонений исходной модели. Если задание выполняется в Excel, то до второго порядка включительно.

(d) Измените спецификацию исходной модели, построив следующие варианты регрессий:

- перейдите к лагам по всем переменным (ARDL)

(Eviews: ls cpi c m(-1) un(-1) cpi(-1) )

- рассмотрите переменную уровня безработицы в темпах роста

(Eviews: ls cpi c m un/un(-1) )

- рассмотрите переменную уровня безработицы в приростах

(Eviews: ls cpi c m d(un) )

В каждом случае: оцените статистическую адекватность модели и анализируйте значение статистики Дарбина-Уотсона и автокорреляционные функции, если задание выполняется в Eviews или Gretl. Сделайте выводы относительно коррекции или смягчения автокорреляции при изменении спецификации модели со статической на динамическую.

(e) Примените к выбранной модели схему AR(1): для этого оцените модель , в которой , , , где рассмотрите оценку коэффициента авторегрессии r с помощью статистики Дарбина-Уотсона ). Оцените статистическую значимость преобразованной модели и проверьте, как изменятся ваши выводы относительно отсутствия автокорреляции отклонений.

(f) Примените к выбранной модели схему AR(1): для этого оцените модель , в которой , , , где рассмотрите оценку коэффициента авторегрессии r=0,12 с помощью процедуры Хилдрета-Лу (или используйте оценку авторегрессионной схемы в Eviews, см. примеры). Обратите внимание, насколько оценка r отличается от оценки по статистике Дарбина-Уотсона . Оцените статистическую значимость преобразованной модели и проверьте, как изменятся ваши выводы относительно отсутствия автокорреляции отклонений. Сравните результаты с полученными в пункте (е), сделайте вывод (можете их дополнить аналогичным сравнением из примера для данных Японии).

(g) Оцените точечный прогноз для уровня инфляции по исходной модели из пункта (а) и тех моделей из пунктов (d)-(e), для которых будет выполняться предпосылка об отсутствии автокорреляции отклонений и условие статистической значимости коэффициентов (хотя бы слабой). Сравните точность полученных прогнозов.

Форма работы на семинаре: проверка результатов самостоятельного проведения расчетов, необходимых для проверки наличия автокорреляции случайных отклонений исходной модели и результатов ее коррекции (т.о. обязательным является оценка моделей, нахождение значений DW и автокорреляционных функций).

 

  CPI UN M
555,381151 6,500000 164,871295
76,706219 11,800000 37,899814
45,329204 13,320000 55,673059
36,865805 14,000000 35,992509
33,252128 14,440000 38,077416
28,071696 13,340000 35,619223
19,817221 12,350000 31,216528
15,081617 10,960000 29,056517
11,725154 9,940000 25,176937
7,275000 12,290000 19,588627
10,059815 16,309999 11,556924
5,491248 18,370001 14,612955
1,900174 19,889999 -1,997075
0,787919 19,370001 5,369490
3,576547 19,070000 3,787939
2,107051 17,750000 15,043230
1,114944 13,840000 15,964329
2,388060 9,600000 13,388841
4,349378 7,120000 18,625629
3,825978 8,170000 8,105309
2,707452 9,640000 8,805243
4,258333 9,630000 12,486474
3,556870 10,090000 4,527974
1,034270 10,330000 6,239446
0,106952 8,990000 8,184161
-0,991300 7,500000 9,062074
-0,609676 6,166667 9,567380

 

 

Предыдущая статья:Або Чотири сини за два рази Следующая статья:Правописание корней
page speed (0.0387 sec, direct)