183771 (Построение эконометрической модели и исследование проблемы автокорреляции с помощью тестов Бреуша-Годфри и Q-статистики), страница 3
Описание файла
Документ из архива "Построение эконометрической модели и исследование проблемы автокорреляции с помощью тестов Бреуша-Годфри и Q-статистики", который расположен в категории "". Всё это находится в предмете "экономико-математическое моделирование" из , которые можно найти в файловом архиве . Не смотря на прямую связь этого архива с , его также можно найти и в других разделах. Архив можно найти в разделе "курсовые/домашние работы", в предмете "экономико-математическое моделирование" в общих файлах.
Онлайн просмотр документа "183771"
Текст 3 страницы из документа "183771"
Как видно из коррелограммы(Q-теста) первые значения функции имеют достаточно большие значения, при том, что заметно их последующее уменьшение при увеличении номера лага. Также на графике же частичной автокорреляции заметен первый «выдающийся» лаг, и увеличение Q на большее значение, чем по таблицам распределения, что чётко указывает на наличие автокорреляции в модели.
При отсутствии автокорреляции Q‑статистика показала бы все значения функции, колеблющиеся около нуля, независимо от номера лага.
Для того чтобы окончательно убедиться в наличии автокорреляции в модели следует проанализировать результаты по тесту Бреуша-Годфри, в котором строится уравнение вида:
(5)
В регрессионной модели, построенной на основании уравнения (5) рассматривается произведение коэффициента детерминации и количества измерений. За нулевую гипотезу принимается то, что все коэффициенты нового уравнения имеют нулевые значения, или статистически незначимы, то есть отсутствие автокорреляции. Альтернативная же гипотеза говорит о наличии в исходной модели проблемы автокорреляции
Таким образом, рассматриваем значение «Obs*R-square» и сравниваем его с соответствующим критически значением из таблиц распределения с количеством степеней свободы равным 1, так как количество степеней свободы равно количеству лагов (в данном случае один).
Наблюдаемое значение оказалось больше критического(7.88 для =0.005), следовательно принимается альтернативная гипотеза, что окончательно убеждает в том, что в модели присутствует положительная (по Дарбину-Уотсону) автокорреляция первого порядка.
- была построена регрессионная модель, с хорошими показаниями t-статистик и высоким коэффициентом детерминации;
- в модели отсутствует гетероскедастичность;
- тесты Бреуша-Годфри и Q-тест выявили в модели наличие автокорреляции;
- для улучшения качества модели, а так же её прогнозных свойств автокорреляцию следует устранить.
Глава 3. Устранение автокорреляции
Как известно широко используемыми методами усовершенствования модели с целью устранения автокорреляции являются:
- уточнение состава переменных, то есть устранение одной либо нескольких переменных или добавление переменных;
- изменение формы зависимости.
Если после ряда этих действий автокорреляция по-прежнему имеет место, то возможны некоторые преобразования, её устраняющие.
Для усовершенствования модели было решено добавь ещё одну переменную в анализ. Эта экзогенная переменная определяется как разность экспорта и импорта страны, и в экономической среде получила название чистого экспорта (EX-IM=NX).
Таким образом, в модели появляется третяя объясняющая переменная и зависимость принимает следующий вид:
(6)
Данное уравнение является основным макроэкономическим тождеством для стран с открытой экономикой, какими и являются большинство стран мира.
При построении регрессионной модели были получены следующие данные:
Dependent Variable: GDP | ||||
Method: Least Squares | ||||
Date: 12/11/08 Time: 19:23 | ||||
Sample: 1999:1 2008:2 | ||||
Included observations: 38 | ||||
GDP=C(1)+C(2)*IG+C(3)*CONS+C(4)*NX | ||||
Coefficient | Std. Error | t-Statistic | Prob. | |
C(1) | 9.983102 | 15.40599 | 0.648001 | 0.5213 |
C(2) | 1.041238 | 0.031994 | 32.54493 | 0.0000 |
C(3) | 1.004281 | 0.017836 | 36.30674 | 0.0000 |
C(4) | 0.890623 | 0.063486 | 14.02859 | 0.0000 |
R-squared | 0.999753 | Mean dependent var | 4283.858 | |
Adjusted R-squared | 0.999731 | S.D. dependent var | 2609.517 | |
S.E. of regression | 42.77300 | Akaike info criterion | 10.44899 | |
Sum squared resid | 62204.00 | Schwarz criterion | 10.62137 | |
Log likelihood | -194.5308 | Durbin-Watson stat | 2.338553 |
Уравнение регрессии после округления принимает следующий вид:
(7)
Как видно из таблицы, все объясняющие переменные статистически значимы, а коэффициент детерминации очень высок. Все коэффициенты имеют верный знак и значение, которое очень приближено к значениям коэффициентов в основном макроэкономическом тождестве. С(1) статистически незначим, что можно проинтерпретировать таким образом, что новая модель наиболее приближена к исходному теоретическому уравнению (6). В качестве предварительного анализа на проблему автокорреляции легко заметить, что значение статистики Дарбина-Уотсона находится в области отсутствия автокорреляции (d1=1,318, du=1,656).
Из всего вышесказанного можно сделать следующие выводы:
- модель не имеет проблем спецификации, она качественна и адекватна по первоначальному анализу;
- предварительный анализ по статистике Дарбина-Уотсона указал на отсутствие автокорреляции.
Для того чтобы убедиться в отсутствии автокорреляции в модели проведём тест Бреуша-Годфри и проверим модель на Q- статистике:
Breusch-Godfrey Serial Correlation LM Test: | ||||
F-statistic | 1.250798 | Probability | 0.271476 | |
Obs*R-squared | 1.387714 | Probability | 0.238791 | |
Test Equation: | ||||
Dependent Variable: RESID | ||||
Method: Least Squares | ||||
Date: 12/11/08 Time: 19:25 | ||||
Presample missing value lagged residuals set to zero. | ||||
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C(1) | -2.488241 | 15.50988 | -0.160429 | 0.8735 |
C(2) | -0.011896 | 0.033604 | -0.353999 | 0.7256 |
C(3) | 0.003454 | 0.018037 | 0.191509 | 0.8493 |
C(4) | 0.007246 | 0.063584 | 0.113957 | 0.9100 |
RESID(-1) | -0.208047 | 0.186023 | -1.118391 | 0.2715 |
R-squared | 0.036519 | Mean dependent var | -1.42E-12 | |
Adjusted R-squared | -0.080267 | S.D. dependent var | 41.00231 | |
S.E. of regression | 42.61611 | Akaike info criterion | 10.46442 | |
Sum squared resid | 59932.38 | Schwarz criterion | 10.67989 | |
Log likelihood | -193.8240 | Durbin-Watson stat | 1.998121 |
AC | PAC | Q-Stat | Prob | |
1 | -0.162 | -0.162 | 1.0715 | 0.301 |
2 | -0.156 | -0.187 | 2.0992 | 0.350 |
3 | 0.064 | 0.004 | 2.2754 | 0.517 |
4 | 0.387 | 0.394 | 8.9637 | 0.062 |
5 | -0.352 | -0.245 | 14.681 | 0.012 |
6 | -0.146 | -0.178 | 15.697 | 0.015 |
7 | 0.157 | 0.015 | 16.901 | 0.018 |
8 | 0.091 | -0.011 | 17.317 | 0.027 |
9 | -0.101 | -0.099 | 29.374 | 0.001 |
10 | 0.107 | 0.041 | 29.997 | 0.001 |
11 | 0.083 | -0.117 | 30.385 | 0.001 |
12 | -0.066 | -0.062 | 30.637 | 0.002 |
13 | -0.163 | 0.132 | 32.256 | 0.002 |
14 | 0.104 | -0.202 | 32.947 | 0.003 |
15 | 0.073 | -0.022 | 33.303 | 0.004 |
16 | -0.142 | -0.057 | 34.694 | 0.004 |
Видим, что значение «Obs*R-squared» в статистике Бреуша-Годфри меньше соответствующего ему критического значения =7.88 при =0.005. Значения Q-статистики и графиков также указываю на отсутствие автокорреляции в новой модели.
Заключение
Таким образом, после проделанной работы можно сделать следующие выводы:
- используя реальные поквартальные статистические данные российской Федерации с 1999 года по второй квартал 2008 года была доказана справедливость основного макроэкономического тождества;