183539 (566988), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Подставляем выражение (2.4) в уравнение (2.1) и получаем:

(2.5)

Данное уравнение не содержит в правой части эндогенных переменных, а имеет только экзогенную переменную в виде I_t (инвестиций). Экзогенная переменная не коррелирует со случайной составляющей u_t и, следовательно, параметры этого уравнения могут быть найдены с помощью МНК.

Представим это уравнение в следующем виде:

(2.6)

где

(2.7)

Используя имеющиеся в таблице 5 данные о величинах C_t и I_t, находим с помощью МНК несмещенные оценки a* и b* из уравнения:

C_t = a¹+b¹I_t , (2.8)

где a¹ - несмещенная оценка a*;

b¹- несмещенная оценка b*.

Для этих целей применяем имеющийся в табличном редакторе Excel пакет прикладных программ, реализующий определение параметров уравнения регрессии методом наименьших квадратов. Активизация этого метода производится командами: «Сервис» – «Анализ данных» – «Регрессия».

a1	b1
184280,63	0,44

После определения значений a¹ и b¹ необходимо определить несмещенные оценки величин a и b, использовав соотношения:

, (2.9)

где a", b" – соответственно несмещенные оценки a, b.

Сами значения величин a", b" определяем по формулам:

(2.10)

a"	b"
127811,09	0,31

Использовав найденные значения a" и b", записываем уравнение функции потребления (2.1):

C(t)= 127811,09 + 0,31*Y_t+u_t.

Сравниваем найденные по формуле (2.10) значения a" и b" с величинами a и b, заданными в таблице 1 (a_табл. = 127500, b_табл. = 0,31) и рассчитываем проценты несовпадения данных величин по формулам:

(2.11)

,

.

2.3. Определение параметров уравнения регрессии с использованием МНК

Для определения параметров уравнения регрессии с помощью прямого МНК, необходимо определить по формуле (2.2)значения величин Y_t (для t в пределах от t1 до t14), используя значения C_t и I_t из таблицы 5. Полученные значения заносим в таблицу 6.

Таблица 6

t	Yt
1	305063
2	309943
3	278589
4	282682
5	265311
6	253569
7	239214
8	240749
9	231592
10	209683
11	204014
12	194924
13	196312
14	187317

Приняв в качестве исходных данных имеющиеся значения C_t и Y_t, определяем с помощью МНК смещённые оценки a^см и b^см величин a и b, используя уравнение (2.1). Для этого используем имеющийся в табличном редакторе Excel пакет прикладных программ, реализующий определение параметров уравнения регрессии методом наименьших квадратов. Активация этого метода осуществляется командами: «Сервис» - «Анализ данных» - «Регрессия».

В рассматриваемой задаче:

aсм	bсм
123638,32	0,32

Далее сравниваем полученные значения a^см и b^см с табличными значениями a и b, и находим проценты несовпадения данных величин по формулам:

(2.12)

,

.

2.4. Экономический анализ полученных результатов

Сравнивая значения процентов несовпадения параметров модели, полученных в случае определения уравнения регрессии с помощью КМНК (для a – 0,24%, для b –1,15%) и с помощью МНК (для a –3,03%, для b –4,39%), видно, что в первом случае проценты несовпадения значительно меньше, чем во втором. Это говорит о том, что при использовании КМНК полученное уравнение регрессии более точное, чем уравнение регрессии, полученное с помощью МНК.

Оценка достоверности зависимости C_t от a и b производится по величине R² (коэффициент множественной детерминации). Полученное в первом случае значение R² = 0,79 меньше значения R² = 0,90, полученного во втором случае. Но оба эти значения близки к единице и подтверждают достоверность наличия зависимости. Во втором случае достоверность зависимости выше.

Оценка значимости уравнения регрессии в целом дается с помощью F-критерия Фишера. При этом выдвигается нулевая гипотеза Н_о, что коэффициент регрессии b равен нулю. В данной задаче значимость F при нахождении уравнения регрессии методом КМНК равна 2,33E-05, а при нахождении уравнения регрессии методом МНК она равна 2,35E-07. Оба значения близки к нулю, т.е. такова вероятность принятия нулевой гипотезы. Следовательно, в обоих случаях нулевую гипотезу можно отвергнуть, особенно для уравнения регрессии, найденного с помощью МНК.

Оценка достоверности и статистической значимости коэффициентов уравнения регрессии производится по t-критерию Стьюдента. В обоих случаях значение t - критерия Стьюдента превышает его табличное значение, что говорит о достоверности коэффициентов уравнений регрессий.

Заключение

В данной работе была рассмотрена кейнсианская модель в которой предполагается, что существует три вида активов: деньги, облигации, физический капитал.

Были произведены расчеты различных показателей, построение графиков и нахождение графических значений этих показателей и было произведено сравнение графических значений показателей с расчетными. В результате получили, что графические и расчетные показатели практически совпадают.

В данной работе было также произведено определение параметров уравнения регрессии двумя способами:

• косвенным методом наименьших квадратов;

• прямым методом наименьших квадратов.

Сравнивая полученные результаты, можно сделать вывод о том, что при определении параметров модели с помощью косвенного МНК полученное уравнение регрессии более точное, чем уравнение регрессии, полученное с помощью прямого МНК, и коэффициенты уравнения регрессии являются наиболее достоверными и статистически значимыми.

Список использованной литературы

1. Венецкий И.Г., Венецкая В.И. Основные математико-статистические понятия и формулы в экономическом анализе.

2. Колемаев В.А. Математическая экономика: учебник для вузов. - М: ЮНИТИ, 1998. - 240 с.

3. Курицкий, Поиск оптимальных решений в EXCEL – М., 2000, 245 с.

4. Пучков В.Ф. Математические модели макроэкономики: учебное пособие. –Гатчина: Издательство ЛОИЭФ, 2005. – 157 с.

5. Экономико-математические методы и прикладные модели: Уч. пособие / В.В. Федосеев, А.Н. Гармаш, Д.М. Дайитбегов и др.; Под ред. В.В. Федосеева. – М.: ЮНИТИ

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

Характеристики

Список файлов лабораторной работы