Курсовые, дипломные и контрольные работы.
Готовые и на заказ

Вариант 29 КР по эконометрике – Решение (Word + Excel)

ДисциплинаЭкономические
Тип работыКонтрольные
Количество страниц15
Год сдачи2022
Номер работы7166

О работе

Работа успешно сдана, грамотное решение, аккуратное оформление

Содержание

ВАРИАНТ 29

Ставится задача исследовать, как влияет индекс реальных инвестиций в основной капитал (INVFC_Q_DIRI) на индекс реального ВВП РФ (GDPEA_Q_DIRI).  Оба показателя – цепные индексы, где за базу (100%) взят уровень прошлых лет (1994 и 2005 соответственно). Данные с сайта http://sophist.hse.ru

T

Индекс реальных инвестиций в основной капитал, х

Индекс реального ВВП

2007 I

87,1

131,30

II

132,9

144,40

III

156,5

156,90

IV

226,7

164,60

2008 I

107,5

143,30

II

156,2

155,80

III

175,6

167,00

IV

223,7

162,40

2009 I

88,2

130,10

II

123,7

138,40

III

144,6

152,60

IV

203,1

158,20

2010 I

83,9

135,40

II

130,5

145,30

III

152,2

158,40

IV

225,7

166,30

2011 I

87,4

139,90

II

140,6

151,40

III

169,6

164,80

IV

259,5

174,00

2012 I

99,4

147,30

II

155,4

157,90

III

178,8

170,00

IV

267,7

177,10

2013 I

102

148,20

II

155,8

159,70

III

178,3

172,00

IV

270,8

180,80

2014 I

98,8

149,10

II

156,2

161,80

III

177,9

173,30

IV

263,4

181,30

2015 I

91,7

146,30

II

138,2

156,30

III

153,4

168,70

IV

238,9

175,40

2016 I

88,2

145,7

II

133

155,50

III

151,9

168,10

IV

235,9

176,00

2017 I

90,1

147,7

II

143,6

148,9

III

157,7

149,2

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.

  1. Исследование взаимосвязи данных показателей с помощью диаграммы рассеяния и коэффициента корреляции

Построить график диаграммы рассеяния зависимой переменной с экзогенным фактором. Оценить коэффициент корреляции между объясняемой и объясняющей переменными. Проверить значимость коэффициента корреляции.

  1. Оценка параметров модели парной регрессии

Оценить параметры модели (1) парной регрессии

Y_t=β_0+β_1 X_1+ε_1 (1)

Выпишите полученное уравнение регрессии   в стандартной форме. Дайте экономическую интерпретацию параметрам модели.

  1. 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   качестве уравнения регрессии.

  1. 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.

  1. 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   индекса реальных инвестиций в основной капитал       во времени с целью визуального выявления сезонной волны.

Введите необходимое количество фиктивных переменных, характеризующих степень влияния каждого квартала в отдельности. Постройте многофакторную модель динамики экзогенной переменной

Оценить параметры модели (2) множественной регрессии

X_t=α_0+α_1 t+α_2 d_1+α_3 d_2+α_4 d_3+v_t (2)

Оцените качество и значимость модели и отдельных ее параметров. Поясните экономический смысл параметров при фиктивных переменных сдвига при исследовании сезонных колебаний.

  1. Прогнозирование экзогенной переменной

Использовать построенную многофакторную модель с фиктивными переменными для прогнозирования экзогенной переменной.

Оценить прогноз X_p (p>n) на ближайший квартал по модели (2)

X_t=α_0+α_1 t+α_2 d_1+α_3 d_2+α_4 d_3+v_t

  1. Прогнозирование эндогенной переменной (в условиях отсутствия гетероскедастичности и автокорреляции)

Оценить прогноз Y ̂_pна ближайшие кварталы по модели (1), используя полученные прогнозные значения X
(Y ̂_p- прогноз значения эндогенной переменной для момента t=p>n)
Подставив прогнозные значения X_pв модель (1), получим точечный
прогноз Y ̂_p:
Y ̂_(n+1 )=β_0+β_1 X_(n+1)
Построим интервальную оценку значения эндогенной переменной
на интервале прогнозирования для момента

450 р.
и получить 100 бонусных руб.
Только проверенные работы
Бонусы
при покупке
Работы по любому предмету на заказ
Способы оплаты: