Data 7 – 8
Dati par valstu ekonomisko
izaugsmi un tās noteicošie faktori. Dati ņemti no Mankiv, Romer un Weil, QJE 1992.
Grth - ieņēmumu izmaiņas izteiktas ar
logaritmu no 1960- 1985(atkarīgais mainīgais)
Y60 – ieņēmumu izmaiņas izteiktas ar logaritmu 1960
Inv – vidējais
kapitālieguldījums attiecībā pret NKP no 1960 – 1980
Pop – iedzīvotāju skaita
palielināšanās mērs izteikts ar logaritmu
School – mācību iestāžu
apmeklējošo iedzīvotāju skaita procentuālā izmaiņa
Dn – 1 valstī nav nata, 0
valstī ir nafta
Di - 1 valsts ir industrializēta, 0 valsts nav
industrializēta
Doecd – 1 OECD dalībvalsts,
0 nav OECD dalībvalsts (OECD Organisation for Economics Coorperation and
Development)
Pirms pirmās faktoru
izslēgšanas ieguvu sekojošas betta hat vērtības:
B^1
|
-0,38722557
|
B^2
|
0,50281835
|
B^3
|
-0,32708307
|
B^4
|
0,17318494
|
B^5
|
-0,66846014
|
B^6
|
0,30568926
|
B^7
|
0,24171632
|
B^8
|
1,28517834
|
Korelācija starp b^ un starp
mainīgajiem faktoriem:
Cor(x)
|
1
|
0,492282
|
-0,17453
|
0,721757
|
-0,17772
|
0,34560162
|
0,571948
|
|
0,492282
|
1
|
-0,296601
|
0,612437
|
0,032034
|
0,39690314
|
0,500447
|
|
-0,17453
|
-0,2966
|
1
|
-0,15607
|
-0,25275
|
-0,17511824
|
-0,69729
|
|
0,721757
|
0,612437
|
-0,156065
|
1
|
-0,02879
|
0,51651287
|
0,459812
|
|
-0,17772
|
0,032034
|
-0,252755
|
-0,02879
|
1
|
0,39791858
|
0,128164
|
|
0,345602
|
0,396903
|
-0,175118
|
0,516513
|
0,397919
|
1
|
0,322087
|
|
0,571948
|
0,500447
|
-0,697288
|
0,459812
|
0,128164
|
0,32208669
|
1
|
cor(b^)
|
1
|
0,024677
|
-0,236982
|
-0,5069
|
0,265783
|
-0,05199628
|
-0,46755
|
-0,58287
|
|
0,024677
|
1
|
0,049677
|
-0,3639
|
0,048801
|
-0,0985019
|
-0,17309
|
-0,15205
|
|
-0,23698
|
0,049677
|
1
|
-0,03653
|
0,141405
|
-0,05357997
|
0,696917
|
0,89573
|
|
-0,5069
|
-0,3639
|
-0,03653
|
1
|
0,053937
|
-0,32787454
|
0,026314
|
0,182873
|
|
0,265783
|
0,048801
|
0,141405
|
0,053937
|
1
|
-0,47257112
|
-0,07352
|
-0,11192
|
|
-0,052
|
-0,0985
|
-0,05358
|
-0,32787
|
-0,47257
|
1
|
-0,02254
|
0,027241
|
|
-0,46755
|
-0,17309
|
0,696917
|
0,026314
|
-0,07352
|
-0,02254147
|
1
|
0,793749
|
|
-0,58287
|
-0,15205
|
0,89573
|
0,182873
|
-0,11192
|
0,02724064
|
0,793749
|
1
|
Pirms pirmās faktoru
izslēgšanas izskaidroto kvadrātu starpības summas attiecība pret totālo
kvadrātu summu bija aptuveni 0,38. Tas nozīmē ka ir izskaidroti aptuveni 38% no
dotajiem datiem. Kas savukārt liecina par to, ka modelis pilnībā neatspoguļo
pētīto problēmu. R2 adjusted, kurš ir precīzāks rādītājs par
R2 ir vēl mazāks apmēram 33%.
Konfidences intervāls s2 ar ticamības līmeni
0,95:
PROB(0,07689<s2<0,123581)=0,95
Pirmo faktoru izslēgšanu veicu pēc
hipotēzes, ka katra no b neietekmē atkarīgo mainīgo izmantojot
t – statistiku novērtēšanas.
Faktori
|
H0:b=0
|
P - value
|
X1
|
b1
|
1,2567E-10
|
X2
|
b2
|
1,8406E-08
|
X3
|
b3
|
0,33185564
|
X4
|
b4
|
0,00348032
|
X5
|
b5
|
6,1177E-05
|
X6
|
b6
|
0,00113695
|
X7
|
b7
|
0,08292835
|
X8
|
b8
|
0,22026013
|
Novērtējot P-value vērtības
izsecināju, ka jāizslēdz trešais faktors, jo tā vērtība ir pārāk liela. Ja P-
value ir liela tas nozīmē, ka hipotēze piepildās, kas savukārt liecina par to,
ka trešais faktors neietekmē atkarīgo mainīgo šajā modelī ( valsts ieņēmumu
izmaiņas nav atkarīgas no iedzīvotāju skaita izmaiņām).
Nākošā modeļa pārbaude tika
veikta izmantojot F- testu. Tika izvirzīta hipotēze, ka neviens no faktoriem
neietekmē atkarīgo mainīgo.
Test F
|
8,33302086
|
P value
|
0,00319371
|
P-value vērtība ir pietiekami maza, lai
noraidītu izvirzīto hipotēzi.
Pēc pirmās faktoru izslēgšanas ieguvu jaunās b^ vērtības:
b1^
|
-0,3996319
|
b2^
|
0,5067848
|
b4^
|
0,1711255
|
b5^
|
-0,6464765
|
b6^
|
0,3009282
|
b7^
|
0,3354816
|
b8^
|
2,1951175
|
Pārbaudīju
H0: b=0 ar t-statistikas palīdzību:
X1
|
b1
|
1,36947E-11
|
X2
|
b2
|
1,38044E-08
|
X4
|
b4
|
0,003830726
|
X5
|
b5
|
8,65715E-05
|
X6
|
b6
|
0,001316807
|
X7
|
b7
|
0,001005595
|
X8
|
b8
|
7,28398E-06
|
Nav iemesla
izslēgt kādu no faktoriem, jo visas P – value vērtības ir mazas, lai izvirzīto
hipotēzi noraidītu.
F- tests:
Test F
|
9,7602706
|
P value
|
0,0040372
|
P –value vērtība
ir pietiekoši maza, lai noraidītu hipotēzi, ka nevienai no b nav ietekme uz
atkarīgo mainīgo.
Konfidences
intervāls s2 ar ticamības līmeni 0,95:
PROB(0,07689<s<0,123581)=0,95
Kofidences
intervāli b ar ticamības līmeni 0,95:
|
Prob(b1^-SE(b1^)<b1<b^1+SE(b1))=g
|
||
|
b^-SE(b)*t
|
<b<
|
b^+SE(b)*t
|
b1
|
-0,5031035
|
-0,399631859
|
-0,29616
|
b2
|
0,5067848
|
0,506784835
|
0,506785
|
b4
|
0,1711255
|
0,171125478
|
0,171125
|
b5
|
-0,6464765
|
-0,646476486
|
-0,64648
|
b6
|
0,3009282
|
0,300928169
|
0,300928
|
b7
|
0,3354816
|
0,335481617
|
0,335482
|
b8
|
2,1951175
|
2,195117485
|
2,195117
|
Regresijas
vienādojums:
Y-0,452=-0,3996(X1-7,64)+0,506(X2-2,752)+0,171(X4-1,38)-0,646(X5-0,94)+0,3(X6-0,721)+0,33(X7-0,21)
Šo regresijas
vienādojumu nevar izmantot prognozes aprēķināšanā, jo dotie dati ir izteikti ar
log, taču uzdevumā nav minēts pie kādas bāzes. Tomēr tas atspoguļo to, kuri no
faktoriem visvairāk ietekmē valsts ienākumu izmaiņas. Vislielākā ietekme uz
valsts ienākumu izmaiņām ir kapitālieguldījumiem attiecībā pret NKP.
Ventspils Augstskolas
Pārvaldības nodaļas
1.
kursa studenta
Daiņa Zvirbuļa
Eksāmena darbs ekonometrijā
![]() |
Nav komentāru:
Ierakstīt komentāru