Эконометрические модели – инструмент, позволяющий на основе имеющихся данных о каком-либо показателе вычислять будущие значения этого показателя. Точность моделей зависит от ряда факторов, однако, несомненно, возможность вычисления будущих значений очень ценна при планировании. Построение спецификации модели – часто трудоемкий процесс, требующий подчас нескольких настроек модели, т.е. устранения имеющихся в ней ошибок и неточностей.
В данной работе мы проанализируем модели, включающих одни и те же факторы, однако выражающие зависимости разными типами функций: линейной, степенной и гиперболической. Целью данной работы является установление степени применимости полученных моделей для прогнозирования будущих значений, а также установление наилучшей спецификации модели (в Задании 1). Работа состоит из двух частей-заданий: в первой мы построим три модели на основе разных типов функций для выявления связи между одними и теми же показателями, проведем оценку моделей, проверим их соответствие предпосылкам теоремы Гаусса-Маркова, и в заключении сделаем вывод о том, какая модель является наилучшей; во втором на основе имеющейся статистики Республики Ингушетия построим линейную двухфакторную модель, проанализируем ее МНК методом, оценим значимость регрессоров и проведем проверку адекватности модели интервальным прогнозированием. Затем сделаем вывод относительно зависимости учтенных показателей и применимости полученной модели.
Ход работы Задание 1.Основой для построения моделей примем гипотезу о том, что объемы кредитования юридических лиц, ИП и физических лиц в целом по банковской системе России зависят от размера активов банковской системы за те же периоды.
Для начала, необходимо собрать достаточно данных. Такая информация имеется на сайте ЦБ РФ. Для получения наиболее полных показателей были отобраны данные о кредитовании юридических лиц и индивидуальных предпринимателей в рублях, в валюте и драгоценных металлах, а также данные об объемах кредитования физических лиц. Данные о величине активов банковской системы также взяты с сайта ЦБ РФ. Результат сбора данных представлен в Приложении 1. Затем необходимо просуммировать объемы кредитования по разным группам, чтобы получить по одному наблюдению за дату, так как мы строим модели парной регрессии (см. Приложение 2). Однако полученные данные об объемах кредитования, согласно методологии ЦБ, приводятся нарастающим итогом, поэтому необходимо «очистить» их. Для этого найдем величины прироста (убывания) показателей кредитования за конкретные месяца (см. Приложение 3).
Таким образом, за эндогенную величину Y примем прирост совокупного объема выданных кредитов, а за экзогенную величину X – объем активов банковского сектора РФ.
После сбора данных можно приступать к построению и проверке моделей зависимости показателей. Во-первых, необходимо построить диаграмму рассеивания (рис. 1). Построим на ней линию тренда. Из близости (концентрации) точек на ней и их достаточно сильной приближенности к графику линейной функции делаем вывод о сильной связи между показателями.
Рис. 1. Диаграмма рассеивания по анализируемым данным.
Далее, наша задача – рассмотреть экономические модели парной регрессии на основании линейной, степенной и гиперболической функций, проанализировать их и сделать вывод о том, какая их моделей является наилучшей.
Начнем с линейной функции. Спецификация модели выглядит следующим образом:
Yt=а0+a1 Хt+ut0