Главная страница
Навигация по странице:

  • 3. Условие задания Во всех вариантах требуется выполнить: Построение спецификации эконометрической модели

  • 3.Оценка параметров модели парной регрессии

  • 4.Оценивание качества спецификации модели

  • Проверка предпосылки теоремы Гаусса-Маркова об отсутствии автокорреляции случайных возмущений

  • Множественная регрессия. Построение спецификации эконометрической модели множественной регрессии.

  • экзогенной переменной

  • Прогнозирование экзогенной переменной

  • Прогнозирование

  • Представить результаты моделирования и прогнозирования в графическом формате

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


    Скачать 69.09 Kb.
    НазваниеКонтрольная работа выполняется и защищается в установленные преподавателем сроки
    Дата09.10.2022
    Размер69.09 Kb.
    Формат файлаdocx
    Имя файлаЗадания для контрольной работы по ЭИ_ 2022 (1).docx
    ТипКонтрольная 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.

    1. 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.

    1. 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.

    1. 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.

    1. 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.


    написать администратору сайта