kozinova_a.t._praktikum_po_ekonometrike_fup
.pdfавтокорреляции остатков для первой модели и выполнение ее же для второй модели под вопросом. Обе модели не желательно использовать для анализа и прогнозов индекса потребительских цен продовольственных товаров в РФ.
Рис. 3.4.1.3. Индекс потребительских цен платных услуг населению в РФ
Таблица 3.4.1.4 Анализ качества моделей тренда для индекса цен платных услуг населению РФ
модель |
Tt = 102,77 − 0,2825t |
T = 105,34 −1,3845t + 0,0848t 2 |
||||||
|
|
|
|
|
|
|
t |
|
F - статистика |
5,27 |
7,84 |
||||||
|
|
|
|
|
|
|
|
|
уровень |
|
|
|
|
|
|||
значимости |
0,0446 |
0,0107 |
||||||
F - статистики |
|
|
|
|
|
|||
максимальный |
|
|
|
|
|
|||
уровень |
|
|
|
|
|
|||
значимости |
0,0446 |
0,0254 |
||||||
t -статистик |
|
|
|
|
|
|||
параметров |
|
|
|
|
|
|||
M (ε ) ≈ |
|
≈ |
|
|
|
|
|
|
ε |
|
1,4*10-14≈0 |
1,2*10-14≈0 |
|||||
|
|
|
|
|
|
|||
число |
|
|
|
|
|
|||
локальных |
3 |
2 |
||||||
экстремумов |
||||||||
|
|
|
|
|
||||
остатков |
|
|
|
|
|
|||
α = 0,05 |
m = 1; |
– |
||||||
n = 12 |
dU = 0,97 < d ≈ 1,06 < dU = 1,33; |
|||||||
|
||||||||
наличие |
|
ε |
|
|
||||
|
|
|
||||||
распределения |
|
|
|
|||||
Гаусса у |
|
1 |
|
³ 2,59 |
– |
|||
SE |
||||||||
|
|
|
||||||
остатков |
|
|
|
|||||
|
|
|
|
|
41
Выбирая функцию тренда для индекса цен платных услуг населению РФ (рис.3.4.1.3) из двух вариантов, выполним анализ их качества (табл. 3.4.1.4). Обе модели не могут использоваться для анализа и прогнозов индекса потребительских цен платных услуг населению в РФ, т.к. нарушены предпосылки МНК: о случайности остатков для полиномиальной модели, и о наличии распределения Гаусса у остатков для линейной модели.
Рис. 3.4.1.4. Индекс потребительских цен непродовольственных товаров в РФ
Таблица 3.4.1.5 Анализ качества моделей тренда для индекса цен непродовольственных товаров в РФ
модель |
Tt = 101,32 − 0,0836t |
T = 101,21 − 0,0378t + 0,0035t 2 |
||||||||
|
|
|
|
|
|
|
|
|
t |
|
F - статистика |
14,19 |
|
|
6,65 |
||||||
|
|
|
|
|
|
|
|
|
|
|
уровень |
|
|
|
|
|
|
|
|||
значимости |
0,0037 |
|
|
0,0168 |
||||||
F - статистики |
|
|
|
|
|
|
|
|||
максимальный |
|
|
|
|
|
|
|
|||
уровень |
|
|
|
|
|
|
|
|||
значимости |
0,0037 |
|
|
0,7170 |
||||||
t -статистик |
|
|
|
|
|
|
|
|||
параметров |
|
|
|
|
|
|
|
|||
число локальных |
|
|
|
|
|
|
– |
|||
экстремумов |
5 |
|
|
|||||||
остатков |
|
|
|
|
|
|
|
|||
M (ε ) ≈ |
|
≈ |
|
|
|
|
|
|
|
|
ε |
|
|
|
-2,5*10-14≈0 |
– |
|||||
|
|
|
|
|
|
|
|
|||
α = 0,05 |
m = 1; |
– |
||||||||
n = 12 |
dU = 1,33 < d ≈ 1,77 < 2; |
|||||||||
|
||||||||||
наличие |
|
εt |
|
≤ 2 ( t = |
|
) |
|
|||
|
|
|
|
|||||||
распределения |
|
|
1,12 |
– |
||||||
|
SE |
|||||||||
Гаусса у остатков |
|
|
|
|
|
|||||
|
|
|
|
|
|
|||||
|
|
|
42 |
|
|
Прежде, чем остановить свой выбор на какой-либо функции тренда для индекса цен непродовольственных товаров в РФ (рис.3.4.1.4), убедимся в ее хорошем качестве (табл. 3.4.1.5), используя статистические критерии. Модель полиномиального тренда отклоняется по критерию Стьюдента, предположение о незначимости коэффициентов отклоняется с неприемлемым уровнем значимости. Модель линейного тренда значима в целом и по параметрам с приемлемым уровнем значимости, не нарушены предпосылки МНК. Она может использоваться для анализа и прогнозов индекса потребительских цен непродовольственных товаров в РФ.
Получим точечный и доверительный прогнозы (табл. 3.4.1.6) показателя на январь – февраль 2010г. и сравним их с фактическими данными на этот период. Отклонение от точечного прогноза определим по формуле:
y ≈ t0,95;10 SE ≈ 0,59 .
Таблица 3.4.1.6 Прогноз индекса потребительских цен непродовольственных товаров в РФ
|
|
|
точечный |
доверительный |
фактические значения |
||||
|
|
|
прогноз |
прогноз |
|||||
месяц |
t |
* |
индекса потребительских цен |
||||||
|
|
|
|
||||||
|
T * |
T * − y |
T * + y |
непродовольственных товаров |
|||||
|
|
|
|||||||
|
|
|
|
(%) |
|
||||
|
|
|
|
|
|
|
|||
январь 2010г |
13 |
100,23 |
99,64 |
100,82 |
100,2 |
|
|||
|
|
|
|
|
|
|
|||
февраль 2010г. |
14 |
100,15 |
99,56 |
100,74 |
100,3 |
|
|||
|
|
|
|
|
|
||||
Следует отметить то, что прогноз индекса потребительских цен |
|||||||||
непродовольственных товаров в РФ оправдался. |
|
|
|||||||
Пример |
|
3.4.2. |
Рассмотрим |
данные |
Федеральной |
службы |
государственной статистики Российской Федерации по макроэкономическому показателю – оборот розничной торговли в России за 2000 – 2008 годы, представленные в процентах к предыдущему кварталу в табл. 3.5.2.1.
Рис. 3.4.2.1. Коррелограмма временного ряда
Согласно коррелограмме временного ряда (рис. 3.4.2.1) и графику показателя (рис.3.4.2.2) у оборота розничной торговли в РФ имеется сезонная компонента, и нет оснований предположить наличие линейного тренда, т.к.:
43
r4 = 0,975 ≈ r8 = max rk = 0,961 > 0,7 ; k =1,9
r1 = 0,406 < 0,7 < max rk ;
k
мал коэффициент детерминации линейного тренда R2 = 0,0184 .
Рис. 3.4.2.2. Оборот розничной торговли в РФ (в %)
Получим сезонную компоненту с помощью фиктивных показателей и инструмента «Регрессия» надстройки «Анализ Данных» MS EXCEL:
yˆ t = St = 89,49 + 16,47 Ft 2 + 17,01Ft3 + 21,51Ft 4
Коэффициент детерминации данной модели (R2 ≈ 0,939) достаточно близок к единице. Модель значима в целом согласно критерию Фишера
(F ≈ 164,15) с приемлемым уровнем значимости (α ≈ 1,7 *10−19 << 0,05). Предположение о несущественности для всех параметров отклоняется, по
t - критерию, с приемлемым уровнем значимости (maxα ≈ 1,1*10−16 << 0,05). Остатки модели случайны, поскольку их график имеет большое
количество локальных экстремумов (26).
M (ε ) ≈ ε ≈ 7,9 *10−16 ≈ 0 .
Практически не нарушена предпосылка об отсутствии автокорреляции соседних остатков, согласно критерию Дарбина Уотсона, т.к.:
d ≈ 2,37 ≈ 4 − dU ; α = 0,05; n = 36; m = 3; dU = 1,65 .
Практически не нарушено предположение о наличии нормального закона распределения у остатков модели:
εt ≤ 2,1 ( t = 1,36).
SE
Исключим четыре центральных уровня (C = 4), построим модели сезонной компоненты (табл. 3.4.2.1) для двух временных рядов.
44
Таблица 3.4.2.1 Анализ качества моделей сезонной компоненты оборота розничной торговли РФ
срок |
2000 – 2003 годы |
2005 – 2008 годы |
|
|
|
|
yˆ ≈ 90,525 + 12,725 Ft 2 + |
|
yˆ ≈ 87,725 + 21,3 Ft 2 + |
||||||||||
|
|
|
||||||||||||||
t = 1,16; m = 3 |
+ 15,525Ft3 + 20,225Ft 4 |
|
|
|
+ 19,35Ft3 + 23,2Ft 4 |
|||||||||||
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
F - статистика |
211,62 |
|
|
|
|
136,44 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
уровень значимости |
|
|
1,19*10-10≈0 |
|
|
|
1,55*10-09≈0 |
|||||||||
F - статистики |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
максимальный |
|
|
|
|
|
|
|
|
|
|
|
|
||||
уровень значимости |
|
|
3,52*10-09≈0 |
|
|
|
1,54*10-09≈0 |
|||||||||
t -статистик |
|
|
|
|
|
|
|
|
|
|
|
|
||||
параметров |
|
|
|
|
|
|
|
|
|
|
|
|
||||
Число локальных |
9 |
|
|
|
|
12 |
|
|||||||||
экстремумов остатков |
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
M (ε ) ≈ |
|
≈ |
|
-4,44*10-15≈0 |
|
|
|
-9,76*10-15≈0 |
||||||||
ε |
|
|
||||||||||||||
α = 0,05 |
< d ≈ 2,18 < 4 − dU = 2,27 |
|
dU = 1,73 < d ≈ 1,79 < 2 |
|||||||||||||
2 |
|
|||||||||||||||
n = 16, m = 3 |
|
|
|
|
|
|
|
|
|
|
|
|
||||
наличие |
|
|
|
|
|
|
ε |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
||||||
|
εt |
|
≤ 2 ( t = |
|
) |
t |
|
≤ 2 ( t = 1,15); (t ¹ 16) |
||||||||
распределения Гаусса |
|
|
1,16 |
|
|
|||||||||||
|
|
SE |
||||||||||||||
|
SE |
|||||||||||||||
у остатков |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
исключая 4 кв. 2008г. |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
ESS |
|
ESS1 ≈ 16,98 |
|
|
|
ESS2 ≈ 40,71 |
Согласно критерию Гольдфельда – Квандта нет оснований отклонить предположение о гомоскедастичности остатков модели, т.к.:
R = ESS1 ≈ 0,42 < F0,05;12,12 ≈ 2,69 .
ESS2
Рис. 3.4.2.3. Оборот розничной торговли РФ без сезонной компоненты (%) |
45
На рис.3.4.2.3 показан график показателя – оборота розничной торговли за вычетом сезонной компоненты: Zt = yt − St . Очевидно то, что у показателя
за вычетом сезонной компоненты практически нет тренда (R2 ≈ 0,0299). На рис.3.4.2.4 и в табл. 3.4.2.2 приведены результаты прогнозирования. Отклонение от точечного прогноза составляет:
y ≈ t0,95;32 SE ≈ 4,5 .
Таблица 3.4.2.2
Прогноз оборота розничной торговли в России (в %)
|
|
точечный прогноз |
доверительный |
фактические |
||
|
|
прогноз |
||||
|
t* |
|
||||
квартал |
|
значения |
||||
|
|
|
||||
yˆ * = S |
yˆ * − y |
yˆ * + y |
||||
|
|
показателя |
||||
|
|
|
|
|
|
|
1 кв.2009 |
37 |
89,49 |
84,99 |
93,99 |
80,7 |
|
|
|
|
|
|
|
|
2 кв.2009 |
38 |
105,96 |
101,45 |
110,46 |
102,5 |
|
|
|
|
|
|
|
|
3 кв.2009 |
39 |
106,50 |
102,00 |
111,00 |
104,0 |
|
|
|
|
|
|
|
|
4 кв.2009 |
40 |
111,00 |
106,50 |
115,50 |
109,9 |
|
|
|
|
|
|
|
|
1 кв. 2010 |
41 |
89,49 |
84,99 |
93,99 |
86,7 |
|
|
|
|
|
|
|
|
2 кв. 2010 |
42 |
105,96 |
101,45 |
110,46 |
106,1 |
|
|
|
|
|
|
|
Итак, для анализа и прогноза макроэкономического показателя – оборот розничной торговли РФ, можно использовать модель сезонной компоненты. Модель отражает реальную картину, а именно, существенное влияние сезонного фактора на оборот розничной торговли в России. Согласно полученной модели, оборот розничной торговли в России составляет в среднем, соответственно: 89,49% в первом, 105,96% во втором, 106,5% в третьем и 111% в четвертом кварталах, в процентах к предыдущему кварталу.
Рис.3.4.2.4. Моделирование оборота розничной торговли в РФ
46
Оправдались прогнозы на все кварталы кроме 1 квартала 2009 года. Прогноз на 1 квартал 2009 года, полученный с приемлемой надежностью 95%, оказался завышенным и не подтвердился. Следует отметить наличие аномального падения покупательной активности населения РФ в это время.
Пример 3.4.3. Рассмотрим данные Федеральной службы государственной статистики Российской Федерации по макроэкономическому показателю – производство хлеба и хлебобулочных изделий за 2000–2008 годы,
представленные в табл. 3.5.2.2.
Определим структуру временного ряда производства хлеба и хлебобулочных изделий. Согласно коррелограмме на рис. 3.4.3.1 у показателя
имеется сезонная компонента, так как |
|
r4 |
|
= max |
|
rk |
|
= 0,954 > 0,7 . |
|
|
|
|
|||||
|
|
|
|
k =1,9 |
|
|
|
|
|
|
|
|
|
Рис. 3.4.3.1. Коррелограмма временного ряда
Так как r1 = 0,68 ≈ 0,7 , то можно предположить наличие линейного тренда у показателя, и это следует из графика на рис. 3.4.3.2.
Рис. 3.4.3.2. Производство хлеба и хлебобулочных изделий в РФ
Линейную модель тренда получим с помощью инструмента «Регрессия»
надстройки «Анализ Данных» MS EXCEL: yˆ = T = 2228,99 − 9,98t .
47
Модель значима в целом согласно F - критерию (F ≈ 74,92), с
приемлемым уровнем значимости (α ≈ 4,1*10−10 << 0,05).
Предположение о незначимости всех параметров отклоняется согласно t -
критерию, с приемлемым уровнем значимости (maxα ≈ 4,1*10−10 << 0,05). Остатки модели случайны, поскольку их график имеет большое
количество локальных экстремумов (17).
M (ε ) ≈ ε ≈ 2,5 *10−13 ≈ 0 .
Не нарушена предпосылка об отсутствии автокорреляции остатков, согласно d - критерию, т.к.:
dU < d ≈ 1,98 ≈ 2 ≤ 2 .
Предположение о наличии нормального закона распределения у остатков модели не нарушено, т.к. выполняется условие:
εt ≤ 2 ( t = 1,36).
SE
Исключим четыре центральных уровня (C = 4), получим модели линейных трендов для двух временных рядов (табл. 3.4.3.1).
|
|
Таблица 3.4.3.1 |
|
Анализ качества моделей тренда |
|
срок |
2000 – 2003 годы |
2005 – 2008 годы |
t = 1,16; m = 1 |
ˆ |
|
ˆ |
|||||||||||||
y = 2228,6 − 9,56t |
|
y = 1996,8 − 6,81t |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F - статистика |
4,26 |
|
|
3,94 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
уровень значимости |
0,058 |
|
|
0,067 |
|
|
||||||||||
F - статистики |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
максимальный |
|
|
|
|
|
|
|
|
|
|
|
|||||
уровень значимости |
0,058 |
|
|
0,067 |
|
|
||||||||||
t -статистик |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
параметров модели |
|
|
|
|
|
|
|
|
|
|
|
|||||
Число локальных |
7 |
|
|
7 |
|
|
||||||||||
экстремумов остатков |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
M (ε ) ≈ |
|
≈ |
|
|
|
|
|
|
|
|
|
|
|
|||
ε |
|
|
8,5*10-14≈0 |
|
|
|
5,7*10-14≈0 |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
α = 0,05 |
|
|
|
|
|
|
|
|
|
|
|
|||||
n = 16, m = 1 |
dU < d ≈ 1,81 < 2 |
2 < d ≈ 2,03 < 4 − dU |
||||||||||||||
dU = 1,37 |
|
|
|
|
|
|
|
|
|
|
|
|||||
наличие |
|
|
εt |
|
≤ 2 ( t = |
|
) |
|
εt |
|
≤ 2 ( t = |
|
) |
|||
|
|
|
|
|
|
|||||||||||
распределения Гаусса |
|
|
|
1,16 |
|
|
1,16 |
|||||||||
SE |
SE |
|||||||||||||||
у остатков |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|||||||||||||
ESS |
ESS1 ≈ 102178,69 |
|
ESS2 ≈ 55963,32 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
48 |
|
|
|
|
|
|
|
|
Согласно критерию Гольдфельда – Квандта, нет оснований отклонить предположение о гомоскедастичности остатков, т.к. выполняется условие:
R = ESS1 ≈ 1,83 < F0,05;14,14 ≈ 2,48 .
ESS2
Так как модель линейного тренда значима в целом и по параметрам, выполняются все предпосылки МНК с приемлемым уровнем значимости, то она может использоваться для анализа и прогнозов производства хлеба и хлебобулочных изделий в России. Получим точечный и доверительный прогнозы показателя на 2009 год и сравним их с фактическими данными на этот период. Отклонение от точечного прогноза определим по формуле:
y ≈ t0,95;34 SE ≈ 145,98 .
Таблица 3.4.3.2
Прогноз производства хлеба и хлебобулочных изделий в РФ
|
|
|
|
точечный прогноз |
|
|
доверительный |
|
фактические |
|||||||
|
|
|
|
|
|
|
прогноз |
|
||||||||
|
|
|
|
|
|
|
|
значения |
||||||||
квартал |
t |
* |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
ˆ |
* = |
2228,99 |
− |
9,98t |
* |
ˆ |
* − |
y |
ˆ |
* + |
y |
показателя |
||||
|
|
|||||||||||||||
|
|
|
(тыс. тонн) |
|||||||||||||
|
|
|
y |
|
|
|
y |
|
y |
|
||||||
1 кв. 2009 |
37 |
|
|
1859,90 |
|
|
1713,92 |
2005,89 |
1723 |
|||||||
|
|
|
|
|
|
|
|
|
|
|||||||
2 кв. 2009 |
38 |
|
|
1849,93 |
|
|
1703,94 |
1995,91 |
1809 |
|||||||
|
|
|
|
|
|
|
|
|
|
|||||||
3 кв. 2009 |
39 |
|
|
1839,95 |
|
|
1693,97 |
1985,93 |
1838 |
|||||||
|
|
|
|
|
|
|
|
|
|
|||||||
4 кв. 2009 |
40 |
|
|
1829,98 |
|
|
1683,99 |
1975,96 |
1821 |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Модель тренда отражает реальную тенденцию снижения производства хлеба и хлебобулочных изделий в России, в среднем на 9980 тонн за квартал. Согласно таблице 3.4.3.2 прогноз оправдался. Однако у данной модели показателя имеются явные недостатки:
коэффициент детерминации R2 ≈ 0,6878 мал;
доверительный интервал прогноза велик;
модель не учитывает колебания показателя в течение года, а именно наличие сезонной компоненты.
Рис. 3.4.3.3. Коррелограмма временного ряда Zt = yt − Tt
49
Рассмотрим показатель по производству хлеба и хлебобулочных изделий за 2000 – 2008 годы за вычетом линейного тренда:
Zt = yt − Tt .
Согласно коррелограмме на рис. 3.4.3.3, у показателя имеется сезонная компонента, т.к.:
r4 = max rk = 0,878 > 0,7 . k =1,9
Оценивая сезонную компоненту с помощью фиктивных показателей и МНК, реализованного в инструменте «Регрессия» надстройки «Анализ Данных» MS EXCEL, получим модель:
ˆ |
+ 113,420 Ft 2 |
+ 175,062 Ft3 + 136,704 Ft 4 |
Zt = St = −106,296 |
Согласно полученной модели сезонной компоненты производство хлеба и хлебобулочных изделий падает в среднем на 106296 тонн в первом квартале и растет, соответственно: на 7124 тонн во втором, 68766 тонн в третьем и 30408 тонн в четвертом кварталах каждого года.
Используя количественное представление тренда и сезонной компоненты, можно сформировать аддитивную модель производства хлеба и хлебобулочных изделий:
yˆ t = Tt + St = 2228,987 − 9,975t −
−106,296 Ft1 + 7,124 Ft 2 + 68,766 Ft3 + 30,408 Ft 4
Модель значима в целом и по параметрам с приемлемым уровнем
значимости, коэффициент детерминации R2 ≈ 0,9601 близок к единице. Согласно рис.3.4.3.4 можно говорить о достаточной близости расчетных и фактических значений исследуемого показателя.
Рис. 3.4.3.4. Моделирование производства хлеба и хлебобулочных изделий в РФ
Получим точечный и доверительный прогнозы показателя на 2009 год и сравним их с фактическими данными на этот период. Отклонение от точечного
прогноза определим по формуле: |
y ≈ t0,95;31 SE ≈ 53,98 . |
|
50 |