Корреляционный анализ для It

В данном случае также наблюдается свойство мультиколленеарности между экзогенными параметрами, но влияние каждого из них на результирующий показатель неодинаково.

Исходя из данных, приведенных в таблице, можно предположить, что наибольшее воздействие на чистые инвестиции I_t в текущем периоде оказывает объем основного капитала P_t-1 прошлого периода. Уравнение примет вид:

I_t = b₀ + b₁* P_t-1 + _It

Корреляционный анализ для W_1t

Здесь также присутствует мультиколленеарность, и как видно из таблицы связь между определяющими переменными очень сильна. Самое сильное воздействие на заработную плату частного сектора W_1t текущего периода оказывает доход, время t . Поэтому уравнение примет следующий вид:

W_1t = c₀ + c₁*t + _Wt

В итоге в результате корреляционного анализа имеем следующую модель:

Уравнения функционирования:

C_t = a₀ + a₁*( W_1t + W_2t) + a₂* P_t-1 + _Ct

I_t = b₀ + b₁* P_t-1 + _It

W_1t = c₀ + c₁*t + _Wt

Балансовые уравнения представлены следующим образом:

X_t = C_t + I_t + G_t

P_t = X_t – W_1t - T_t

K_t = K_t-1 + I_t

Построение уравнений функционирования

Оценим модели следующего вида:

C_t = F_C ( W_1t, W_2t, P_t-1 )

I_t = F_I ( P_t-1 )

W_1t = F_W ( t )

После идентификации моделей, для каждой из них будет проведен дисперсионный анализ, с помощью которого будут сделаны выводы о значимости каждой из модели и ее параметров.

1. Идентификация уравнения функционирования С_t.

	Значение	Standard Error	T Statistica
А0	1,32	0,86	1,53
A1	1,26	0,16	7,88
A2	0,42	0,25	1,68

t(0,05; 17) = 2,11 F(2,17)=6,11 < 484,87

Из дисперсионного анализа видно, что коэффициенты a₀ и a₂ не значимы, следовательно, их необходимо исключить.

Перестроенная модель будет иметь вид:

	Значение	Standard Error	T Statistica
A1	1,598	0,0161	99,175

t(0,05; 19) = 2,093 F(1,18)=4,41 < 9835,73

C_t =1,598 * ( W_1t + W_2t) + _Ct

Теперь проверим существует ли автокорреляция остатков _Сt . Это можно сделать используя критерий Дарбина-Уотсона:

d_L=1,1 < d_расч= 1,85 < d_U=1,54

Так как условие не выполняется и d_расч > d_U можно утверждать, что автокорреляция остатков _Сt отсутствует.

2. Идентификация уравнения функционирования I_t

	Значение	Standard Error	T Statistica
B1	0,194	0,033	5,748

t(0,05; 19) = 2,093 F(1,18)=4,41 < 33,04

Получим следующую модель:

I_t = 0,194 * P_t-1 + _It

Теперь проверим существует ли автокорреляция остатков _Сt . Это можно сделать используя критерий Дарбина-Уотсона:

d_L=1,1 < d_расч= 6,43 < d_U=1,54

Так как условие не выполняется и d_расч > d_U можно утверждать, что автокорреляция остатков _It отсутствует.

3. Идентификация уравнения функционирования W_1t.

	Значение	Standard Error	T Statistica
C0	3,174	0,502	6,327
C1	0,751	0,04	17,926

t(0,05; 18) = 2,101 F(2,17)=3,59 < 321,34

Теперь проверим существует ли автокорреляция остатков _Сt . Это можно сделать используя критерий Дарбина-Уотсона:

d_L=1,1 < d_расч= 0,53 < d_U=1,54

Так как условие выполняется и d_расч < d_L можно утверждать, что существует положительная автокорреляция остатков _Wt.

Модель примет следующий вид:

W_1t =3,174 + 0,751*t + _Wt

Рассчитанные значения C_t , L_t , W1_t подставляются в балансовые уравнения, в результате чего мы получаем значения переменных X_t, K_t, P_t