Задачи с решениями в Gretl по эконометрике
В этом разделе вы найдете решенные задач по разным разделам эконометрики и статистики, выполненные с применением бесплатно распространяемой программы Gretl. Большая часть работ снабжена подробным текстовым отчетом.
Если вам нужна помощь в выполнении контрольных и расчетных работ по эконометрике в Gretl, обращайтесь: эконометрика на заказ
Решение эконометрики в Гретл
Задача 1. Исследовать остатки парного линейного уравнения регрессии на нормальность и гетероскедастичность с помощью прикладного программного пакета для эконометрического моделирования GRETL-1.9.92.
Задача 2. 1. Оцените модель зависимости y от константы x1, x2,x3,x4.
Выпишите оценённое уравнение, проведите тест на значимость каждого коэффициента (выпишите гипотезы, объясните, как делается вывод).
2. Проверьте регрессию на значимость (выпишите гипотезу, объясните, как делается вывод).
3. Попытайтесь улучшить модель, удалив все лишние переменные (одновременно, последовательно).
4. Интерпретируйте коэффициенты в лучшей модели.
Задача 3. Вам даны квартальные данные по инфляции и безработице.
Инфляция основана на индексе потребительских цен и измеряется в процентных пунктах за квартал. Если вам требуется более ясная интерпретация, вы можете сконвертировать эти данные в годовые, умножив на 4.
Безработица - гармонизированный уровень безработицы (harmonized unemployment rate) в процентных пунктах.
В этой задаче вы будете анализировать эмпирическую кривую Филлипса (Phillips curve).
Используйте ошибки (errors), устойчивые к гетероскедастичности (robust to heteroskedasticity) во всем анализе.
a) Отобразите графически данные по инфляции и безработице в течение времени. Дайте краткое описание того, что вы увидели и соотнесите это с любым страновым или мировым событием.
b) Протестируйте, является ли инфляция похожей (однородной) на протяжении кварталов, или в некоторых кварталах она отличается. Что это говорит вам о стационарности (stationarity) этой переменной?
Как вы можете преобразовать данные, чтобы избавиться от сезонности (seasonality)?
c) Проведите тест на единичный корень (unit root) для инфляции и безработицы. Интерпретируйте результаты теста. Как вы преобразите данные нестационарной (non-stationary) переменной, чтобы использовать в регрессионном анализе?
d) Оцените авторегрессионный процесс (autoregressive process) для инфляции. Используйте информационный критерий (information criterion), чтобы выбрать подходящее число лагов (задержек/временных сдвигов - lags).
e) Проанализируйте, как инфляция зависит от разных лагов безработицы. Определите ADL (p,r) модель, которая по вашему мнению наиболее подходит (прим.: возможно это autoregressive distributed lags - модель авторегрессии и распределенного лага)
f) Является ли безработица причиной инфляции по Грэнжеру (Granger-cause)? Что это означает простыми словами?
g) Протестируйте, имеются ли структурные разрывы (structural breaks) в вашей ADL(p=6,r=2) модели. Прокомментируйте.
h) Используйте ADL(p,r) модель, которую вы выбрали выше, для подвыборки (subsample), которая не включает 2013, 2014, 2015 и 2016. Разработайте одноэтапные (one-step) псевдо прогнозы инфляции за пределами выборки (pseudo out-of-sample forecasts) за 2013-2016 без переоценки (re-estimating) модели. Отобразите среднеквадратичную ошибку прогноза (root mean squared forecast error)
i) Сделайте то же самое для модели, которая не включает лаги безработицы. Сравните эти две модели по критерию прогнозирующей способности вне выборки (out-of-sample predictive power)
j) Оцените выбранную модель по данным до 4 квартала 2016 года.
k) Используя данные до 4 квартала 2016 оцените модель VAR (прим.: возможно это векторная авторегрессия - Vector AutoRegression) безработицы и инфляции с числом лагов равным максимальным значениям "p" и "r" из вашей ADL (p,r) модели.
Может пригодиться: другие примеры решений по эконометрии
