Эконометрика Вариант 32 (ФУ при Пр-ве РФ). Задание из 12-ти пунктов

Задание

Ставится задача исследовать, как влияет индекс реальной зарплаты (WAG_Q) на индекс реального ВВП РФ (GDPEA_Q_DIRI). Оба показателя – цепные индексы, где за базу (100%) взят уровень прошлых лет (1993 и 2005 соответственно). Данные с сайта http://sophist.hse.ru

T Индекс реальной зарплаты Индекс реального ВВП

2007 III 181,38 156,9 IV 204,60 164,6

2008 I 199,90 143,3 II 211,69 155,8 III 214,65 167,0 IV 226,46 162,4

2009 I 199,06 130,1 II 204,63 138,4 III 205,04 152,6 IV 226,36 158,2

2010 I 205,99 135,4 II 216,91 145,3 III 216,26 158,4 IV 236,37 166,3

2011 I 207,30 139,9 II 220,98 151,4 III 222,75 164,8 IV 254,60 174,0

2012 I 227,87 147,3 II 244,27 157,9 III 235,23 170,0 IV 268,64 177,1

2013 I 238,28 148,2 II 259,73 159,7 III 250,38 172,0 IV 279,67 180,8

2014 I 247,79 149,1 II 265,38 161,8 III 251,58 173,3 IV 274,47 181,3

2015 I 225,62 146,3 II 242,54 156,3 III 227,26 168,7 IV 247,71 175,4

2016 I 224,18 145,7 II 243,24 155,5 III 230,10 168,1 IV 253,80 176,0

Требуется:

1. Построение спецификации эконометрической модели. Привести постановку задачи построения модели парной линейной регрессии. Выбрать эндогенную переменную. Сделать предположения относительно знаков (положительный или отрицательный) параметров модели.

2. Исследование взаимосвязи данных показателей с помощью диа-граммы рассеяния и коэффициента корреляции. Построить график диаграммы рассеяния зависимой переменной с экзо-генным фактором. Оценить коэффициент корреляции между объясняемой и объясняющей переменными. Проанализировать тесноту и направление связи между связи между индексом реальной зарплаты и индексом реального ВВП и сделать вывод о возможности построение линейной модели парной регрессии между соответствующими показателями. Проверить значимость коэффициента корреляции.

3. Оценка параметров модели парной регрессии

Оценить параметры модели с помощью: - надстройки Excel Анализ данных, используя инструмент Регрессия; - с помощью матричный функций Excel по формуле . - с помощью функции ЛИНЕЙН.

Выпишите полученное уравнение регрессии индекса реального ВВП на индекс реальной зарплаты. Дайте экономическую интерпретацию параметрам модели. Отобразите на графике исходные данные и результаты моделирования.

4. Оценивание качества спецификации модели. Проверить статистическую значимость регрессии в целом. Проверить статистическую значимость оценок параметров. Оценить точность модели с помощью средней относительной ошибки аппроксимации. Сделайте выводы о качестве уравнения регрессии.

5. Оценивание адекватности модели. Описать процедуру и привести результаты проверки адекватности модели регрессии индекса реального ВВП на индекс реальной зарплаты, выбрав последнее наблюдение в качестве контрольного уровня.

6. Проверка предпосылки теоремы Гаусса-Маркова о гомоскедастичности случайных возмущений

Выполнить визуальный анализ гетероскедастичности с помощью графиков. Привести поверку по одному из тестов: Уайта, Бреуша – Пагана или Голдфельда-Квандта. Сделать выводы. При необходимости предложить вариант корректировки гетероскедастичности.

7. Проверка предпосылки теоремы Гаусса-Маркова об отсутствии автокорреляции случайных возмущений

Выполнить визуальный анализ автокорреляции остатков с помощью графика. Привести результаты тестирования на отсутствие автокорреляции случайных возмущений с помощью теста Дарбина -Уотсона. Сделать выводы. При необходимости предложить вариант корректировки автокорреляции.

8. Множественная регрессия. В связи с тем, что объясняющая переменная представляет собой временной ряд, одной из составляющих компонент которого может быть сезонная волна, необходимо учесть эту структуру для дальнейшего прогноза, вводя фиктивные переменные для соответствующих кварталов. Постройте график изменения.

9. Построение спецификации эконометрической модели множественной регрессии. Введите необходимое количество фиктивных переменных, характеризующих степень влияния каждого квартала в отдельности. Постройте много-факторную модель индекса реальной зарплаты. Оцените качество и значимость модели и отдельных ее параметров. Поясните экономический смысл параметров.

10. Прогнозирование экзогенной переменной – индекса реальной зарплаты. Использовать построенную многофакторную модель с фиктивными пе-ременными для прогнозирования индекса реальной зарплаты на ближайший квартал.

11. Прогнозирование эндогенной переменной - индекса реального ВВП. Используя прогнозную оценку индекса реальной зарплаты, построить точечный и интервальный прогноз с вероятностью 0,9 (α=0,1) исследуемого индекса реального ВВП на ближайший квартал.

12. Представить результаты моделирования и прогнозирования в графическом формате

Содержание

Задание 3

Решение задания 6

1. Построение спецификации эконометрической модели 6

2. Исследование взаимосвязи показателей с помощью диаграммы рассеяния и коэффициента корреляции 7

3. Оценка параметров модели парной регрессии 10

3.1. Оценка параметров с помощью надстройки Excel Анализ данных 11

3.2. Определение параметров с помощью матричных функций 13

3.3. Определение параметров с помощью функции ЛИНЕЙН 14

4. Оценка качества спецификации модели 15

4.1. Оценка значимости модели 15

4.2. Оценка значимости параметров модели 16

4.3. Оценка точности модели 17

5. Оценивание адекватности модели 18

6. Проверка предпосылки о гомоскедастичности остатков 19

7. Проверка предпосылки об отсутствии автокорреляции случайных возмущений 22

8. Множественная регрессия 24

8.1. Ввод фиктивных переменных 24

8.2. Построение динамической модели 26

8.3. Оценка качества и значимости модели 27

9. Прогнозирование индекса реальной зарплаты на ближайший квартал 28

10. Прогнозирование индекса реального ВВП на ближайший квартал 28

Список использованной литературы 30

Нужен другой вариант? Не беда. Напишите мне, оформите заказ и в течение 2-5 дней (в зависимости от загруженности) я выполню вашу работу.

Работа выполнена с применением возможностей Excel. Описание работы предоставлено в ворд со всеми формулами, описанием, скринами из Excel, выводами (см. Демонстрационный файл). Файл Excel с таблицами, графиками, результатами к работе приложен.

Работа была выполнена в 2019 учебном году и принята преподавателем без замечаний.

Объем работы 30 стр. TNR 14, интервал 1,15.