Реализация типовых задач на персональном компьютере.

В России получили широкое распространение десятки пакетов прикладных программ, эффективно используемых в задачах эконометрики. Следует отметить STATGRAPHICS, Econometric Views, STADIA, SPSS и другие. Для несложных задач можно порекомендовать MS Excel. Поскольку данный пакет программ не является специализированным, следует с особой тщательностью проверять допустимость используемых математических процедур. Дальнейшее описание будет касаться именно MS Excell.

1. Проверьте доступ к пакету анализа. В главном меню выберите СЕРВИС/НАДСТРОЙКИ. Установите ПАКЕТ АНАЛИЗА

2. В главном меню выберите СЕРВИС/АНАЛИЗ ДАННЫХ/РЕГРЕССИЯ.

3. Заполните диалоговое окно ввода данных и параметров вывода.

4. Выберите режимы полной регрессионной статистики. Помимо результатов регрессионной статистики, дисперсионного анализа и доверительных интервалов можно получить остатки и графики подбора линии регрессии остатков и нормальной вероятности.

5. Матрицу парных коэффициентов корреляции можно получить, используя инструмент анализа данных КОРРЕЛЯЦИЯ.

На стадии выбора типа оцененной модели полезно опробовать нелинейную регрессию, а так же анализ с использованием рядов Фурье.

Применение MS Excell допустимо лишь на первых стадиях эконометрического анализа.

В практических целях необходимо использовать специализированные пакеты прикладных программ.

В качестве примера рассмотрим модель парной регрессии, оцененную ранее.

Используем на первой стадии инструмент МАСТЕР ДИАГРАММ. Выберем точечный график, на третьем шаге построения которого добавим линию тренда с указанием вида уравнения, значения коэффициента детерминации и точечного прогноз на два шага вперед. В результате получаем характеристики наилучших в своем классе моделей:

• линейная - = 0.932х + 25.303, R² = 0,953,

• логарифмическая- = 32.245 lnx – 55,809, R² = 0.9323,

• степенная - = 8.2616 х ^0,5417 , R² =0,9495,

• экспоненциальная- = 33.025 е ^0.0152х , R² =0,9601,

• полиноминальная (n=2) - = 0.0135х² – 0,0446х +42,042, R² = 0,9608

Выбрав модель, обладающую наилучшим качеством оценивания переходим к использования ПАКЕТА АНАЛИЗА. Отметим, что значение коэффициента детерминации не является единственным критерием отбора модели. Обычно отбирают несколько «пилотных» моделей. Ниже приводятся результаты классического регрессионного анализа.

		Регрессионная статистика
		Множественный R	0.97628640
		R-квадрат	0.95313513
		Нормированный R-квадрат	0.94727703
		Стандартная ошибка	1.88787520
			10
Дисперсионный анализ
	df	SS	MS	F		Значимость F
Регрессия	1	579.8874176	579.887417	162.703584		1.34448E-06
Остаток	8	28.51258238	3.56407279
Итого	9	608.4
	Коэффиц.	Ст. ошибка	t-статист.	P-Значение		Нижние 95%	Верхние 95%
Y-пересечен.	25.3025764	2.754305809	9.18655303	1.5933E-05		18.9511317	31.65402109
Пер. X 1	0.93199521	0.073065964	12.7555315	1.3445E-06		0.763504682	1.100485731
ВЫВОД ОСТАТКА						ВЫВОД ВЕРОЯТНОСТИ
Набл.	Предсказ. Y	Остатки	Ст. остатки
1	47.6704614	0.329538646	0.18514386			Персентиль	Y
2	49.5344518	0.465548232	0.26155779			5	48
3	53.2624326	-1.262432594	-0.70926932			15	50
4	55.126423	2.873576992	1.61445452			25	52
5	57.9224086	-0.922408628	-0.51823451			35	57
6	62.5823847	-2.582384661	-1.45085466			45	58
7	64.4463751	-2.446375075	-1.37444074			55	60
8	67.2423607	0.757639305	0.42566258			65	62
9	68.1743559	1.825644098	1.02569702			75	68
10	70.0383463	0.961653685	0.54028346			85	70
						95	71