ЛАБОРАТОРНАЯ РАБОТА №4 ПО ДИСЦИПЛИНЕ «ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ УРОВЕНЬ)» Тема: «АНАЛИЗ ПАНЕЛЬНЫХ ДАННЫХ». анализ панельных данных
 Скачать 2 Mb.
|
|
КАЗАНСКИЙ ИННОВАЦИОННЫЙ УНИВЕРСИТЕТ ИМ. В.Г. ТИМИРЯСОВА (ИЭУП) ЛАБОРАТОРНАЯ РАБОТА №4 ПО ДИСЦИПЛИНЕ «ЭКОНОМЕТРИКА (ПРОДВИНУТЫЙ УРОВЕНЬ)» Тема: «АНАЛИЗ ПАНЕЛЬНЫХ ДАННЫХ» Вариант 13 Выполнил: студент группы №_____ факультета _____________________ Фамилия Имя Отчество зачетная книжка № ______________ Руководитель: проф. (доц.; ст. преп.; асс.) Фамилия И.О. Город обучения – 2020 г. Индивидуальные исходные данные по вариантам приведены в файле MS Excel «Исходные данные для лабораторных работ». Задание. Учредитель сети супермаркетов «Звезда» с целью изыскания путей увеличения годового товарооборота (Y, млн. руб.), поручил специалистам компании изучить факторы, влияющие на этот показатель, в четырех регионах России. В ходе исследования было выявлено, что такими факторами являются: торговая площадь (Х1, тыс. кВ. м), среднее число посетителей в день (Х2, тыс. чел.) и сформирована таблица. В таблице представлены панельные данные для моделирования, при этом показатели №№1-7 приведены по Ульяновской области, №№8-14 – по Оренбургской области, №№15-21 – по Саратовской области, №№22-28 – по Самарской области. Необходимо построить модели анализа панельных данных, отражающие гетерогенность товарооборота в разрезе территорий.
Методические указания для выполнения задания Создание рабочего листа 1 с исходными данными в Excel и его со-хранение в файле «Занятие_Панели.xlsx». Импорт данных из таблицы Excel. основном меню выберем пункт: Файл/Открыть/Пользовательские/лист 1. Интерпретировать данные как панельные (рис. 4.1).  Рис. 4.1. Окно импорта данных Построение регрессионной модели со свободным коэффициентом: Модель/Метод наименьших квадратов (рис. 4.2).   Рис. 4.2. Окно регрессионной модели со свободным коэффициентом = -2.241 + 57,891X1+ 0,418X 2, R2 = 0,913645. Добавление фиктивных переменных-фильтров du_1, du_2, du_3, du_4: Добавить/Единичную фиктивную переменную (панельные данные). Построение регрессионной модели с фиксированными эффектами, без свободного коэффициента: Модель/Метод наименьших квадратов (рис. 4.3).   Рис. 4.3. Окно регрессионной модели с фиксированными эффектами Yx =−9,661i1+15.750i 2+0.929 i3+20.706i4+43,275 X1+1,527 X 2, R2=0,9969. Проверка гипотезы об отсутствии фиксированных групповых эффектов. Пусть v1 = 4 −1, v2 = 4 ⋅ 7 − 4 − 2. Введем скаляры: v1 = 3, v2 = 22, R1=0,9969, R2=0,913645. Скаляр: F =(R1 / v1)/(R 2 / v2). Затем определимкритическое значение: Инструменты/Критические значения (рис. 4.4).  Рис. 4.4. Скаляры и критическое значение распределения Фишера F =8,001> F (0,05;3;22)=3,049. Значит, нулевую гипотезу об отсутствии фиксированных групповых эффектов следует отвергнуть. Следовательно, уравнение: Yx =−9,661i1+15.750i 2+0.929 i3+20.706i4+43,275 X1+1,527 X 2, учитывающее групповые фиксированные эффекты, правомерно. Одной из главных причин этого, скорее всего является то, что на годовой товарооборот сети магазинов «Пятерочка» влияет различие в доходах населения в разных регионах. 6. Построение регрессионной модели со случайными эффектами. 6.1. Вычисляем средние значения Y, X1, X2 для каждой панели данных:
Используя обычные МНК-оценки (пункт 2), находим расчетное значение Y по средним значениям X1, X2. Вводим скаляры: a =-2.24057, b1=57,891, b2=0,418. YR1=a+b1⋅SX11+b2⋅SX21и т.д. Находим остатки: E1 = SY 1 −YR1, E 2 = SY 2 −YR2 и т. д. Находим квадраты остатков: E12 = E1 ⋅ E1 и т.д. Находим сумму квадратов остатков: sum _ sq _ E = E12+ E 22+ E 32+ E42=297,243(рис. 4.5).  Рис. 4.5. Окно скаляров Вычисляем дисперсиюσ 2u . Сначала находим остаточную дисперсию для модели с фиксированными эффектами: 96,176 / 22 = 4,3716 . Считаем дисперсию:
 6.2. Преобразуем исходные данные. Добавим скаляр: T =  , S = 4,3716 .Добавим новые переменные (рис. 4.6).  Рис. 4.6. Окно добавления новой переменной Затем объединим частные подвыборки (рис. 4.7).  Рис. 4.7. Окно добавления переменной для объединения подвыборок Выполним такое же объединение подвыборок для переменных Xp1, Xp2 (рис. 4.8).  Рис. 4.8. Панель Gretl с набором переменных для модели со случайными эффектами Построим регрессию Yp на Xp1, Xp2 : Модель/Метод наименьших квадратов (рис. 4.9).   Рис. 4.9. Модель регрессии со случайными эффектами = 78.81 + 209.22X1+4.738X 2. R2=0,3713, гетероскедастичность отсутствует, но нормальный законраспределения остатков нарушен. В окне модели: Тесты/Панельная диагностика (рис. 4.10).  Рис. 4.10. Тестовая статистика Хаусмана Тест Хаусмана показывает о преимуществе модели со случайными эффектами. Построение регрессионной модели со случайными эффектами с помощью встроенных инструментов Gretl: Модель/Панельные модели/Модель фиксированных или случайных эффектов. Итоговые результаты приведены в таблице. Сводная таблица моделей для панельных данных
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||