Влияние ВВП и количества трудоустроенных на индекс потребительских цен

Тип работы:
Курсовая
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Министерство образования Республики Беларусь

Белорусский государственный университет

Экономический факультет

Курсовой проект по дисциплине «Эконометрика и прогнозирование» на тему:

«Влияние ВВП и количество трудоустроенных на индекс потребительских цен»

Автор работы: студент

3 курса отделения

«менеджмент»

Ван Яо

Минск 2013

Введение

Эконометрика — это наука, связанная с эмпирическим выводом экономических законов, то есть используются данные для того, чтобы получить количественные зависимости для теоретических экономических соотношений.

ВВП — это денежная оценка всех произведенных конечных товаров и услуг в экономике за год. При этом учитывается годовой объем конечных товаров и услуг, созданных на территории страны. Для правильно расчета ВВП необходимо учесть все продукты и услуги, произведенные в данном году, но без повторного, двойного счета. Вот почему в определении ВВП речь идет о конечных товарах и услугах. Эти блага потребляются в рамках домашних хозяйств и фирм, и не участвуют в дальнейшем производстве, в отличие от промежуточных товаров. Если в ВВП включить промежуточные продукты, используемые для производства других товаров (мука, купленная хлебозаводом для выпечки хлеба), то получается завышенная оценка ВВП (цена муки будет учтена несколько раз). Исключить двойной счет позволяет показатель добавленной стоимости, который представляет разницу между продажами фирмами их готовой продукции покупкой материалов, инструментов, топлива и услуг у других фирм. Добавленная стоимость — это рыночная цена продукции фирмы, за вычетом стоимости потребленного сырья и материалов, купленных у поставщиков. Суммируя добавленные стоимости, произведенные всеми фирмами в стране, можно определить ВВП, который и представляет рыночную оценку всех выпущенных товаров и услуг.

Вследствие стоимостной оценки производимых в экономике благ на изменение величины ВВП в следующем году влияет не только изменение физического объема выпуска конечных благ, но и изменение рыночных цен на товары и услуги, произведенные этой экономикой за изучаемый промежуток времени.

При расчете валового внутреннего продукта номинальным ВВП в некотором году называют стоимостную оценку благ, учитываемых при подсчете данного показателя в ценах данного года. Индекс потребительских цен (ИПЦ), в котором используется фиксированный набор благ («потребительская корзина»). Индекс Ласпейраса IL = p1i q0i / p0i q0i, где q0i количество товаров и услуг, произведенных в базисном году, p0i — цены товаров и услуг в базисном году, p1i — цены товаров и услуг в текущем году. ИПЦ отражает только цены товаров, приобретаемых домашними хозяйствами. ИПЦ учитывает цены импортных товаров. Индекс цен производителей (ИЦП), где в качестве весов цен берется количества товаров и услуг, произведенные в текущем году. Индекс Пааше Ip = p1i q1i / p0 q1i, где q1i — количество товаров и услуг в текущем году. Дефлятор ВВП представляет собой индекс Пааше. В последнее время широкое применение находит индекс Фишера, представляющий собой среднегеометрическое значение из индексов Ласпейраса и Пааше. Ip = IL Ip Логика прогнозирования ВВП.

В настоящее время проблема трудоустройства выпускников высших учебных заведений является одной из наиболее актуальных. Несмотря на заметное улучшение ситуации в сфере занятости населения в целом по-прежнему остро стоит вопрос о трудоустройстве молодых специалистов в соответствии с полученной профессиональной квалификацией.

В настоящее время сложились следующие группы противоречий: между социальными, профессиональными ориентациями молодежи и потребностями предприятий и организаций в рабочей силе; между задачей повышения эффективности подготовки молодых специалистов и системой вузовской подготовки; между теоретической подготовкой выпускников и отсутствием необходимых навыков практического использования полученных знаний; между жизненными, профессиональными планами выпускников и реальными возможностями их осуществления.

Одна из важнейших проблем современного рынка труда проявляется в несоответствии уровня выпускаемых вузами специалистов потребностям общества, динамики его развития. Наши вузы продолжают готовить специалистов не всегда в соответствии с потребностями рынка. При этом рынок труда нестабилен, подвержен конъюнктурным колебаниям, и вузы не всегда вовремя и должным образом реагируют на такие изменения. Особенно это заметно в региональных образовательных структурах. У большинства учебных заведений отсутствует адекватное требованиям рыночной экономики планирование объемов, профилей и уровня подготовки специалистов. Учебные заведения действуют по принципу выживания, а не адаптации к социально-экономическим условиям. В условиях отсутствия государственного распределения выпускников вузов предприятия и организации самостоятельно определяют свою кадровую политику. Это сопровождается, с одной стороны, общим сокращением численности работающих, с другой — более высокими требованиями к вновь принимаемым на работу. Во многих случаях предпочтение отдается специалистам с трудовым стажем и опытом работы, а также кадрам, владеющим несколькими смежными профессиями, способным к динамичной профессиональной мобильности.

Построение и анализ эконометрической модели

В целях описания, анализа и прогнозирования явлений и процессов в экономике применяют математические модели. В случае использования регрессионных моделей результат действия экономической системы представляется как функция влияющих на нее факторов.

В настоящей работе будут использованы средства программного продукта MS Excel. Анализ начинается с описательной статистики для всех переменных.

Ежеквартальные данные о валовом внутреннем продукте, количество трудоустроенных и индекс потребительских цен к национальной валюте для Исландии на период с 2003по 2011годы

GEO/TIME

Индекс потребительских цен, %

GDP-ВВП, мил. евро

Количество трудоустроенных, тыс. человек

2003Q1

329,760. 6

82,299. 8

97. 45

2003Q2

331,211. 7

79,798. 9

99. 25

2003Q3

337,811. 7

79,235. 4

98. 75

2003Q4

337,427. 1

80,242. 9

100. 23

2004Q1

343,818. 1

81,961. 9

101. 29

2004Q2

347,098. 3

84,697. 2

100. 31

2004Q3

348,692. 5

85,976. 8

100. 70

2004Q4

350,384. 6

88,363. 7

101. 97

2005Q1

351,153. 6

88,352. 7

101. 61

2005Q2

356,552. 9

91,672. 6

100. 35

2005Q3

359,025. 9

94,622. 6

99. 35

2005Q4

363,202. 1

97,647. 0

98. 72

2006Q1

364,949. 0

103,833. 4

98. 78

2006Q2

371,597. 7

105,400. 2

100. 20

2006Q3

372,583. 7

107,198. 7

100. 64

2006Q4

377,756. 6

109,341. 0

100. 66

2007Q1

381,862. 0

111,687. 3

100. 99

2007Q2

385,200. 7

112,008. 7

101. 49

2007Q3

388,638. 4

114,032. 8

101. 66

2007Q4

390,374. 1

113,931. 6

102. 90

2008Q1

393,437. 3

117,878. 3

103. 97

2008Q2

396,141. 0

115,956. 1

105. 27

2008Q3

391,319. 5

118,596. 1

104. 02

2008Q4

386,718. 2

108,694. 6

102. 88

2009Q1

379,792. 1

93,408. 0

105. 35

2009Q2

378,592. 6

89,949. 1

105. 63

2009Q3

380,748. 7

91,039. 5

106. 19

2009Q4

380,102. 6

93,734. 4

106. 67

2010Q1

369,325. 0

101,343. 2

103. 97

2010Q2

389,885. 3

110,801. 6

100. 85

2010Q3

385,342. 8

110,844. 6

100. 70

2010Q4

408,530. 0

119,762. 4

101. 93

2011Q1

377,620. 7

120,650. 5

101. 65

2011Q2

398,098. 4

122,666. 6

103. 00

2011Q3

392,925. 0

117,725. 7

102. 52

2011Q4

411,015. 0

117,940. 6

102. 02

Создадим файл с исходными данными в среде Microsoft Excel.

Исследуем степень корреляционной зависимости между переменными. Для этого построим корреляционную матрицу, используя средства «Анализа данных». Корреляционная матрица приведена в таблице 1.2.

Столбец 1(y)

Столбец 2(x1)

Столбец 3(x2)

Столбец 1(y)

1

Столбец 2(x1)

0. 40 559 462

1

Столбец 3(x2)

0. 321 832 091

0. 324 373 295

1

Из корреляционной матрицы следует, что на индекс потребительских цен продукт оказывает влияние оба регрессанта, т. е. и количество трудоустроенных имеют корреляционную связь с валовым внутренним продуктом. Так же можем отметить наличие корреляционной зависимости между объясняющими (экзогенными) переменными, это может свидетельствовать о наличии в модели явления мультиколлениарности.

ля того, чтобы проверить, существует ли зависимость между признаками, построим корреляционное поле. Так как у нас 2 переменные х, то у нас будет 2 корреляционных поля. Для этого выделите столбцы х1 и у (буквы х1 и у не обводить, а только их значения). На панели инструментов нажмите значок «Диаграммы» и при появлении окна (Мастер диаграмм) выберите точечную диаграмму.

Рисунок 1. Динамика показателей GDP-ВВП, мил. евро, и количество трудоустроенных

Построим многофакторную регрессионную модель, в которой зависимая переменная — Y индекс потребительских цен продукт.

Определим коэффициенты уравнения регрессии.

Y =b0 + b1•X1 + b2•X2

Рисунки 2 и 3 отражают линию тренда (тенденцию) и уравнение регрессии на корреляционном поле зависимости Y от значений показателя X.

Прогноз поведения изучаемого экономического явления осуществляется подстановкой значения фактора X в оценку детерминирующей составляющей.

Результаты множественной регрессии в численном виде представлены в табл. 1.2.

Регрессионная статистика

Множественный R

0. 328 831 065

R-квадрат

0. 108 129 869

Нормированный R-квадрат

0. 54 077 134

Стандартная ошибка

2. 29 551 965

Наблюдения

36

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

2

16. 48 004 335

8. 240 021 676

2. 451 392

0. 151 348 011

Остаток

33

135. 9 296 789

4. 119 081 178

Итого

35

152. 4 097 222

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Intercept

-12. 3 620 482

6. 655 346 577

-1. 808 501 583

0. 7 964 883

-25. 57 660 917

1. 504 199 534

-25. 57 660 917

1. 504 199 534

X Variable 1

-0. 215 063

0. 523 918

-0. 410 488 952

0. 684 100 441

-0. 1 280 982

0. 850 857

-0. 1 280 982

0. 850 857

X Variable 2

0. 23 048 173

0. 11 611 452

1. 984 951 816

0. 55 513 856

-0. 575 504

0. 46 671 849

-0. 575 504

0. 46 671 849

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -12. 3 620 482 -0. 215 063•X1 + 0. 23 048 173•X2 (1. 1)

(s) (6. 655 346 577) (0. 523 918) (0. 11 611 452)

(t) (-1. 808 501 583) (-0. 410 488 952) (1. 984 951 816)

Коэффициент b 1 =-0. 215 063 показывает, что при увеличении ВВП (x1) на на 1 млн руб. денежной массы (у) увеличивается в среднем на -0. 215 063 млн руб. (в чем измеряется показатель, может быть миллионы, миллиарды, проценты и т. п), а увеличение чистого количество (х2) на 1 тыс. приводит к увеличению денежной массы (у) в среднем на0. 23 048 173 млн Руб.

Уравнение выражает зависимость индекс потребительских цен (Y) от ВВП (Х1), количество трудоустроенных (Х2). Коэффициенты уравнения показывают количественное воздействие каждого фактора на результативный показатель при неизменности других. В нашем случае увеличивается на индекс потребительских -0. 215 063. при увеличении валово внутреннем продукте на 1 млн. при неизменности показателя количество трудоустроенных; индекс потребительских цен увеличивается на 0. 23 048 173. при увеличении количество трудоустроенныхна 1 тыс. при неизменности показателя индекс потребительских цен продукт Случайное отклонение для коэффициента при переменной Х1 составляет 0. 523 918; при переменной Х2 — 0. 11 611 452; для свободного члена 6. 655 346 577.

коэффициент детерминации R2 = 0. 108 (Следует обратить внимание, что коэффициент детерминации R2 составил 0. 108, то есть отобранные факторы на 10. 8% объясняют вариацию У), рассчитывается по формуле, и показывает, что модель достаточно хорошо описывает данные, так как R2 близок к 1;

Справедливо соотношение. Чем теснее линейная связь между и, тем ближе коэффициент детерминации к единице.

Еще докажем с помощью F статистики

после сравниваем, то что у нас получилось по данной формуле с

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n — m — 1 = 33; tкр. = t0,025; 33 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R2 = 0. 108;

= 1- (1- 0. 108)*(36−1)/(36−2-1)= 0. 54 077 134

Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0. 54 077 134;

Критерий Фишера F = 2. 451 392; = 0. 151 348 011

Согласно критерию Фишера данная модель адекватна. Так как уровень значимости модели меньше 0,1.

Проверим остатки на наличие автокорреляции. Для этого найдем значение статистики Дарбина-Уотсона.

Наблюдение

Предсказанное Y

e

е (-1)

е2

(е-е (-1))2

1

0. 751 700 727

-0. 551 700 727

0. 304 373 692

0. 304 373 692

2

1. 53 477 975

0. 46 522 025

-0. 551 700 727

0. 2 164 299

0. 357 870 462

3

1. 462 524 179

-0. 862 524 179

0. 46 522 025

0. 743 947 959

0. 826 365 002

4

1. 341 147 115

-0. 541 147 115

-0. 862 524 179

0. 2 928 402

0. 103 283 217

5

0. 998 464 583

0. 401 535 417

-0. 541 147 115

0. 161 230 691

0. 888 650 357

6

1. 6 654 473

0. 53 345 527

0. 401 535 417

0. 284 574 525

0. 17 402 848

7

1. 149 905 642

-0. 949 905 642

0. 53 345 527

0. 902 320 728

2. 200 359 596

8

1. 156 135 919

1. 43 864 081

-0. 949 905 642

1. 8 965 222

3. 975 117 708

9

1. 8 914 869

-0. 8 914 869

1. 43 864 081

7. 94749E-05

1. 108 343 518

10

1. 356 968 185

0. 343 031 815

-0. 8 914 869

0. 117 670 826

0. 123 866 469

11

1. 376 780 232

0. 823 219 768

0. 343 031 815

0. 677 690 786

0. 23 058 047

12

1. 405 944 234

-0. 5 944 234

0. 823 219 768

3. 53339E-05

0. 687 512 942

13

1. 749 086 828

-0. 49 086 828

-0. 5 944 234

0. 2 409 517

0. 1 861 283

14

2. 37 042 845

1. 162 957 155

-0. 49 086 828

1. 352 469 345

1. 469 050 617

15

1. 955 328 485

-0. 355 328 485

1. 162 957 155

0. 126 258 332

2. 305 191 286

16

1. 92 603 369

1. 97 396 631

-0. 355 328 485

3. 896 542 995

5. 425 614 245

17

1. 697 610 783

0. 802 389 217

1. 97 396 631

0. 643 828 455

1. 372 592 886

18

1. 961 357 289

1. 338 642 711

0. 802 389 217

1. 791 964 307

0. 287 567 809

19

2. 20 247 347

0. 179 752 653

1. 338 642 711

0. 32 311 016

1. 343 026 165

20

1. 831 686 483

0. 668 313 517

0. 179 752 653

0. 446 642 958

0. 238 691 718

21

1. 91 177 077

-0. 51 177 077

0. 668 313 517

0. 261 909 321

1. 392 598 926

22

1. 838 629 735

-1. 938 629 735

-0. 51 177 077

3. 758 285 251

2. 35 926 507

23

1. 97 690 745

-2. 97 690 745

-1. 938 629 735

8. 861 977 967

1. 78 020 613

24

1. 869 059 959

1. 130 940 041

-2. 97 690 745

1. 279 025 377

16. 87 441 101

25

0. 970 083 127

-2. 370 083 127

1. 130 940 041

5. 61 729 403

12. 25 716 323

26

0. 498 608 897

-1. 498 608 897

-2. 370 083 127

2. 245 828 626

0. 759 467 334

27

0. 550 536 708

-1. 550 536 708

-1. 498 608 897

2. 404 164 082

0. 2 696 498

28

0. 21 839 589

-0. 21 839 589

-1. 550 536 708

0. 47 696 765

1. 774 599 158

29

-0. 289 353 241

-0. 310 646 759

-0. 21 839 589

0. 96 501 409

0. 8 510 223

30

-0. 272 837 433

-0. 927 162 567

-0. 310 646 759

0. 859 630 425

0. 380 091 741

31

-0. 59 876 015

7. 859 876 015

-0. 927 162 567

61. 77 765 097

77. 21 204 704

32

0. 20 434 036

-3. 10 434 036

7. 859 876 015

9. 636 929 071

120. 2 140 407

33

0. 437 680 905

-1. 737 680 905

-3. 10 434 036

3. 19 534 928

1. 867 758 065

34

0. 592 403 749

0. 507 596 251

-1. 737 680 905

0. 257 653 954

5. 41 269 508

35

0. 989 323 692

4. 110 676 308

0. 507 596 251

16. 89 765 971

12. 9 821 859

36

0. 75 742 331

-2. 45 742 331

4. 110 676 308

6. 38 929 323

43. 13 993 259

135. 9 296 789

320. 2 880 413

эконометрический модель коэффициент матрица регрессионный

DW = 2. 356 277 481

Проведем графический анализ гетероскедастичность. Построим график, где по оси абсцисс будем откладывать расчетные значения Y, полученные из эмперического уравнения регрессии, а по оси ординат квадраты остатков уравнения е и е (-1)

Анализируя график, можем предположить непостоянство дисперсий. Т. е. наличие гетероскедастичности в модели.

Для проверки наличия гетероскедастичности воспользуемся тестом Парка. В Excel рассчитаем логарифмы значений e2, X

GDP=x

e

e2

lne2(y)

lnx

2,096. 9

-0. 551 700 727

0. 304 373 692

-1. 189 499 082

7. 648 215 343

2,151. 2

0. 46 522 025

0. 2 164 299

-6. 135 658 826

7. 673 781 105

2,199. 7

-0. 862 524 179

0. 743 947 959

-0. 295 784 194

7. 696 076 266

2,271. 1

-0. 541 147 115

0. 2 928 402

-1. 22 812 821

7. 728 019 575

2,342. 7

0. 401 535 417

0. 161 230 691

-1. 824 919 074

7. 759 059 389

2,379. 8

0. 53 345 527

0. 284 574 525

-1. 256 760 107

7. 77 477 173

2,442. 3

-0. 949 905 642

0. 902 320 728

-0. 102 785 248

7. 800 695 497

2,520. 5

1. 43 864 081

1. 8 965 222

0. 85 858 581

7. 832 212 574

2,604. 9

-0. 8 914 869

7. 94749E-05

-9. 440 069 469

7. 865 149 566

2,744. 1

0. 343 031 815

0. 117 670 826

-2. 13 986 416

7. 917 208 431

2,855. 6

0. 823 219 768

0. 677 690 786

-0. 389 064 163

7. 957 037 258

2,977. 2

-0. 5 944 234

3. 53339E-05

-10. 25 066 719

7. 99 873 854

3,117. 8

-0. 49 086 828

0. 2 409 517

-6. 28 329 114

8. 44 882 904

3,257. 8

1. 162 957 155

1. 352 469 345

0. 301 932 066

8. 888 074

3,412. 7

-0. 355 328 485

0. 126 258 332

-2. 69 425 214

8. 135 259 046

3,602. 5

1. 97 396 631

3. 896 542 995

1. 360 089 748

8. 189 383 328

3,828. 7

0. 802 389 217

0. 643 828 455

-0. 440 322 962

8. 250 280 599

3,974. 1

1. 338 642 711

1. 791 964 307

0. 583 312 396

8. 287 553 586

4,096. 8

0. 179 752 653

0. 32 311 016

-3. 432 347 042

8. 31 796 146

4,169. 8

0. 668 313 517

0. 446 642 958

-0. 805 995 756

8. 335 623 352

4,161. 8

-0. 51 177 077

0. 261 909 321

-1. 339 756 938

8. 333 702 952

4,191. 1

-1. 938 629 735

3. 758 285 251

1. 323 962 803

8. 340 718 508

4,094. 7

-2. 97 690 745

8. 861 977 967

2. 181 769 987

8. 317 448 734

3,856. 7

1. 130 940 041

1. 279 025 377

0. 246 098 363

8. 257 567 175

3,632. 1

-2. 370 083 127

5. 61 729 403

1. 725 850 059

8. 197 566 272

3,445. 2

-1. 498 608 897

2. 245 828 626

0. 809 074 551

8. 144 737 237

3,364. 5

-1. 550 536 708

2. 404 164 082

0. 877 202 268

8. 121 034 643

3,397. 8

-0. 21 839 589

0. 47 696 765

-3. 42 891 708

8. 130 883 442

3,208. 1

-0. 310 646 759

0. 96 501 409

-2. 338 197 672

8. 73 434 141

3,570. 7

-0. 927 162 567

0. 859 630 425

-0. 15 125 272

8. 180 516 934

3,673. 6

7. 859 876 015

61. 77 765 097

4. 123 541 664

8. 208 927 387

3,870. 4

-3. 10 434 036

9. 636 929 071

2. 265 602 497

8. 26 111 314

3,599. 9

-1. 737 680 905

3. 19 534 928

1. 105 102 822

8. 188 661 346

4,037. 9

0. 507 596 251

0. 257 653 954

-1. 356 137 858

8. 303 480 034

4,089. 2

4. 110 676 308

16. 89 765 971

2. 827 175 134

8. 316 104 631

4,224. 4

-2. 45 742 331

6. 38 929 323

1. 798 226 732

8. 348 632 518

Построим для каждой объясняющей переменной зависимости y= a + b lnx.

ВЫВОД ИТОГОВ

Результаты в таблицах

Множественный R

0. 406 037 867

R-квадрат

0. 16 486 675

Нормированный R-квадрат

0. 140 304 007

Стандартная ошибка

2. 857 982 096

Наблюдения

36

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

1

54. 82 456 889

54. 82 456 889

6. 71 206 599

0. 14 004 971

Остаток

34

277. 7 140 965

8. 168 061 662

Итого

35

332. 5 386 654

Коэффициенты

Стандартная ошибка

t-статистика

P-Значение

Нижние 95%

Верхние 95%

Нижние 95,0%

Верхние 95,0%

Y-пересечение

-46. 12 734 998

17. 45 031 191

-2. 643 353 896

0. 12 325 913

-81. 59 065 035

-10. 66 404 962

-81. 59 065 035

-10. 66 404 962

Переменная X 1

5. 590 379 407

2. 157 809 867

2. 590 765 522

0. 14 004 971

1. 205 182 177

9. 975 576 637

1. 205 182 177

9. 975 576 637

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -46. 12 734 998 + 5. 590 379 407 lnx

(s) (17. 45 031 191) (2. 157 809 867)

(t) (-2. 643 353 896) (2. 590 765 522)

Уравнение выражает зависимость e (Y) от ВВП (Х1), В нашем случае e увеличивается на 5. 590 379 407. при увеличении ВВП на 1 млн руб. Случайное отклонение для коэффициента при переменной Х1 составляет 2. 157 809 867; для свободного члена 17. 45 031 191. Помощь на экзамене онлайн.

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n — m — 1 = 34; tкр. = t0,025; 34 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R2 = 0. 16 486 675;

=1-(1−0. 16 486 675)*(36−1)/(36−1-1)= 0. 140 304 007

Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0. 140 304 007;

Критерий Фишера F = 6. 71 206 599; Значимость = 0. 14 004 971.

Построенное уравнение регрессии, хотя и адекватно экспериментальным данным (имеет высокий коэффициент детерминации и значимую F-статистику, все коэффициенты регрессии статистически значимы), не может быть использовано в практических целях, так как оно имеет следующие недостатки: присутствует автокорреляция остатков случайных отклонений, имеется мультиколлинеарность.

Перечисленные недостатки могут привести к ненадежности оценок, выводы по t- и F- статистикам, определяющим значимость коэффициентов регрессии и детерминации, возможно, неверны.

Заключение

Следует отметить, что цели данного исследования достигнуты. Было построено две модели, из которых выбрана модель лучшего качества (2). Полученная модель обладает достаточно хорошим качеством и является адекватной, о чем свидетельствуют данные таблицы 6.

В ходе данной работы были получены результаты, достаточно точно отражающие реальные макроэкономические процессы. Однако можно выделить такие проблемы, связанные с разработкой эконометрических моделей для Датской экономики. Среди них:

короткая длина временных рядов макроэкономических показателей. Это приводит нередко к невысокой точности коэффициентов эконометрических зависимостей;

подверженность многих показателей структурным изменениям. Это требует введения в эконометрические зависимости фиктивных переменных, отражающих эффект того или иного экономического явления;

некоторое несоответствие динамики взаимосвязей между эндогенными и экзогенной переменными положениям экономической теории, что требует проведения дополнительного экономического анализа [10].

Впоследствии с помощью построенной модели могут быть решены такие задачи, как прогнозирование и анализ ВВП в будущем, выработка соответствующей экономической политики.

Таким образом, товарооборот Дании зависит от многих факторов, среди которых нужно выделить реальные денежные доходы населения. Они, как и большинство экономических показателей, подвержены колебаниям и воздействиям различных внешних и внутренних факторов.

ВВП остаются важнейшими показателями деятельности страны, степени развития ее экономики в целом.

Список использованных источников

1. Белоусов А. Р. Сценарии экономического развития России на пятнадцатилетнюю перспективу // Проблемы прогнозирования. — 2006. — N 1. — С. 3−52.

2. Макконелл К. Р., Брю С. Л. Экономикс. Москва: ИНФРА-М, 2003.

3. Бородич С. А. Эконометрика. Минск: ООО «Новое знание», 2006.

4. Eviews 3.1. User Guide. — QMS, 1998.

5. D.N. Gujarati Basic Econometrics. — McGraw, 1995.

6. Российская экономика в 2001—2004 гг.: альтернативная оценка / Г. И. Ханин, О. И. Полосова, Н. В. Иванченко, Д. А. Фомин // ЭКО. — 2007. — N 6. — C. 2−23.

7. Российская экономика в 2004 году. Тенденции и перспективы / Гл. ред. Гайдар Е. и др. — М.: ИЭПП, 2005. — 683с.

8. Илларионов А. Значимые закономерности экономического развития // Вестник финансовой академии. 2001. № 1. — с. 21.

Приложения

GEO/TIME

индекс потребительских цен

GDP

количество трудоустроенных

2003Q1

329,760. 6

82,299. 8

97. 45

2003Q2

331,211. 7

79,798. 9

99. 25

2003Q3

337,811. 7

79,235. 4

98. 75

2003Q4

337,427. 1

80,242. 9

100. 23

2004Q1

343,818. 1

81,961. 9

101. 29

2004Q2

347,098. 3

84,697. 2

100. 31

2004Q3

348,692. 5

85,976. 8

100. 70

2004Q4

350,384. 6

88,363. 7

101. 97

2005Q1

351,153. 6

88,352. 7

101. 61

2005Q2

356,552. 9

91,672. 6

100. 35

2005Q3

359,025. 9

94,622. 6

99. 35

2005Q4

363,202. 1

97,647. 0

98. 72

2006Q1

364,949. 0

103,833. 4

98. 78

2006Q2

371,597. 7

105,400. 2

100. 20

2006Q3

372,583. 7

107,198. 7

100. 64

2006Q4

377,756. 6

109,341. 0

100. 66

2007Q1

381,862. 0

111,687. 3

100. 99

2007Q2

385,200. 7

112,008. 7

101. 49

2007Q3

388,638. 4

114,032. 8

101. 66

2007Q4

390,374. 1

113,931. 6

102. 90

2008Q1

393,437. 3

117,878. 3

103. 97

2008Q2

396,141. 0

115,956. 1

105. 27

2008Q3

391,319. 5

118,596. 1

104. 02

2008Q4

386,718. 2

108,694. 6

102. 88

2009Q1

379,792. 1

93,408. 0

105. 35

2009Q2

378,592. 6

89,949. 1

105. 63

2009Q3

380,748. 7

91,039. 5

106. 19

2009Q4

380,102. 6

93,734. 4

106. 67

2010Q1

369,325. 0

101,343. 2

103. 97

2010Q2

389,885. 3

110,801. 6

100. 85

2010Q3

385,342. 8

110,844. 6

100. 70

2010Q4

408,530. 0

119,762. 4

101. 93

2011Q1

377,620. 7

120,650. 5

101. 65

2011Q2

398,098. 4

122,666. 6

103. 00

2011Q3

392,925. 0

117,725. 7

102. 52

2011Q4

411,015. 0

117,940. 6

102. 02

ПоказатьСвернуть
Заполнить форму текущей работой