Исследование пространственных эконометрических моделей»

Целью курсовой работы является наглядная демонстрация методов стохастического моделирования (линейные регрессионные модели). Общая характеристика объекта исследования: объектом исследования являются макроэкономические показатели группы стран (и вышеупомянутые линейные регрессионные модели). Охарактеризуем в общих чертах сектор экономики, к которому относится объект исследования.

---

Если закажете диплом на заказ, стоимость нашего сайта одна из самых адекватных.

---

. Данные берутся из официальной статистики Международного валютного фонда за какой-нибудь год [3]. Выбираем 50 стран по следующему принципу: a. 8 стран с развивающейся экономикой, входящих в Еврозону b. 8 европейских стран с развивающейся экономикой c. Одну страну из «Большой семёрки» d. 16 азиатских стран из группы Emerging market and developing economies e. 16 стран из группы Emerging market and developing economies, происходящих из Латинской Америки или Карибского бассейна f. Одну африканскую страну из группы Emerging market and developing economies (страны с развивающейся экономикой ищем в разделе Advanced economies, страны из «Большой семёрки» – в разделе G7). Опишем показатели, выбранные для анализа, и статистические данные: это – так называемые «макроэкономические показатели». У каждой страны их числом пять. Задача исследования – показать состоятельность применяемых методов, показав, тем самым, их практическую пользу. Для этого подвергнем линейные регрессионные модели экономическому анализу.

В данной курсовой работе представлены парная и множественная линейные регрессии. Продемонстрировано шесть примеров применения их на двух различных выборках. Показан также предварительный корреляционный анализ данных для каждой из двух выборок. Множество примеров подобрано с целью покрыть два уровня качества корреляционной зависимости (качественная корреляционная зависимость и некачественная). Ради достижения этой цели был применён такой подход, как экспериментирование с уровнем значимости (иными словами, с уровнем надёжности ). Желательно было, чтобы множество примеров как можно чётче разделилось на те, которые покрывают один уровень и на те, которые покрывают другой уровень. Благодаря тому, что размах качества среди шести построенных линейных регрессий оказался довольно большим, требуемая цель предстала достижимой путём выставления подходящей грани между тем, что мы считаем качественной регрессией и тем, что мы считаем некачественной регрессией. Уменьшая значение , ослабляем требования, и большее количество примеров переходит в разряд «удачных», увеличивая значение – ужесточаем требования, и боль шее количество примеров переходит в разряд «неудачных». Оптимальным уровнем значимости оказался уровень . Все расчёты проводились с помощью табличного редактора Microsoft Excel. Для оценки качества регрессии с помощью F-критерия Фишера, дополнительно был задействован встроенный в Excel пакет «Анализ данных».

1. Е.З. Демиденко. Линейная и нелинейная регрессия. — М.: Финансы и статистика, 1981. — 302 с. 2. Дж. Себер. Линейный регрессионный анализ. — М.: Мир, 1980. — 456 с. 3. https://www.imf.org