Авторегрессионные модели динамики ВВП и факторов экономического роста

Задача прогнозирования объема текущего реального ВВП достаточно хорошо исследована в экономической науке, в частности, с точки зрения применения методов эконометрики, и может быть решена на основе как авторегрессионных, так и факторных регрессионных моделей. Поскольку для анализа макросистемы небесполезно знать, какие из этих методов позволяют получить более точные прогнозы, то необходимо иметь инструмент прогнозирования значений не только ВВП, но и факторов его динамики. Эту задачу проще всего решить на базе авторегрессионных моделей — в том случае, когда факторы экономического роста подчиняются авторегрессионным зависимостям.

Таким образом, построение адекватных и значимых авторегрессионных моделей для динамических рядов ВВП и факторов, от которых сильно зависит его изменение (прежде всего это капитал, труд и информация), является самостоятельной эконометрической задачей.

Нами были исследованы макроэкономические показатели Украины за период с 2000 по 2009 гг., приведенные в таблице 3.1. и построен ряд авторегрессионных моделей для определения как значения зависимой переменной — объёма ВВП, так и факторов функции: объёма инвестиций в основной капитал, заработной платы лиц, работающих по найму, и расходов на инновации, не включающих в себя затраты на НИОКР и стоимостную оценку отгруженной научно-технической (инновационной) продукции.

Построение авторегрессионных моделей объёма ВВП и факторов его роста

Авторегрессионная модель объёма ВВП

Прежде всего, мы предположили, что текущий объём ВВП является авторегрессионной линейной функцией вида AR( 1). тогда она имеет вид:

Эконометрические характеристики модели, представленные в таблице 6.1, свидетельствуют об её адекватности: R2 = 0,774, критерии Фишера равен 23,917 и больше критического значения (F = = 5,591). При этом значение критерия Стьюдента для свободного члена равно 1,868 и меньше критического значения с вероятностью 95% (tKp = 2,365), т. е. доверие к этому параметру недостаточно, на что указывает также высокое p-значение для данного коэффициента.

Таблица 6.1

Эконометрические характеристики линейной авторегрессионной модели (6.1) типа AR(1) ВВП для Украины 2001-2009 гг.

Регрессионная статистика

Множественный R

0,879538

R-квадрат

0,773587

Нормированный R-квадрат

0,741243

Стандартная ошибка

20,9006

Наблюдения

9

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

I

10447.79

10447,79

23,91702

0,001772

Остаток

7

3057,845

436,835

Итого

8

13505,64

Коэффициенты

Стандартная ошибка

t-

статистика

Р-

Значение

Y-пересечение

74,0154

39,63241

1.867547

0,104052

__

0,747291

0,152804

4,890503

0,001772

После исключения из модели (6.1) свободного члена, нами получена адекватная и значимая модель (6.2) с высокими объясняющими характеристиками: R* = 0,993, F-критерий равен 1117.716, P-значение для Yn, равно 6.99 * 10‘10 (таблица 6.2).

Таблица 6.2

Эконометрические характеристики линейной авторегрессионной модели (6.2) типа AR( I) ВВП без свободного члена для Украины 2001-2009 гг.

Регрессионная статистика

Множественный R

0,99644

R-квадрат

0,99289

Нормированный R-квадрат

0,867893

Стандартная ошибка

23.93065

Наблюдения

9

Дисперсионный анализ

df

SS

MS

F

Значимость F

Регрессия

I

640089,3

640089,3

1117.716

5.55Е-09

Остаток

8

4581,409

572.6761

Итого

9

644670,7

Коэффициенты

Стандартная ошибка

t-

статистика

Р-

Значение

Y-пересечение

у,..,

1,028217

0.030755

33,43226

6,99Е-10

Модель, исходя и её характеристик, может являться основной для прогнозирования ВВП следующего года. Согласно этой зависимости, объём ВВП увеличивается в среднем на 2.8% в каждом последующем году исследу емого периода по сравнению с предыдущим его значением.

 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ     След >