- •Тема: Анализ влияния деятельности человека на экологию планеты
- •Оглавление
- •Методика анализа
- •Анализ влияния деятельности человека на экологию планеты
- •1.1 Анализ зависимости климатологических катастроф от факторов
- •1.Сформулировать цель анализа
- •1.2 Анализ зависимости выбросов co2 на единицу продукции от факторов
- •1.Сформулировать цель анализа
- •1.Сформулировать цель анализа
- •1.3 Анализ зависимости выбросов парниковых газов от промышленности от факторов
- •1.4 Анализ зависимости выбросов парниковых газов от сельского хозяйства от факторов
- •1.Сформулировать цель анализа
- •1.5 Анализ зависимости изменения глобальной температуры от факторов
- •1.Сформулировать цель анализа
- •1.6 Анализ зависимости изъятия поверхности пресной воды co2 на единицу продукции от факторов
- •1.Сформулировать цель анализа
- •1.7 Анализ зависимости сокращения площади лесов от факторов
- •1.Сформулировать цель анализа
- •1.8 Анализ влияния деятельности человека на экологию планеты
- •1.Сформулировать цель анализа
- •Заключение
1.5 Анализ зависимости изменения глобальной температуры от факторов
Анализ проводится по разработанной методике, приведенной выше.
1.Сформулировать цель анализа
Цель: проанализировать зависимость климатологических катастроф от факторов с помощью модели ADL.
2. Выбрать эндогенные и экзогенные параметры модели.
Эндогенные
Y5t- Изменение глобальной температуры, %С
Экзогенные показатели:
Y5t-k- Изменение глобальной температуры, %С
- Methane emissions (kt of CO2 equivalent),
- Nitrous oxide emissions (thousand metric tons of CO2 equivalent),
- выбросы парниковых газов, всего, Greenhouse Gas Emissions, 000 tonnes of CO2 equivalent,
- CO2 Emissions from the Consumption and Flaring of Fossil Fuels, 000 tonnes, выбросы СО2 всего,
- Waste Generated by Electricity, Gas, Steam and Air Conditioning Supply (Отходы, образовавшиеся от электричества, газа, пара и кондиционирования воздуха), 000 tonnes,
- Waste Generated by Households, (отходы, образовавшиеся в домашних хозяйствах), 000 tonnes,
3. Рассчитать эндогенные и экзогенные параметры модели
Эндогенные и экзогенные параметры модели представляют собой среднегеометрическое показателей стран мира в год t. Расчет осуществляется в программе Excel.
4. Отобразить эндогенные и экзогенные параметры модели в таблицах
Эндогенные и экзогенные переменные представлены в таблице 1.1.1.
Таблица 1.5.1 – Параметры модели
|
Y5 |
X5-1 |
X5-2 |
X5-3 |
X5-4 |
X5-5 |
X5-6 |
2015 |
20,1 |
35 848 592,0 |
3 153 742,5 |
392 794,2 |
32 705 709,7 |
25 675,8 |
17 896,0 |
2014 |
20,2 |
8 014 066,6 |
3 123 551,4 |
395 011,5 |
32 356 236,0 |
25 287,7 |
17 625,5 |
2013 |
20,2 |
7 927 060,6 |
3 084 899,9 |
398 159,9 |
32 068 544,5 |
24 781,8 |
17 272,9 |
2012 |
20,0 |
7 815 790,0 |
3 068 677,6 |
398 852,7 |
31 516 644,8 |
24 223,0 |
16 883,4 |
2011 |
19,9 |
7 774 920,0 |
3 031 989,1 |
403 141,6 |
31 127 586,0 |
22 725,2 |
15 839,5 |
2010 |
19,8 |
7 643 170,0 |
3 260 053,0 |
406 065,8 |
29 715 791,4 |
21 844,0 |
15 225,3 |
2009 |
19,7 |
7 697 440,0 |
3 100 186,0 |
393 436,1 |
28 286 697,7 |
17 697,3 |
12 335,0 |
2008 |
19,9 |
7 617 940,0 |
2 965 813,4 |
417 660,9 |
28 887 575,8 |
17 778,4 |
12 391,5 |
2007 |
19,8 |
7 275 910,0 |
2 907 452,8 |
423 321,8 |
28 839 770,2 |
18 362,9 |
12 799,0 |
2006 |
19,8 |
7 088 150,0 |
2 836 658,1 |
419 965,3 |
27 959 759,1 |
18 471,3 |
12 874,5 |
2005 |
19,9 |
6 831 780,0 |
2 850 332,2 |
417 973,6 |
27 185 530,0 |
18 414,4 |
12 834,9 |
2004 |
19,8 |
6 789 740,0 |
2 785 436,8 |
425 923,5 |
26 312 777,3 |
18 208,7 |
12 691,5 |
2003 |
19,8 |
6 591 630,0 |
2 920 510,0 |
419 364,9 |
25 149 503,0 |
27 851,9 |
19 412,8 |
2002 |
19,7 |
6 480 650,0 |
2 955 561,7 |
412 617,8 |
24 118 622,5 |
26 222,6 |
18 277,2 |
2001 |
19,8 |
6 503 140,0 |
3 120 987,0 |
411 485,9 |
23 703 341,4 |
26 055,6 |
18 160,8 |
2000 |
19,9 |
6 681 100,0 |
3 236 772,0 |
411 597,6 |
23 431 065,7 |
25 783,3 |
17 970,9 |
1999 |
19,7 |
7 211 170,0 |
3 011 978,6 |
405 399,3 |
22 770 107,9 |
58 526,3 |
40 792,9 |
1998 |
19,7 |
6 551 630,0 |
2 978 718,7 |
406 018,4 |
22 467 132,6 |
58 497,2 |
40 772,5 |
1997 |
19,5 |
6 556 730,0 |
2 955 369,5 |
404 782,5 |
22 585 363,2 |
58 386,5 |
40 695,4 |
5. Осуществить проверку временных рядов на стационарность, используя тест Дики-Фуллера. В том случае, если ряд нестационарный, привести его к стационарному виду путем вычисления разностей.
Тест Дики-Фуллера представляет собой авторегрессионное уравнение вида:
где — временной ряд, а — ошибка.
Если , то ряд стационарный. Если a=1, то процесс имеет единичный корень, в этом случае ряд не стационарен, является интегрированным временным рядом первого порядка.
Тест Дики-Фуллера осуществляется решением авторегрессионного уравнения первого порядка в программе Excel. Ниже приведены результаты теста.
Таблица 1.5.2. – Исходные данные для теста Дики-Фуллера эндогенной переменной
|
Y5 |
Y5 |
2015 |
20,1 |
20,2 |
2014 |
20,2 |
20,2 |
2013 |
20,2 |
20,0 |
2012 |
20,0 |
19,9 |
2011 |
19,9 |
19,8 |
2010 |
19,8 |
19,7 |
2009 |
19,7 |
19,9 |
2008 |
19,9 |
19,8 |
2007 |
19,8 |
19,8 |
2006 |
19,8 |
19,9 |
2005 |
19,9 |
19,8 |
2004 |
19,8 |
19,8 |
2003 |
19,8 |
19,7 |
2002 |
19,7 |
19,8 |
2001 |
19,8 |
19,9 |
2000 |
19,9 |
19,7 |
1999 |
19,7 |
19,7 |
1998 |
19,7 |
0,0 |
Таблица 1.5.3 – Регрессионная статистика
Множественный R |
0,804947635 |
R-квадрат |
0,647940696 |
Нормированный R-квадрат |
0,624470076 |
Стандартная ошибка |
0,088805888 |
Наблюдения |
17 |
Таблица 1.5.4 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
0,217717941 |
0,217717941 |
27,60645813 |
9,71621E-05 |
Остаток |
15 |
0,118297287 |
0,007886486 |
|
|
Итого |
16 |
0,336015228 |
|
|
|
Таблица 1.5.5 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
3,045938002 |
3,203222305 |
0,950898099 |
0,356727481 |
-3,781568725 |
9,873444729 |
-3,78156872 |
9,873444729 |
Переменная X 1 |
0,847741205 |
0,161345905 |
5,254184821 |
9,71621E-05 |
0,503840549 |
1,191641861 |
0,503840549 |
1,191641861 |
Согласно результатам, временной ряд является стационарным.
Таблица 1.5.6. – Исходные данные для теста Дики-Фуллера экзогенной переменной
|
X5-1 |
X5-1 |
2015 |
35 848 592,0 |
8 014 066,6 |
2014 |
8 014 066,6 |
7 927 060,6 |
2013 |
7 927 060,6 |
7 815 790,0 |
2012 |
7 815 790,0 |
7 774 920,0 |
2011 |
7 774 920,0 |
7 643 170,0 |
2010 |
7 643 170,0 |
7 697 440,0 |
2009 |
7 697 440,0 |
7 617 940,0 |
2008 |
7 617 940,0 |
7 275 910,0 |
2007 |
7 275 910,0 |
7 088 150,0 |
2006 |
7 088 150,0 |
6 831 780,0 |
2005 |
6 831 780,0 |
6 789 740,0 |
2004 |
6 789 740,0 |
6 591 630,0 |
2003 |
6 591 630,0 |
6 480 650,0 |
2002 |
6 480 650,0 |
6 503 140,0 |
2001 |
6 503 140,0 |
6 681 100,0 |
2000 |
6 681 100,0 |
7 211 170,0 |
1999 |
7 211 170,0 |
6 551 630,0 |
1998 |
6 551 630,0 |
0,0 |
Таблица 1.5.7 – Регрессионная статистика
Множественный R |
0,627859156 |
R-квадрат |
0,394207119 |
Нормированный R-квадрат |
0,359122686 |
Стандартная ошибка |
0,069268593 |
Наблюдения |
17 |
Таблица 1.5.8 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
1586,767978 |
1586,767978 |
9,760938069 |
0,0002748 |
Остаток |
15 |
0,092271884 |
0,006151459 |
|
|
Итого |
16 |
0,262091878 |
|
|
|
Таблица 1.5.9 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
2,375831641 |
2,498513398 |
0,741700518 |
0,278247435 |
-2,94962361 |
7,701286888 |
-2,949623605 |
7,701286888 |
Переменная X 1 |
0,66123814 |
0,125849806 |
4,09826416 |
0,0002748 |
0,392995628 |
0,929480652 |
0,392995628 |
0,929480652 |
Согласно результатам, временной ряд является стационарным.
Таблица 1.5.10 – Исходные данные для теста Дики-Фуллера экзогенной переменной
|
X5-2 |
X5-2 |
2015 |
3 153 742,5 |
3 123 551,4 |
2014 |
3 123 551,4 |
3 084 899,9 |
2013 |
3 084 899,9 |
3 068 677,6 |
2012 |
3 068 677,6 |
3 031 989,1 |
2011 |
3 031 989,1 |
3 260 053,0 |
2010 |
3 260 053,0 |
3 100 186,0 |
2009 |
3 100 186,0 |
2 965 813,4 |
2008 |
2 965 813,4 |
2 907 452,8 |
2007 |
2 907 452,8 |
2 836 658,1 |
2006 |
2 836 658,1 |
2 850 332,2 |
2005 |
2 850 332,2 |
2 785 436,8 |
2004 |
2 785 436,8 |
2 920 510,0 |
2003 |
2 920 510,0 |
2 955 561,7 |
2002 |
2 955 561,7 |
3 120 987,0 |
2001 |
3 120 987,0 |
3 236 772,0 |
2000 |
3 236 772,0 |
3 011 978,6 |
1999 |
3 011 978,6 |
2 978 718,7 |
1998 |
2 978 718,7 |
0,0 |
Таблица 1.5.11 – Регрессионная статистика
Множественный R |
0,547364392 |
R-квадрат |
0,299607778 |
Нормированный R-квадрат |
0,272942686 |
Стандартная ошибка |
0,060388004 |
Наблюдения |
17 |
Таблица 1.5.12 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
1196,494173 |
1196,494173 |
6,416571349 |
0,000418027 |
Остаток |
15 |
0,080442155 |
0,00536281 |
|
|
Итого |
16 |
0,228490355 |
|
|
|
Таблица 1.5.13 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
2,071237841 |
2,178191168 |
0,646610708 |
0,242574687 |
-2,57146673 |
6,713942416 |
-2,571466733 |
6,713942416 |
Переменная X 1 |
0,576464019 |
0,109715215 |
3,572845678 |
0,000418027 |
0,342611573 |
0,810316465 |
0,342611573 |
0,810316465 |
Согласно результатам, временной ряд является стационарным.
Таблица 1.5.14 – Исходные данные для теста Дики-Фуллера экзогенной переменной
|
X5-3 |
X5-3 |
2015 |
392 794,2 |
395 011,5 |
2014 |
395 011,5 |
398 159,9 |
2013 |
398 159,9 |
398 852,7 |
2012 |
398 852,7 |
403 141,6 |
2011 |
403 141,6 |
406 065,8 |
2010 |
406 065,8 |
393 436,1 |
2009 |
393 436,1 |
417 660,9 |
2008 |
417 660,9 |
423 321,8 |
2007 |
423 321,8 |
419 965,3 |
2006 |
419 965,3 |
417 973,6 |
2005 |
417 973,6 |
425 923,5 |
2004 |
425 923,5 |
419 364,9 |
2003 |
419 364,9 |
412 617,8 |
2002 |
412 617,8 |
411 485,9 |
2001 |
411 485,9 |
411 597,6 |
2000 |
411 597,6 |
405 399,3 |
1999 |
405 399,3 |
406 018,4 |
1998 |
406 018,4 |
0,0 |
Таблица 1.5.15 – Регрессионная статистика
Множественный R |
0,692254967 |
R-квадрат |
0,479216939 |
Нормированный R-квадрат |
0,436566631 |
Стандартная ошибка |
0,076373064 |
Наблюдения |
17 |
Таблица 1.5.16 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
2035,094549 |
2035,094549 |
13,80278011 |
0,00019433 |
Остаток |
15 |
0,101735667 |
0,006782378 |
|
|
Итого |
16 |
0,288973096 |
|
|
|
Таблица 1.5.17 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
2,619506682 |
2,754771183 |
0,817772365 |
0,306785633 |
-3,2521491 |
8,491162467 |
-3,252149103 |
8,491162467 |
Переменная X 1 |
0,729057436 |
0,138757478 |
4,518598946 |
0,00019433 |
0,433302872 |
1,024812 |
0,433302872 |
1,024812 |
Согласно результатам, временной ряд является стационарным.
Таблица 1.5.18 – Исходные данные для теста Дики-Фуллера экзогенной переменной
|
X5-4 |
X5-4 |
2015 |
32 705 709,7 |
32 356 236,0 |
2014 |
32 356 236,0 |
32 068 544,5 |
2013 |
32 068 544,5 |
31 516 644,8 |
2012 |
31 516 644,8 |
31 127 586,0 |
2011 |
31 127 586,0 |
29 715 791,4 |
2010 |
29 715 791,4 |
28 286 697,7 |
2009 |
28 286 697,7 |
28 887 575,8 |
2008 |
28 887 575,8 |
28 839 770,2 |
2007 |
28 839 770,2 |
27 959 759,1 |
2006 |
27 959 759,1 |
27 185 530,0 |
2005 |
27 185 530,0 |
26 312 777,3 |
2004 |
26 312 777,3 |
25 149 503,0 |
2003 |
25 149 503,0 |
24 118 622,5 |
2002 |
24 118 622,5 |
23 703 341,4 |
2001 |
23 703 341,4 |
23 431 065,7 |
2000 |
23 431 065,7 |
22 770 107,9 |
1999 |
22 770 107,9 |
22 467 132,6 |
1998 |
22 467 132,6 |
0,0 |
Таблица 1.5.19 – Регрессионная статистика
Множественный R |
0,788848683 |
R-квадрат |
0,622282244 |
Нормированный R-квадрат |
0,566899125 |
Стандартная ошибка |
0,087029771 |
Наблюдения |
17 |
Таблица 1.5.20 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
3197,434563 |
3197,434563 |
24,71219191 |
0,000108542 |
Остаток |
15 |
0,115931342 |
0,007728756 |
|
|
Итого |
16 |
0,329294923 |
|
|
|
Таблица 1.5.21 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
2,985019242 |
3,139157859 |
0,931880137 |
0,349592931 |
-3,70593735 |
9,675975834 |
-3,70593735 |
9,675975834 |
Переменная X 1 |
0,830786381 |
0,158118987 |
5,149101124 |
0,000108542 |
0,493763738 |
1,167809024 |
0,493763738 |
1,167809024 |
Согласно результатам, временной ряд является стационарным.
Таблица 1.5.22 – Исходные данные для теста Дики-Фуллера экзогенной переменной
|
X5-5 |
X5-5 |
2015 |
25 675,8 |
25 287,7 |
2014 |
25 287,7 |
24 781,8 |
2013 |
24 781,8 |
24 223,0 |
2012 |
24 223,0 |
22 725,2 |
2011 |
22 725,2 |
21 844,0 |
2010 |
21 844,0 |
17 697,3 |
2009 |
17 697,3 |
17 778,4 |
2008 |
17 778,4 |
18 362,9 |
2007 |
18 362,9 |
18 471,3 |
2006 |
18 471,3 |
18 414,4 |
2005 |
18 414,4 |
18 208,7 |
2004 |
18 208,7 |
27 851,9 |
2003 |
27 851,9 |
26 222,6 |
2002 |
26 222,6 |
26 055,6 |
2001 |
26 055,6 |
25 783,3 |
2000 |
25 783,3 |
58 526,3 |
1999 |
58 526,3 |
58 497,2 |
1998 |
58 497,2 |
0,0 |
Таблица 1.5.23 – Регрессионная статистика
Множественный R |
0,885442399 |
R-квадрат |
0,784008242 |
Нормированный R-квадрат |
0,714231508 |
Стандартная ошибка |
0,097686477 |
Наблюдения |
17 |
Таблица 1.5.24 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
6276,224876 |
6276,224876 |
54,44709437 |
4,92644E-05 |
Остаток |
15 |
0,130127016 |
0,008675134 |
|
|
Итого |
16 |
0,369616751 |
|
|
|
Таблица 1.5.25 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
3,350531802 |
3,523544536 |
1,045987909 |
0,392400229 |
-4,1597256 |
10,8607892 |
-4,159725597 |
10,8607892 |
Переменная X 1 |
0,932515325 |
0,177480496 |
5,779603303 |
4,92644E-05 |
0,554224604 |
1,310806047 |
0,554224604 |
1,310806047 |
Согласно результатам, временной ряд является стационарным.
Таблица 1.5.26 – Исходные данные для теста Дики-Фуллера экзогенной переменной
|
X5-6 |
X5-6 |
2015 |
17 896,0 |
17 625,5 |
2014 |
17 625,5 |
17 272,9 |
2013 |
17 272,9 |
16 883,4 |
2012 |
16 883,4 |
15 839,5 |
2011 |
15 839,5 |
15 225,3 |
2010 |
15 225,3 |
12 335,0 |
2009 |
12 335,0 |
12 391,5 |
2008 |
12 391,5 |
12 799,0 |
2007 |
12 799,0 |
12 874,5 |
2006 |
12 874,5 |
12 834,9 |
2005 |
12 834,9 |
12 691,5 |
2004 |
12 691,5 |
19 412,8 |
2003 |
19 412,8 |
18 277,2 |
2002 |
18 277,2 |
18 160,8 |
2001 |
18 160,8 |
17 970,9 |
2000 |
17 970,9 |
40 792,9 |
1999 |
40 792,9 |
40 772,5 |
1998 |
40 772,5 |
0,0 |
Таблица 1.5.27 – Регрессионная статистика
Множественный R |
0,965937163 |
R-квадрат |
0,933034602 |
Нормированный R-квадрат |
0,849994522 |
Стандартная ошибка |
0,106567066 |
Наблюдения |
17 |
Таблица 1.5.28 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
1 |
22083,79882 |
22083,79882 |
208,9962796 |
1,28342E-05 |
Остаток |
15 |
0,141956745 |
0,009463783 |
|
|
Итого |
16 |
0,403218274 |
|
|
|
Таблица 1.5.29 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
3,655125602 |
3,843866766 |
1,141077719 |
0,428072977 |
-4,53788247 |
11,84813367 |
-4,53788247 |
11,84813367 |
Переменная X 1 |
1,017289446 |
0,193615086 |
6,305021785 |
1,28342E-05 |
0,604608659 |
1,429970233 |
0,604608659 |
1,429970233 |
Согласно результатам, временной ряд является стационарным.
Согласно результатам теста Дики-Фуллера, все временные ряды являются стационарными.
5. Проверить экзогенные параметры на мультиколлинеарность. В случае если коэффициент попарной корреляции превышает 0,7, следует исключить из дальнейшего анализа одну переменную из пары.
Проверка проводится в программе Excel.
Таблица 1.5.30 – Коэффициенты корреляции экзогенных переменных
|
X5-1 |
X5-2 |
X5-3 |
X5-4 |
X5-5 |
X5-6 |
X5-1 |
1 |
|
|
|
|
|
X5-2 |
0,578038196 |
1 |
|
|
|
|
X5-3 |
-0,61378072 |
-0,67836603 |
1 |
|
|
|
X5-4 |
0,723561707 |
0,924790666 |
-0,8123625 |
1 |
|
|
X5-5 |
-0,60725911 |
-0,5001637 |
-0,22195 |
-0,89824719 |
1 |
|
X5-6 |
-0,50725911 |
-0,5001637 |
-0,22195 |
-0,99824719 |
0,46257021 |
1 |
Переменная Х5-4 будет удалена из дальнейшего анализа из-за высокой тесноты связи.
Все экзогенные параметры принимаются в дальнейший анализ.
6. Проверка коэффициентов парной корреляции на значимость с помощью t-критерия Стьюдента для показателей. Если tрасч≥tтабл, то полученные коэффициенты значимы т.е. выборка соответствует генеральной совокупности.
Для оценки значимости коэффициентов корреляции следует рассчитать t-критерий Стьюдента для каждой попарной корреляции по формуле:
Результаты расчета представлены в таблице 1.1.28
Таблица 1.5.31 – Значения t-критерия Стьюдента для показателей
|
X5-1 |
X5-2 |
X5-3 |
X5-5 |
X5-2 |
2,920691398 |
|
|
|
X5-3 |
3,205519858 |
3,806837 |
|
|
X5-5 |
3,151392482 |
2,381515 |
0,938532 |
|
X5-6 |
2,426895401 |
2,381515 |
0,938532 |
2,15121041 |
При уровне значимости α=0,05, числу степеней свободы n-2=14,
Так как во всех случаях , коэффициенты считаются значимыми.
7. Проверить автокорреляцию показателей. Выбрать те лаги, которые имеют сильную корреляционную связь со значением показателя в последнем периоде. Провести проверку значимости коэффициентов автокорреляции с помощью критерия Бокса – Пирсона или критерия Льюнга-Бокса.
Проверка значимости коэффициентов автокорреляции по Q-статистике Бокса-Пирса осуществляется по формуле:
Проверка значимости коэффициентов автокорреляции по Q-статистике Льюнга-Бокса осуществляется по формуле:
где n — число наблюдений, — автокорреляция k-го порядка, и m — число проверяемых лагов.
Как по тесту Бокса-Пирса, так и по тесту Льюнга-Бокса, в случае если , коэффициенты считаются значимыми. определяется по таблице.
Анализ автокорреляции осуществляется в программе Statistica. Результаты приведены ниже.
Таблица 1.5.32 – Коэффициенты автокорреляции эндогенной переменной.
Авто-корр. |
Ст.Ошибка |
Бокса-Льюнга Q |
p |
0,769568 |
0,240906 |
10,20465 |
0,001402 |
0,421385 |
0,231455 |
13,51921 |
0,001161 |
0,063872 |
0,221601 |
13,60228 |
0,003504 |
-0,261726 |
0,211289 |
15,13669 |
0,004432 |
-0,500122 |
0,200446 |
21,36196 |
0,000694 |
-0,540409 |
0,188982 |
29,53911 |
0,000048 |
-0,409106 |
0,176777 |
34,89489 |
0,000012 |
-0,249456 |
0,163663 |
37,21809 |
0,000011 |
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента (столбец 4 в табл.). Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты являются значимыми. Эндогенный параметр отражает зависимость от одного прошлого периода.
Таблица 1.5.33 – Коэффициенты автокорреляции экзогенной переменной
Авто- - корр. |
Ст.ошиб. |
Бокса- - Льюнга Q |
p |
0,502689 |
0,212398 |
5,60144 |
0,004549 |
0,339608 |
0,206413 |
8,30839 |
0,004615 |
0,083201 |
0,200250 |
10,93127 |
0,012113 |
0,033074 |
0,193892 |
10,96037 |
0,027031 |
0,091997 |
0,187317 |
11,20158 |
0,047553 |
0,034569 |
0,180503 |
11,23826 |
0,081322 |
0,068999 |
0,173422 |
11,39656 |
0,122277 |
-0,017539 |
0,166039 |
11,40772 |
0,179699 |
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента (столбец 4 в табл.). Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты не являются значимыми. Экзогенный параметр не отражает зависимость от прошлых периодов.
Таблица 1.5.34 – Коэффициенты автокорреляции экзогенной переменной
Авто- - корр. |
Ст.ошиб. |
Бокса- - Льюнга Q |
p |
0,032173 |
0,212398 |
0,02295 |
0,879601 |
0,025327 |
0,206413 |
0,03800 |
0,981179 |
0,019270 |
0,200250 |
0,04726 |
0,997306 |
0,014138 |
0,193892 |
0,05258 |
0,999660 |
0,005169 |
0,187317 |
0,05334 |
0,999966 |
0,002378 |
0,180503 |
0,05351 |
0,999997 |
-0,004705 |
0,173422 |
0,05425 |
1,000000 |
-0,020726 |
0,166039 |
0,06983 |
1,000000 |
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента (столбец 4 в табл.). Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты не являются значимыми. Экзогенный параметр не отражает зависимость от прошлых периодов.
Таблица 1.5.35 – Коэффициенты автокорреляции экзогенной переменной
Авто- - корр. |
Ст.ошиб. |
Бокса- - Льюнга Q |
p |
0,500735 |
0,212398 |
5,55796 |
0,004682 |
0,244273 |
0,206413 |
6,95843 |
0,009101 |
-0,044108 |
0,200250 |
9,44854 |
0,023899 |
-0,213461 |
0,193892 |
10,66059 |
0,030674 |
-0,206170 |
0,187317 |
11,87201 |
0,036608 |
-0,351706 |
0,180503 |
15,66855 |
0,015665 |
-0,253331 |
0,173422 |
17,80242 |
0,012911 |
-0,187786 |
0,166039 |
19,08152 |
0,014450 |
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента (столбец 4 в табл.). Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты не являются значимыми. Экзогенный параметр не отражает зависимость от прошлых периодов.
Таблица 1.5.36 – Коэффициенты автокорреляции экзогенной переменной
Авто- - корр. |
Ст.ошиб. |
Бокса- - Льюнга Q |
p |
0,566737 |
0,212398 |
7,11974 |
0,000045 |
0,510227 |
0,206413 |
13,22987 |
0,000001 |
0,449425 |
0,200250 |
36,01925 |
0,000000 |
0,302247 |
0,193892 |
40,11187 |
0,000000 |
0,228165 |
0,187317 |
41,59556 |
0,000000 |
-0,008660 |
0,180503 |
41,83682 |
0,000000 |
-0,012967 |
0,173422 |
41,84241 |
0,000001 |
-0,123930 |
0,166039 |
42,39951 |
0,000001 |
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента (столбец 4 в табл.). Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты не являются значимыми. Экзогенный параметр не отражает зависимость от прошлых периодов.
Таблица 1.5.37 – Коэффициенты автокорреляции экзогенной переменной
Авто- - корр. |
Ст.ошиб. |
Бокса- - Льюнга Q |
p |
0,497040 |
0,212398 |
5,47626 |
0,001033 |
0,398927 |
0,206413 |
9,21143 |
0,000709 |
0,101731 |
0,200250 |
14,76328 |
0,002034 |
0,103622 |
0,193892 |
15,04889 |
0,004607 |
0,009323 |
0,187317 |
15,05137 |
0,010157 |
-0,085607 |
0,180503 |
15,27630 |
0,018232 |
-0,185198 |
0,173422 |
16,41672 |
0,021593 |
-0,201475 |
0,166039 |
17,88910 |
0,022099 |
Так как более точной является Q-статистика Льюнга-Бокса, для анализа она является более предпочтительной. Анализ автокорреляции в программе Statistica помимо коэффициентов автокорреляции автоматически рассчитывает Q-статистику Льюнга-Бокса и значимость для каждого коэффициента (столбец 4 в табл.). Проверка значимости по Q-статистике Льюнга-Бокса равна
Коэффициенты не являются значимыми. Экзогенный параметр не отражает зависимость от прошлых периодов.
8. Построить модель ADL.
С учетом результатов предшествующих анализов, ADL-модель принимает вид:
9. Решить построенную модель регрессии для показателей. Найти коэффициенты модели, используя регрессионный анализ. Написать уравнение модели с найденными коэффициентами.
Регрессионный анализ осуществляется в программе Excel.
Таблица 1.5.38 – Регрессионная статистика
Множественный R |
0,857042705 |
R-квадрат |
0,734522197 |
Нормированный R-квадрат |
0,422700397 |
Стандартная ошибка |
0,102600927 |
Наблюдения |
18 |
Таблица 1.5.39 – Дисперсионный анализ
|
df |
SS |
MS |
F |
Значимость F |
Регрессия |
6 |
0,235964803 |
0,039327467 |
4,483061063 |
0,015435258 |
Остаток |
12 |
0,126323403 |
0,01052695 |
|
|
Итого |
18 |
0,362288206 |
|
|
|
Таблица 1.5.40 – Коэффициенты регрессии
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 95,0% |
Верхние 95,0% |
Y-пересечение |
5,759020534 |
6,91975329 |
0,832258072 |
0,421517556 |
-9,317826712 |
20,83586778 |
-9,317826712 |
20,83586778 |
Переменная X 1 |
0,725815707 |
0,272093261 |
2,66752548 |
0,020504308 |
0,132975419 |
1,318655996 |
0,132975419 |
1,318655996 |
Переменная X 2 |
-5,46197E-10 |
4,60941E-09 |
-0,118496217 |
0,907634967 |
-1,05892E-08 |
9,49684E-09 |
-1,05892E-08 |
9,49684E-09 |
Переменная X 3 |
4,45301E-08 |
2,66409E-07 |
0,167149459 |
0,870036097 |
-5,35924E-07 |
6,24985E-07 |
-5,35924E-07 |
6,24985E-07 |
Переменная X 4 |
-1,10175E-06 |
4,35031E-06 |
-0,253257236 |
0,804356122 |
-1,05803E-05 |
8,37677E-06 |
-1,05803E-05 |
8,37677E-06 |
Переменная X 5 |
1,31278E-06 |
3,00188E-06 |
0,437320099 |
0,669645968 |
-5,22776E-06 |
7,85333E-06 |
-5,22776E-06 |
7,85333E-06 |
Переменная X 6 |
1,26027E-06 |
2,88181E-06 |
0,419827295 |
0,642860129 |
-5,01865E-06 |
7,53919E-06 |
-5,01865E-06 |
7,53919E-06 |
Согласно результатам, уравнение записывается:
10. Проверить значимость регрессионной модели и коэффициентов регрессии. Проверить модели на достоверность с помощью F-критерия Фишера и коэффициента детерминации. Если Fр≥Fф , то построенная модель значима, т.е. выборка соответствует генеральной совокупности. Чем ближе коэффициент детерминации к 1, тем точнее модель, то есть коэффициент должен быть не менее 0,7 (R2≥0,7).
F-критерия Фишера рассчитывается по формуле:
где R - коэффициент корреляции; f1 и f2 - число степеней свободы.
Первая дробь в уравнении равна отношению объясненной дисперсии к необъясненной. Каждая из этих дисперсий делится на свою степень свободы (вторая дробь в выражении). Число степеней свободы объясненной дисперсии f1 равно количеству объясняющих переменных линейной модели.
Число степеней свободы необъясненной дисперсии f2 = T-k-1, где T-количество временных периодов , k-количество объясняющих переменных.
Для проверки значимости уравнения регрессии вычисленное значение критерия Фишера сравнивают с табличным, взятым для числа степеней свободы f1 (бóльшая дисперсия) и f2 (меньшая дисперсия) на выбранном уровне значимости (обычно 0.05). Если рассчитанный критерий Фишера выше, чем табличный, то объясненная дисперсия существенно больше, чем необъясненная, и модель является значимой.
При осуществлении регрессионного анализа в программе Excel коэффициент детерминации и F-критерия Фишера рассчитывается автоматически. Коэффициент детерминации 0,734522197≥ 0,7, F-критерия Фишера 4,483061063, Fрасчетное ≥ Fтабличное, модель считается значимой.
