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
tK ^0,79Em^0,21

G_t = 141,8 – 1,76*t

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

R = 0,1

Балансовые соотношения:

Сравнительный анализ результатов 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	К_Т	S²	R²	К_Т
С	176,3	99,92	0,025	201	99,91	0,023
I	10	99,93	0,029	39	99,72	0,0125
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	0,0144
Im	2,9	99,89	0,0296	3,81	99,87	0,027
Ex	3,6	99,9	0,0418	2,15	99,94	0,041
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

Вывод:

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