Диссертация (1137758), страница 26
Текст из файла (страница 26)
*, **, *** — значимость на10%, 5% и 1% уровне значимости соответственно. В круглых скобках указаныстандартные ошибки. В квадратных скобках указаны p-значения длясоответствующих статистик.2 Инструменты: константа; лагированные значения темпов роста потребления, дохода; текущая номинальная ставка процента, скорректированная на инфляциюпредыдущего периода.151Таблица Д.9 — Оценки параметров модели (для ставки процента подепозитам) с исключением кризисного периодаКогортыДоходДоходДоходДоходДоходВозраст ОбразованиеДетиСбережения4,906*** 7,562***1,746**5,393***6,069**1/( 1,413) ( 2,670)( 0,871)( 1,303)( 2,412)1-pJ-statLM-statH 0 : p1 = p2 = = p NLM-statH0 : 1 = 2 = = NКоличествопериодовСреднее количестводомашних хозяйствв когортеКоличество когорт0,592*** 0,570***0,373***0,430***0,642***( 0,065)( 0,075)( 0,055)( 0,078)( 0,114)28,80598,61076,31567,58864,379[ 0,272][ 0,035][ 0,436][ 0,049][ 0,083]6,11827,43923,46321,54016,889[ 0,190][ 0,017][ 0,053][ 0,010][ 0,050]2,78219,53910,70117,01421,780[ 0,595][ 0,145][ 0,709][ 0,048][ 0,010]24242424244816162424515151010Примечания1 В таблице приведены значения коэффициентов.
*, **, *** — значимость на10%, 5% и 1% уровне значимости соответственно. В круглых скобках указаныстандартные ошибки. В квадратных скобках указаны p-значения длясоответствующих статистик.2 Инструменты: константа; лагированные значения темпов роста потребления, дохода, ставки процента; текущая номинальная ставка процента, скорректированная на инфляциюпредыдущего периода.152Таблица Д.10 Оценки параметров модели (для ставки процента подепозитам) с включением кризисного периодаКогортыДоходДоходДоходДоходДоходВозраст ОбразованиеДетиСбережения5,450** 7,477**1,0806,020**4,2821/( 2,682) ( 3,737)( 1,056)( 2,501)( 3,314)1-pJ-statLM-statH 0 : p1 = p2 = = p NLM-statH0 : 1 = 2 = = NКоличествопериодовСреднее количестводомашних хозяйствв когортеКоличество когорт0,621*** 0,561***0,371***0,423***0,673***( 0,065)( 0,081)( 0,056)( 0,072)( 0,104)26,94594,75571,89259,08257,684[ 0,359][ 0,061][ 0,580][ 0,178][ 0,212]6,89925,74525,15618,06412,086[ 0,141][ 0,028][ 0,033][ 0,034][ 0,209]2,80318,08814,73310,37111,992[ 0,591][ 0,203][ 0,397][ 0,321][ 0,214]24242424244816162424515151010Примечания1 В таблице приведены значения коэффициентов.
*, **, *** — значимость на10%, 5% и 1% уровне значимости соответственно. В круглых скобках указаныстандартные ошибки. В квадратных скобках указаны p-значения длясоответствующих статистик.2 Инструменты: константа; лагированные значения темпов роста потребления, дохода, ставки процента; текущая номинальная ставка процента, скорректированная на инфляциюпредыдущего периода.153Таблица Д.11 — Оценки параметров модели (для ставки процента подепозитам) с исключением кризисного периодаКогортыДоходДоходДоходДоходВозрастОбразование ДетиДоходСбережения5,607*6,348**2,2917,000***4,296( 2,937)( 2,626)( 1,476)( 2,367)( 3,442)0,599*** 0,516***0,386***0,476***0,683***( 0,082)( 0,084)( 0,061)( 0,092)( 0,126)26,34486,65657,84861,12136,334[ 0,155][ 0,014][ 0,555][ 0,017][ 0,636]LM-stat14,25736,07524,83541,11812,528H 0 : p1 = p2 = = p N[ 0,007][ 0,001][ 0,036][ 0,000][ 0,185]LM-stat10,49834,83624,87535,25111,549H0 : 1 = 2 = = N[ 0,033][ 0,002][ 0,036][ 0,000][ 0,240]242424242448161624245151510101/1-pJ-statКоличествопериодовСреднее количестводомашних хозяйствв когортеКоличество когортПримечания1 В таблице приведены значения коэффициентов.
*, **, *** — значимость на10%, 5% и 1% уровне значимости соответственно. В круглых скобках указаныстандартные ошибки. В квадратных скобках указаны p-значения длясоответствующих статистик.2 Инструменты: константа; лагированные значения темпов роста потребления, дохода, ставки процента.154Таблица Д.12 — Оценки параметров модели (для ставки процента подепозитам) с включением кризисного периодаКогортыДоход1/1-pJ-statLM-statH 0 : p1 = p2 = = p NLM-statH0 : 1 = 2 = = NКоличествопериодовСреднее количестводомашних хозяйствв когортеКоличество когортДоходДоходДоходВозрастОбразование ДетиДоходСбережения7,27211,001**3,6097,692**4,613**( 4,577)( 4,451)( 2,462)( 3,261)( 2,084)0,637*** 0,506***0,388***0,476***0,513***( 0,077)( 0,098)( 0,061)( 0,086)( 0,096)21,13974,38549,67747,96739,676[ 0,389][ 0,100][ 0,827][ 0,181][ 0,485]8,54527,05617,92432,0146,391[ 0,074][ 0,019][ 0,210][ 0,000][ 0,700]7,78729,02610,91523,64713,748[ 0,100][ 0,010][ 0,693][ 0,005][ 0,132]24242424244816162424515151010Примечания1 В таблице приведены значения коэффициентов.
*, **, *** — значимость на10%, 5% и 1% уровне значимости соответственно. В круглых скобках указаныстандартные ошибки. В квадратных скобках указаны p-значения длясоответствующих статистик.2 Инструменты: константа; лагированные значения темпов роста потребления, дохода, ставки процента.155Приложение Е. Код для выбора взвешивающей матрицы при оценкемоделей без когортКод генерации данных, расчета дисперсии шоков и получения оценокдисперсии и ковариации шоков с помощью различных взвешивающих матриц всреде Matlabfunction Omega = getomegahacpe(f, O)T= size(f, 1);m= 1;Omega= 0;ff= f*f';DeltaArray= unique(O);DeltaArray= DeltaArray(DeltaArray ~= 0);OmegaSimple= f'*f/T;for j = 1:length(DeltaArray)dummy = O == DeltaArray(j);Tj= sum(sum(dummy, 2));Omegaj= sum(ff(dummy))/Tj;weight= 1 - (max(DeltaArray) - DeltaArray(j) + 1)/(max(DeltaArray) +1);Omega= Omega + weight*2*Tj*Omegaj/T;endOmega = Omega;endfunction [ Omega, OmegaSimple ] = getomegaoverlap(f, O)%GETOMEGACLUSTER Summary of this function goes here%Detailed explanation goes here[T, m] = size(f);Omega = zeros(m);%%SimpleOmegaSimple = f'*f/T;%%Overlapping% var(month overlap)nOfOverlaps = sum(sum(O), 2);s = 0;for i = 1 : size(O, 1)dummy = O(i, :) > 0;s = s + f(i, :)'*(dummy*f)/nOfOverlaps;endOmega = OmegaSimple + (nOfOverlaps/T)*(s + s');endfunction [ Omega ] = getomegacluster(f, cluster)%GETOMEGACLUSTER Summary of this function goes here%Detailed explanation goes here[T, m] = size(f);Omega = zeros(m);%%ClusterclusterValues = unique(cluster);for k = 1 : length(clusterValues)f_tmp = sum(f(cluster == clusterValues(k), :));156Omega = Omega + f_tmp'*f_tmp/T;end%%%SimpleOmega = f'*f/T;%%Overlappingend%% Data generation% Ny --- number of years% Nm --- number of months% Ni --- number of itemsNy = 10;Nm = 3;Ni = 100;% VariancesSu = 5;Sxi = 12;% Common monthly shocksu= normrnd(0, Su, (Ny + 1)*12, 1);uMA = u(12:end);% 12 months cumsumfor i = 1 : 11uMA = uMA + u((12 - i) : (end - i));end% Individual shocksxi = normrnd(0, Sxi, Ni, Ny, Nm);% Total shockse= xi;idy = nan(size(xi));idm = nan(size(xi));idi = nan(size(xi));for y = 1 : Nyfor m = 1 : Nme(:, y, m)idy(:, y, m)idm(:, y, m)idi(:, y, m)endend====% Form PanelT= Ni*Ny*Nm;E= e(:);IDy = idy(:);IDm = idm(:);IDi = idi(:) + IDm/10;% StatisticW = sqrt(T)*mean(E);%% Overlapping matrixe(:, y, m) + uMA(y*12 - (Nm - m));y;m;(1:Ni)';157% Time dummiestimeDummy = zeros(T, (Ny+1)*12);for t = 1 : TStartIndex = (IDy(t) - 1)*12 + IDm(t) + 1;EndIndex= StartIndex + 11;timeDummy(t, StartIndex:EndIndex) = 1;endO = timeDummy*timeDummy';O(logical(tril(ones(T)))) = 0;% Statistic Variance Estimate: Overlap and Simple[WHat, WHatSimple] = getomegaoverlap(E, O);% ClusterWHatCluster = getomegacluster(E, IDy);%% Monte CarloB = 100;WArray = nan(B, 1);WHatOverlapArray = nan(B, 1);WHatSimpleArray = nan(B, 1);WHatClusterArray = nan(B, 1);WHatHacArray = nan(B, 1);tic;for b = 1 : B% Common monthly shocksu= normrnd(0, Su, (Ny + 1)*12, 1);uMA = u(13:end);% 12 months cumsumfor i = 1 : 11uMA = uMA + u((13 - i) : (end - i));end% Individual shocksxi = normrnd(0, Sxi, Ni, Ny, Nm);% Total shockse= xi;for y = 1 : Nyfor m = 1 : Nme(:, y, m) = e(:, y, m) + uMA(y*12 - (Nm - m));endend% Form PanelE= e(:);% StatisticWArray(b)[WHat, WHatSimple]WHatOverlapArray(b)WHatSimpleArray(b)WHatClusterWHatClusterArray(b)WHatHacWHatHacArray(b)if rem(b, 10) == 0disp(b);toc;tic;end========sqrt(T)*mean(E);getomegaoverlap(E, O);WHat;WHatSimple;getomegacluster(E, IDy);WHatCluster;getomegahac(E, O);WHatHac;158endtable = {'Estimator', 'Bias', 'Std.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
