Projket modelu

ekonometryczneg

o

Piotr Gielec

Magdalena Łaguń

Opis tematu badań



Temat badań:



Wpływ wskaźnika CPI, stopy inflacji oraz zmiany w średnich tygodniowych
zarobkach na stopę bezrobocia



 



Źródła danych statystycznych:



Przykładowe pliki danych z programu GRETL 



Zmienne:



Y – Stopa bezrobocia (%)



X

1

– Wskaźnik - CPI - Cen towarów i usług konsumpcyjnych



X

2

– Stopa inflacji (%)



X

3

–

Procentowa zmiana w średnich tygodniowych zarobkach

Zmienne Quasi-stałe



Zmienna X1 – współczynnik zmienności

0,55



Zmienna X2 – współczynnik zmienności

0,67



Zmienna X3 – współczynnik zmienności

0,42



Wartość krytyczna - 0,15

Dobór zmiennych objaśniających do
modelu



Współczynnik korelacji z Y



X1 – 0,41



X2 – 0,34



X3 – 0,09



Współczynnik korelacji z X1



X2 – 0,07



X3 - 0,34



R krytyczne = 0,314, zatem zmiennie X1 i X2 wchodzą do modelu

Oszacowana postać modelu –
Y = 4,396 + 0,014 X1 + 0,137 X2

Ocena dopasowania modelu do
danych empirycznych



Współczynnik determinacji R^2 –

26%



Współczynnik korelacji wielorakiej -

51%



Współczynnik zbieżności -

74%

Badanie statystycznej istotności
parametrów modelu



Test t-Studenta – parametr beta 0



t* = 2,0286 t0 = 8,3331 t0>t*



Przedział ufności – parametr beta 1



Dolne 95%

0,003



Górne 95%

0,024



Przedział nie zawiera zera.



Parametr beta 2 na podstawie wartości p



p = 0,0491 alfa = 0,05

alfa > p

Badanie współliniowości



X1 = 1,005



X2 = 1,005



1,005 < 10

Współliniowość nie występuje

Weryfikacja założeń KMNK



Badanie losowości:



Liczba serii reszt modelu S = 16



Dodatnie reszty = 18



Ujemne reszty = 19



Wartość krytyczna S* = 14

S* <= S

Weryfikacji założeń KMNK

Weryfikacja założeń KMNK

Weryfikacja założeń KMNK

Weryfikacja modelu i wnioski



Szacowany za pomocą KMNK model ma postać:



Y = 4,396 + 0,014X1 + 0,137X2



Zastosowanie KMNK do szacowania ocen parametrów modelu w
przypadku, gdy składniki losowe mają różną wariancję
(heteroskedastyczność), prowadzi do otrzymania nieobciążonych
i zgodnych, ale nieefektywnych estymatorów parametrów
strukturalnych oraz obciążonych estymatorów wariancji tych
parametrów. W rezultacie weryfikacja statystyczna jest obciążona
błędem.



W celu estymacji parametrów strukturalnych modelu wykorzystamy
ważoną metodę najmniejszych kwadratów.

Ważona metoda najmniejszych
kwadratów

Ważona metoda najmniejszych
kwadratów

Podsumowanie



Otrzymane oceny są zgodnymi i asymptotycznie najefektywniejszymi
oszacowaniami parametrów modelu ekonometrycznego.



Ostateczna postać modelu:



w

i

y

i

= 4,638 + 0,012x

1

+ 0,107x

2

Dziękujemy za

uwagę!