Эконометрический анализ зависимости ВВП России от мировых цен на нефть и газ в 1990-2014 годах

Оглавление
Введение 3
Построение модели регрессии 5
Заключение 25
Список использованных источников 26

ошибкаt-статистикаP-значениеl_Oil8,830370,7318112,0665<0,00001l_NG-4,226312,00403-2,10890,04657Среднее зав. перемен 27,15852Ст. откл. зав. перемен 0,722799Сумма кв. остатков 353,1101Ст. ошибка модели 4,006302R-квадрат 0,980066Испр. R-квадрат 0,979160F(2, 22) 540,8242Р-значение (F) 1,97e-19Лог.правдоподобие-66,31924Крит. Акаике 136,6385Крит. Шварца 138,9946Крит. Хеннана-Куинна 137,2636Параметр rho 0,942244Стат. Дарбина-Вотсона 0,116716Критерий Дарбина-Уотсона. Этот критерий является наиболее известным для обнаружения автокорреляции. При статистическом анализе уравнения регрессии на начальном этапе часто проверяют выполнимость одной предпосылки: условия статистической независимости отклонений между собой. При этом проверяется некоррелированность соседних величин ei. yy(x)ei = y-y(x)e2(ei - ei-1)226.9726.98-0.01360.000185026.9626.890.06420.004120.0060626.8526.750.110.01160.001926.826.520.270.07510.027626.726.470.230.0530.0019226.726.630.0750.005620.024126.6926.630.06710.004516.1E-526.7326.570.150.02340.0073926.3326.20.120.01450.001072626.55-0.540.30.4426.2826.84-0.550.316.3E-526.4526.64-0.190.03720.1326.5726.75-0.190.03455.2E-526.7926.730.05330.002840.057127.1127.060.04710.002223.8E-527.3627.280.08440.007120.0013927.6227.590.03210.001030.0027327.8927.70.190.03550.024428.14280.140.02040.0020827.8327.770.05820.003390.0071528.0528.040.00847.1E-50.0024828.2828.32-0.04180.001750.0025228.3328.49-0.150.02350.012428.3728.39-0.0220.0004860.01720.960.77Для анализа коррелированности отклонений используют статистику Дарбина-Уотсона: Критические значения d1 и d2 определяются на основе специальных таблиц для требуемого уровня значимости α, числа наблюдений n = 24 и количества объясняющих переменных m=2. Автокорреляция отсутствует, если выполняется следующее условие: d1 < DW и d2 < DW < 4 - d2. Не обращаясь к таблицам, можно пользоваться приблизительным правилом и считать, что автокорреляция остатков отсутствует, если 1.5 < DW < 2.5. Поскольку 1.5 > 0.8 < 2.5, то автокорреляция остатков присутствует. Для более надежного вывода целесообразно обращаться к табличным значениям. По таблице Дарбина-Уотсона для n=24 и k=2 (уровень значимости 5%) находим: d1 = 1.19; d2 = 1.55. Поскольку 1.19 < 0.8 и 1.55 < 0.8 < 4 - 1.55, то автокорреляция остатков присутствует. Далее, необходимо выявить природу стохастических остатков с помощью теста единичного корня Дикки-Фулера. Для более точных оценок сначала выберем максимально используемый лаг, предположим, что он равен 8 лагам.Расширенный тест Дики-Фуллера для l_GDPвключая 8 лага(-ов) для (1-L)l_GDP(max was 8, criterion modified AIC)объем выборки 15нулевая гипотеза единичного корня: a = 1тест с константой модель: (1-L)y = b0 + (a-1)*y(-1) + ... + eкоэф. автокорреляции 1-го порядка для e: -0,508лаг для разностей: F(8, 5) = 0,246 [0,9608]оценка для (a - 1): -0,0173746тестовая статистика: tau_c(1) = -0,0413454асимпт. р-значение 0,9537с константой и трендом модель: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + eкоэф. автокорреляции 1-го порядка для e: 0,003оценка для (a - 1): -0,174316тестовая статистика: tau_ct(1) = -1,91223асимпт. р-значение 0,648Расширенный тест Дики-Фуллера для l_Oilвключая 3 лага(-ов) для (1-L)l_Oil(max was 8, criterion modified AIC)объем выборки 20нулевая гипотеза единичного корня: a = 1тест с константой модель: (1-L)y = b0 + (a-1)*y(-1) + ... + eкоэф. автокорреляции 1-го порядка для e: -0,074лаг для разностей: F(3, 15) = 0,686 [0,5743]оценка для (a - 1): 0,00130648тестовая статистика: tau_c(1) = 0,013143асимпт. р-значение 0,9587с константой и трендом модель: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + eкоэф. автокорреляции 1-го порядка для e: -0,014лаг для разностей: F(2, 16) = 0,728 [0,4980]оценка для (a - 1): -0,49552тестовая статистика: tau_ct(1) = -2,45272асимпт. р-значение 0,352Расширенный тест Дики-Фуллера для l_NGвключая один лаг для (1-L)l_NG(max was 8, criterion modified AIC)объем выборки 22нулевая гипотеза единичного корня: a = 1тест с константой модель: (1-L)y = b0 + (a-1)*y(-1) + ... + eкоэф. автокорреляции 1-го порядка для e: -0,052оценка для (a - 1): -0,207614тестовая статистика: tau_c(1) = -1,67458асимпт. р-значение 0,4443с константой и трендом модель: (1-L)y = b0 + b1*t + (a-1)*y(-1) + ... + eкоэф. автокорреляции 1-го порядка для e: 0,074лаг для разностей: F(2, 16) = 0,753 [0,4869]оценка для (a - 1): -0,0566839тестовая статистика: tau_ct(1) = -0,205229асимпт. р-значение 0,993Далее используя, расчетное уравнение ln(GDP) = 23.14 + 1.28ln(Oil)-0.48ln(NG)рассчитаем прогнозные значения ВВП России:1. При ежегодном повышении цен на газ и нефть на 5%:Ln(GDP(+5%))28,600765128,8758033629,1645935229,467823229,78621436ВВП (+5%) 2 637 269 195 102,33 3 472 178 619 224,14 4 634 704 342 491,34 6 276 434 630 113,34 8 629 557 638 925,44 2. При ежегодном снижении цен на газ и нефть на 5%:Ln(GDP(-5%))28,0768827127,8280385827,5916366527,3670548127,15370207ВВП (-5%) 1 561 835 286 302,40 1 217 765 302 438,00 961 381 016 882,49 767 999 419 765,02 620 444 549 794,76 Таким образом, при повышении цен на 5% ежегодно величина ВВП России через 5 лет достигнет уровня 8 629 557 638 925,44 долл., а при таком же снижении ВВП снизится до уровня 620 444 549 794,76 долл.ЗаключениеВ рамках представленной курсовой работы было проведено эконометрическое исследование зависимости ВВП России от мировых цен на нефть и натуральный газ. В качестве объясняющих переменных были взяты показатели мировых цен на нефть и газ, а в качестве зависимой переменной – показатель ВВП в миллионах долларов США (GDP_mil_USD).На основании регрессии сделан вывод о том, что на показатель ВВП России в период 1990-2013 цены на нефть и газ оказали большое влияние. В рамках работы был п построен прогноз ВВП, при повышении цен на 5% ежегодно величина ВВП России через 5 лет достигнет уровня 8 629 557 638 925,44 долл., а при таком же снижении ВВП снизится до уровня 620 444 549 794,76 долл.Список использованных источниковАртамонов Н.В. Введение в эконометрику. М.: МГИМО, 2010.Матвеева Т.Ю. Введение в макроэкономику. М. ГУ-ВШЭ. 2007.Туфель Т. Эконометрика. Решение задач с применением пакета программ GRETL. М. – 2012. – 189 с.http://comtrade.un.org/http://data.worldbank.org/http://www.tradingeconomics.com/http://www.indexmundi.com/