To tylko jedna z 17 stron tej notatki. Zaloguj się aby zobaczyć ten dokument.
Zobacz
całą notatkę
1. Wstęp 1. Wstęp W swojej pracy chciałbym zbadać jaki wpływ mają różne czynniki na przeciętne wynagrodzenie w sektorze przedsiębiorstw. Do tych czynników zaliczam kurs zł, indeks cen i towarów konsumpcyjnych, podaż pieniądza, podatki pośrednie, produkcję sprzedaną przemysłu, a także stopę bezrobocia i wartość indeksu WIG. Zbadać chciałbym również sezonowość zmian.
Zmienne Dane pochodzą z roczników statystycznych i dotyczą okresu od stycznia 1994 r. do czerwca 1998 r. W sumie są to t=54 obserwacje, co daje dużą liczbę stopni swobody i pozwoli na uniknięcie błędu przy szacowaniu. Wszystkie dane znajdują się w załączniku 1 na końcu pracy.
Zmienna objaśniana:
WAGE - przeciętne wynagrodzenie w sektorze przedsiębiorstw w zł/osobę.
Zmienne objaśniające:
DOLAR - kurs złotego w zł/USD.
CPI - indeks cen usług i towarów konsumpcyjnych.
M - podaż pieniądza w mld zł (M2).
POD - podatki pośrednie w mln zł.
PROD - produkcja sprzedana przemysłu w mln zł.
SH - saldo handlu zagranicznego w mln zł.
UNEMP - stopa bezrobocia.
WIG - wartość indeksu WIG na końcu miesiąca.
Q1..Q12 - zmienne sezonowe, przyjmujące w okresie, którego dotyczą wartość 1, a w pozostałych okresach 0. Założenia odnośnie modelu Za cel stawiam sobie osiągnięcie modelu, który będzie w jak najlepszym stopniu odwzorowywał rzeczywistość (jak najwyższe R 2 oraz jak najniższe V). W jego szacowaniu posłużę się metodą najniższych kwadratów. Obliczenia zostaną wykonane za pomocą programu Microfit 4.0. Przy weryfikacji hipotez istotności zakładam współczynnik α=0,05.
Model I W pierwszym modelu postanowiłem użyć wszystkich zmiennych objaśniających, by zbadać jaki wpływ mają one na zmienną objaśniana. Następnie drogą eliminacji postaram się dojść do jak najlepszego modelu.
4.1. Model teoretyczny
Teoretyczny model, od którego rozpocząłem analizę:
WAGE t = β 0 + β 1 DOLAR t + β 2 CPI t + β 3 M t + β 4 POD t + β 5 PROD t + β 6 SH t + β 7 UNEMP t + β 8 WIG t + ξ t 4.2. Model empiryczny
Po oszacowaniu modelu metodą najmniejszych kwadratów uzyskałem następującą postać empiryczną modelu:
(…)
…) Prob[.000]
γ9 = - 24,055 (±9,5419) Prob[.016]
7.4. Wnioski
Dopasowanie modelu jeszcze nieznacznie wzrosło, współczynnik determinacji - 99,69%, a współczynnik zmienności losowej - 1,76%. Parametry strukturalne spełniają hipotezy istotności zarówno indywidualne jak i łączną. Niestety pojawiła się autokorelacja, a także rozkład czynników zakłócających nie jest normalny. Okazało się, że zmienne…
…) Prob[.054] - nieistotny, odrzucam
5.4. Wnioski.
Minimalnie zmniejszyło się wyjaśnienie WAGE przez model, uzyskaliśmy jednak obniżenie wartości współczynnika zmienności losowej oraz polepszenie prawdopodobieństw hipotez istotności parametrów. Wyeliminowano domniemaną autokorelację, jednak wystąpiła autokorelacja wyższego rzędu. Postanowiłem usunąć z modelu następujące zmienne objaśniające: POD - Prob…
… przedstawione jest w załączniku 4.
Parametry:
β0 = 109,5098 (±23,4127) Prob[.000]
β1 = 0,30277 (±0,094336) Prob[.002]
β2 = 15,1079 (±2,2697) Prob[.000]
β3 = - 13,6598 (±2,2397) Prob[.000]
β4 = 0,011824 (±0,0030654) Prob[.000]
β5 = - 0,025849 (±0,0068131) Prob[.000]
6.4. Wnioski
Uzyskano najwyższy do tej pory współczynnik determinacji - 99,24%, oraz najniższy do tej pory współczynnik zmienności losowej…
... zobacz całą notatkę
Komentarze użytkowników (0)