Проблеми и многостранна иконометрия

Повечето икономически катедри изискват студенти от втора или трета година да завършат проект по иконометрия и да напишат документ за своите констатации. Години по-късно си спомням колко напрегнат беше проектът ми, затова реших да напиша ръководството за курсови работи по иконометрия, които бих искал да имам, когато бях студент. Надявам се, че това ще ви попречи да прекарате много дълги нощи пред компютър.

За този иконометричен проект ще изчисля пределната склонност към консумация (MPC) в Съединените щати. (Ако сте по-заинтересовани да правите по-опростен, универсален иконометричен проект, моля, вижте „Как да направите проект за безболезнена иконометрия") Пределната склонност към консумация се определя като колко изразходва агент, когато му бъде даден допълнителен долар от личния разполагаем доход на допълнителен долар. Моята теория е, че потребителите пазят определена сума пари настрана за инвестиции и спешни случаи и харчат остатъка от разполагаемия си доход за стоки за потребление. Следователно моята нулева хипотеза е, че MPC = 1.

Интересно ми е също да видя как промените в основния курс влияят на навиците за потребление. Мнозина смятат, че когато лихвеният процент се повиши, хората спестяват повече и харчат по-малко. Ако това е вярно, трябва да очакваме, че има отрицателна връзка между лихвените проценти като основния процент и потреблението. Моята теория обаче е, че няма връзка между двете, така че при всички останали равни, не бива да виждаме промяна в нивото на склонността към консумация, тъй като основният курс се променя.

За да тествам хипотезите си, трябва да създам иконометричен модел. Първо ще дефинираме нашите променливи:

Y_T е номиналните разходи за лично потребление (PCE) в Съединените щати.
х_двет е номиналният разполагаем доход след данъчно облагане в Съединените щати. х_{тритона} е основният лихвен процент в САЩ

Тогава нашият модел е:

Където б ₁, б ₂, и b ₃ са параметрите, които ще оценяваме чрез линейна регресия. Тези параметри представляват следното:

• б₁ е сумата, която нивото на PCE е при номинален разполагаем доход след данъци (X_двет) и основната ставка (X_{тритона}) и двете са нула. Нямаме теория за това каква трябва да бъде "истинската" стойност на този параметър, тъй като той ни интересува малко.
• б₂ представлява сумата, която PCE нараства, когато номиналният разполагаем доход след данъчно облагане в Съединените щати нараства с долар. Обърнете внимание, че това е определението за пределната склонност към консумация (MPC), така че b₂ е просто MPC. Нашата теория е, че MPC = 1, така че нашата нулева хипотеза за този параметър е b₂ = 1.
• б₃ представлява сумата, която PCE нараства, когато основната ставка се увеличи с пълен процент (да речем от 4% до 5% или от 8% до 9%). Нашата теория е, че промените в основния курс не влияят на навиците за потребление, така че нашата нулева хипотеза за този параметър е b₂ = 0.

Така че ще сравняваме резултатите от нашия модел:

към хипотезираната връзка:

където b ₁ е ценност, която не ни интересува особено. За да можем да оценим нашите параметри, ще ни трябват данни. Електронната таблица на Excel „Разходи за лично потребление“ съдържа тримесечни американски данни от 1-во тримесечие на 1959 г. до 3-то тримесечие на 2003 г. Всички данни идват от ФРЕД II - Федералният резерват Сейнт Луис. Това е първото място, което трябва да отидете за икономическите данни на САЩ. След като изтеглите данните, отворете Excel и заредете файла, наречен "aboutpce" (пълно име "aboutpce.xls") във всяка директория, в която сте го запазили. След това продължете към следващата страница.

Не забравяйте да продължите към страница 2 от "Как да направим безболезнен многоелегантен иконометричен проект"

Отворихме файла с данни, можем да започнем да търсим това, от което се нуждаем. Първо трябва да намерим нашата Y променлива. Спомнете си, че Y_T е номиналните разходи за лично потребление (PCE). Бързо сканирайки нашите данни виждаме, че нашите PCE данни са в колона C, означена като "PCE (Y)". Разглеждайки колони A и B, виждаме, че нашите данни от PCE работят от 1-во тримесечие на 1959 г. до последното тримесечие на 2003 г. в клетки C24-C180. Трябва да запишете тези факти, тъй като ще ви трябват по-късно.

Сега трябва да намерим нашите X променливи. В нашия модел имаме само две променливи X, които са X_двет, разполагаем личен доход (DPI) и X_{тритона}, основната ставка. Виждаме, че DPI е в колоната, обозначена DPI (X2), която е в колона D, в клетки D2-D180, а основната скорост е в колоната, обозначена Prime Rate (X3), която е в колона E, в клетки E2-E180. Идентифицирахме данните, от които се нуждаем. Вече можем да изчислим коефициентите на регресия с помощта на Excel. Ако не сте ограничени да използвате определена програма за вашия регресионен анализ, бих препоръчал да използвате Excel. В Excel липсват много от функциите, които използват много по-сложните пакети за економетрия, но за извършване на обикновена линейна регресия е полезен инструмент. Много по-вероятно е да използвате Excel, когато влезете в „реалния свят“, отколкото да използвате пакет с иконометрия, така че да притежавате Excel е полезно умение.

Нашата Y_T данните са в клетки E2-E180 и нашия X_T данни (X_двет и X_{тритона} заедно) е в клетки D2-E180. Когато правим линейна регресия се нуждаем от всяко Y_T да има точно един свързан X_двет и един свързан X_{тритона} и така нататък. В този случай имаме същия брой Y_T, Х_двет, и X_{тритона} записи, така че е добре да отидем. Сега, когато сме намерили нужните ни данни, можем да изчислим коефициентите си на регресия (нашите b₁, б₂, и b₃). Преди да продължите, трябва да запазите работата си под друго име на файла (избрах myproj.xls), така че ако трябва да започнем отначало, имаме нашите оригинални данни.

След като изтеглихте данните и отворите Excel, можем да преминем към следващия раздел. В следващия раздел изчисляваме нашите регресионни коефициенти.

Не забравяйте да продължите към страница 3 на "Как да направим безболезнен многоелегантен иконометричен проект"

Сега върху анализа на данните. Отидете на Инструменти меню в горната част на екрана. Тогава намерете Анализ на данни в Инструменти меню. ако Анализ на данни не е там, тогава ще трябва да го инсталирате. За да инсталирате инструментариума за анализ на данни, вижте тези инструкции. Не можете да направите регресионен анализ без инсталиран пакет от инструменти за анализ на данни.

След като сте избрали Анализ на данни от Инструменти меню ще видите меню с възможности като "Ковариация" и "F-Тест Двупроба за варианси". В това меню изберете регресия. Елементите са подредени по азбучен ред, така че не трябва да бъдат прекалено трудни за намиране. Веднъж там ще видите форма, която изглежда така. Сега трябва да попълним този формуляр. (Данните на фона на тази екранна снимка ще се различават от вашите данни)

Първото поле, което ще трябва да попълним, е Диапазон на вход Y. Това е нашият PCE в клетки C2-C180. Можете да изберете тези клетки, като напишете "$ C $ 2: $ C $ 180" в малкото бяло поле до Диапазон на вход Y или като щракнете върху иконата до това бяло поле и след това изберете тези клетки с мишката.

Второто поле, което ще трябва да попълним, е Вход X обхват. Тук ще въведем информация и двете от нашите X променливи, DPI и Prime Rate. Нашите DPI данни са в клетки D2-D180, а нашите първични данни са в клетки E2-E180, така че имаме нужда от данните от правоъгълника на клетки D2-E180. Можете да изберете тези клетки, като напишете „$ D $ 2: $ E $ 180“ в малкото бяло поле до Вход X обхват или като щракнете върху иконата до това бяло поле и след това изберете тези клетки с мишката.

Накрая ще трябва да назовем страницата, по която ще продължат резултатите от регресията. Уверете се, че имате Нов работен лист избрано и в бялото поле до него напишете име като „Регресия“. Когато приключи, кликнете върху Добре.

Сега трябва да видите раздел в долната част на екрана, наречен регресия (или каквото сте го нарекли) и някои резултати от регресия. Сега имате всички необходими резултати за анализ, включително R Square, коефициенти, стандартни грешки и т.н.

Търсихме да оценим нашия коефициент на прихващане b₁ и нашите X коефициенти b₂, б₃. Коефициентът ни за прихващане b₁ се намира в наречения ред откъсване и в колоната с име Коефициенти. Уверете се, че сте записали тези цифри, включително броя на наблюденията (или ги разпечатайте), тъй като ще ви трябват за анализ.

Коефициентът ни за прихващане b₁ се намира в наречения ред откъсване и в колоната с име Коефициенти. Първият ни коефициент на наклон b₂ се намира в наречения ред X Променлива 1 и в колоната с име Коефициенти. Нашият втори коефициент на наклон b₃ се намира в наречения ред X Променлива 2 и в колоната с име Коефициенти Финалната таблица, генерирана от вашата регресия, трябва да бъде подобна на тази, дадена в долната част на тази статия.

Сега вече имате необходимите регресионни резултати, ще трябва да ги анализирате за своята курсова работа. Ще видим как да направите това в статията на следващата седмица. Ако имате въпрос, на който искате да отговорите, използвайте формата за обратна връзка.

Резултати от регресия

-13.71941.4186-9.67080.0000-16.5192-10.9197