Задания для контрольной работы по ЭИ_ 2022 (1). Контрольная работа выполняется и защищается в установленные преподавателем сроки

• Название: Контрольная работа выполняется и защищается в установленные преподавателем сроки
• Дата: 09.10.2022
• Размер: 69.09 Kb.
• Имя файла: Задания для контрольной работы по ЭИ_ 2022 (1).docx
• Тип: Контрольная работа; #723897

Задания для выполнения контрольной работы

1. Оформления контрольной работы

Контрольная работа выполняется и защищается в установленные преподавателем сроки.

Титульный лист контрольной работы должен содержать все необходимые реквизиты: наименование учебной дисциплины; номер группы, Ф.И.О. студента и преподавателя.

Решение задач контрольной работы должно сопровождаться необходимыми комментариями, т. е. все основные моменты процесса решения задачи должны быть раскрыты и обоснованы на основе соответствующих теоретических положений. Для решения задач допустимо использование средств Excel, Gretl, R.

По результатам выполненной контрольной работы проводится собеседование, в ходе которого преподаватель определяет окончательное число баллов, полученных студентом за контрольную работу.

Для получения максимального числа баллов по результатам собеседования студент должен знать теоретические основы тематики задач контрольной работы и уметь ответить на конкретные вопросы по содержанию проверенной работы.

2. Порядок выполнения контрольной работы

В ходе выполнения лабораторной работы требуется:

• 
  Провести поэтапное решение задачи, используя Excel или с помощью других прикладных программ (GRETL, RStudio);
  
• 
  Для проверки предоставить преподавателю файл с расчетами и распечатать протокол решения в текстовом редакторе.
  

Протокол отчета должен содержать:

1. 
   Решение задач контрольной работы должно сопровождаться необходимыми расчетами и комментариями, то есть все основные моменты процесса решения задачи должны быть раскрыты и обоснованы соответствующими теоретическими положениями.
   
2. 
   Фрагменты исходного рабочего листа Excel или окна вывода других используемых программных продуктов.
   
3. 
   Диалоговые окна инструментов «Регрессия» «Анализа данных» или «Поиска решения», функции ЛИНЕЙН и т. п.
   
4. 
   Фрагмент рабочего листа Excel, содержащий результаты решения и графические результаты моделирования и прогнозирования.
   

Контрольная работа не зачитывается, если ее вариант не совпадает с номером варианта, указанным преподавателем.

3. Условие задания

Во всех вариантах требуется выполнить:

1. 
   Построение спецификации эконометрической модели
   

Привести постановку задачи построения модели парной линейной регрессии. Выбрать эндогенную переменную. Сделать предположения относительно знаков (положительный или отрицательный) параметров модели.

2. 
   Исследование взаимосвязи данных показателей с помощью диаграммы рассеяния и коэффициента корреляции
   

Построить график диаграммы рассеяния зависимой переменной с экзогенным фактором. Оценить коэффициент корреляции между объясняемой и объясняющей переменными. Проверить значимость коэффициента корреляции.

3.Оценка параметров модели парной регрессии

Оценить параметры модели (1) парной регрессии

(1)

Выпишите полученное уравнение регрессии в стандартной форме. Дайте экономическую интерпретацию параметрам модели.

4.Оценивание качества спецификации модели

Проверить статистическую значимость регрессии в целом. Проверить статистическую значимость оценок параметров. Оценить точность модели с помощью средней относительной ошибки аппроксимации. Сделайте выводы качестве уравнения регрессии.

5. 
   Проверка предпосылки теоремы Гаусса-Маркова об отсутствии автокорреляции случайных возмущений
   

Привести результаты тестирования на отсутствие автокорреляции случайных возмущений с помощью теста Дарбина -Уотсона и Бреуша-Годфри. Сделать выводы. При необходимости выполнить корректировку модели.

6. 
   Множественная регрессия. Построение спецификации эконометрической модели множественной регрессии.
   

В связи с тем, что объясняющая переменная представляет собой временной ряд, одной из составляющих компонент которого может быть сезонная волна, необходимо учесть эту структуру для дальнейшего прогноза, вводя фиктивные переменные для соответствующих кварталов. Постройте график изменения экзогенной переменной во времени с целью визуального выявления сезонной волны.

Введите необходимое количество фиктивных переменных, характеризующих степень влияния каждого квартала в отдельности. Постройте многофакторную модель динамики экзогенной переменной.

Оцените параметры модели (2) множественной регрессии

(2)

Оцените качество и значимость модели и отдельных ее параметров. Поясните экономический смысл параметров при фиктивных переменных сдвига при исследовании сезонных колебаний. Выполните тестирование на отсутствие автокорреляции случайных возмущений с помощью Бреуша-Годфри.

6. 
   Прогнозирование экзогенной переменной
   

Использовать построенную многофакторную модель с фиктивными переменными для прогнозирования экзогенной переменной.

Оценить прогноз по модели (2)



Прогнозирование эндогенной переменной

Оценить прогноз по модели (1), используя полученные прогнозные значения X

— прогноз значения эндогенной переменной для момента )

Подставив прогнозные значения в модель (1), получим точечный прогноз :



Построим интервальную оценку значения эндогенной переменной на интервале прогнозирования для момента ,



нижняя граница интервала прогнозирования;

— верхняя граница интервала прогнозирования;

— табличное значение критерия Стьюдента.

– ошибка прогноза, вычисляется по формуле:

, где — p-я строчка матрицы регрессоров (прогнозные значения Х); s — стандартная ошибка модели (можно найти в первой таблице протокола регрессии).

Эта формула в случае модели парной регрессии может быть записана в виде: .

Представить результаты моделирования и прогнозирования в графическом формате


ВАРИАНТ 8

Ставится задача исследовать, как влияет индекс реального объема сельскохозяйственного производства (AGR_Q_DIRI) на индекс реального ВВП РФ (GDPEA_Q_DIRI). Оба показателя – цепные индексы, где за базу (100%) взят уровень прошлых лет (1993 и 2005 соответственно). Данные с сайта http://sophist.hse.ru

T	Индекс реального ВВП	Индекс реального объема сельскохозяйственного производства (AGR_Q_DIRI)
2007 I	131,3	75,9
II	144,4	124,2
III	156,9	355
IV	164,6	198,8
2008 I	143,3	80,1
II	155,8	132,7
III	167	401,2
IV	162,4	221,3
2009 I	130,1	81,8
II	138,4	133,7
III	152,6	396,7
IV	158,2	232,6
2010 I	135,4	82,2
II	145,3	131,9
III	158,4	314,2
IV	166,3	223,7
2011 I	140,1	83,6
II	149,8	134
III	159,4	407,5
IV	171,9	299,8
2012 I	148,1	87
II	157,1	139,8
III	165	383,1
IV	176	268
2013 I	149,8	88,2
II	159,8	140,9
III	167,5	394,6
IV	180,5	310,9
2014 I	149,7	89,9
II	160,7	144,8
III	169,8	432,2
IV	182,2	289,6
2015 I	146,3	92,7
II	154,5	147,8
III	165,6	438,7
IV	177,9	302,7
2016 I	146	95,7
II	155	152,1
III	165,7	463,3
IV	178,8	318,3
2017 I	147,9	97,4
II	158,6	153,6
III	170,1	490,8
IV	180,7	320,5
2018 I	151,2	99,7
II	162,7	156,2
III	174,3	457
IV	185,7	327,2
2019 I	151,8	99,2
II	164,6	158,3
III	177	481,2
IV	189,7	345
2020 I	154,2	102,1
II	151,3	163,1
III	170,9	497
IV	185,5	335

Приложение. Таблица Дарбина-Уотсона для уровня значимости

n	1		2		3		4		5
6	0,610	1,400
7	0,700	1,356	0,467	1,896
8	0,763	1,332	0,359	1,777	0,368	2,287
9	0,824	1,320	0,629	1,699	0,435	2,128	0,296	2,388
10	0,879	1,320	0,697	1,641	0,525	2,016	0,376	2,414	0,243	2,822
11	0,927	1,324	0,658	1,604	0,595	1,928	0,444	2,283	0,316	2,645
12	0,971	1,331	0,812	1,579	0,658	1,864	0,512	2,177	0,379	2,506
13	1,010	1,340	0,861	1,562	0,715	1,816	0,574	2,094	0,445	2,390
14	1,045	1,330	0,905	1,551	0,767	1,779	0,632	2,030	0,505	2,296
15	1,077	1,361	0,946	1,543	0,814	1,750	0,685	1,977	0,562	2,220
16	1,106	1,371	0,982	1,539	0,857	1,728	0,734	1,935	0,615	2,157
17	1,133	1,381	1,015	1,536	0,897	1,710	0,779	1,900	0,664	2,104
18	1,158	1,391	1,046	1,535	0,933	1,696	0,820	1,872	0,710	2,060
19	1,180	1,401	1,074	1,536	0,967	1,685	0,859	1,848	0,752	2,023
20	1,201	1,411	1,100	1,537	0,998	1,676	0,894	1,828	0,792	1,991
21	1,221	1,420	1,125	1,538	1,026	1,669	0,927	1,812	0,829	1,964
22	1,239	1,429	1,147	1,541	1,053	1,664	0,958	1,797	0,863	1,940
23	1,257	1,437	1,168	1,543	1,078	1,660	0,986	1,785	0,895	1,920
24	1,273	1,446	1,188	1,546	1,101	1,656	1,013	1,775	0,925	1,902
25	1,288	1,454	1,206	1,550	1,123	1,654	1,038	1,767	0,953	1,886
26	1,302	1,461	1,224	1,553	1,143	1,652	1,062	1,759	0,979	1,873
27	1,316	1,469	1,240	1,556	1,162	1,651	1,084	1,753	1,004	1,861
28	1,328	1,476	1,255	1,560	1,181	1,650	1,104	1,747	1,028	1,850
29	1,341	1,483	1,270	1,563	1,198	1,650	1,124	1,743	1,050	1,841
30	1,352	1,489	1,284	1,567	1,214	1,650	1,143	1,739	1,071	1,833
31	1,363	1,496	1,297	1,570	1,229	1,650	1,160	1,735	1,090	1,825
32	1,373	1,502	1,309	1,574	1,244	1,650	1,177	1,732	1,109	1,819
33	1,383	1,508	1,321	1,577	1,258	1,651	1,193	1,730	1,127	1,813
34	1,393	1,514	1,333	1,580	1,271	1,652	1,208	1,728	1,144	1,808
35	1,402	1,519	1,343	1,584	1,283	1,653	1,222	1,726	1,160	1,803
36	1,411	1,525	1,354	1,587	1,295	1,654	1,236	1,724	1,175	1,799
37	1,419	1,530	1,364	1,590	1,307	1,655	1,249	1,723	1,190	1,795
38	1,427	1,535	1,373	1,594	1,318	1,656	1,261	1,722	1,204	1,792
39	1,435	1,540	1,382	1,587	1,328	1,658	1,273	1,722	1,218	1,789
40	1,442	1,544	1,391	1,600	1,338	1,659	1,285	1,721	1,230	1,786

n — объем выборки,

K — число объясняющих переменных в уравнении регрессии.