Часть 2
Задание 1: Получение данных
у1 |
у2 |
у3 |
210,12 |
16,54 |
720,57 |
188,35 |
17,25 |
750,80 |
206,75 |
18,94 |
747,57 |
211,07 |
21,41 |
744,61 |
216,89 |
19,30 |
750,08 |
192,13 |
17,52 |
744,66 |
178,73 |
17,67 |
647,24 |
153,47 |
17,92 |
507,33 |
157,97 |
12,45 |
474,55 |
160,30 |
11,93 |
476,70 |
159,96 |
12,42 |
465,56 |
158,17 |
11,56 |
519,81 |
161,38 |
10,93 |
544,29 |
163,52 |
15,20 |
585,08 |
158,49 |
19,48 |
631,70 |
174,79 |
22,70 |
643,36 |
177,72 |
24,29 |
641,03 |
181,72 |
24,95 |
633,22 |
183,01 |
27,60 |
592,69 |
180,65 |
27,49 |
529,77 |
169,71 |
23,62 |
506,41 |
157,66 |
25,08 |
492,23 |
157,43 |
23,90 |
482,04 |
146,09 |
18,24 |
473,17 |
143,10 |
20,02 |
478,56 |
141,66 |
24,28 |
489,90 |
148,26 |
25,57 |
534,99 |
150,65 |
25,07 |
564,94 |
146,45 |
28,56 |
550,46 |
148,21 |
24,37 |
552,45 |
142,28 |
26,51 |
552,45 |
145,34 |
27,50 |
543,12 |
164,23 |
29,18 |
547,79 |
176,67 |
32,98 |
576,92 |
181,99 |
36,09 |
594,41 |
171,83 |
35,57 |
606,06 |
180,85 |
41,07 |
639,86 |
178,06 |
47,69 |
652,68 |
184,00 |
55,34 |
664,34 |
183,26 |
52,70 |
680,65 |
14) Для рядов У1, У2, У3 выделить линейный тренд, сезонную компоненту (т.е. компоненту периода 4) и остаток при помощи фиктивных переменных, используя аддитивную модель. Результаты отобразить на графике. Ряды из остатков обозначим, соответственно Х1, Х2,Х3
Для выделения сезонной компоненты периода 4 заводим 3=4-1 фиктивные переменные D1, D2, D3
|
|
-
При У1:
Регрессия У1 на t, D1,D2,D3 → Y= 181.9-0.65t+3.4D-0.01D2+1.9D3
Среднее арифметическое коэффициентов при D = (3.4-0.01+1.9+0) / 4 = 1.3225
Получаем сезонную компоненту:
φ (1) |
φ (2) |
φ (3) |
φ (4) |
=3.6-1.3225=2.0775 |
=-0.01-1.3225=-1.3325 |
=1.9-1.3225=0.5775 |
=0-1.3225=-1.3225 |
Тренд : y=183.2225-0.65t
Остатки: График:
|
|
-
При У2:
Регрессия У2 на t, D1,D2,D3 → Y= 10.2+0.7t-1.3D1-0.5D2+1.1D3
Среднее арифметическое коэффициентов при D = (-1.3-0.5+1.1+0) / 4 = -0.175
Получаем сезонную компоненту:
φ (1) |
φ (2) |
φ (3) |
φ (4) |
=-1.3+0.175= -1.125 |
=-0.5+0.175= -0.325 |
=1.1+0.175=1.275 |
=0-0.175=0.175 |
Тренд : y=10.025+0.7t
Остатки: График:
|
|
-
При У3:
Регрессия У3 на t, D1,D2,D3 → Y= 625.8-2t-1.99D1+10.1D2+7.99D3
Среднее арифметическое коэффициентов при D = (-1.99+10.1+7.99+0) / 4 = 4.025
Получаем сезонную компоненту:
φ (1) |
φ (2) |
φ (3) |
φ (4) |
=-1.99-4.025= -6.015 |
=10.1-4.025=6.075 |
=7.99-4.025=3.965 |
=0-4.025=-4.025 |
Тренд : y=629.825-2t
Остатки: График:
|
|
15) В задаче 14 на основании значимости соответствующих коэффициентов сделать вывод о наличии тренда и сезонной компоненты для каждого временного ряда (У1,У2,У3)
Y1 |
|
||
|
P-Значение |
|
|
Y-пересечение |
0.0000000000 |
<0,1 |
значим |
t |
0,020191066 |
<0,1 |
значим |
D1 |
0,704035571 |
>0,1 |
незначим |
D2 |
0,998995161 |
>0,1 |
незначим |
D3 |
0,828268394 |
>0,1 |
незначим |
|
|
|
|
|
Значимость F |
|
|
Регрессия |
0,200703
|
>0,1 |
незначим |
Есть тренд, а сезонной компоненты нет |
Y2 |
|
|||
|
P-Значение |
|
|
|
Y-пересечение |
0,000881 |
<0,1 |
значим |
|
t |
0,000000 |
<0,1 |
значим |
|
D1 |
0,663574 |
>0,1 |
незначим |
|
D2 |
0,875066 |
>0,1 |
незначим |
|
D3 |
0,716899 |
>0,1 |
незначим |
|
|
|
|
|
|
|
Значимость F |
|
|
|
Регрессия |
0,000000081
|
<0,1 |
значим |
Есть тренд, а сезонной компоненты нет |
Y3 |
|
||
|
P-Значение |
|
|
Y-пересечение |
0,000000 |
<0,1 |
значим |
t |
0,113022 |
>0,1 |
незначим |
D1 |
0,961095 |
>0,1 |
незначим |
D2 |
0,804133 |
>0,1 |
незначим |
D3 |
0,844706 |
>0,1 |
незначим |
|
|
|
|
|
Значимость F |
|
|
Регрессия |
0,599392
|
>0,1 |
незначим |
Есть тренд, а сезонной компоненты нет |
16)Для ряда У1 составить ряд из первых разностей и проверить полученный ряд на стационарность при помощи критерия Фостера-Стюарта
S>== 2 S<== 3
l = = 1.99 t1= (2+3-3.96) /1.99 = 0.52
f = = 2.6 t2= (2-3) / 2.6 = -0.38
t1-α/2(n) = t0.95(40) = 1.68
<1.68 → Гипотеза о наличии тренда среднего отвергается.
<1.68 Стационарность есть
17) Для ряда из остатков Х1 вычислить коэффициенты автокорреляции порядка 1,2,3,4,5 при помощи инструмента Анализ данных – Корреляция
|
1 |
0,605295 |
0,072308 |
-0,1349 |
-0,02506 |
0,081801 |
ry1 = |
0,605295 |
1 |
0,61055 |
0,107963 |
-0,13769 |
-0,0425 |
ry2 = |
0,072308 |
0,61055 |
1 |
0,653256 |
0,079906 |
-0,15008 |
ry3 = |
-0,1349 |
0,107963 |
0,653256 |
1 |
0,55552 |
0,04113 |
ry4 = |
-0,02506 |
-0,13769 |
0,079906 |
0,55552 |
1 |
0,585996 |
ry5 = |
0,081801 |
-0,0425 |
-0,15008 |
0,04113 |
0,585996 |
1 |
ry1 =0,61 ry2 =0,07 ry3 =-0,13 ry4 =-0,03 ry5 =0,81
18) Для ряда из остатков Х1 проверить гипотезу об отсутствии автокорреляции при помощи критерия Льюнга-Бокса при р=0,5
Q= n* (n+2) * =40*42*(0,612/39+0.072/38+(-0,13)2/37+(-0,03)2/36+0,812/35)= =48,55
(k) = (5) = 9.2
Q > (k) → гипотеза отвергается, ряд не является белым шумом
19) Для рада из остатков Х проверить гипотезу об отсутствии автокорреляции первого порядка при помощи критерия Дарбина-Уотсона
е |
ei-1 |
(e-ei-1)2 |
e2 |
||
6,8537 |
- |
- |
46,97 |
||
6,0357 |
6,85366 |
0,67 |
36,43 |
||
5,4967 |
6,03566 |
0,29 |
30,21 |
||
8,3017 |
5,49666 |
7,87 |
68,92 |
||
6,742 |
8,30166 |
2,43 |
45,45 |
||
3,434 |
6,74196 |
10,94 |
11,79 |
||
1,3583 |
3,43396 |
4,31 |
1,84 |
||
1,94 |
1,35829 |
0,34 |
3,76 |
||
-2,973 |
1,93996 |
24,14 |
8,84 |
||
-5,028 |
-2,9731 |
4,22 |
25,28 |
||
-6,763 |
-5,0277 |
3,01 |
45,74 |
||
-7,282 |
-6,7634 |
0,27 |
53,02 |
||
-7,361 |
-7,2817 |
0,01 |
54,19 |
||
-4,626 |
-7,3614 |
7,48 |
21,40 |
||
-2,572 |
-4,6261 |
4,22 |
6,61 |
||
0,9832 |
-2,5718 |
12,64 |
0,97 |
||
3,1302 |
0,98322 |
4,61 |
9,80 |
||
2,2622 |
3,13018 |
0,75 |
5,12 |
||
2,6832 |
2,26218 |
0,18 |
7,20 |
||
2,9115 |
2,68318 |
0,05 |
8,48 |
||
-0,412 |
2,91152 |
11,04 |
0,17 |
||
-0,476 |
-0,4115 |
0,00 |
0,23 |
||
-3,885 |
-0,4762 |
11,62 |
15,09 |
||
-9,214 |
-3,8852 |
28,39 |
84,89 |
||
-6,883 |
-9,2135 |
5,43 |
47,38 |
||
-4,151 |
-6,8832 |
7,46 |
17,23 |
||
-5,08 |
-4,1512 |
0,86 |
25,81 |
||
-5,249 |
-5,0802 |
0,03 |
27,55 |
||
-1,205 |
-5,2486 |
16,35 |
1,45 |
||
-6,93 |
-1,2049 |
32,77 |
48,02 |
||
-7,015 |
-6,9296 |
0,01 |
49,21 |
||
-5,69 |
-7,0153 |
1,76 |
32,38 |
||
-3,457 |
-5,6903 |
4,99 |
11,95 |
||
-1,181 |
-3,4566 |
5,18 |
1,40 |
||
-0,304 |
-1,1813 |
0,77 |
0,09 |
||
-0,482 |
-0,3036 |
0,03 |
0,23 |
||
5,565 |
-0,482 |
36,57 |
30,97 |
||
10,66 |
5,56501 |
25,96 |
113,64 |
||
16,081 |
10,6603 |
29,39 |
258,61 |
||
13,78 |
16,0813 |
5,30 |
189,88 |
||
Сумма |
312,34 |
1448,22 |
DW = 312,34/1448,22= 0,22
dl=1.15 |
4- dl=2.85 |
du=1.46 |
4- du=2.54 |
+ ? нет ? -
0 1.15 1.46 2.54 2.85
Число DW попадает в интервал 0 ≤ DW ≤ dl (0;1.15) → принимается гипотеза p>0. Положительная автокорреляция.
20) Проверить гипотезу о коинтеграции рядов У1 и У2 при помощи критерия Энгеля-Гранжера
Строим регрессию У1 на У2: у = 163,45 +0,26у2
|
|
ᐃet =a + p*et-1 → регрессия
ᐃet = -0,956– 0.18 et-1
τ = = -0.18/0.076 = -2,4
τкрит = -3,04
τ > τкрит → отвергается гипотеза о наличии коинтеграции
21)Дана модель в структурной форме
(lnY1)t = a+b(lnY2)t + c + ɛ1t ,
(lnY2)t = d+e(lnY1)t + f X3t + ɛ2t ,
Найти оценки для a.b.c.d.e.f двухшаговым МНК
1 шаг : Приведенная форма
-
регрессия (lnY1)t на и X3t
-
регрессия (lnY2)t на и X3t
ln y1 |
x3t^2 |
x3t |
lny2 |
5,35 |
9754,63 |
98,77 |
2,81 |
5,24 |
14135,62 |
118,89 |
2,85 |
5,33 |
14359,47 |
119,83 |
2,94 |
5,35 |
16100,20 |
126,89 |
3,06 |
5,38 |
18599,71 |
136,38 |
2,96 |
5,26 |
14605,63 |
120,85 |
2,86 |
5,19 |
761,85 |
27,60 |
2,87 |
5,03 |
10465,13 |
-102,30 |
2,89 |
5,06 |
17175,07 |
-131,05 |
2,52 |
5,08 |
19325,06 |
-139,01 |
2,48 |
5,07 |
21311,45 |
-145,98 |
2,52 |
5,06 |
6677,23 |
-81,71 |
2,45 |
5,08 |
2832,09 |
-53,22 |
2,39 |
5,10 |
507,61 |
-22,53 |
2,72 |
5,07 |
798,45 |
28,26 |
2,97 |
5,16 |
2492,71 |
49,93 |
3,12 |
5,18 |
2664,36 |
51,62 |
3,19 |
5,20 |
1136,25 |
33,71 |
3,22 |
5,21 |
7,08 |
-2,66 |
3,32 |
5,20 |
3086,70 |
-55,56 |
3,31 |
5,13 |
5609,96 |
-74,90 |
3,16 |
5,06 |
9837,72 |
-99,19 |
3,22 |
5,06 |
11068,64 |
-105,21 |
3,17 |
4,98 |
10829,91 |
-104,07 |
2,90 |
4,96 |
8959,84 |
-94,66 |
3,00 |
4,95 |
8726,36 |
-93,41 |
3,19 |
5,00 |
1950,47 |
-44,16 |
3,24 |
5,01 |
17,61 |
-4,20 |
3,22 |
4,99 |
214,62 |
-14,65 |
3,35 |
5,00 |
518,53 |
-22,77 |
3,19 |
4,96 |
346,12 |
-18,60 |
3,28 |
4,98 |
320,88 |
-17,91 |
3,31 |
5,10 |
85,19 |
-9,23 |
3,37 |
5,17 |
96,09 |
9,80 |
3,50 |
5,20 |
989,23 |
31,45 |
3,59 |
5,15 |
2821,96 |
53,12 |
3,57 |
5,20 |
8270,65 |
90,94 |
3,72 |
5,18 |
8771,88 |
93,66 |
3,86 |
5,21 |
11985,94 |
109,48 |
4,01 |
5,21 |
18445,02 |
135,81 |
3,96 |
(lnY1)t = 5,09 + 0.000005 + 0.001 X3t
(lnY2)t = 3,25 – 0.00002 + 0.002 X3t
2 шаг: вместо (lnY2)t и (lnY1)t берем предсказанное (lnY2)t и (lnY1)t
-
регрессия (lnY1)t на
-
регрессия (lnY2)t на и X3t
(lnY1)t = 3,54+0,48 (lnY2)t + 0.000013 + ɛ1t ,
(lnY2)t = 19,8-3,25(lnY1)t + 0.0054X3t + ɛ2t ,
а=3,54 |
b=0,48 |
c=0,000013 |
d=19,8 |
e=-3,25 |
f=0,054 |