Итоговая модель по 2мнк

Уравнения функционирования:

С_t= 0,79*Ni_t

I_t= 0,222*(Y_t – Y_t-1) + 1,73*Tax_t-1

M_t = 46,9 + 0,297*Y_t - 55,33*Ir_t

U_t = 0,1454*Em_t-1

p_t = 1,00738*p_t-1

Em_t = 1,01809*Em_t-1

Wg_t =-0,0673*U_t + 10,857*p_t

Im_t = 0,1137*C_t

Ex_t = 0,0834*GNP_t

Y=e^{-0,027 t} K ^0,79 Em^0,21

G_t = 141,8 – 1,76*t

Ir_t = 0,573 – 0,0413*t + 0,0031*t² – 0,00006*t³

TAX_t = 66,36 + 1,07*t – 0,065*t²

Балансовые соотношения:

Сравнительный анализ методов наименьших квадратов.

Сравним результаты полученные по простому и двухшаговому методу наименьших квадратов, используя остаточную дисперсию – S², коэффициент детерминации – R² и коэффициент несоответствия Тейла – К_Т.

	1МНК			2 МНК
	S2	R2	КТ	S2	R2	КТ
С	176,3	99,92	0,02	201	99,91	0,0237
I	6,05	99,97	0,02	39	99,72	0,125
M	22,46	97,48	0,025	19	95,86	0,022
U	0,4	99,61	0,063	0,19	99,8	0,056
P	0,00004	99,98	0,01983	0,00002	99,98	0,023
Em	3,76	99,925	0,022	2,81	99,94	0,022
Wg	0,002	99,987	0,015	0,002	99,985	0,0174
Im	2,9	99,89	0,0296	3,81	99,87	0,042
Ex	3,6	99,94	0,0418	2,15	99,94	0,042
Y	0,0022	99,96	0,057	0,0006	99,99	0,0999
G	87	74,2	0,2372
Ir	0,0019	51,93	0,225
Tax	2,19	97,8	0,10161

Вывод:

Для дальнейшего использования будем использовать модели, полученные по простому методу наименьших квадратов, так как в большинстве случаев лучшими модельными и прогностическими характеристиками обладают именно модели, построенные по 1 МНК. Там же, где лучшими оказались модели, построенные по 2 МНК – их преимущества очень мало.

Итоговая модель

Уравнения функционирования:

Y=e^{-0,00525 t} K ^0,86 L^0,14

С_t=0,642205Y_t

I_t= -0,874(Y_t -Y_t-1) +2,989(K_t -K_t-1)

G_t = (21,972 + 0,344 t)²

N_t=87,5 e^{0,0186 t}

L_t=0,944N_t-1

R_t = 0,241 – 0,0031*sqrt(t)

Wn_t =1,53-10,757 U_t /N_t +10,66 P_t

M_t = 334,5+0,086 Y_t –559,4 i_t

P_t = 1,063 P_t-1

i = 0,052 t– 0,0046 t² +0,0011 t³

Балансовые соотношения:

Y_t=C_t+I_t+G_t+EI_t

K_t =(1-0,06) K_t-1+I_t

N_t=L_t+U_t

T_t=Y_t R_t

Wr_t=Wn_t/P_t