курсовая Эконометрическая модель объёма иностранных инвестиций

с расчетами ...

ВВЕДЕНИЕ ………………………………………………………………..….
1. ДЕТЕРМИНАНТЫ ПРЯМЫХ ЗАРУБЕЖНЫХ ИНВЕСТИЦИЙ – ЭМПИРИЧЕСКИЕ ИССЛЕДОВАНИЯ …………………………………..
2. ЭКОНОМЕТРИЧЕСКАЯ МОДЕЛЬ ………………………………….
2.1 ПОСТРОЕНИЕ И ОЦЕНКА КАЧЕСТВА …………………......
2.2 ИНТЕРПРЕТАЦИЯ ПОЛУЧЕННЫХ РЕЗУЛЬТАТОВ ……..
3. РЕКОМЕНДАЦИИ К ПРИВЛЕЧЕНИЮ ПРЯМЫХ ЗАРУБЕЖНЫХ ИНВЕСТИЦИЙ ………………………………………...
ЗАКЛЮЧЕНИЕ …………………………………………………………….
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ...………………....

.....
В течение последних десятилетий произошли изменения в подходах к измерению влияния FDI на экономики стран инвестирования. В ранних подходах влияние FDI на экономический рост считалось ограниченным краткосрочной перспективой, тогда как долгосрочный рост считался обусловленным технологическим прогрессом. С другой стороны, в соответствии с более поздней эндогенной теорией роста, FDI рассматривается как комбинация капитала, ноу-хау и технологий. Согласно этому подходу, FDI имеет постоянное положительное воздействие на экономический рост.
Эмпирические исследования показали, что положительное влияние FDI на экономику выше у стран инвестирования с более высоким уровнем развития (Blomstorm et al., 1994). Данные результаты подтверждают теории, согласно которым, при отсутствии минимального порогового уровня развития, позитивное влияние FDI не выйдет за рамки определенных областей экономики (Borensztein et al., 1995). Более того, преимущества FDI могут быть полностью реализованы, только если уровень внутренних сбережений ниже уровня внутренних инвестиций, т.е. в условиях дефицита заемных средств. С другой стороны, если поглощающая способность экономики незначительна, большие потоки FDI лишь обратятся в резервы. Больший эффект FDI также наблюдается в отраслях с высоким уровнем технического развития и низкой концентрацией иностранных производителей. Ряд исследований также подтвердил, что по сравнению с «домашними» фирмами, FDI фирмы имеют более высокую интенсивность использования капитала, долю экспорта в выпуске и импортных комплектующих (O'Sullivan, 1993). В последнее время существует тенденция импорта технологий в отрасли, которые интенсивнее используют человеческий капитал, нежели физический.
Итак, среди основных преимуществ FDI:
 предоставление управленческих технологий, знаний и навыков;
 выход на мировые рынки;
 трансферты производственных технологий развитых стран;
 расширение ряда производимых товаров и услуг в принимающей стране;

0,24
-0,09
-0,53
0,81
INF (%)
-0,53
-0,41
-0,85
1,00
0,51
-0,34
0,05
0,32
-0,83
TB
-0,48
-0,63
-0,72
0,51
1,00
-0,20
0,17
0,55
-0,56
PPEGDP
(% GDP)
0,38
0,53
0,24
-0,34
-0,20
1,00
-0,53
-0,37
0,64
DSR
(% GDP)
-0,48
-0,24
-0,09
0,05
0,17
-0,53
1,00
0,22
-0,20
EDGDP
(% GDP)
-0,67
-0,87
-0,53
0,32
0,55
-0,37
0,22
1,00
-0,38
TTGDP
(% GDP)
0,61
0,61
0,81
-0,83
-0,56
0,64
-0,20
-0,38
1,00
По результатам корреляционного анализа можно сформировать текущий набор объясняющих переменных: ВВП (GDP), темпы экономического роста (GDPGR), отношение внешнего долга к ВВП (EDGDP), суммарный внешний товарооборот (TTGDP).
Далее проводится окончательный отбор независимых переменных: последовательное удаление из уравнения переменных с незначимыми t-статистиками и добавление исключенных переменных с наименьшей значимостью при наличии хотя бы одной переменной с t-статистикой ниже порогового уровня. За пороговый примем уровень α=0,05. В результате осуществления указанной процедуры получаем следующий набор из 4 переменных, наилучшим образом описывающих поведение FDI в период 1993-2004: ВВП (GDP), темпы роста ВВП (GDPGR), торговый баланс(TB), внутренняя норма сбережения (DSR). Модель примет вид:
FDI = b0 + b1GDP + b2GDPGR + b3TB + b4DSR + ξ
Применяя инструмент «Регрессия» пакета анализа Excel получаем следующие характеристики построенной модели:
Таблица 3.
Регрессионная статистика
Множественный R
0,91948717
R-квадрат
0,845456656
Нормированный R-квадрат
0,757146174
Стандартная ошибка
160,9716682
Наблюдения
12
 
Коэффициенты
Стандартная ошибка
t-статистика
Y-пересечение
629,37543
770,7243922
0,816602454
Переменная X1 (GDP)
0,077419236
0,02274694
3,403501168
Переменная X2 (GDPGR)
20,20954604
8,930223672
2,263050376
Переменная X3 (TB)
0,384413466
0,24983831
1,538649001
Переменная X4 (DSR)
-62,60051244
29,24045955
-2,140886751
Для проверки статистической значимости коэффициентов регрессии выдвинем гипотезу H0: bi=0 и альтернативную ей гипотезу H1: bi ≠ 0. Данная гипотеза проверяется сравнением t-статистик i-ых коэффициентов с критическими точками распределения Стьюдента tкр = t α/2,n-m-1. В данном случае tкр = t0,025,7 = 2,365; |tb1| = 3,404; |tb2| = 2,263; |tb3| = 1,539; |tb4| = 2,141. Т.к. |tb1| >|tкр|, значит гипотеза H0: b1=0 отвергается, а коэффициент b1 является статистически значимым; |tb2|< |tкр|, |tb3|< |tкр|, |tb4|< |tкр|, значит нет оснований отвергать гипотезу о статистической незначимости коэффициентов bi (i=2,3,4) H0: bi=0.
При нахождении доверительных интервалов для коэффициентов регрессии используем определяющее нижнюю и верхнюю границы интервалов соотношение .
Таблица 4.
Доверительные интервалы для коэффициентов регрессии
b1
0,026739054
0,128099418
b2
0,313007698
40,10608438
b3
-0,17222629
0,94105322
b4
-127,748256
2,547231427
Отметим, что полученные доверительные интервалы для коэффициентов b3 и b4 характеризуются границами с разными знаками, что также может являться признаком статистической незначимости данных коэффициентов.
Для проверки статистической значимости коэффициента детерминации R2 проверим гипотезу H0: R2=0, альтернативной которой является гипотеза H1: R2 > 0. Для проверки выдвинутой гипотезы используется следующая F-статистика, имеющая распределение Фишера:
Fнабл = 9,574 Fкр = Fα;m;n-m-1 = F0,05;12;7 = 3,57
9,574 > 3,57Fнабл >Fкр
Вышеизложенное даёт основания для отклонения гипотезы о статистической незначимости коэффициента детерминации R2, т.е. R2 является статистически значимым.
Для выявления наличия (подтверждения отсутствия) автокорреляции проведем графический анализ, рассмотрим значения статистики Дарбина-Уотсона, исследуем модель при помощи метода рядов.
Рисунок 2.
Графический анализ случайных отклонений модели
Из построенного графика можно предположить наличие отрицательной автокорреляции в первой половине рассматриваемого периода и отрицательной – во второй. Для данной регрессии статистика Дарбина-Уотсона DW = 2,02846, при критических точках du = 2,177; dl = 0,512; 4- du = 1,823; 4- dl = 3,488. Т.к. DW € (4-du; du), то можно утверждать об отсутствии автокорреляции между случайными отклонениями в модели. Применяя метод рядов, имеем: количество наблюдений n = 12, количество положительных отклонений n1 = 5, количество отрицательных отклонений n2 = 7, количество рядов k = 7. По таблице Сведа-Эйзенхарта критические значения K1 = 3; K2 = 11; выполнение неравенства K1 < k < K2 указывает на отсутствие автокорреляции.
Для проверки модели на наличие гетероскедастичности применим тест ранговой корреляции Спирмена.
Таблица 5.
Результаты теста ранговой корреляции Спирмена
X1
X2
X3
X4
Коэффициент ранговой корреляции (rx,ei)
-0,00699
-0,13287
-0,10490
-0,04196
t - статистика
-0,02211
-0,42392
-0,33355
-0,1328
Пороговый уровень
2,228
Для всех независимых переменных t-статистики по модулю не превышают критического уровня, откуда следует принятие гипотезы о статистической незначимости коэффициентов ранговой корреляции – гетероскедастичность в модели отсутствует.
Данная модель характеризуется величиной R2 = 0,8454, тогда как только одна объясняющая переменная имеет удовлетворительную t-статистику. Кроме того, для трех пар переменных (GDP-GDPGR, GDP-TB, GDPGR-TB) характерны коэффициенты корреляции:
Таблица 6.
Коэффициенты корреляции
Коэффициенты попарной корреляции
Частные коэффициенты корреляции
GDP-GDPGR
0,553
0,1964
GDP-TB
-0,632
-0,3857
GDPGR-TB
-0,717
-0,5711
Для более точного определения наличия мультиколлинеарности в модели строится вспомогательная регрессия:
TB = c0 + c1GDP + c2GDPGR + ξ
Таблица 7.
Статистика вспомогательной регрессии
Регрессионная статистика
Множественный R
0,770724136
R-квадрат
0,594015694
Нормированный R-квадрат
0,503796959
Стандартная ошибка
215,1005042
Наблюдения
12
Коэффициенты
Стандартная ошибка
t-статистика
Y-пересечение
-46,55880281
430,2294614
-0,108218537
Переменная X 1
-0,036212383
0,027261142
-1,328351663
Переменная X 2
-20,32125949