ВАРИАНТ 28
Ставится задача исследовать, как влияет индекс реального объема промышленного производства по ОКВЭД (IP_EA_Q) в России на норму безработицы (в среднем за период) (UNEMPL_Q_SH). Второй показатель – цепной индекс, где за базу (100%) взят уровень 2002 года. Данные с сайта http://sophist.hse.ru
| T | Норма безработицы | Индекс реального объема промышленного производства |
| 2005 III | 5,70 | 145,53 |
| IV | 5,70 | 154,41 |
| 2008 I | 6,70 | 146,07 |
| II | 5,80 | 146,37 |
| III | 5,80 | 148,42 |
| IV | 6,90 | 140,40 |
| 2009 I | 8,90 | 123,41 |
| II | 8,70 | 126,50 |
| III | 8,00 | 134,09 |
| IV | 7,90 | 143,07 |
| 2010 I | 8,60 | 133,20 |
| II | 7,60 | 135,73 |
| III | 6,70 | 139,67 |
| IV | 6,70 | 153,49 |
| 2011 I | 7,40 | 139,83 |
| II | 6,60 | 143,89 |
| III | 6,10 | 147,05 |
| IV | 6,10 | 159,11 |
| 2012 I | 6,30 | 145,91 |
| II | 5,50 | 147,07 |
| III | 5,10 | 151,93 |
| IV | 5,10 | 164,08 |
| 2013 I | 5,70 | 144,06 |
| II | 5,40 | 148,10 |
| III | 5,30 | 152,69 |
| IV | 5,40 | 166,12 |
| 2014 I | 5,60 | 145,52 |
| II | 5,10 | 150,76 |
| III | 4,90 | 154,83 |
| IV | 5,10 | 169,70 |
| 2015 I | 5,60 | 144,92 |
| II | 5,70 | 143,33 |
| III | 5,30 | 148,34 |
| IV | 5,60 | 163,18 |
| 2016 I | 5,90 | 143,92 |
| II | 5,80 | 144,79 |
| III | 5,30 | 148,12 |
| IV | 5,30 | 166,19 |
Требуется:
Построение спецификации эконометрической модели
Привести постановку задачи построения модели парной линейной регрессии. Выбрать эндогенную переменную. Сделать предположения относительно знаков (положительный или отрицательный) параметров модели.
- Исследование взаимосвязи данных показателей с помощью диаграммы рассеяния и коэффициента корреляции
Оценить коэффициент корреляции между объясняемой и объясняющей переменными. Проанализировать тесноту и направление связи между исследуемыми показателями и сделать вывод о возможности построения линейной регрессионной модели.
- Оценка параметров модели парной регрессии
Оценить параметры модели с помощью:
- с помощью функции ЛИНЕЙН.
Выпишите полученное уравнение регрессии. Дайте экономическую интерпретацию параметрам модели регрессии.
- 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.
- Оценивание адекватности модели
Описать процедуру и привести результаты проверки адекватности модели, выбрав последнее наблюдение в качестве контролирующего.
- Проверка предпосылки теоремы Гаусса-Маркова о гомоскедастичности случайных возмущений
Выполнить визуальный анализ гетероскедастичности с помощью графика. Проверьте предпосылку о гомоскедастичности возмущения при помощи теста Голдфельда-Квандта. При необходимости предложить вариант корректировки гетероскедастичности.
- Проверка предпосылки теоремы Гаусса-Маркова об отсутствии автокорреляции случайных возмущений
Выполнить визуальный анализ автокорреляции остатков с помощью графика. Привести результаты тестирования на отсутствие автокорреляции случайных возмущений с помощью теста Дарбина-Уотсона. При необходимости предложить вариант корректировки автокорреляции.
- Построение модели множественной регрессии, учитывающей сезонные колебания
Введите необходимое количество фиктивных переменных, характеризующих степень влияния каждого квартала в отдельности. Постройте многофакторную модель размера номинальной зарплаты. Оцените качество и значимость модели и отдельных ее параметров. Поясните экономический смысл параметров при фиктивных переменных сдвига при исследовании сезонных колебаний.
- Прогнозирование экзогенной переменной
Использовать построенную многофакторную модель с фиктивными переменными для прогнозирования номинальной зарплаты на ближайший квартал.
- Представить результаты моделирования и прогнозирования в графическом формате