Побудова економетричної моделі на основі макроекономічних показників Австрії

КонтрольнаДопомога в написанніДізнатися вартістьмоєї роботи

Значення показника R-squared є 0,184 706 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. 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). Значення… Читати ще >

Побудова економетричної моделі на основі макроекономічних показників Австрії (реферат, курсова, диплом, контрольна)

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	0.614 449	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)	0.26 262	0.42 740	0.614 449	0.5476
D (EMLP (-1))	0.745 940	0.191 176	3.901 858	0.0013
C	— 0.73 097	0.133 089	— 0.549 236	0.5904
R-squared	0.491 538	Mean dependent var	0.29 421
Adjusted R-squared	0.427 980	S.D. dependent var	0.27 671
S.E. of regression	0.20 928	Akaike info criterion	— 4.751 483
Sum squared resid	0.7 008	Schwarz criterion	— 4.602 361
Log likelihood	48.13 909	F-statistic	7.733 720
Durbin-Watson stat	1.870 029	Prob (F-statistic)	0.4 468

Першим показником візьмемо чисельність зайнятих. Значення ADF Test Statistic дорівнює 0.614 449 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	— 3.678 474	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))	— 1.105 270	0.300 470	— 3.678 474	0.0032
D (EMLP2(-1), 2)	0.384 605	0.236 322	1.627 464	0.1296
C	— 0.51 330	0.21 416	— 2.396 756	0.0337
@TREND (1988)	0.4 128	0.1 624	2.542 345	0.0258
R-squared	0.536 879	Mean dependent var	0.2 125
Adjusted R-squared	0.421 099	S.D. dependent var	0.31 001
S.E. of regression	0.23 587	Akaike info criterion	— 4.443 913
Sum squared resid	0.6 676	Schwarz criterion	— 4.250 766
Log likelihood	39.55 130	F-statistic	4.637 054
Durbin-Watson stat	1.656 118	Prob (F-statistic)	0.22 445

Значення ADF Test Statistic дорівнює -3.678 474 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	0.653 267	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)	0.13 586	0.20 797	0.653 267	0.5229
D (GDP (-1))	0.306 578	0.240 134	1.276 693	0.2199
C	0.636 204	3.910 736	0.162 681	0.8728
R-squared	0.147 478	Mean dependent var	4.750 579
Adjusted R-squared	0.40 912	S.D. dependent var	2.177 531
S.E. of regression	2.132 522	Akaike info criterion	4.496 427
Sum squared resid	72.76 238	Schwarz criterion	4.645 549
Log likelihood	— 39.71 605	F-statistic	1.383 917
Durbin-Watson stat	1.940 042	Prob (F-statistic)	0.279 027

Значення ADF Test Statistic дорівнює 0.653 267 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	— 4.260 963	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)	— 0.680 381	0.159 678	— 4.260 963	0.0008
D (GDP2(-1))	0.831 069	0.196 912	4.220 509	0.0009
C	6.125 244	1.519 137	4.32 055	0.0012
R-squared	0.628 189	Mean dependent var	0.76 176
Adjusted R-squared	0.575 073	S.D. dependent var	3.30 602
S.E. of regression	1.975 541	Akaike info criterion	4.358 346
Sum squared resid	54.63 864	Schwarz criterion	4.505 384
Log likelihood	— 34.4 594	F-statistic	11.82 677
Durbin-Watson stat	1.915 949	Prob (F-statistic)	0.982

Значення ADF Test Statistic дорівнює -4.260 963 і воно є меншим, ніж критичне значення (-3.0521 при 5%). Отже, даний ряд даних є стаціонарним.

— показник інфляції:


ADF Test Statistic	— 1.939 005	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)	— 0.372 382	0.192 048	— 1.939 005	0.0703
D (INF (-1))	0.378 959	0.254 321	1.490 082	0.1557
C	0.800 929	0.411 835	1.944 781	0.0696
R-squared	0.216 773	Mean dependent var	0.51 263
Adjusted R-squared	0.118 870	S.D. dependent var	0.635 957
S.E. of regression	0.596 964	Akaike info criterion	1.950 019
Sum squared resid	5.701 853	Schwarz criterion	2.99 141
Log likelihood	— 15.52 518	F-statistic	2.214 153
Durbin-Watson stat	1.821 729	Prob (F-statistic)	0.141 612

Значення ADF Test Statistic дорівнює -1.939 005 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	— 3.116 447	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)	— 1.88 407	0.349 246	— 3.116 447	0.0071
D (INF1(-1))	0.290 481	0.264 071	1.100 010	0.2887
C	0.23 079	0.153 516	0.150 338	0.8825
R-squared	0.433 188	Mean dependent var	0.28 056
Adjusted R-squared	0.357 613	S.D. dependent var	0.812 506
S.E. of regression	0.651 216	Akaike info criterion	2.131 062
Sum squared resid	6.361 239	Schwarz criterion	2.279 457
Log likelihood	— 16.17 956	F-statistic	5.731 898
Durbin-Watson stat	1.934 395	Prob (F-statistic)	0.14 151

Значення ADF Test Statistic дорівнює -3.116 447 і воно є більшим ніж критичне значення (-3.0400 при 5%). Отже, даний ряд даних є стаціонарним.

— Чисельність безробітних:


ADF Test Statistic	— 2.946 521	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)	— 0.303 544	0.103 018	— 2.946 521	0.0095
D (UNEM (-1))	0.331 180	0.202 966	1.631 699	0.1223
C	1.254 147	0.412 667	3.39 127	0.0078
R-squared	0.393 180	Mean dependent var	0.81 684
Adjusted R-squared	0.317 327	S.D. dependent var	0.378 437
S.E. of regression	0.312 680	Akaike info criterion	0.656 664
Sum squared resid	1.564 297	Schwarz criterion	0.805 786
Log likelihood	— 3.238 309	F-statistic	5.183 472
Durbin-Watson stat	2.119 314	Prob (F-statistic)	0.18 386

Значення ADF Test Statistic дорівнює -2.946 521 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	— 3.938 451	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))	— 1.599 940	0.406 236	— 3.938 451	0.0015
D (UNEM1(-1), 2)	0.151 374	0.238 399	0.634 964	0.5357
C	— 0.75 679	0.105 454	— 0.717 649	0.4848
R-squared	0.705 490	Mean dependent var	— 0.9 000
Adjusted R-squared	0.663 417	S.D. dependent var	0.744 481
S.E. of regression	0.431 916	Akaike info criterion	1.317 615
Sum squared resid	2.611 723	Schwarz criterion	1.464 653
Log likelihood	— 8.199 729	F-statistic	16.76 828
Durbin-Watson stat	1.933 845	Prob (F-statistic)	0.192

Значення ADF Test Statistic дорівнює -3.938 451 і воно є меншим ніж критичне значення (-3.0521 при 5%). Отже, даний ряд даних є стаціонарним.

— чисельність населення:


ADF Test Statistic	— 2.23 093	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)	— 0.40 098	0.19 820	— 2.23 093	0.0601
D (PPL (-1))	0.706 807	0.151 043	4.679 523	0.0003
C	0.329 847	0.159 994	2.61 618	0.0559
R-squared	0.679 503	Mean dependent var	0.35 263
Adjusted R-squared	0.639 441	S.D. dependent var	0.24 626
S.E. of regression	0.14 787	Akaike info criterion	— 5.446 209
Sum squared resid	0.3 498	Schwarz criterion	— 5.297 087
Log likelihood	54.73 898	F-statistic	16.96 121
Durbin-Watson stat	0.933 762	Prob (F-statistic)	0.111

Значення ADF Test Statistic дорівнює -2.23 093 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	— 3.53 474	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)	— 0.374 069	0.122 506	— 3.53 474	0.0080
D (PPL1(-1))	0.656 492	0.179 466	3.658 028	0.0023
C	0.11 919	0.5 308	2.245 757	0.0402
R-squared	0.525 790	Mean dependent var	— 0.2 500
Adjusted R-squared	0.462 562	S.D. dependent var	0.15 768
S.E. of regression	0.11 559	Akaike info criterion	— 5.931 647
Sum squared resid	0.2 004	Schwarz criterion	— 5.783 252
Log likelihood	56.38 482	F-statistic	8.315 768
Durbin-Watson stat	2.99 488	Prob (F-statistic)	0.3 713

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	1.621 511	1.78 301	1.503 765	0.1534
EMLP2	20.32 083	14.15 757	1.435 333	0.1717
UNEM1	— 4.856 945	1.556 974	— 3.119 476	0.0070
C	8.681 209	0.991 770	8.753 247	0.0000
R-squared	0.616 607	Mean dependent var	9.536 579
Adjusted R-squared	0.539 928	S.D. dependent var	3.589 248
S.E. of regression	2.434 537	Akaike info criterion	4.802 054
Sum squared resid	88.90 457	Schwarz criterion	5.883
Log likelihood	— 41.61 952	F-statistic	8.41 437
Durbin-Watson stat	1.309 724	Prob (F-statistic)	0.1 987

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	0.363 580	Probability	0.926 082
Obs*R-squared	5.66 091	Probability	0.828 509
Test Equation:
Dependent Variable: RESID²
Method: Least Squares
Date: 12/12/13 Time: 19:33
Sample: 1994 2012
Included observations: 19
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	7.115 255	3.628 614	1.960 874	0.0815
INF1	— 2.38 883	4.242 548	— 0.480 580	0.6423
INF1²	— 5.488 163	3.954 719	— 1.387 751	0.1986
INF1*EMLP2	58.21 519	97.33 955	0.598 063	0.5645
INF1*UNEM1	— 4.257 903	9.318 227	— 0.456 943	0.6585
EMLP2	50.26 476	97.65 399	0.514 723	0.6191
EMLP2²	— 496.5563	764.4887	— 0.649 527	0.5322
EMLP2*UNEM1	10.54 212	113.1264	0.93 189	0.9278
UNEM1	— 0.639 751	9.420 806	— 0.67 908	0.9473
UNEM1²	— 10.65 058	11.85 260	— 0.898 586	0.3923
R-squared	0.266 636	Mean dependent var	4.679 188
Adjusted R-squared	— 0.466 727	S.D. dependent var	4.217 199
S.E. of regression	5.107 387	Akaike info criterion	6.404 670
Sum squared resid	234.7686	Schwarz criterion	6.901 743
Log likelihood	— 50.84 437	F-statistic	0.363 580
Durbin-Watson stat	1.767 154	Prob (F-statistic)	0.926 082

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 0,926 082, 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	1.405 505	Probability	0.280 152
Obs*R-squared	3.377 975	Probability	0.184 706
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	— 0.205 024	1.76 923	— 0.190 380	0.8520
EMLP2	— 1.839 907	14.75 289	— 0.124 715	0.9027
UNEM1	1.184 212	1.768 016	0.669 797	0.5147
C	— 0.47 853	0.996 599	— 0.48 016	0.9624
RESID (-1)	0.543 716	0.337 747	1.609 830	0.1314
RESID (-2)	— 0.215 110	0.319 782	— 0.672 677	0.5129
R-squared	0.177 788	Mean dependent var	1.36E-15
Adjusted R-squared	— 0.138 447	S.D. dependent var	2.222 418
S.E. of regression	2.371 277	Akaike info criterion	4.816 823
Sum squared resid	73.9 839	Schwarz criterion	5.115 067
Log likelihood	— 39.75 982	F-statistic	0.562 202
Durbin-Watson stat	1.967 891	Prob (F-statistic)	0.727 429

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
. \|**. \|	. \|**. \|	0.290	0.290	1.8645	0.172
. *\|. \|	. **\|. \|	— 0.093	— 0.194	2.0694	0.355
.***\|. \|	.***\|. \|	— 0.444	— 0.403	6.9803	0.073
.***\|. \|	. **\|. \|	— 0.433	— 0.275	11.979	0.018
. *\|. \|	. *\|. \|	— 0.180	— 0.137	12.905	0.024
. *\|. \|	.***\|. \|	— 0.128	— 0.433	13.408	0.037
. \|*. \|	. *\|. \|	0.174	— 0.158	14.416	0.044
. \|*. \|	. **\|. \|	0.189	— 0.279	15.709	0.047
. \|*** \|	. \|. \|	0.339	— 0.037	20.285	0.016
. \|*. \|	. *\|. \|	0.161	— 0.157	21.433	0.018
. \|. \|	. *\|. \|	— 0.023	— 0.065	21.459	0.029
. **\|. \|	. **\|. \|	— 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	0.295 901	Probability	0.595 021
Log likelihood ratio	0.397 394	Probability	0.528 438
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	3.38 391	2.829 229	1.73 929	0.3010
EMLP2	35.72 090	31.80 883	1.122 987	0.2803
UNEM1	— 8.847 354	7.507 115	— 1.178 529	0.2582
C	11.96 013	6.112 799	1.956 572	0.0706
FITTED²	— 0.39 722	0.73 023	— 0.543 967	0.5950
R-squared	0.624 542	Mean dependent var	9.536 579
Adjusted R-squared	0.517 269	S.D. dependent var	3.589 248
S.E. of regression	2.493 769	Akaike info criterion	4.886 402
Sum squared resid	87.6 440	Schwarz criterion	5.134 938
Log likelihood	— 41.42 082	F-statistic	5.821 954
Durbin-Watson stat	1.467 815	Prob (F-statistic)	0.5 650

Оцінюючи значення Log likelihood ratio, що дорівнює 0,528 438 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 = 1.621 511 065*INF1 + 20.32 082 605*EMLP2 — 4.856 945 173* UNEM1 + 8.681 208 645

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.

Показати весь текст

Заповнити форму поточною роботою