- •Содержание
- •1. Постановка задачи 4
- •2. Косвенный метод наименьших квадратов 7
- •3. Двухшаговый метод наименьших квадратов 31
- •Введение
- •Постановка задачи
- •1.1. Общая постановка задачи
- •1.2 Упрощенная модель Клейна
- •2. Косвенный метод наименьших квадратов
- •Исходные данные
- •2.1. Определение параметров уравнения регрессии приведенной формы
- •2.1.1. Построение уравнения регрессии для функции потребления
- •2.1.2. Построение уравнения регрессии для функции инвестиций
- •Вывод остатка
- •2.1.3. Проверка статистической значимости уравнений регрессии функции потребления и функции инвестиций
- •Проверка случайности колебаний уровней статочной последовательности
- •Проверка соответствия распределения случайной компоненты нормальному закону распределения
- •Проверка равенства математического ожидания случайной компоненты нулю
- •Проверка независимости значений уровней случайной компоненты
- •Определение точности модели
- •Тест ранговой корреляции Спирмена
- •2.1.4. Определение значения параметров уравнений регрессий методом подстановок
- •2.1.5. Определение параметров уравнения регрессии с помощью обычного мнк
- •3. Двухшаговый метод наименьших квадратов
- •Заключение
- •Список используемой литературы
2.1.2. Построение уравнения регрессии для функции инвестиций
Используя исходную информацию по I(t) и по G(t), систему уравнений (7), определяем с помощью МНК значения величин h20, h21. Для расчетов снова применим табличный редактор Excel (программа «Регрессия»).
Таблица №6
Регрессионная статистика |
|
Множественный R |
0,91 |
R-квадрат |
0,83 |
Нормированный R-квадрат |
0,82 |
Стандартная ошибка |
4,19 |
Наблюдения |
24 |
Таблица №7
Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
1838,75 |
1838,75 |
104,79 |
7,88E-10 |
Остаток |
22 |
386,05 |
17,55 |
|
|
Итого |
23 |
2224,80 |
|
|
|
Таблица №8
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
101,88 |
4,15 |
24,53 |
1,8E-17 |
93,27 |
110,50 |
93,27 |
110,50 |
G(t) |
0,22 |
0,02 |
10,24 |
7,88E-10 |
0,17 |
0,26 |
0,17 |
0,26 |
Таблица №9
Вывод остатка
Наблюдение |
Предсказанное I(t) |
Остатки |
1 |
126,69 |
-4,69 |
2 |
133,16 |
4,84 |
3 |
130,57 |
3,03 |
4 |
135,54 |
-7,34 |
5 |
136,62 |
-1,42 |
6 |
137,26 |
0,54 |
7 |
138,77 |
4,43 |
8 |
138,56 |
2,44 |
9 |
138,99 |
-3,59 |
10 |
140,28 |
-1,68 |
11 |
141,15 |
2,25 |
12 |
140,71 |
4,29 |
13 |
142,44 |
-1,84 |
14 |
142,87 |
-3,87 |
15 |
143,09 |
4,11 |
16 |
144,60 |
4,00 |
17 |
148,26 |
-4,26 |
18 |
148,91 |
-4,31 |
19 |
150,42 |
3,58 |
20 |
153,66 |
5,34 |
21 |
154,95 |
-0,75 |
22 |
156,89 |
-6,89 |
23 |
159,27 |
-3,07 |
24 |
160,13 |
4,87 |
|
|
|
Получаем уравнение регрессии: I(t)=101,88+0,22*G(t)+2 (t)
h20=101,88; h21=0,22
Вывод:
Исходя из полученных значений
-
h10
306.71
h11
0.57
h20
101.88
h21
0.22
получаем следующую систему приведенных уравнений: