Влияние ВВП и количества трудоустроенных на индекс потребительских цен

Построение эконометрической модели. Описания, анализ и прогнозирование явлений и процессов в экономике. Использование регрессионных моделей. Построение корреляционной матрицы. Коэффициент множественной детерминации. Значение статистики Дарбина-Уотсона.

Рубрика Экономико-математическое моделирование
Вид курсовая работа
Язык русский
Дата добавления 10.03.2013
Размер файла 61,0 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/

Министерство образования Республики Беларусь

Белорусский государственный университет

Экономический факультет

Курсовой проект по дисциплине «Эконометрика и прогнозирование» на тему:

«Влияние ВВП и количество трудоустроенных на индекс потребительских цен»

Автор работы: студент

3 курса отделения

"менеджмент"

Ван Яо

Минск 2013

Введение

Эконометрика - это наука, связанная с эмпирическим выводом экономических законов, то есть используются данные для того, чтобы получить количественные зависимости для теоретических экономических соотношений.

ВВП - это денежная оценка всех произведенных конечных товаров и услуг в экономике за год. При этом учитывается годовой объем конечных товаров и услуг, созданных на территории страны. Для правильно расчета ВВП необходимо учесть все продукты и услуги, произведенные в данном году, но без повторного, двойного счета. Вот почему в определении ВВП речь идет о конечных товарах и услугах. Эти блага потребляются в рамках домашних хозяйств и фирм, и не участвуют в дальнейшем производстве, в отличие от промежуточных товаров. Если в ВВП включить промежуточные продукты, используемые для производства других товаров (мука, купленная хлебозаводом для выпечки хлеба), то получается завышенная оценка ВВП (цена муки будет учтена несколько раз). Исключить двойной счет позволяет показатель добавленной стоимости, который представляет разницу между продажами фирмами их готовой продукции покупкой материалов, инструментов, топлива и услуг у других фирм. Добавленная стоимость - это рыночная цена продукции фирмы, за вычетом стоимости потребленного сырья и материалов, купленных у поставщиков. Суммируя добавленные стоимости, произведенные всеми фирмами в стране, можно определить ВВП, который и представляет рыночную оценку всех выпущенных товаров и услуг.

Вследствие стоимостной оценки производимых в экономике благ на изменение величины ВВП в следующем году влияет не только изменение физического объема выпуска конечных благ, но и изменение рыночных цен на товары и услуги, произведенные этой экономикой за изучаемый промежуток времени.

При расчете валового внутреннего продукта номинальным ВВП в некотором году называют стоимостную оценку благ, учитываемых при подсчете данного показателя в ценах данного года.Индекс потребительских цен (ИПЦ), в котором используется фиксированный набор благ ("потребительская корзина"). Индекс Ласпейраса IL = p1i q0i / p0i q0i , где q0i количество товаров и услуг, произведенных в базисном году, p0i - цены товаров и услуг в базисном году, p1i - цены товаров и услуг в текущем году. ИПЦ отражает только цены товаров, приобретаемых домашними хозяйствами. ИПЦ учитывает цены импортных товаров. Индекс цен производителей (ИЦП), где в качестве весов цен берется количества товаров и услуг, произведенные в текущем году. Индекс Пааше Ip = p1i q1i / p0 q1i, где q1i - количество товаров и услуг в текущем году. Дефлятор ВВП представляет собой индекс Пааше. В последнее время широкое применение находит индекс Фишера, представляющий собой среднегеометрическое значение из индексов Ласпейраса и Пааше. Ip = IL Ip Логика прогнозирования ВВП.

В настоящее время проблема трудоустройства выпускников высших учебных заведений является одной из наиболее актуальных. Несмотря на заметное улучшение ситуации в сфере занятости населения в целом по-прежнему остро стоит вопрос о трудоустройстве молодых специалистов в соответствии с полученной профессиональной квалификацией.

В настоящее время сложились следующие группы противоречий: между социальными, профессиональными ориентациями молодежи и потребностями предприятий и организаций в рабочей силе; между задачей повышения эффективности подготовки молодых специалистов и системой вузовской подготовки; между теоретической подготовкой выпускников и отсутствием необходимых навыков практического использования полученных знаний; между жизненными, профессиональными планами выпускников и реальными возможностями их осуществления.

Одна из важнейших проблем современного рынка труда проявляется в несоответствии уровня выпускаемых вузами специалистов потребностям общества, динамики его развития. Наши вузы продолжают готовить специалистов не всегда в соответствии с потребностями рынка.При этом рынок труда нестабилен, подвержен конъюнктурным колебаниям, и вузы не всегда вовремя и должным образом реагируют на такие изменения. Особенно это заметно в региональных образовательных структурах. У большинства учебных заведений отсутствует адекватное требованиям рыночной экономики планирование объемов, профилей и уровня подготовки специалистов. Учебные заведения действуют по принципу выживания, а не адаптации к социально-экономическим условиям.В условиях отсутствия государственного распределения выпускников вузов предприятия и организации самостоятельно определяют свою кадровую политику. Это сопровождается, с одной стороны, общим сокращением численности работающих, с другой - более высокими требованиями к вновь принимаемым на работу. Во многих случаях предпочтение отдается специалистам с трудовым стажем и опытом работы, а также кадрам, владеющим несколькими смежными профессиями, способным к динамичной профессиональной мобильности.

Построение и анализ эконометрической модели

В целях описания, анализа и прогнозирования явлений и процессов в экономике применяют математические модели. В случае использования регрессионных моделей результат действия экономической системы представляется как функция влияющих на нее факторов.

В настоящей работе будут использованы средства программного продукта MS Excel. Анализ начинается с описательной статистики для всех переменных.

Ежеквартальные данные о валовом внутреннем продукте, количество трудоустроенных и индекс потребительских цен к национальной валюте для Исландии на период с 2003по 2011годы

GEO/TIME

Индекс потребительских цен, %

GDP-ВВП, мил.евро

Количество трудоустроенных, тыс. человек

2003Q1

329,760.6

82,299.8

97.45

2003Q2

331,211.7

79,798.9

99.25

2003Q3

337,811.7

79,235.4

98.75

2003Q4

337,427.1

80,242.9

100.23

2004Q1

343,818.1

81,961.9

101.29

2004Q2

347,098.3

84,697.2

100.31

2004Q3

348,692.5

85,976.8

100.70

2004Q4

350,384.6

88,363.7

101.97

2005Q1

351,153.6

88,352.7

101.61

2005Q2

356,552.9

91,672.6

100.35

2005Q3

359,025.9

94,622.6

99.35

2005Q4

363,202.1

97,647.0

98.72

2006Q1

364,949.0

103,833.4

98.78

2006Q2

371,597.7

105,400.2

100.20

2006Q3

372,583.7

107,198.7

100.64

2006Q4

377,756.6

109,341.0

100.66

2007Q1

381,862.0

111,687.3

100.99

2007Q2

385,200.7

112,008.7

101.49

2007Q3

388,638.4

114,032.8

101.66

2007Q4

390,374.1

113,931.6

102.90

2008Q1

393,437.3

117,878.3

103.97

2008Q2

396,141.0

115,956.1

105.27

2008Q3

391,319.5

118,596.1

104.02

2008Q4

386,718.2

108,694.6

102.88

2009Q1

379,792.1

93,408.0

105.35

2009Q2

378,592.6

89,949.1

105.63

2009Q3

380,748.7

91,039.5

106.19

2009Q4

380,102.6

93,734.4

106.67

2010Q1

369,325.0

101,343.2

103.97

2010Q2

389,885.3

110,801.6

100.85

2010Q3

385,342.8

110,844.6

100.70

2010Q4

408,530.0

119,762.4

101.93

2011Q1

377,620.7

120,650.5

101.65

2011Q2

398,098.4

122,666.6

103.00

2011Q3

392,925.0

117,725.7

102.52

2011Q4

411,015.0

117,940.6

102.02

Создадим файл с исходными данными в среде Microsoft Excel.

Исследуем степень корреляционной зависимости между переменными. Для этого построим корреляционную матрицу, используя средства «Анализа данных». Корреляционная матрица приведена в таблице 1.2.

Столбец 1(y)

Столбец 2(x1)

Столбец 3(x2)

Столбец 1(y)

1

Столбец 2(x1)

0.040559462

1

Столбец 3(x2)

0.321832091

0.324373295

1

Из корреляционной матрицы следует, что на индекс потребительских цен продукт оказывает влияние оба регрессанта, т. е. и количество трудоустроенных имеют корреляционную связь с валовым внутренним продуктом. Так же можем отметить наличие корреляционной зависимости между объясняющими (экзогенными) переменными, это может свидетельствовать о наличии в модели явления мультиколлениарности.

ля того, чтобы проверить, существует ли зависимость между признаками, построим корреляционное поле. Так как у нас 2 переменные х, то у нас будет 2 корреляционных поля. Для этого выделите столбцы х1 и у (буквы х1 и у не обводить, а только их значения). На панели инструментов нажмите значок «Диаграммы» и при появлении окна (Мастер диаграмм) выберите точечную диаграмму.

Рисунок 1. Динамика показателей GDP-ВВП, мил.евро, и количество трудоустроенных

Построим многофакторную регрессионную модель, в которой зависимая переменная - Y индекс потребительских цен продукт.

Определим коэффициенты уравнения регрессии.

Y =b0 + b1•X1 + b2•X2

Рисунки 2 и 3 отражают линию тренда (тенденцию) и уравнение регрессии на корреляционном поле зависимости Y от значений показателя X.

Прогноз поведения изучаемого экономического явления осуществляется подстановкой значения фактора X в оценку детерминирующей составляющей.

Результаты множественной регрессии в численном виде представлены в табл. 1.2.

Регрессионная статистика

Множественный R

0.328831065

R-квадрат

0.108129869

Нормированный R-квадрат

0.054077134

Стандартная ошибка

2.029551965

Наблюдения

36

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

2

16.48004335

8.240021676

2.000451392

0.151348011

Остаток

33

135.9296789

4.119081178

Итого

35

152.4097222

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Intercept

-12.03620482

6.655346577

-1.808501583

0.07964883

-25.57660917

1.504199534

-25.57660917

1.504199534

X Variable 1

-0.000215063

0.000523918

-0.410488952

0.684100441

-0.001280982

0.000850857

-0.001280982

0.000850857

X Variable 2

0.023048173

0.011611452

1.984951816

0.055513856

-0.000575504

0.046671849

-0.000575504

0.046671849

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -12.03620482 -0.000215063•X1 + 0.023048173•X2 (1.1)

(s) (6.655346577) (0.000523918) (0.011611452)

(t) (-1.808501583) (-0.410488952) (1.984951816)

Коэффициент b 1 =-0.000215063 показывает, что при увеличении ВВП (x1) на на 1 млн. руб. денежной массы (у) увеличивается в среднем на -0.000215063 млн. руб. (в чем измеряется показатель, может быть миллионы, миллиарды, проценты и т.п), а увеличение чистого количество (х2) на 1 тыс. приводит к увеличению денежной массы (у) в среднем на0.023048173 млн. Руб.

Уравнение выражает зависимость индекс потребительских цен(Y) от ВВП (Х1), количество трудоустроенных (Х2). Коэффициенты уравнения показывают количественное воздействие каждого фактора на результативный показатель при неизменности других. В нашем случае увеличивается на индекс потребительских -0.000215063. при увеличении валово внутреннем продукте на 1 млн.. при неизменности показателя количество трудоустроенных; индекс потребительских цен увеличивается на 0.023048173. при увеличении количество трудоустроенныхна 1 тыс. при неизменности показателя индекс потребительских цен продукт Случайное отклонение для коэффициента при переменной Х1 составляет 0.000523918; при переменной Х2 - 0.011611452; для свободного члена 6.655346577.

коэффициент детерминации R2 = 0.108 (Следует обратить внимание, что коэффициент детерминации R2 составил 0.108, то есть отобранные факторы на 10.8% объясняют вариацию У), рассчитывается по формуле, и показывает, что модель достаточно хорошо описывает данные, так как R2 близок к 1;

Справедливо соотношение . Чем теснее линейная связь между и , тем ближе коэффициент детерминации к единице.

Еще докажем с помощью F статистики

после сравниваем, то что у нас получилось по данной формуле с

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n - m - 1 = 33; tкр. = t0,025;33 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R2 = 0.108;

= 1- (1- 0.108)*(36-1)/(36-2-1)= 0.054077134

Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0.054077134;

Критерий Фишера F = 2.000451392; = 0.151348011

Согласно критерию Фишера данная модель адекватна. Так как уровень значимости модели меньше 0,00001.

Проверим остатки на наличие автокорреляции. Для этого найдем значение статистики Дарбина-Уотсона.

Наблюдение

Предсказанное Y

e

е(-1)

е2

(е-е(-1))2

1

0.751700727

-0.551700727

0.304373692

0.304373692

2

1.053477975

0.046522025

-0.551700727

0.002164299

0.357870462

3

1.462524179

-0.862524179

0.046522025

0.743947959

0.826365002

4

1.341147115

-0.541147115

-0.862524179

0.2928402

0.103283217

5

0.998464583

0.401535417

-0.541147115

0.161230691

0.888650357

6

1.06654473

0.53345527

0.401535417

0.284574525

0.017402848

7

1.149905642

-0.949905642

0.53345527

0.902320728

2.200359596

8

1.156135919

1.043864081

-0.949905642

1.08965222

3.975117708

9

1.008914869

-0.008914869

1.043864081

7.94749E-05

1.108343518

10

1.356968185

0.343031815

-0.008914869

0.117670826

0.123866469

11

1.376780232

0.823219768

0.343031815

0.677690786

0.23058047

12

1.405944234

-0.005944234

0.823219768

3.53339E-05

0.687512942

13

1.749086828

-0.049086828

-0.005944234

0.002409517

0.001861283

14

2.037042845

1.162957155

-0.049086828

1.352469345

1.469050617

15

1.955328485

-0.355328485

1.162957155

0.126258332

2.305191286

16

1.92603369

1.97396631

-0.355328485

3.896542995

5.425614245

17

1.697610783

0.802389217

1.97396631

0.643828455

1.372592886

18

1.961357289

1.338642711

0.802389217

1.791964307

0.287567809

19

2.020247347

0.179752653

1.338642711

0.032311016

1.343026165

20

1.831686483

0.668313517

0.179752653

0.446642958

0.238691718

21

1.91177077

-0.51177077

0.668313517

0.261909321

1.392598926

22

1.838629735

-1.938629735

-0.51177077

3.758285251

2.035926507

23

1.97690745

-2.97690745

-1.938629735

8.861977967

1.078020613

24

1.869059959

1.130940041

-2.97690745

1.279025377

16.87441101

25

0.970083127

-2.370083127

1.130940041

5.61729403

12.25716323

26

0.498608897

-1.498608897

-2.370083127

2.245828626

0.759467334

27

0.550536708

-1.550536708

-1.498608897

2.404164082

0.002696498

28

0.21839589

-0.21839589

-1.550536708

0.047696765

1.774599158

29

-0.289353241

-0.310646759

-0.21839589

0.096501409

0.008510223

30

-0.272837433

-0.927162567

-0.310646759

0.859630425

0.380091741

31

-0.059876015

7.859876015

-0.927162567

61.77765097

77.21204704

32

0.20434036

-3.10434036

7.859876015

9.636929071

120.2140407

33

0.437680905

-1.737680905

-3.10434036

3.019534928

1.867758065

34

0.592403749

0.507596251

-1.737680905

0.257653954

5.041269508

35

0.989323692

4.110676308

0.507596251

16.89765971

12.9821859

36

0.75742331

-2.45742331

4.110676308

6.038929323

43.13993259

135.9296789

320.2880413

эконометрический модель коэффициент матрица регрессионный

DW = 2.356277481

Проведем графический анализ гетероскедастичность. Построим график, где по оси абсцисс будем откладывать расчетные значения Y, полученные из эмперического уравнения регрессии, а по оси ординат квадраты остатков уравнения е и е (-1)

Анализируя график, можем предположить непостоянство дисперсий. Т. е. наличие гетероскедастичности в модели.

Для проверки наличия гетероскедастичности воспользуемся тестом Парка. В Excel рассчитаем логарифмы значений e2, X

GDP=x

e

e2

lne2(y)

lnx

2,096.9

-0.551700727

0.304373692

-1.189499082

7.648215343

2,151.2

0.046522025

0.002164299

-6.135658826

7.673781105

2,199.7

-0.862524179

0.743947959

-0.295784194

7.696076266

2,271.1

-0.541147115

0.2928402

-1.22812821

7.728019575

2,342.7

0.401535417

0.161230691

-1.824919074

7.759059389

2,379.8

0.53345527

0.284574525

-1.256760107

7.77477173

2,442.3

-0.949905642

0.902320728

-0.102785248

7.800695497

2,520.5

1.043864081

1.08965222

0.085858581

7.832212574

2,604.9

-0.008914869

7.94749E-05

-9.440069469

7.865149566

2,744.1

0.343031815

0.117670826

-2.13986416

7.917208431

2,855.6

0.823219768

0.677690786

-0.389064163

7.957037258

2,977.2

-0.005944234

3.53339E-05

-10.25066719

7.99873854

3,117.8

-0.049086828

0.002409517

-6.028329114

8.044882904

3,257.8

1.162957155

1.352469345

0.301932066

8.0888074

3,412.7

-0.355328485

0.126258332

-2.069425214

8.135259046

3,602.5

1.97396631

3.896542995

1.360089748

8.189383328

3,828.7

0.802389217

0.643828455

-0.440322962

8.250280599

3,974.1

1.338642711

1.791964307

0.583312396

8.287553586

4,096.8

0.179752653

0.032311016

-3.432347042

8.31796146

4,169.8

0.668313517

0.446642958

-0.805995756

8.335623352

4,161.8

-0.51177077

0.261909321

-1.339756938

8.333702952

4,191.1

-1.938629735

3.758285251

1.323962803

8.340718508

4,094.7

-2.97690745

8.861977967

2.181769987

8.317448734

3,856.7

1.130940041

1.279025377

0.246098363

8.257567175

3,632.1

-2.370083127

5.61729403

1.725850059

8.197566272

3,445.2

-1.498608897

2.245828626

0.809074551

8.144737237

3,364.5

-1.550536708

2.404164082

0.877202268

8.121034643

3,397.8

-0.21839589

0.047696765

-3.042891708

8.130883442

3,208.1

-0.310646759

0.096501409

-2.338197672

8.073434141

3,570.7

-0.927162567

0.859630425

-0.15125272

8.180516934

3,673.6

7.859876015

61.77765097

4.123541664

8.208927387

3,870.4

-3.10434036

9.636929071

2.265602497

8.26111314

3,599.9

-1.737680905

3.019534928

1.105102822

8.188661346

4,037.9

0.507596251

0.257653954

-1.356137858

8.303480034

4,089.2

4.110676308

16.89765971

2.827175134

8.316104631

4,224.4

-2.45742331

6.038929323

1.798226732

8.348632518

Построим для каждой объясняющей переменной зависимости y= a + b lnx.

ВЫВОД ИТОГОВ

Результаты в таблицах

Множественный R

0.406037867

R-квадрат

0.16486675

Нормированный R-квадрат

0.140304007

Стандартная ошибка

2.857982096

Наблюдения

36

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

1

54.82456889

54.82456889

6.71206599

0.014004971

Остаток

34

277.7140965

8.168061662

Итого

35

332.5386654

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

-46.12734998

17.45031191

-2.643353896

0.012325913

-81.59065035

-10.66404962

-81.59065035

-10.66404962

Переменная X 1

5.590379407

2.157809867

2.590765522

0.014004971

1.205182177

9.975576637

1.205182177

9.975576637

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -46.12734998 + 5.590379407 lnx

(s) (17.45031191) (2.157809867)

(t) (-2.643353896) (2.590765522)

Уравнение выражает зависимость e (Y) от ВВП (Х1), В нашем случае e увеличивается на 5.590379407. при увеличении ВВП на 1 млн. руб. Случайное отклонение для коэффициента при переменной Х1 составляет 2.157809867; для свободного члена 17.45031191. Помощь на экзамене онлайн.

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n - m - 1 = 34; tкр. = t0,025;34 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R2 = 0.16486675;

=1-(1-0.16486675)*(36-1)/(36-1-1)= 0.140304007

Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0.140304007;

Критерий Фишера F = 6.71206599; Значимость = 0.014004971.

Построенное уравнение регрессии , хотя и адекватно экспериментальным данным (имеет высокий коэффициент детерминации и значимую F-статистику, все коэффициенты регрессии статистически значимы), не может быть использовано в практических целях, так как оно имеет следующие недостатки: присутствует автокорреляция остатков случайных отклонений, имеется мультиколлинеарность.

Перечисленные недостатки могут привести к ненадежности оценок, выводы по t- и F- статистикам, определяющим значимость коэффициентов регрессии и детерминации, возможно, неверны.

Заключение

Следует отметить, что цели данного исследования достигнуты. Было построено две модели, из которых выбрана модель лучшего качества (2). Полученная модель обладает достаточно хорошим качеством и является адекватной, о чем свидетельствуют данные таблицы 6.

В ходе данной работы были получены результаты, достаточно точно отражающие реальные макроэкономические процессы. Однако можно выделить такие проблемы, связанные с разработкой эконометрических моделей для Датской экономики. Среди них:

короткая длина временных рядов макроэкономических показателей. Это приводит нередко к невысокой точности коэффициентов эконометрических зависимостей;

подверженность многих показателей структурным изменениям. Это требует введения в эконометрические зависимости фиктивных переменных, отражающих эффект того или иного экономического явления;

некоторое несоответствие динамики взаимосвязей между эндогенными и экзогенной переменными положениям экономической теории, что требует проведения дополнительного экономического анализа [10].

Впоследствии с помощью построенной модели могут быть решены такие задачи, как прогнозирование и анализ ВВП в будущем, выработка соответствующей экономической политики.

Таким образом, товарооборот Дании зависит от многих факторов, среди которых нужно выделить реальные денежные доходы населения. Они, как и большинство экономических показателей, подвержены колебаниям и воздействиям различных внешних и внутренних факторов.

ВВП остаются важнейшими показателями деятельности страны, степени развития ее экономики в целом.

Список использованных источников

1. Белоусов А.Р. Сценарии экономического развития России на пятнадцатилетнюю перспективу // Проблемы прогнозирования. - 2006. - N 1. - С.3-52.

2. Макконелл К. Р., Брю С. Л. Экономикс. Москва: ИНФРА-М, 2003.

3. Бородич С. А. Эконометрика. Минск: ООО «Новое знание», 2006.

4. Eviews 3.1. User Guide. - QMS,1998.

5. D.N. Gujarati Basic Econometrics. - McGraw, 1995.

6. Российская экономика в 2001-2004 гг.: альтернативная оценка / Г.И.Ханин, О.И.Полосова, Н.В.Иванченко, Д.А.Фомин // ЭКО. - 2007. - N 6. - C.2-23.

7. Российская экономика в 2004 году. Тенденции и перспективы / Гл. ред. Гайдар Е. и др. - М.: ИЭПП, 2005. - 683с.

8. Илларионов А. Значимые закономерности экономического развития // Вестник финансовой академии. 2001. №1. - с. 21.

Приложения

GEO/TIME

индекс потребительских цен

GDP

количество трудоустроенных

2003Q1

329,760.6

82,299.8

97.45

2003Q2

331,211.7

79,798.9

99.25

2003Q3

337,811.7

79,235.4

98.75

2003Q4

337,427.1

80,242.9

100.23

2004Q1

343,818.1

81,961.9

101.29

2004Q2

347,098.3

84,697.2

100.31

2004Q3

348,692.5

85,976.8

100.70

2004Q4

350,384.6

88,363.7

101.97

2005Q1

351,153.6

88,352.7

101.61

2005Q2

356,552.9

91,672.6

100.35

2005Q3

359,025.9

94,622.6

99.35

2005Q4

363,202.1

97,647.0

98.72

2006Q1

364,949.0

103,833.4

98.78

2006Q2

371,597.7

105,400.2

100.20

2006Q3

372,583.7

107,198.7

100.64

2006Q4

377,756.6

109,341.0

100.66

2007Q1

381,862.0

111,687.3

100.99

2007Q2

385,200.7

112,008.7

101.49

2007Q3

388,638.4

114,032.8

101.66

2007Q4

390,374.1

113,931.6

102.90

2008Q1

393,437.3

117,878.3

103.97

2008Q2

396,141.0

115,956.1

105.27

2008Q3

391,319.5

118,596.1

104.02

2008Q4

386,718.2

108,694.6

102.88

2009Q1

379,792.1

93,408.0

105.35

2009Q2

378,592.6

89,949.1

105.63

2009Q3

380,748.7

91,039.5

106.19

2009Q4

380,102.6

93,734.4

106.67

2010Q1

369,325.0

101,343.2

103.97

2010Q2

389,885.3

110,801.6

100.85

2010Q3

385,342.8

110,844.6

100.70

2010Q4

408,530.0

119,762.4

101.93

2011Q1

377,620.7

120,650.5

101.65

2011Q2

398,098.4

122,666.6

103.00

2011Q3

392,925.0

117,725.7

102.52

2011Q4

411,015.0

117,940.6

102.02

Размещено на Allbest.ru


Подобные документы

  • Публикация данных: источники информации и влияние факторов на деятельность. Статистическая автокоррелированность ряда и проверка ее порядков, статистика Дарбина–Уотсона. Регрессионные зависимости и леммы эконометрической модели, доверительный интервал.

    практическая работа [327,4 K], добавлен 15.03.2009

  • Построение эконометрической модели, описывающей линейную зависимость результативного признака факторов, входящих в нее, методом матрицы. Проверка ее на адекватность по критерию Фишера. Определение дисперсии, ковариации, корреляции и детерминации.

    контрольная работа [180,5 K], добавлен 03.12.2014

  • Построение качественной и адекватной эконометрической модели по методу наименьших квадратов и ее анализ на наличие автокорреляции, мультиколлинеарности, гетероскедастичности с применением статистики Дарвина-Уотсона, тестов Парка и Голдфелда-Квандта.

    курсовая работа [434,0 K], добавлен 04.12.2013

  • Построение уравнения регрессии. Эластичность степенной модели. Уравнение равносторонней гиперболы. Оценка тесноты связи, качества и точности модели. Индекс корреляции и коэффициент детерминации. Оценка статистической значимости регрессионных уравнений.

    курсовая работа [1,3 M], добавлен 25.03.2015

  • Эконометрическая модель и исследование проблемы автокорреляции случайных отклонений с помощью тестов Бреуша-Годфри, Сведа-Эйзенхарта и статистики Дарбина-Уотсона. Связь между реальным и номинальным обменными курсами на примере белорусского рубля.

    курсовая работа [483,8 K], добавлен 19.12.2011

  • Построение и анализ классической многофакторной линейной эконометрической модели. Вид линейной двухфакторной модели, её оценка в матричной форме и проверка адекватности по критерию Фишера. Расчет коэффициентов множественной детерминации и корреляции.

    контрольная работа [131,9 K], добавлен 01.06.2010

  • Построение эконометрической модели спроса в виде уравнений парной и множественной регрессии. Отбор факторов для построения функции потребления. Расчет коэффициентов корреляции и детерминации, проверка правильности выбранных факторов и формы связи.

    контрольная работа [523,7 K], добавлен 18.08.2010

  • Описание классической линейной модели множественной регрессии. Анализ матрицы парных коэффициентов корреляции на наличие мультиколлинеарности. Оценка модели парной регрессии с наиболее значимым фактором. Графическое построение интервала прогноза.

    курсовая работа [243,1 K], добавлен 17.01.2016

  • Понятие и особенности прогнозирования. Стандартная ошибка предсказываемого среднего значения. Прогнозирование при наличии авторегрессии ошибок. Точечное и интервальное прогнозирование, основанное на модели линейной регрессии, коэффициент ее детерминации.

    контрольная работа [827,9 K], добавлен 08.01.2016

  • Статистическая адекватность и проверка модели линейной регрессии на мультиколлинеарность. Исследование автокорреляции с помощью критерия Дарбина-Уотсона, тестов Сведа-Эйзенхарта и Бреуша-Годфри. Анализ гетероскедастичности и корректировка модели.

    курсовая работа [1,5 M], добавлен 29.03.2015

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.