Главная База знаний "Allbest" Экономико-математическое моделирование Побудова економетричної моделі на основі макроекономічних показників Австрії

Побудова економетричної моделі на основі макроекономічних показників Австрії

Перевірка макроекономічних показників Австрії на стаціонарність даних. Побудова економетричної моделі впливу показників інфляції, кількості зайнятих та безробітних на приріст валового внутрішнього продукту. Аналіз скоригованого коефіцієнту детермінації.

Рубрика Экономико-математическое моделирование
Вид контрольная работа
Язык украинский
Дата добавления 05.01.2014
Размер файла 35,0 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Київський національний університет імені Тараса Шевченка

Економічний факультет

Кафедра екологічного менеджменту і підприємництва

Самостійна робота

з курсу прикладна економетрика

на тему: Побудова економетричної моделі на основі макроекономічних показників Австрії

Студента 1 курсу магістратури

Спеціальності «Екологічне підприємництво»

Нестеренка Олега Анатолійовича

Київ 2013

Для побудови економетричної моделі використаємо наступні макроекономічні показники Австрії:

1). ВВП;

2). Рівень інфляції;

3). Кількість населення;

4). Чисельність безробітних;

5). Чисельність зайнятих

Дані макроекономічні показники беремо періодом 20 років з 1992 р. до 2012р.

Для побудови економетричної моделі дані показники та їх кількісні параметри необхідно імпортувати дані в Eviews.

Перш ніж побудувати економетричну модель перевіряємо наші показники на стаціонарність даних.

ADF Test Statistic

0.614449

1% Critical Value*

-3.8304

5% Critical Value

-3.0294

10% Critical Value

-2.6552

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EMLP)

Method: Least Squares

Date: 12/12/13 Time: 18:58

Sample(adjusted): 1994 2012

Included observations: 19 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

EMLP(-1)

0.026262

0.042740

0.614449

0.5476

D(EMLP(-1))

0.745940

0.191176

3.901858

0.0013

C

-0.073097

0.133089

-0.549236

0.5904

R-squared

0.491538

Mean dependent var

0.029421

Adjusted R-squared

0.427980

S.D. dependent var

0.027671

S.E. of regression

0.020928

Akaike info criterion

-4.751483

Sum squared resid

0.007008

Schwarz criterion

-4.602361

Log likelihood

48.13909

F-statistic

7.733720

Durbin-Watson stat

1.870029

Prob(F-statistic)

0.004468

Першим показником візьмемо чисельність зайнятих. Значення ADF Test Statistic дорівнює 0.614449 і воно є більшим ніж критичне значення (при 5% -3.0294). Отже, даний ряд даних є нестаціонарним. Тому потрібно ввести новий показник, який дорівнюватиме різниці другого порядку.

ADF Test Statistic

-3.678474

1% Critical Value*

-4.6712

5% Critical Value

-3.7347

10% Critical Value

-3.3086

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(EMLP2,2)

Method: Least Squares

Date: 12/12/13 Time: 19:04

Sample(adjusted): 1997 2012

Included observations: 16 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(EMLP2(-1))

-1.105270

0.300470

-3.678474

0.0032

D(EMLP2(-1),2)

0.384605

0.236322

1.627464

0.1296

C

-0.051330

0.021416

-2.396756

0.0337

@TREND(1988)

0.004128

0.001624

2.542345

0.0258

R-squared

0.536879

Mean dependent var

0.002125

Adjusted R-squared

0.421099

S.D. dependent var

0.031001

S.E. of regression

0.023587

Akaike info criterion

-4.443913

Sum squared resid

0.006676

Schwarz criterion

-4.250766

Log likelihood

39.55130

F-statistic

4.637054

Durbin-Watson stat

1.656118

Prob(F-statistic)

0.022445

Значення ADF Test Statistic дорівнює -3.678474 і воно є меншим ніж критичне значення (при 10% -3.3086). Отже, даний ряд даних є стаціонарним

Наступний показник - валовий внутрішній продукт:

ADF Test Statistic

0.653267

1% Critical Value*

-3.8304

5% Critical Value

-3.0294

10% Critical Value

-2.6552

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GDP)

Method: Least Squares

Date: 12/12/13 Time: 19:07

Sample(adjusted): 1994 2012

Included observations: 19 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

GDP(-1)

0.013586

0.020797

0.653267

0.5229

D(GDP(-1))

0.306578

0.240134

1.276693

0.2199

C

0.636204

3.910736

0.162681

0.8728

R-squared

0.147478

Mean dependent var

4.750579

Adjusted R-squared

0.040912

S.D. dependent var

2.177531

S.E. of regression

2.132522

Akaike info criterion

4.496427

Sum squared resid

72.76238

Schwarz criterion

4.645549

Log likelihood

-39.71605

F-statistic

1.383917

Durbin-Watson stat

1.940042

Prob(F-statistic)

0.279027

Значення ADF Test Statistic дорівнює 0.653267 і воно є більшим ніж критичне значення (-3.0294 при 5%). Отже, даний ряд даних є нестаціонарним. Тому варто використовувати різницю другого порядку.

ADF Test Statistic

-4.260963

1% Critical Value*

-3.8877

5% Critical Value

-3.0521

10% Critical Value

-2.6672

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(GDP2)

Method: Least Squares

Date: 12/12/13 Time: 19:09

Sample(adjusted): 1996 2012

Included observations: 17 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

GDP2(-1)

-0.680381

0.159678

-4.260963

0.0008

D(GDP2(-1))

0.831069

0.196912

4.220509

0.0009

C

6.125244

1.519137

4.032055

0.0012

R-squared

0.628189

Mean dependent var

0.076176

Adjusted R-squared

0.575073

S.D. dependent var

3.030602

S.E. of regression

1.975541

Akaike info criterion

4.358346

Sum squared resid

54.63864

Schwarz criterion

4.505384

Log likelihood

-34.04594

F-statistic

11.82677

Durbin-Watson stat

1.915949

Prob(F-statistic)

0.000982

Значення ADF Test Statistic дорівнює -4.260963 і воно є меншим, ніж критичне значення (-3.0521 при 5%). Отже, даний ряд даних є стаціонарним.

- показник інфляції:

ADF Test Statistic

-1.939005

1% Critical Value*

-3.8304

5% Critical Value

-3.0294

10% Critical Value

-2.6552

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(INF)

Method: Least Squares

Date: 12/12/13 Time: 19:12

Sample(adjusted): 1994 2012

Included observations: 19 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

INF(-1)

-0.372382

0.192048

-1.939005

0.0703

D(INF(-1))

0.378959

0.254321

1.490082

0.1557

C

0.800929

0.411835

1.944781

0.0696

R-squared

0.216773

Mean dependent var

0.051263

Adjusted R-squared

0.118870

S.D. dependent var

0.635957

S.E. of regression

0.596964

Akaike info criterion

1.950019

Sum squared resid

5.701853

Schwarz criterion

2.099141

Log likelihood

-15.52518

F-statistic

2.214153

Durbin-Watson stat

1.821729

Prob(F-statistic)

0.141612

Значення ADF Test Statistic дорівнює -1.939005 і воно є більшим ніж критичне значення (-3.0294 при 5%). Отже, даний ряд даних є нестаціонарним. Тому варто використовувати різницю першого порядку.

ADF Test Statistic

-3.116447

1% Critical Value*

-3.8572

5% Critical Value

-3.0400

10% Critical Value

-2.6608

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(INF1)

Method: Least Squares

Date: 12/12/13 Time: 19:15

Sample(adjusted): 1995 2012

Included observations: 18 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

INF1(-1)

-1.088407

0.349246

-3.116447

0.0071

D(INF1(-1))

0.290481

0.264071

1.100010

0.2887

C

0.023079

0.153516

0.150338

0.8825

R-squared

0.433188

Mean dependent var

0.028056

Adjusted R-squared

0.357613

S.D. dependent var

0.812506

S.E. of regression

0.651216

Akaike info criterion

2.131062

Sum squared resid

6.361239

Schwarz criterion

2.279457

Log likelihood

-16.17956

F-statistic

5.731898

Durbin-Watson stat

1.934395

Prob(F-statistic)

0.014151

Значення ADF Test Statistic дорівнює -3.116447 і воно є більшим ніж критичне значення (-3.0400 при 5%). Отже, даний ряд даних є стаціонарним.

- Чисельність безробітних:

ADF Test Statistic

-2.946521

1% Critical Value*

-3.8304

5% Critical Value

-3.0294

10% Critical Value

-2.6552

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(UNEM)

Method: Least Squares

Date: 12/12/13 Time: 19:17

Sample(adjusted): 1994 2012

Included observations: 19 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

UNEM(-1)

-0.303544

0.103018

-2.946521

0.0095

D(UNEM(-1))

0.331180

0.202966

1.631699

0.1223

C

1.254147

0.412667

3.039127

0.0078

R-squared

0.393180

Mean dependent var

0.081684

Adjusted R-squared

0.317327

S.D. dependent var

0.378437

S.E. of regression

0.312680

Akaike info criterion

0.656664

Sum squared resid

1.564297

Schwarz criterion

0.805786

Log likelihood

-3.238309

F-statistic

5.183472

Durbin-Watson stat

2.119314

Prob(F-statistic)

0.018386

Значення ADF Test Statistic дорівнює -2.946521 і воно є більшим ніж критичне значення (-2.6552 при 10%). Отже, даний ряд даних є стаціонарним. Проте для економетричної моделі варто ввести показник різниці першого порядку.

ADF Test Statistic

-3.938451

1% Critical Value*

-3.8877

5% Critical Value

-3.0521

10% Critical Value

-2.6672

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(UNEM1,2)

Method: Least Squares

Date: 12/12/13 Time: 19:20

Sample(adjusted): 1996 2012

Included observations: 17 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(UNEM1(-1))

-1.599940

0.406236

-3.938451

0.0015

D(UNEM1(-1),2)

0.151374

0.238399

0.634964

0.5357

C

-0.075679

0.105454

-0.717649

0.4848

R-squared

0.705490

Mean dependent var

-0.009000

Adjusted R-squared

0.663417

S.D. dependent var

0.744481

S.E. of regression

0.431916

Akaike info criterion

1.317615

Sum squared resid

2.611723

Schwarz criterion

1.464653

Log likelihood

-8.199729

F-statistic

16.76828

Durbin-Watson stat

1.933845

Prob(F-statistic)

0.000192

Значення ADF Test Statistic дорівнює -3.938451 і воно є меншим ніж критичне значення (-3.0521 при 5%). Отже, даний ряд даних є стаціонарним.

- чисельність населення:

ADF Test Statistic

-2.023093

1% Critical Value*

-3.8304

5% Critical Value

-3.0294

10% Critical Value

-2.6552

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PPL)

Method: Least Squares

Date: 12/12/13 Time: 19:24

Sample(adjusted): 1994 2012

Included observations: 19 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

PPL(-1)

-0.040098

0.019820

-2.023093

0.0601

D(PPL(-1))

0.706807

0.151043

4.679523

0.0003

C

0.329847

0.159994

2.061618

0.0559

R-squared

0.679503

Mean dependent var

0.035263

Adjusted R-squared

0.639441

S.D. dependent var

0.024626

S.E. of regression

0.014787

Akaike info criterion

-5.446209

Sum squared resid

0.003498

Schwarz criterion

-5.297087

Log likelihood

54.73898

F-statistic

16.96121

Durbin-Watson stat

0.933762

Prob(F-statistic)

0.000111

Значення ADF Test Statistic дорівнює -2.023093 і воно є більшим ніж критичне значення (-3.0294 при 5%). Отже, даний ряд даних є нестаціонарним. Тому варто ввести показник різниці першого порядку.

ADF Test Statistic

-3.053474

1% Critical Value*

-3.8572

5% Critical Value

-3.0400

10% Critical Value

-2.6608

*MacKinnon critical values for rejection of hypothesis of a unit root.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(PPL1)

Method: Least Squares

Date: 12/12/13 Time: 19:26

Sample(adjusted): 1995 2012

Included observations: 18 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

PPL1(-1)

-0.374069

0.122506

-3.053474

0.0080

D(PPL1(-1))

0.656492

0.179466

3.658028

0.0023

C

0.011919

0.005308

2.245757

0.0402

R-squared

0.525790

Mean dependent var

-0.002500

Adjusted R-squared

0.462562

S.D. dependent var

0.015768

S.E. of regression

0.011559

Akaike info criterion

-5.931647

Sum squared resid

0.002004

Schwarz criterion

-5.783252

Log likelihood

56.38482

F-statistic

8.315768

Durbin-Watson stat

2.099488

Prob(F-statistic)

0.003713

Значення ADF Test Statistic дорівнює -3,0534 і воно є меншим ніж критичне значення (-3.0400 при 5%). Отже, даний ряд даних є стаціонарним.

На основі даних показників будуємо економетричну модель. Задамо наступну функцію:

gdp2= inf1+ emlp2 + unem1

Економічний зміст даної моделі - як зміниться приріст ВВП при зміні показників інфляції, кількості зайнятих та безробітних, тобто визначимо вплив даних факторів на кінцевий результат (ВВП).

Dependent Variable: GDP2

Method: Least Squares

Date: 12/12/13 Time: 19:32

Sample(adjusted): 1994 2012

Included observations: 19 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

INF1

1.621511

1.078301

1.503765

0.1534

EMLP2

20.32083

14.15757

1.435333

0.1717

UNEM1

-4.856945

1.556974

-3.119476

0.0070

C

8.681209

0.991770

8.753247

0.0000

R-squared

0.616607

Mean dependent var

9.536579

Adjusted R-squared

0.539928

S.D. dependent var

3.589248

S.E. of regression

2.434537

Akaike info criterion

4.802054

Sum squared resid

88.90457

Schwarz criterion

5.000883

Log likelihood

-41.61952

F-statistic

8.041437

Durbin-Watson stat

1.309724

Prob(F-statistic)

0.001987

В моделі залежною змінною виступає внутрішній валовий продукт, а незалежними змінними інфляція та чисельність населення. Аналіз отриманих результатів показав, що коефіцієнт детермінації та скоригований коефіцієнт детермінації є дуже високими 0,61 та 0,53, що свідчить високий ступінь впливу незалежних змінних на залежну. Значення статистики Фішера, яке розраховане за нашою моделлю становить 36,53 що є значно більшим за теоретичне 8,04, отже модель є статистично значущою. Також значення імовірності для статистики Фішера прямує до нуля, що також підтверджує даний факт. Аналіз статистики Стьюдента показав, що всі коефіцієнти є статистично значимими, оскільки не попадають в діапазон від -2,67 до -8,54 і значення імовірності менше за 0.05.

Перевіряємо нашу модель за допомогою наступних критеріїв:

1). Перевірка на відсутність гетероскедастичності:

White Heteroskedasticity Test:

F-statistic

0.363580

Probability

0.926082

Obs*R-squared

5.066091

Probability

0.828509

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 12/12/13 Time: 19:33

Sample: 1994 2012

Included observations: 19

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

7.115255

3.628614

1.960874

0.0815

INF1

-2.038883

4.242548

-0.480580

0.6423

INF1^2

-5.488163

3.954719

-1.387751

0.1986

INF1*EMLP2

58.21519

97.33955

0.598063

0.5645

INF1*UNEM1

-4.257903

9.318227

-0.456943

0.6585

EMLP2

50.26476

97.65399

0.514723

0.6191

EMLP2^2

-496.5563

764.4887

-0.649527

0.5322

EMLP2*UNEM1

10.54212

113.1264

0.093189

0.9278

UNEM1

-0.639751

9.420806

-0.067908

0.9473

UNEM1^2

-10.65058

11.85260

-0.898586

0.3923

R-squared

0.266636

Mean dependent var

4.679188

Adjusted R-squared

-0.466727

S.D. dependent var

4.217199

S.E. of regression

5.107387

Akaike info criterion

6.404670

Sum squared resid

234.7686

Schwarz criterion

6.901743

Log likelihood

-50.84437

F-statistic

0.363580

Durbin-Watson stat

1.767154

Prob(F-statistic)

0.926082

Для перевірки присутності гетероскедастичність був використаний критерій Вайта. Побудована допоміжна регресійна модель виявилась адекватною, так як значення ймовірностей для F - статистики є більшим за 0,05 і становить 0,926082, що свідчить про відсутність в моделі гетероскедастичності.

2). Перевіряємо модель на відсутність автокореляції та ковзаючого середнього:

2.1. Для перевірки присутності автокореляції використаємо критерій множників Лагранжа:

Breach-Godfrey Serial Correlation LM Test:

F-statistic

1.405505

Probability

0.280152

Obs*R-squared

3.377975

Probability

0.184706

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 12/12/13 Time: 19:35

Presample missing value lagged residuals set to zero.

Variable

Coefficient

Std. Error

t-Statistic

Prob.

INF1

-0.205024

1.076923

-0.190380

0.8520

EMLP2

-1.839907

14.75289

-0.124715

0.9027

UNEM1

1.184212

1.768016

0.669797

0.5147

C

-0.047853

0.996599

-0.048016

0.9624

RESID(-1)

0.543716

0.337747

1.609830

0.1314

RESID(-2)

-0.215110

0.319782

-0.672677

0.5129

R-squared

0.177788

Mean dependent var

1.36E-15

Adjusted R-squared

-0.138447

S.D. dependent var

2.222418

S.E. of regression

2.371277

Akaike info criterion

4.816823

Sum squared resid

73.09839

Schwarz criterion

5.115067

Log likelihood

-39.75982

F-statistic

0.562202

Durbin-Watson stat

1.967891

Prob(F-statistic)

0.727429

Значення показника R-squared є 0,184706 і воно є більшим за значення 0,05, тобто у даній моделі відсутні автокореляція і процес не можливо описати за допомогою автокореляції та ковзаючого середнього.

2.2.Для перевірки присутності автокореляції та ковзаючого середнього використаємо перевірку за допомогою критерію Correlogram Q-stat:

Date: 12/12/13 Time: 19:36

Sample: 1994 2012

Included observations: 19

Autocorrelation

Partial Correlation

AC

PAC

Q-Stat

Prob

. |**. |

. |**. |

1

0.290

0.290

1.8645

0.172

. *|. |

. **|. |

2

-0.093

-0.194

2.0694

0.355

.***|. |

.***|. |

3

-0.444

-0.403

6.9803

0.073

.***|. |

. **|. |

4

-0.433

-0.275

11.979

0.018

. *|. |

. *|. |

5

-0.180

-0.137

12.905

0.024

. *|. |

.***|. |

6

-0.128

-0.433

13.408

0.037

. |*. |

. *|. |

7

0.174

-0.158

14.416

0.044

. |*. |

. **|. |

8

0.189

-0.279

15.709

0.047

. |*** |

. |. |

9

0.339

-0.037

20.285

0.016

. |*. |

. *|. |

10

0.161

-0.157

21.433

0.018

. |. |

. *|. |

11

-0.023

-0.065

21.459

0.029

. **|. |

. **|. |

12

-0.234

-0.219

24.581

0.017

Перевірка залишків моделі на присутність автокореляції за допомогою Q - статистики показала, що на всіх лагах значення ймовірностей є більшими за 0,05, що свідчить про відсутність в моделі автокореляції та ковзаючого середнього.

3) перевірка моделі за допомогою критерію Ramsey RESET Test:

Ramsey RESET Test:

F-statistic

0.295901

Probability

0.595021

Log likelihood ratio

0.397394

Probability

0.528438

Test Equation:

Dependent Variable: GDP2

Method: Least Squares

Date: 12/12/13 Time: 19:37

Sample: 1994 2012

Included observations: 19

Variable

Coefficient

Std. Error

t-Statistic

Prob.

INF1

3.038391

2.829229

1.073929

0.3010

EMLP2

35.72090

31.80883

1.122987

0.2803

UNEM1

-8.847354

7.507115

-1.178529

0.2582

C

11.96013

6.112799

1.956572

0.0706

FITTED^2

-0.039722

0.073023

-0.543967

0.5950

R-squared

0.624542

Mean dependent var

9.536579

Adjusted R-squared

0.517269

S.D. dependent var

3.589248

S.E. of regression

2.493769

Akaike info criterion

4.886402

Sum squared resid

87.06440

Schwarz criterion

5.134938

Log likelihood

-41.42082

F-statistic

5.821954

Durbin-Watson stat

1.467815

Prob(F-statistic)

0.005650

Оцінюючи значення Log likelihood ratio, що дорівнює 0,528438 і воно є більшим за 0,05, робимо висновки, що функціональна форма вибрана вірно.

Estimation Command:

=====================

LS GDP2 INF1 EMLP2 UNEM1 C

Estimation Equation:

=====================

GDP2 = C(1)*INF1 + C(2)*EMLP2 + C(3)*UNEM1 + C(4)

Substituted Coefficients:

=====================

GDP2 = 1.621511065*INF1 + 20.32082605*EMLP2 - 4.856945173* UNEM1 + 8.681208645

Виходячи з даної моделі бачимо, що найбільший вплив на зміну показника ВВП має чисельність зайнятих та інфляція і зворотну залежність має показник безробітних.

економетричний інфляція валовий детермінація

Висновки

Побудувавши економетричну модель на основі даних макроекономічних показників Австрії і припустивши, що дана функція матиме вигляд лінійної, а саме gdp2= inf1+ emlp2 + unem1 отримаємо наступні результати.

Дана модель є адекватною і значимість коефіцієнтів є високою. При перевірці моделі за обраними критеріями отримали наступні результати:

- дані показників є нестаціонарними рядами, тому необхідно використовувати стаціонарність першого порядку;

- у моделі відсутня гетероскедастичність;

- процес не описується за допомогою автокореляції та ковзаючим середнім, оскільки автокореляція відсутня є відсутніми;

- функціональна форма вибрана вірно.

Економічний зміст даної є наступним: зміна обсягів ВВП залежить від показників зміни інфляції та чисельності зайнятих та безробітних та має пряму залежність.

Размещено на Allbest.ru


Подобные документы

  • Рівняння регресії і побудова економетричних моделей

    Побудова економетричної моделі парної регресії. На основі даних про витрати обігу (залежна змінна) і вантажообігу (незалежна змінна) побудувати економетричну модель. Рівняння регресії. Коефіцієнт парної детермінації та кореляції. Перевірка надійності.

    задача [563,6 K], добавлен 28.12.2008

  • Економіко-математичне моделювання

    Специфікація економетричної моделі парної регресії. Побудова лінійної, степеневої та показникової економетричної моделі, поняття коефіцієнта регресії та детермінації. Графічне зображення моделювання лінійного зв’язку, застосування F–критерію Фішера.

    контрольная работа [5,1 M], добавлен 17.03.2010

  • Дослідження взаємозв’язку макроекономічних показників з податками

    Теоретико-методологічні основи дослідження взаємозв’язку макроекономічних показників з податками. Аналіз робіт та напрямків економіко-математичного моделювання у сфері оподаткування. Моделювання впливу податкової політики на обсяг тіньової економіки.

    дипломная работа [1,5 M], добавлен 21.06.2010

  • Економетричні моделі в системі прогнозування

    Поняття та процес економічного прогнозування, процес формування прогнозу про розвиток об'єкта на основі вивчення тенденцій його розвитку. Сутність та побудова економетричних моделей. Зарубіжний досвід побудови та використання економетричної моделі.

    реферат [43,5 K], добавлен 15.04.2013

  • Особливості систем одночасних рівнянь

    Поняття системи одночасних рівнянь. Структурна форма економетричної моделі. Побудова лінійної багатофакторної економіко-математичної моделі залежності фактору Y від факторів Xi. Аналіз на наявність мультиколінеарності згідно алгоритму Фаррара-Глобера.

    курсовая работа [342,6 K], добавлен 18.07.2011

  • Приклади рішення задач з економетрії

    Побудова, дослідження емпіричної лінійки економетричної моделі залежності обсягу виробництва фірми від витрат на заробітну платню персоналу й вартості основних фондів. Складання матриці вихідних даних. Прогноз середньорічного обсягу виробництва для фірми.

    контрольная работа [167,5 K], добавлен 07.11.2010

  • Лінійна регресія

    Виконання економетричної моделі, що визначає залежність товарообороту від торгової площі. Побудова діаграми розсіювання, обґрунтування можливості використання парної, нелінійної, багатофакторної лінійної регресії для розробки економічної інтерпретації.

    контрольная работа [449,4 K], добавлен 09.02.2014

  • Побудова багатофакторної і однофакторної лінійних моделей нормальної регресії

    Статистичний і економічний зміст коефіцієнтів кореляції і детермінації. Економічне тлумачення довірчих інтервалів коефіцієнтів моделі, точкового значення прогнозу. Форма відображення статистичних даних моделі. Параметри стандартного відхилення асиметрії.

    контрольная работа [20,1 K], добавлен 03.08.2010

  • Математична модель економічної задачі лінійного програмування

    Визначення оптимального плану графічним та симплексним методом. Побудова економетричної моделі залежності між витратами обігу та вантажообігом. Розрахунок детермінаціі, кореляції, еластичності. Виявлення мультиколінеарності між заданими факторами.

    контрольная работа [451,8 K], добавлен 03.12.2013

  • Оптимальне планування основних засобів

    Визначення кореляційної залежності ціни і витрат від кількості реалізованої продукції; встановлення зв'язку між відповідними ознаками та обчислення коефіцієнту детермінації; перевірка адекватності значень параметрів параболічної однофакторної моделі.

    практическая работа [613,4 K], добавлен 30.03.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены