Анализируя полученную таблицу, можно видеть, что

• для С_t лучше модель по МНК;

• для W1_t лучше модель по МНК;

• для I_t лучше модель по МНК, хотя и та и другая модель очень плохо отражают динамику изменения фактической переменной. Отсюда можно сделать вывод о несоответствии уравнения I_t в модели Клейна реальному формированию размера инвестиций.

Построение моделей тренда экзогенных переменных

Для проведения прогнозных расчетов на основе эконометрической модели необходимо оценить тенденцию изменения экзогенных переменных W2_t, G_t, T_t .

Так как t1, t2 > t, можно строить тренды.

Выбор наилучшей модели осуществляется с помощью сравнения коэффициентов Тейла:

		Параметр а			Параметр b			St. Er.	F	r	K
		Знач.	St. Er.	t	Знач.	St. Er.	t
	W2t	4,002	0,115	34,77	0,138	0,0096	14,35	0,24	205	0,959	0,035
	Gt	1,302	0,687	1,89	0,495	0,057	8,623	1,48	74	0,897	0,488
	Tt	8,132	0,2826	28,77	0,496	0,0236	21,046	0,608	443	0,98	0,068
	W2t	1,416	0,022	63,58	0,026	0,0019	13,73	0,047	188	0,955	0,07
	Gt	0,789	0,164	4,8	0,088	0,0137	6,44	0,35	42	0,835	0,409
	Tt	2,173	0,0199	109	0,038	0,0017	22,63	0,0427	513	0,983	0,152
	W2t	0,238	0,0048	49	-0,048	0,0004	-11,958	0,01	143	-0,942	0,23
	Tt	0,1092	0,0017	64	-0,0029	0,00014	-20,51	0,0036	421	-0,979	0,303
	Gt	1,4	0,149	9,377	0,1018	0,0125	8,11	0,32	66	0,886	0,169

В результате получаем следующие модели:

Проверка прогностических свойств моделей:

Проверка прогностических свойств моделей

На основе экстраполяции значений экзогенных переменных необходимо получить точечный прогноз на 5 периода вперед для эндогенных переменных модели Клейна. Для этого в построенные зависимости, описывающие уравнения функционирования модели, подставляются предсказанные значения экзогенных и известные значения лаговых переменных. А затем с их помощью находятся значения переменных, описываемых с помощью балансовых уравнений. В итоге получим:

Система уравнений примет вид:

Результаты проверки преведены в следующей таблице:

Построение прогноза

Для построения более точного прогноза необходимо перестроить модели по 25 данным:

Праметры моделей:

	Параметр		Stand. Error		T statistica		F cтат.	Stand. Er. Mod.	R
	A	b	a	b	A	b
W2(t)	4,035	0,1345	0,102	0,0068	39,62	19,64	385	0,25	0,9715
T(t)	2,211	0,0328	0,023	0,0016	94,54	20,87	435	0,057	0,9745
G(t)	1,4794	0,091	0,1228	0,0083	12,048	11,073	123	0,297	0,9176
I(t)	0,15	-	0,027	-	5,45	-	30	1,67	0,743
C(t)	1,2837	0,486	0,1277	0,2013	10,054	2,4135	10948	1,03	0,9989
W1(t)	3,938	0,6562	0,5136	0,0346	7,6667	18,9905	361	1,25	0,9696

Построение прогноза и доверительных интервалов:

	Параметр		Нижний пред.		Верхний пред.		Граница прогноза		Точечн прогноз
	A	b	a	b	a	b	нижняя	верхняя
W2(t)	4,035	0,1345	3,824	0,1204	4,246	0,1486	7,1182	7,9458	7,532
T(t)	2,211	0,0328	2,163	0,0295	2,259	0,0361	19,5467	23,2709	21,4088
G(t)	1,4794	0,091	1,225	0,0738	1,733	0,1082	12,0974	17,4758	14,7871
I(t)	0,15	-	0,094	-	0,2057	-	-0,4252	7,0052	3,29
C(t)	1,2837	0,486	1,019	0,0695	1,548	0,9025	41,7137	52,8863	47,3
W1(t)	3,938	0,6562	2,875	0,585	5,001	0,7278	18,5379	23,4621	21
X(t)	-	-	-	-	-	-	56,6902	74,0698	65,38
K(t)	-	-	-	-	-	-	74,1152	104,57	89,343
P(t)	-	-	-	-	-	-	15,1078	30,8322	22,97

Для W2(t), T(t), G(t), C(t) и W1(t) t =2,069

Для I(t) t = 2,064

Приложение 1

Приложение 2

Приложение 3