Видеоурок по реализации курсовой по эконометрике в программе Eviews

Ниже приведено условие задачи и текстовая часть решения.  Закачка полного решения, файлы doc, xls и wf1 в архиве zip, начнется автоматически через 10 секунд. Еще примеры решения задач по эконометрике можно посмотреть  здесь.

Видеоуроки по решению этой задачи  находятся внизу страницы.

1.      Указать базовую математическую модель влияния государственного долга на экономическое развитие страны, то есть модель зависимости ВВП от выбранных факторов (каким уравнением задается и почему) и расписать векторы.

 

В качестве зависимой переменной выбираем:

GR_GDP -  темпы прироста объемов ВВП по отношению к предыдущему году за 2000 – 2020 годы.

Для проверки выдвинутых гипотез были отобраны факторы, определяющие государственный долг страны:

St_debt – темпы прироста государственного долга Казахстана к предыдущему году за 2000 – 2020 годы.;

Ex_debt - темпы прироста внешнего долга  Казахстана к предыдущему году за 2000 – 2020 годы.;

Dom_debt- темпы прироста внутреннего долга Казахстана к предыдущему году за 2000 – 2020 годы.;

Serv_dbt- темпы прироста обслуживания государственного долга к предыдущему году за 2000 – 2020 годы.

Контроль макроэкономической ситуации в стране осуществляется с помощью следующих показателей:

Inf- уровень инфляции к предыдущему году за 2000 – 2020 годы.;

GR_Oil - темпы прироста цен на нефть к предыдущему году за 2000 – 2020 годы.;

Exch- темпы прироста валютного курса (доллар к тенге) к предыдущему году за 2000 – 2020 годы..

Первая зависимость – это влияние на прирост ВВП факторов долга, внутреннего, внешнего и обслуживания долга.

Вторая зависимость – это влияние на прирост ВВП цен на нефть, обменного курса и инфляции.

Третья зависимость – влияние всех факторов на прирост ВВП.

 

2. Описательная статистика для переменных, используемых в исследовании:

- среднее значение

- медиана

- максимальное значение

- минимальное значение

- стандартное отклонение

-количество наблюдений

 

Таблица.1.

 

 

	DOM_DEBT	EX_DEBT	EXCH	GR_GDP
Mean	10.38149	7.113956	6.283912	18.30327
Median	10.51329	5.959311	1.861809	16.20572
Maximum	18.26735	17.80004	54.31381	34.55774
Minimum	2.583436	1.618858	-9.052012	1.605587
Std. Dev.	4.228863	4.910981	14.43475	9.287609
Skewness	-0.019168	0.497841	2.016602	-0.153646
Kurtosis	2.398276	2.063903	7.168461	2.049699
Jarque-Bera	0.302952	1.556384	28.03567	0.831251
Probability	0.859439	0.459235	0.000001	0.659927
Sum	207.6299	142.2791	125.6782	366.0654
Sum Sq. Dev.	339.7824	458.2370	3958.876	1638.934
Observations	20	20	20	20

	GR_OIL	INF	SERV_DEBT	ST_DEBT
Mean	5.638874	7.907000	3.125970	17.49544
Median	5.259320	7.110000	2.792999	16.22860
Maximum	45.28202	18.77000	5.546207	30.50054
Minimum	-46.12757	4.900000	1.269882	7.655259
Std. Dev.	26.41839	3.145885	1.457614	6.575265
Skewness	-0.329644	2.403815	0.328923	0.329134
Kurtosis	2.121197	8.551856	1.658727	1.967968
Jarque-Bera	1.005796	44.94702	1.859811	1.248672
Probability	0.604775	0.000000	0.394591	0.535617
Sum	112.7775	158.1400	62.51939	349.9089
Sum Sq. Dev.	13260.70	188.0352	40.36813	821.4480
Observations	20	20	20	20

 

Проверим переменные на нормальность.

 

 

 

 

 

Переменные GR_GDP, Ex_debt, Dom_debt, Serv_debt, GR_Oil имеют нормальное распределение, так как для них р-значение больше 0,05. Т. е. принимаем нулевую гипотезу о нормальном распределении данных переменных. Переменные Inf, Exch не имеют нормального распределения, так как для них р-значение меньше 0,05.

 

 

3. Диагностические тесты для модели регрессии временных рядов:

-  тесты на единичный корень (the unit root tests)

- испытания на стационарность KPSS

Таблица.2.

Результаты тестов на «единичный корень».

Временной ряд	KPSS тест			Вывод
	Специфи- кация	KPSS	Крит. Точки
GR_GDP	T	0.081903	0.146000	I(0)
St_debt	C	0.329712	0.463000	I(0)
Ex_debt	C	0.160071	0.463000	I(0)
Dom_debt	T	0.080280	0.146000	I(0)
Serv_debt	C	0.247116	0.463000	I(0)
Inf	C	0.135916	0.463000	I(0)
GR_Oil	C	0.310915	0.463000	I(0)
Exch	C	0.342643	0.463000	I(0)

        Обобщая полученные результаты, проходим к выводу, что ряды являются коинтегрированными с порядком I(0). Для коинтегрированных временных рядов применимы методы регрессионного анализа.

 

4. Сделать корреляционный анализ и матрицу парных коэффициентов корреляции с пояснением степени корреляции (статистической значимости), проблем мультиколлинеарности и тд.

Построим корреляционную матрицу.

Таблица.3.

В рамках первой модели тесно связаны такие объясняющие переменные: DOM_DEBT и EX_DEBT и SERV_DEBT. Они имеют высокие коэффициенты корреляции, 0,665 и 0,842 соответственно.

Таблица.4.

 

 

В рамках второй модели можем отметить, что тесная корреляция наблюдается между GR_GDP и GR_OIL, GR_GDP и EXCH. Но между ценами на нефть и обменным курсом так же имеется тесная связь, что свидетельствует о мультеколлениарности. Наиболее коррелированы GR_GDP и GR_OIL, следовательно, тогда переменную EXCH можно отбросить, что бы исключить мультиколлениарнесить в модели.

Таблица.5.

 

Таблица.6

 

 

5. Исходя из наличия между эндогенной переменной и экзогенными переменными, линейной зависимости, оценить параметры регрессионной модели по методу наименьших квадратов. Вычислить вектора регрессионных значений эндогенной переменной и случайных отклонений.

Строим уравнение в рамках первой гипотезы.

 

Dependent Variable: GR_GDP
Method: Least Squares
Date: 12/03/21   Time: 15:39
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
DOM_DEBT	-0.876674	0.534779	-1.639320	0.1207
EX_DEBT	0.120524	0.801072	0.150453	0.8823
SERV_DEBT	-2.524986	2.874066	-0.878541	0.3927
C	34.44008	5.458825	6.309065	0.0000
R-squared	0.385492	Mean dependent var		18.30327
Adjusted R-squared	0.270271	S.D. dependent var		9.287609
S.E. of regression	7.933861	Akaike info criterion		7.157013
Sum squared resid	1007.138	Schwarz criterion		7.356160
Log likelihood	-67.57013	Hannan-Quinn criter.		7.195889
F-statistic	3.345693	Durbin-Watson stat		2.040429
Prob(F-statistic)	0.045633

Уравнение запишется в виде:

GR_GDP = C(1)*DOM_DEBT + C(2)*EX_DEBT + C(3)*SERV_DEBT + C(4)    (1)

 

GR_GDP = -0.876673959814*DOM_DEBT + 0.12052353305*EX_DEBT - 2.52498592369*SERV_DEBT + 34.4400842628

 

Prob(F-statistic) = 0.045633<0.05. При 5% уровне значимости можем отклонить нулевую гипотезу в пользу альтернативной. Уравнение значимо в целом.

Переменная EX_DEBT не является статистически значимой Prob.=0,8823>0.05. Т. е. принимается нулевая гипотеза.

Исключим незначимую переменную EX_DEBT.

 

Dependent Variable: GR_GDP
Method: Least Squares
Date: 12/03/21   Time: 15:45
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
DOM_DEBT	-0.918078	0.445161	-2.062349	0.0548
SERV_DEBT	-2.141685	1.291512	-1.658278	0.1156
C	34.52913	5.268341	6.554080	0.0000
R-squared	0.384622	Mean dependent var		18.30327
Adjusted R-squared	0.312225	S.D. dependent var		9.287609
S.E. of regression	7.702418	Akaike info criterion		7.058427
Sum squared resid	1008.563	Schwarz criterion		7.207787
Log likelihood	-67.58427	Hannan-Quinn criter.		7.087583
F-statistic	5.312657	Durbin-Watson stat		1.993999
Prob(F-statistic)	0.016133

 

 

Получаем  уравнение:

GR_GDP = C(1)*DOM_DEBT + C(2)*SERV_DEBT + C(3)     (2)

 

GR_GDP = -0.918077756312*DOM_DEBT - 2.14168548681*SERV_DEBT + 34.5291311448

 

Prob(F-statistic) = 0.016<0.05. При 5% уровне значимости можем отклонить нулевую гипотезу в пользу альтернативной. Уравнение значимо в целом.

Переменная SERV_DEBT не является статистически значимой Prob.=0,1156>0.05. Т. е. принимается нулевая гипотеза.

Исключим незначимую переменную SERV_DEBT.

Dependent Variable: GR_GDP
Method: Least Squares
Date: 11/25/21   Time: 21:24
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
DOM_DEBT	-1.172637	0.437696	-2.679113	0.0153
C	30.47700	4.888980	6.233816	0.0000
R-squared	0.285080	Mean dependent var		18.30327
Adjusted R-squared	0.245362	S.D. dependent var		9.287609
S.E. of regression	8.068135	Akaike info criterion		7.108361
Sum squared resid	1171.706	Schwarz criterion		7.207934
Log likelihood	-69.08361	Hannan-Quinn criter.		7.127799
F-statistic	7.177648	Durbin-Watson stat		1.695224
Prob(F-statistic)	0.015316

 

В рамках первой гипотезы получили уравнение:

GR_GDP = -1.17263745956*DOM_DEBT + 30.4769973303  (3)

Строим уравнение в рамках второй  гипотезы.

 

Dependent Variable: GR_GDP
Method: Least Squares
Date: 12/03/21   Time: 15:52
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.265410	0.067017	3.960337	0.0011
INF	0.590351	0.432347	1.365455	0.1910
EXCH	-0.041691	0.122471	-0.340413	0.7380
C	12.40074	3.846141	3.224202	0.0053
R-squared	0.658203	Mean dependent var		18.30327
Adjusted R-squared	0.594117	S.D. dependent var		9.287609
S.E. of regression	5.917040	Akaike info criterion		6.570406
Sum squared resid	560.1819	Schwarz criterion		6.769553
Log likelihood	-61.70406	Hannan-Quinn criter.		6.609282
F-statistic	10.27049	Durbin-Watson stat		1.623933
Prob(F-statistic)	0.000519

 

Получаем  уравнение:

GR_GDP = C(1)*GR_OIL + C(2)*INF + C(3)*EXCH + C(4)   (4)

 

GR_GDP = 0.265409621675*GR_OIL + 0.590350738331*INF - 0.0416907323206*EXCH + 12.4007357845

Переменная EXCH не является статистически значимой Prob.=0,738>0.05. Т. е. принимается нулевая гипотеза.

Исключаем незначимую переменную EXCH.

Dependent Variable: GR_GDP
Method: Least Squares
Date: 11/25/21   Time: 21:27
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.280018	0.050118	5.587163	0.0000
INF	0.593116	0.420880	1.409227	0.1768
C	12.03452	3.595317	3.347276	0.0038
R-squared	0.655728	Mean dependent var		18.30327
Adjusted R-squared	0.615225	S.D. dependent var		9.287609
S.E. of regression	5.761122	Akaike info criterion		6.477623
Sum squared resid	564.2390	Schwarz criterion		6.626983
Log likelihood	-61.77623	Hannan-Quinn criter.		6.506779
F-statistic	16.18978	Durbin-Watson stat		1.547397
Prob(F-statistic)	0.000116

 

Получим уравнение:

GR_GDP = C(1)*GR_OIL + C(2)*INF + C(3)  (5)

 

GR_GDP = 0.280018236824*GR_OIL + 0.593115704649*INF + 12.0345161551

 

Переменная INF не является статистически значимой Prob.=0,1768>0.05. Т. е. принимается нулевая гипотеза.

Исключаем незначимую переменную inf.

 

 

Dependent Variable: GR_GDP
Method: Least Squares
Date: 11/25/21   Time: 21:28
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.275813	0.051381	5.367991	0.0000
C	16.74799	1.354389	12.36572	0.0000
R-squared	0.615511	Mean dependent var		18.30327
Adjusted R-squared	0.594150	S.D. dependent var		9.287609
S.E. of regression	5.916797	Akaike info criterion		6.488107
Sum squared resid	630.1528	Schwarz criterion		6.587680
Log likelihood	-62.88107	Hannan-Quinn criter.		6.507545
F-statistic	28.81533	Durbin-Watson stat		1.252822
Prob(F-statistic)	0.000042

В рамках второй гипотезы получили уравнение:

GR_GDP = C(1)*GR_OIL + C(2)      (6)

 

GR_GDP = 0.275813333182*GR_OIL + 16.7479929532

 

Строим уравнение в рамках третьей  гипотезы.

 

Dependent Variable: GR_GDP
Method: Least Squares
Date: 11/25/21   Time: 21:31
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.244991	0.050028	4.897061	0.0002
INF	0.260457	0.411935	0.632279	0.5367
DOM_DEBT	-0.756004	0.299273	-2.526140	0.0233
SERV_DEBT	-0.285504	0.974132	-0.293085	0.7735
C	23.60329	6.282416	3.757040	0.0019
R-squared	0.765578	Mean dependent var		18.30327
Adjusted R-squared	0.703066	S.D. dependent var		9.287609
S.E. of regression	5.060972	Akaike info criterion		6.293312
Sum squared resid	384.2016	Schwarz criterion		6.542245
Log likelihood	-57.93312	Hannan-Quinn criter.		6.341907
F-statistic	12.24682	Durbin-Watson stat		2.450876
Prob(F-statistic)	0.000127

Исключаем незначимые переменные SERV_DEBT и INF.

 

 

Dependent Variable: GR_GDP
Method: Least Squares
Date: 11/25/21   Time: 21:32
Sample: 2001 2020
Included observations: 20
Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.246745	0.043263	5.703325	0.0000
DOM_DEBT	-0.839001	0.270273	-3.104271	0.0064
C	25.62199	3.067804	8.351897	0.0000
R-squared	0.754610	Mean dependent var		18.30327
Adjusted R-squared	0.725741	S.D. dependent var		9.287609
S.E. of regression	4.863897	Akaike info criterion		6.139038
Sum squared resid	402.1774	Schwarz criterion		6.288398
Log likelihood	-58.39038	Hannan-Quinn criter.		6.168195
F-statistic	26.13879	Durbin-Watson stat		2.269640
Prob(F-statistic)	0.000007

В рамках третьей гипотезы получили уравнение:

GR_GDP = 0.246744831644*GR_OIL - 0.839000703749*DOM_DEBT + 25.6219866366 (7)

 

 

6. Проверка выдвинутых гипотез (их принятие или отклонение) с пояснением выбора метода и результатами анализа.

Для определения степени влияния государственного долга на экономическое развитие страны должен использоваться метод многофакторного корреляционно-регрессионного анализа, который позволяет установить причинно-следственную связь между ростом ВВП и макроэкономическими показателями. С помощью уравнений множественной регрессии надо проверить следующие гипотезы:

H01: Увеличение государственного долга (внутреннего и внешнего) и общего обслуживания долга Казахстана не влияет на уровень ВВП.

В целом данную гипотезу не можем отвергнуть, так как полученное нами уравнение (1) является статистически значимым в целом с уровнем доверия 5%. Однако не все переменные в данном уравнении являются статистически значимыми. Обслуживание долга и величина внешнего долга оказались статистически незначимыми, далее мы исключили их из уравнения. В уравнении (3) все переменные значимы. Значимость F-статистики меньше 0,05, следовательно отвергаем нулевую гипотезу в пользу альтернативной. Внутренний долг Казахстана влияет на уровень ВВП. В то время как внешний долг и обслуживание долга не влияют на ВВП Казахстана.

Prob(F-statistic)

0.015316

H02: Изменение  макроэкономических показателей (инфляция, курс доллара и цена на нефть) не оказывает никакого влияния на уровень ВВП в Казахстане.

В целом данную гипотезу не можем отвергнуть, так как полученное нами уравнение (4) является статистически значимым в целом с уровнем доверия 5%. Однако не все переменные в данном уравнении являются статистически значимыми. Переменный инфляции и обменного курса не являются статистически значимыми, мы их исключили из уравнения (3). В уравнении (6) все переменные значимы. Значимость F-статистики меньше 0,05, следовательно, отвергаем нулевую гипотезу в пользу альтернативной. Цены на нефть влияет на уровень ВВП. Следовательно на темп роста ВВП Казахстана влияет только изменения цен на нефть, инфляция и обменный курс на ВВП влияния не имеют.

 

Prob(F-statistic)

0.000042

H03: Увеличение внешнего долга, внутреннего долга, общего обслуживания долга и других макроэкономических показателей (инфляция, курс доллара и цена на нефть) не оказывает никакого влияния на уровень ВВП в Казахстане.

Отвергаем данную гипотезу, так как внутренний долг и цены на нефть  влияют на уровень ВВП. В уравнении (7) все переменные значимы. Значимость F-статистики меньше 0,05, следовательно, отвергаем нулевую гипотезу в пользу альтернативной. Цены на нефть и внутренний долг влияют на уровень ВВП.

 

Prob(F-statistic)

0.000007

 

7. Найти средние квадратические ошибки коэффициентов регрессии. Используя критерий Стьюдента проверить статистическую значимость параметров модели. Здесь и далее принять уровень значимости 0,05(т. е. надежность 95%).

Для первой модели средние квадратические ошибки (Std. Error) и t-статистики (t-Statistic) представлены в таблице:

 

Variable	Coefficient	Std. Error	t-Statistic	Prob.
DOM_DEBT	-1.172637	0.437696	-2.679113	0.0153
C	30.47700	4.888980	6.233816	0.0000

 

Для всех коэффициентов Prob < 0.05, следовательно отвергаем нулевую гипотезу в пользу альтернативной. Коэффициенты модели являются статистически значимыми.

Для второй модели средние квадратические ошибки (Std. Error) и t-статистики (t-Statistic) представлены в таблице:

 

Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.275813	0.051381	5.367991	0.0000
C	16.74799	1.354389	12.36572	0.0000

Для всех коэффициентов Prob < 0.05, следовательно отвергаем нулевую гипотезу в пользу альтернативной. Коэффициенты модели являются статистически значимыми.

Для третьей модели средние квадратические ошибки (Std. Error) и t-статистики (t-Statistic) представлены в таблице:

 

Variable	Coefficient	Std. Error	t-Statistic	Prob.
GR_OIL	0.246745	0.043263	5.703325	0.0000
DOM_DEBT	-0.839001	0.270273	-3.104271	0.0064
C	25.62199	3.067804	8.351897	0.0000
Для всех коэффициентов Prob < 0.05, следовательно отвергаем нулевую гипотезу в пользу альтернативной. Коэффициенты модели являются статистически значимыми.

 

Для всех коэффициентов Prob < 0.05, следовательно отвергаем нулевую гипотезу в пользу альтернативной. Коэффициенты модели являются статистически значимыми.

 

8. Вычислить эмпирический коэффициент детерминации и скорректированный коэффициент детерминации. Проверить, используя критерий Фишера, адекватность линейной модели.

Для первой модели коэффициент детерминации (R-squared) и скорректированный коэффициент детерминации (Adjusted R-squared), а также значение критерия Фишера (F-statistic) представлены в таблице.

 

Уровень значимости F- критерия (Prob(F-statistic)) меньше 0,05, следовательно отвергаем нулевую гипотезу, модель значима в целом.

Для второй модели коэффициент детерминации (R-squared) и скорректированный коэффициент детерминации (Adjusted R-squared), а также значение критерия Фишера (F-statistic) представлены в таблице.

 

Уровень значимости F- критерия (Prob(F-statistic)) меньше 0,05, следовательно отвергаем нулевую гипотезу, модель значима в целом.

Для третьей модели коэффициент детерминации (R-squared) и скорректированный коэффициент детерминации (Adjusted R-squared), а также значение критерия Фишера (F-statistic) представлены в таблице.

 

 

Уровень значимости F- критерия (Prob(F-statistic)) меньше 0,05, следовательно отвергаем нулевую гипотезу, модель значима в целом.

 

9. Установить наличие (отсутствие) автокорреляции случайных отклонений модели. А также провести другие диагностические тесты для того чтобы убедиться в статистической надежности моделей и возможности их использования для прогнозирования:

- метод графического анализа

- статистика Дарбина-Уотсона

-Histogram-Normality Test,

- Breusch-Godfrey Serial Correlation Test ,

- Ramsey RESET Test.

- CUSUM Тест на устойчивость модели ВВП (CUSUM Test for Stability of GDP model).

 

Из построенных трёх моделей выбираем третью, так как она по смыслу объединяет первых две, у неё самый высокий коэффициент детерминации, все коэффициенты статистически значимы.

Произведём Ramsey RESET Test на правильность спецификации модели.

 

Ramsey RESET Test
Equation: EQ03
Specification: GR_GDP GR_OIL  DOM_DEBT  C
Omitted Variables: Powers of fitted values from 2 to 3
	Value	df	Probability
F-statistic	0.187750	(2, 15)	0.8307
Likelihood ratio	0.494502	2	0.7809

 

Probability (F-statistic) больше 0,05, следовательно принимаем нулевую гипотезу и спецификация модели признаётся верной.

Изобразим график остатков модели.

По виду графика, не наблюдаем взаимосвязь между остатками. Визуальный графический анализ свидетельствует о отсутствии автокорреляции.

Проверим остатки на нормальность, использую критерий Жака-Берра.

 

Р-значение равно 0,572, что больше 0,05. Следовательно, принимаем нулевую гипотезу, т. е. остатки модели имеют нормальное распределение.

Проверим модель на автокорреляцию остатков, с помощью статистики Дарбина-Уотсона:

 

Durbin-Watson stat

2.269640

4 – DW = 4 – 2.27 = 1.73

При m=2 и n = 20, dl = 1.1, du = 1.537

4 – DW>du, следовательно в модели (3) не наблюдаем автокорреляцию остатков.

Произведём тест Breusch-Godfrey Serial Correlation на наличие серийной автокорреляции.

 

Breusch-Godfrey Serial Correlation LM Test:
F-statistic	1.795230	Prob. F(2,15)		0.2000
Obs*R-squared	3.862692	Prob. Chi-Square(2)		0.1450

 

Prob. F(2,15) = 0,2, что меньше 0,05, следовательно серийная автокорреляция в модели отсутствует.

 

Произведём CUSUM Тест на устойчивость модели ВВП (CUSUM Test for Stability of GDP model).

 

Если график статистики выходит за пределы линий, то параметры модели, вероятно, являются нестабильными — необходимо либо изменить модель, либо разделить выборку на однородные подвыборки. Из графика видно, что модель устойчива, так как график не выходит за пределы, а наоборот стабилизируется относительно нулевой линии.

 

10. Установить наличие (отсутствие) гетероскедастичности случайных отклонений модели (тест Вайта, тест Глейзера и тест Бреуша-Пагана).

Произведём тест Вайта на гетероскедастичность.

 

Heteroskedasticity Test: White
F-statistic	0.364949	Prob. F(5,14)		0.8641
Obs*R-squared	2.306192	Prob. Chi-Square(5)		0.8054
Scaled explained SS	1.927782	Prob. Chi-Square(5)		0.8590

 

Prob. F(5,14) = 0,8641, что больше 0,05. Следовательно принимаем нулевую гипотезу, в модели гетероскедастичность отсутствует.

 

Произведём тест Глейзера на гетероскедастичность.

 

Heteroskedasticity Test: Glejser
F-statistic	0.482659	Prob. F(2,17)		0.6253
Obs*R-squared	1.074647	Prob. Chi-Square(2)		0.5843
Scaled explained SS	1.024545	Prob. Chi-Square(2)		0.5991

Prob. F(5,14) = 0,6253, что больше 0,05. Следовательно принимаем нулевую гипотезу, в модели гетероскедастичность отсутствует.

 

Произведём тест Бреуша-Пагана на гетероскедастичность.

 

Heteroskedasticity Test: Breusch-Pagan-Godfrey
F-statistic	0.339695	Prob. F(2,17)		0.7167
Obs*R-squared	0.768568	Prob. Chi-Square(2)		0.6809
Scaled explained SS	0.642458	Prob. Chi-Square(2)		0.7253

 

Prob. F(5,14) = 0,7167, что больше 0,05. Следовательно принимаем нулевую гипотезу, в модели гетероскедастичность отсутствует.

 Все три теста показали отсутствие гетероскедастичности в модели (3)

 

 

11. Обобщить результаты оценивания параметров модели и результаты проверки модели на адекватность.

Целью данного исследования являлось рассмотрение влияния внешнего и внутреннего долга на экономику Казахстана, а так же влияние других макроэкономических факторов. Из объясняющих факторов мы оставили внутренний долг, внешний долг обслуживание долга, цены на нефть, обменный курс и  инфляцию. Далее мы рассмотрели три гипотезы:

H01: Увеличение государственного долга Казахстана не влияет на уровень ВВП.

H02: Изменение  макроэкономических показателей (инфляция, курс доллара и цена на нефть) не оказывает никакого влияния на уровень ВВП в Казахстане.

H03: Увеличение внешнего долга, внутреннего долга, общего обслуживания долга и других макроэкономических показателей (инфляция, курс доллара и цена на нефть) не оказывает никакого влияния на уровень ВВП в Казахстане.

Все нулевые гипотезы в рамках построенных трёх моделей нами были отвергнуты  в пользу альтернативных. Т. е. имеется влияние и долга и других макроэкономических факторов на прирост ВВП. Однако при построении моделей в рамках первой и второй гипотез мы получили парные регрессии так как незначимые переменные были исключены. Поэтому наиболее полно и достоверно экономическую тенденцию отражает третья модель – модель множественной регрессии. В ней величина прироста ВВП зависит от внутреннего долга и цен на нефть. При чем величина долга отрицательно влияет на уровень ВВП, а цены на нефть положительно. В дальнейшем исследовании мы первых два уравнения отбросили, так как они недостаточно полно характеризуют рассматриваемое явление. Рассматриваемые временные ряды были оценены с помощью теста KPSS на стационарность. Результат – все рассматриваемые нами временные ряды являются стационарными. Далее мы оценили правильность спецификации модели с помощью теста Рамсея. Модель - верно специфицирована. Далее мы установили отсутствие в модели (7) автокорреляции остатков случайных отклонений и гетероскедастичности. Так же с помощью CUSUM теста была оценена устойчивость модели. Модель оказалась устойчивой. Обобщая, могу отметь, что полученная нами модель (7) является удачной и её можно использовать в рамках экономического анализа. Она объясняет 75,4% изменения результативного признака (темп прироста ВВП). При возрастании цен на нефть на 1%, ВВП возрастает на 0,25%, а при возрастании внутреннего долга на 1% величина ВВП сокращается на 0,84%. Т. е. внутренний долг и цены на нефть имеют существенное влияние на экономику Казахстана.

Видеоуроки по решению этой задачи в Eviews.