7. Модель в среднем
Модель в среднем описывается уравнением:
(5)
Оценим модель в среднем:
GEE population-averaged model Number of obs = 216
Group variable: n Number of groups = 72
Link: identity Obs per group: min = 3
Family: Gaussian avg = 3.0
Correlation: exchangeable max = 3
Wald chi2(8) = 727.12
Scale parameter: 15039.94 Prob > chi2 = 0.0000
------------------------------------------------------------------------------
pr | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
pog | 1.140037 .0540719 21.08 0.000 1.034059 1.246016
volsbor | .0031872 .0034227 0.93 0.352 -.0035213 .0098956
nadoi | .0495857 .008523 5.82 0.000 .032881 .0662904
rashod | 2.671853 1.398885 1.91 0.056 -.0699113 5.413618
inv | .0001493 .000059 2.53 0.011 .0000337 .0002649
zan | -.36397 1.410459 -0.26 0.796 -3.128418 2.400478
potr | 1.040851 .1977189 5.26 0.000 .6533295 1.428373
trans | -.1785092 .2153198 -0.83 0.407 -.6005283 .2435098
_cons | -358.448 156.8215 -2.29 0.022 -665.8125 -51.08346
------------------------------------------------------------------------------
Регрессия в целом значима (Wald chi2(8) = 727,12). Наблюдаются отличия в оценках как в сравнении с объединенной регрессией, так и с моделью с фиксированным и случайным эффектом. Стали незначимы на 5% уровне коэффициенты при валовом сборе зерна, расходе кормов на одну корову, численностью занятых в экономике и при перевозках грузов. Все остальные – значимы на 5% уровне.
В результате получили, что при увеличении поголовья КРС на 1 тыс. голов производство молока увеличивается на 1,14 тыс. тонн. Увеличение надоев на 1 кг увеличивает производство молока на 0,05 тыс. тонн. Увеличение инвестирования в основной капитал не способствует увеличению производства, но и не снижает его. Увеличение потребления на 1 кг приводит к увеличению производства на 1,04 тыс. тонн.
Вывод
Эконометрическое исследование проводилось по панельным данным, включающим показатели по 72 регионам России, данные за 2007 - 2009 годы. Благодаря специальной структуре панельные данные имеют ряд преимуществ:
-
эффективность получаемых оценок выше;
-
данные позволяют контролировать и тестировать индивидуальную неоднородность по объектам;
-
данные позволяют выявить эффекты, которые в пространственных данных нельзя обнаружить;
-
данные позволяют строить более гибкие и содержательные модели.
Для объяснения объемов производства молока были построены 4 модели: простая объединенная модель регрессии, модель с фиксированным эффектом, модель со случайным эффектом и модель в среднем. Были проведены тесты на сравнение моделей.
В ходе исследования было выявлено, что на производство молока сильно влияют: поголовье КРС, надои и потребление.
При построении моделей с фиксированными эффектами с помощью F-теста была отвергнута нулевая гипотеза об отсутствии индивидуальных эффектов.
Статистический тест Хаусмана показал, что лучшей является модель с фиксированным эффектом для объяснения объемов производства молока.