To tylko jedna z 12 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
Model ekonometryczny 1. Wstęp
Jako temat pracy wybrałam zagadnienie związane z przyrostem naturalnym, a dokładniej z ilością porodów. W ostatnich latach w Polsce obserwowany jest ujemny przyrost naturalny, skutkiem czego mogą być problemy z wypłacaniem emerytur w przyszłości. Zbyt mała liczba przyszłych pracowników, a co za tym idzie mniejsze składki odprowadzane na ubezpieczenia społeczne mogą nie wystarczyć na zapewnienie godziwego życia przyszłym emerytom. Chciałam zatem zbadać jakie działania należy przedsięwziąć, aby zaradzić temu problemowi.
Model opisuje zależność między liczbą porodów w danym roku od pewnych wielkości występujących w tymże roku, jak i w latach poprzednich. Tymi różnymi wielkościami są: liczba zawartych małżeństw, liczba oddanych do użytku mieszkań.
Ponieważ poród jest wynikiem podjętej około 9 miesięcy wcześniej decyzji o prokreacji, a na decyzję tą mają wpływ dane z bieżącego roku jak i z lat poprzednich uznałam, że przyjęcie do badania danych z lat poprzednich jak i z roku badanego będzie sensowne.
Zbiór rozważanych tutaj zmiennych objaśniających nie jest pełnym, jaki zamierzałam przeanalizować, jednak ze względu na utrudnione dojście do danych i ograniczony horyzont czasowy zdecydowałem się poprzestać na wymienionych wyżej zmiennych. Te inne zmienne to na przykład: wielkości związane ze zmianą zasiłków macierzyńskich lub wielkość sprzedanych środków antykoncepcyjnych.
Dane do mojego modelu zebrałam z Roczników Statystycznych GUS, a przy tworzeniu modelu korzystałam z programu Microfit.
2. Wybór najlepszego modelu.
2.1. Model 01
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is LP 27 observations used for estimation from 1971 to 1997 *******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 85.5961 66.6103 1.2850[.211] ZM(-1) 1.8164 .38483 4.7200[.000] IM(-1) .077836 .26678 .29176[.773] *******************************************************************************
(…)
… prawdopodobieństwa).
3.5. Przedziały ufności dla parametrów strukturalnych
Przedziały ufności budowane w oparciu o poziom istotności ၡ=0.05. Wartość odczytana z rozkładu t-Studenta dla 25 stopni swobody wynosi t(0.25;25)=2.06.
Zapis ogólny przedziału ufności :
P(bi - tၡ/2δ(ρi) ≤ bi ≤ bi - tၡ/2δ(ρi)) = 1 - ၡ; Przedział ufności dla parametru b1.
P(2.0437 - 2.06 თ 0.53467 ≤ b1 ≤ 2.0437 + 2.06 თ 0.53467) = 0.95…
…. Prognoza przedziałowa
Przedziały ufności budowane w oparciu o poziom istotności ၡ=0.05. Wartość odczytana z rozkładu t-Studenta dla 20 stopni swobody wynosi t(0.25;20)=2.086.
Zapis ogólny prognozy przedziałowej:
კკ P(yt - tၡ/2δ(ρpt) ≤ yt ≤ yt - tၡ/2δ(ρpt)) = 1 - ၡ;
p P(516048 - 2.086 თ 954.5 ≤ LP23 ≤ 516048 + 2.086 თ 954.5) = 0.95
p P(514056.913 ≤ LP23 ≤ 518039.087) = 0.95
Przedział (514056.913…
…
Przedział ufności ułożony na liczbach jednego znaku, nie zawiera 0. Świadczy to o dobrym i dokładnym oszacowaniu.
Przedziały ufności świadczą o dobrym i dokładnym oszacowaniu parametrów strukturalnych.
3.6. Badanie autokorelacji
Obliczona wartość statystyki DW = 1.73567 wskazuje, że występujące (słabe dodatnie) skorelowanie składników losowych nie jest powodowane przez istotne błędy w konstrukcji…
….
Z tablic wartości krytycznych testu DW dla T=27 obserwacji, K=3 zmienne objaśniające i poziom istotności ၡ=0.05, znajdujemy dwie wartości krytyczne: dolną dl = 1.162 oraz górną du = 1.651. Ponieważ zachodzi:
DW = 1.73567 > du = 1.651,
stąd wnioskuję, że nie ma podstaw do odrzucenia hipotezy zerowej, iż współczynnik autokorelacji statystycznie nieistotnie różni się od zera.
Weryfikacja hipotezy…
…
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation*CHI-SQ( 1)= 21.6860[.000]*F( 1, 23)= 93.8615[.000]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 4.3146[.038]*F( 1, 23)= 4.3744[.048]*
* * * *
* C:Normality *CHI-SQ( 2)= 1.9081[.385]* Not applicable *
* * * *
* D:Heteroscedasticity*CHI-SQ( 1)= .70772…
... zobacz całą notatkę
Komentarze użytkowników (0)