Мета дослідження: дослідити процес побудови та аналізу економетричної моделі в пакеті Econometric Views, створити, розрахувати та проаналізувати модель динаміки безробіття в Україні з 2004 по 2014 рр. Перевірити адекватність моделі у реальній ситуації на числових даних у середовищі Eviews.

Згодом буде виявлена статистична значимість або не значимість обраних факторів.

Статистичний матеріал

Мал.1. Дані.

Модель буде виглядати так: Y = b0 + b1X1 + b2X2 + U

Y – залежна (ендогенна) змінна;

X1 і x2 – незалежні (екзогенні) змінні;

b0 – вільний член рівняння;

b1 і b2 – оцінки параметрів моделі;

U – помилка моделі;

Дана модель є експериментальною, оскільки шукається аналізується динаміка рівня безробіття в залежності від індексу інфляції (ІСЦ) та кількістю іноземних інвестицій – показників, які не впливають на безробіття напряму.

Виділяємо змінні, і натискаємо Open->as Group, після чого маємо готову таблицю даних.

Мал.2. Таблиця.

У – рівень безробіття за методикою МОТ, поділений на такий же показник 2003 року.

Х1 – індекс споживчих цін або індекс інфляції, поділений на такий же показник 2003 року.

Х2 – прямі іноземні інвестиції у мільярдах доларах США, поділений на такий же показник 2003 року.

Одразу можна помітити що безробіття та індекс споживчих цін мають додатній коефіцієнт кореляції бо зі збільшенням безробіття збільшується і ІСЦ. Також помітно що зі збільшенням інвестицій безробіття зменшується.

Потім викликаємо командуView/Descriptive Stats/Common Sample., після чого маємо готову таблицю числових характеристик які нас можуть цікавити.

Мал3. Числові характеристики.

Mean – Середнє арифметичне значення;

Median – Медіана;

Maximum – Максимальне значення;

Minimum – Мінімальне значення;

Std. Dev. – Стандартне відхилення (середнє квадратичне відхилення);

Skewness – Коефіцієнт асиметрії;

Kurtosis – Ексцес;

Jarque-Bera – Використовується для перевірки гіпотези про нормальний розподіл досліджуваного ряду, перевіряє, наскільки ексцес і асиметрія відрізняються від відповідних характеристик нормального розподілу.

Probability – Ймовірність того, що статистика Jarque-Bera перевищує досліджуване значення для нульової гіпотези;

Observations – Кількість спостережень.

Мал.4. Рівняння регресії.

Coefficient – параметри моделі.

Standart error – вказані стандартні помилки коефіцієнтів рівняння. Вони показують статистичну надійність коефіцієнту. Їх значення використовують для побудови довірчих інтервалів.

t – statistics – це значення використовується для перевірки значущості відповідної оцінки параметру регресії.

Probability – показує ймовірність прийняти чи відхилити гіпотезу про рівність нулю відповідного коефіцієнту.

R – Squared – коефіцієнт детермінації. Одна з найбільш ефективних оцінок адекватності регресійної моделі, міра якості рівня регресії, характеристика прогнозуючої сили регресійної моделі яку аналізують. В загальному випадку цей коефіцієнт показує яка частина залежної змінної може бути пояснена за допомогою незалежних змінних які включено в модель. Якщо це значення = 1, то між змінними існує прямий лінійний зв'язок. А якщо воно = 0, то статистичний лінійний зв'язок відсутній.

Adjusted R – Squared – скорегований коефіцієнт детермінації. Важливою властивістю коефіцієнту детермінації є те, що R – Squared – не спадаюча функція від кількості факторів, що входять у модель.

S.E. of regression – стандартна помилка регресії внаслідок рішення управління.

Sum Squared Resid – сума квадратів залишків.

Log likelihood – показує значення функції максимальної правдоподібності.

Durbin-Watson Stat – статистика Дарбіна-Уотсона. Використовується для виявлення автокореляції. Нульова гіпотеза вказує на відсутність автокореляції. Альтернативна гіпотеза вказує на існування автокореляції.

Mean dependent var – середнє арифметичне значення залежної змінної.

S.D. Dependent var – стандартне середнє квадратичне відхилення залежної змінної.

Akaike info criterion – інформаційний критерій Акайке. Цей критерій є спробою в один показник ввести дві вимоги: зменшення числа параметрів моделі та якість підгонки моделі. Згідно з цим критерієм з двох моделей потрібно вибрати модель з найменшим значенням Акайке.

Schwarz criterion – критерій Шварца. Його відмінність від Акайке полягає в більшому штрафі за кількість параметрів.

F-Statistic – слугує для перевірки моделі на адекватність.

Мал.5. Загальне рівняння регресії.

Рівняння регресії має вигляд Y = -0,05452 * Х1 -0,04973 * Х2 + 1,140086

Це рівняння характеризує нашу модель залежності безробіття від темпу інфляції та прямих іноземних інвестицій. Воно буде потрібне для подальшого прогнозування динаміки рівня безробіття якщо це буде необхідно.

Через високий коефіцієнт детермінації модель є доволі надійною, наперекір тому, що передбачалося перед початком роботи оскільки взяті експериментальні дані які не мають явної залежності у житті, хоча незначний взаємний зв'язок все-таки існує.