Эконометрический анализ Курсовая с практикой Экономические науки

Курсовая с практикой на тему Эконометрический анализ влияния различных факторов на индекс стоимости жизни в Европе

  • Оформление работы
  • Список литературы по ГОСТу
  • Соответствие методическим рекомендациям
  • И еще 16 требований ГОСТа,
    которые мы проверили
Нажимая на кнопку, я даю согласие
на обработку персональных данных
Фрагмент работы для ознакомления
 

Содержание:

 

Введение 3

1. Анализ данных 4

2. Построение корреляционной матрицы 6

3. Построение корреляционных полей 7

3. Построение модели регрессии 9

4. Проверка значимости регрессии в целом 13

5. Тест на мультиколлинеарность 15

6. Тесты на гетероскедастичность 17

7. Тест Уайта 19

8. Тест Бреуша-Пагана 20

9. Определение оптимальности функциональной формы модели 21

Заключение 22

Список использованной литературы и Интернет-ресурсов 24

  

Введение:

 

Рынок труда представляет собой важнейшую составляющую всего рыночного механизма. В настоящее время в экономике остается неразрешенной проблема определения размера заработной платы. Актуальность исследования объясняется зависимостью уровня жизни населения страны от величины заработной платы. Для выявления факторов, которые оказывают непосредственное влияние на размер заработной платы, был проведено эконометрическое моделирование.

Целью исследования является эконометрическое моделирование и дальнейшее прогнозирование возможного размера заработной платы в ежемесячной динамике при влиянии социально-экономических факторов на основе ежемесячных статистических данных в период с 01.01.2018 года по 01.09.2020 года.

Достижение указанной цели определило постановку и решение следующих задач:

1. Анализ данных.

2. Построение корреляционной матрицы.

3. Построение корреляционных полей.

3. Построение модели регрессии.

4. Проверка значимости регрессии в целом.

5. Тест на мультиколлинеарность.

6. Тесты на гетероскедастичность.

7. Тест Уайта.

8. Тест Бреуша-Пагана.

9. Определение оптимальности функциональной формы модели.

Структура работы представлена девятью разделами, заключением и списком литературы.

Не хочешь рисковать и сдавать то, что уже сдавалось?!
Закажи оригинальную работу - это недорого!

Заключение:

 

1. Размер индекса стоимости жизни в Европе зависит от таких факторов, как уровень занятости населения, количество занятых в экономике;

2. При увеличении уровня занятости населения размер индекса стоимости жизни в Европе уменьшается;

3. наибольшее прогнозное значение среднемесячной заработной платы будет достигнуто лишь при максимальных значениях независимых переменных.

Таким образом, для улучшения благосостояния населения страны, государство должно принимать к учету влияние проанализированных факторов на размер среднемесячной заработной платы.

Уравнение регрессии:

Y^= 442124 -9,498 *X1 + 4948*X2 + eT^

(119721) (4,19335) (3617,36) (4680,654)

Статистическая значимость регрессии в целом:

(Н0: R^2 равен 0; H1: R^2 неравен 0)

Коэффициент детерминации (R^2) равен 0,27 или 27%. Расчетные параметры модели объясняют зависимость между рассматриваемыми параметрами на 27%. Как результат, гипотеза Н0 о равенстве коэффициента детерминации нулю отвергается и принимается альтернативная гипотеза Н1. Данная модель является резонной, однако некачественной и неточной. Модель плохо описывает процесс. (Рисунок 9)

Стандартная ошибка равна 4680,654. Фактические значения Y отличаются от предсказанных в среднем на 4680,654%. При данной спецификации модели такое отклонение является большим. Следовательно, модель неточная (Рисунок 9).

Значимость F является числом – 0,008748, значит модель достоверна с вероятностью почти 100% (Рисунок 9).

Средняя ошибка аппроксимации равна 7,67 %. Считается, что модель является не точной, если она больше 7 %. Таким образом, модель является неточной.

Статистическая значимость параметров:

(Н0: p-value равен 0; H1: p-value не равен 0).

X1 значим с вероятностью около 100%, так как его p-value = 0,0309 (Рисунок 9).

X2 значим с вероятностью около 100%, так как его p-value = 0,1815 (Рисунок 9).

Следовательно, гипотеза Н0 отвергается и принимается альтернативная гипотеза Н1.

Таким образом, можно сделать вывод, что уравнение регрессии данной модели является некачественным.

 

Фрагмент текста работы:

 

1. Анализ данных

В качестве зависимой переменной был выбран индекс стоимости жизни в Европе (Y). Для проведения эконометрического анализа были отобраны признаки, которые характеризуют размер заработной платы:

– личное конечное потребление на душу в год в текущих ценах (с учетом ППС) в тыс. долл.;

– уровень занятости населения, %.;

– величина прожиточного минимума, долл.;

– среднедушевые денежные доходы населения по Европе, долл.;

– ВВП на душу населения, долл.

Статистические данные, послужившие основой для проведенного исследования, были взяты из следующих источников: https://rosstat.gov.ru/vpm

Исходные данные, на основе которых была выполнена работа, были взяты в промежутке с 01.01.2018 по 01.09.2020 и представлены в виде таблицы 1:

Таблица 1. Исходные данные

2. Построение корреляционной матрицы

На рисунке 1 представлена матрица коэффициентов корреляции для всех пяти переменных. Матрица получена с помощью программы Gretl.

Рис. 1. Матрица коэффициентов корреляции

Анализ значимости коэффициентов корреляционной модели позволяет определить, что наибольшее влияние на темп инфляции оказывает X2 — уровень занятости населения. Наименьшее влияние на переменную Y оказывает Х4 – cреднедушевые денежные доходы населения по Европе. Двухстороннее p-value (0.3440) показывает, что коэффициенты корреляции X2 (1>0.3440) и X5 (0.2454>0.3440) значимы, а Х1 (0.3440>-0.4748), Х3 (0,3440> 0.2055), X4 (0,3440>0.1929) являются незначимыми.

3. Построение корреляционных полей

На основании исходной выборки были построены диаграммы рассеяния пяти факторов, влияющих на формирование Индекс стоимости жизни в Европе в регионах Европе (Y). Анализ построенных диаграмм рассеяния позволяет сделать вывод о наличии корреляционной зависимости между эндогенной переменной и исследуемыми факторами (рис. 1).

Рис. 2. Диаграммы рассеяния факторов X1, X2, X3, X4, X5

В диаграммах рассеяния между Y и Х2, X5 наблюдается умеренная, прямая и линейная корреляционная связь. Между Y и X4, Х3 – слабая, прямая взаимосвязь. Между Y и Х1 наблюдается слабая, обратная взаимосвязь.

3. Построение модели регрессии

Применим метод последовательной регрессии. Метод наименьших квадратов показал, что переменная X3 – величина прожиточного минимума — незначима, поскольку значение p-value (0,8821) > 0,05 (Рисунок 4). Таким образом, можно сделать вывод, что величина прожиточного минимума не влияет на Личное конечное потребление на душу в год в текущих ценах (с учетом ППС).

Важно! Это только фрагмент работы для ознакомления
Скачайте архив со всеми файлами работы с помощью формы в начале страницы

Похожие работы