Ekonometrika – mokslas, įteikiantis ekonomistui galingą įrankį – matematinių modelių įvairovę, kuri įgalina nusakyti tendencijas, vertinti paklaidas, prognozuoti. Šis ekonomikos mokslas yra būtinas išmanyti kiekvienam progresyviam profesionalui.
Šis tyrimas skirtas tam, kad išanalizuoti elektros energijos suvartojimą ūkyje kilovatvalandėmis. Atliekant tyrimą, bus ieškomas tinkamiausias modelis laiko eilutei išreikšti, ištirtas šios eilutės stacionarumas, atliktas prognozavimas.
Ekonometrika kaip tik ir nagrinėja statistinių modelių sudarymo bei ekonominių procesų modeliavimo problemas. Savaime suprantama, kad šis modeliavimas atliekamas, iš galimų alternatyvų siekiant atrinkti efektyvų sprendinį.
PROBLEMINĖS SRITIES APRAŠAS
Šiame darbe bus analizuojamas elektros energijos suvartojimas ūkyje kilovatvalandėmis 2007 – 10 iki 2009 – 11 laikotarpyje.
1 lentelė. Elektros energijos suvartojimas
Data
kWh
2007 11
180
2007 12
169
2008 01
135
2008 02
203
2008 03
182
2008 04
100
2008 05
241
2008 06
230
2008 07
200
2008 08
260
2008 09
210
2008 10
257
2008 11
167
2008 12
343
2009 01
213
2009 02
236
2009 03
301
2009 04
438
2009 05
234
2009 06
531
2009 07
266
2009 08
219
2009 09
280
2009 10
421
1 pav. Elektros energijos suvartojimas
Preliminari šio grafiko analizė parodo, kad tiriama laiko eilutė yra nestacionari, pasižyminti sezoniškumu. Tad prognozuojant elektros energijos suvartojimo kiekį tikslinga naudoti laiko eilutės regresijos modelį.
STEBINIŲ ANALIZĖ
Šios analizės tikslas – įvertinti surinktų stebinių savybes, siekiant nustatyti ekonometrikos modelio prielaidų pagrįstumą.
Išskirčių nustatymas
Išskirtys numatomos trimis alternatyviais metodais:
◦ stebinių įtakos indeksu;
◦ standartizuota liekana;
◦ Kuko matu.
Išskirčių nustatymui pasirinktas Kuko matas, kuris apskaičiuojamas taip:
.
Stebinys laikomas išskirtimi, jei tenkinama sąlyga
.
Praktiškai dažnai naudojamasi apytiksle taisykle. Kai , tai tariama, kad išskirtis egzistuoja.
Kuko mato (Cook‘s Distance), apskaičiavimo rezultatai pateikti lentelėje:
2 lentelė. Liekamųjų paklaidų analizės langas.
Predicted & Residual Values. Dependent variable: kWh
Observed
Predicted
Residual
Standard
Standard
Std.Err.
Mahalanobis
Deleted Residual
Cook’s Distance
1
180,0000
147,4810
32,519
-1,62634
0,42018
30,63324
2,644979
38,560
0,019445
2
169,0000
156,3254
12,675
-1,48694
0,16377
28,72930
2,210986
14,700
0,002486
3
135,0000
165,4648
-30,465
-1,34289
-0,39363
26,81819
1,803357
-34,622
0,012015
4
203,0000
174,6041
28,396
-1,19884
0,36690
24,97730
1,437227
31,697
0,008735
5
182,0000
183,1537
-1,154
-1,06409
-0,01491
23,33349
1,132288
-1,269
0,000012
6
100,0000
192,2930
-92,293
-0,92004
-1,19251
21,67994
0,846480
-100,152
0,065702
7
241,0000
201,1375
39,862
-0,78064
0,51506
20,20592
0,609403
42,778
0,010412
8
230,0000
210,2768
19,723
-0,63660
0,25484
18,84445
0,405254
20,966
0,002175
9
200,0000
219,1213
-19,121
-0,49720
-0,24707
17,71871
0,247203
-20,179
0,001782
10
260,0000
228,2606
31,739
-0,35315
0,41010
16,79444
0,124713
33,308
0,004361
11
210,0000
237,3999
-27,400
-0,20910
-0,35403
16,15430
0,043723
-28,648
0,002985
12
257,0000
246,2444
10,756
-0,06970
0,13897
15,83793
0,004858
11,226
0,000441
13
167,0000
255,3837
-88,384
0,07435
-1,14200
15,84343
0,005527
-92,250
0,029770
14
343,0000
264,2282
78,772
0,21375
1,01781
16,17013
0,045688
82,367
0,024722
15
213,0000
273,3675
-60,368
0,35779
-0,78001
16,82004
0,128017
-63,360
0,015828
16
236,0000
282,5068
-46,507
0,50184
-0,60091
17,75279
0,251845
-49,090
0,010584
17
301,0000
290,7617
10,238
0,63195
0,13229
18,80367
0,399359
10,881
0,000583
18
438,0000
299,9010
138,099
0,77600
1,78437
20,15925
0,602170
148,151
0,124309
19
234,0000
308,7455
-74,745
0,91540
-0,96578
21,62866
0,837951
-81,078
0,042856
20
531,0000
317,8848
213,115
1,05944
2,75365
23,27836
1,122421
234,313
0,414614
21
266,0000
326,7293
-60,729
1,19884
-0,78468
24,97730
1,437227
-67,790
0,039955
22
219,0000
335,8686
-116,869
1,34289
-1,51005
26,81819
1,803357
-132,816
0,176811
23
280,0000
345,0079
-65,008
1,48694
-0,83996
28,72930
2,210986
-75,397
0,065390
24
421,0000
353,8524
67,148
1,62634
0,86761
30,63324
2,644979
79,622
0,082908
Minimum
100,0000
147,4810
-116,869
-1,62634
-1,51005
15,83793
0,004858
-132,816
0,000012
Maximum
531,0000
353,8524
213,115
1,62634
2,75365
30,63324
2,644979
234,313
0,414614
Mean
250,6667
250,6667
-0,000
-0,00000
-0,00000
21,80590
0,958333
0,080
0,048287
Median
232,0000
250,8141
4,542
0,00232
0,05869
20,91729
0,723677
4,806
0,013921
Iš 1 lentelės matyti, kad kuko mato apskaičiuoti rezultatai mažiau už vienetą (Di<1), vadinasi išskirtis neegzistuoja.
Heteroskedastijos įvertinimas
Heteroskadastijos egzistavimą galima nustatyti atliekant sklaidos diagramos analizę, kurios metu fiksuojamas sisteminis paklaidos didėjimas ar mažėjimas. Tačiau kiekvieną kartą analizuoti grafikus sunku, todėl reikalinga analitinė procedūra.
Praktiškai dažniausiai naudojami trys testai:
• Spirmeno ranginės koreliacijos koeficientas;
• Goldfeldo-Kvandto;
• Gleizerio.
Atliksime heteroskedastijos įvertinimą Spirmeno ranginės koreliacijos koeficiento testo pagalba.
Šiame teste daroma prielaida, kad, didėjant reikšmei, liekamosios paklaidos dispersija arba didės, arba mažės, ir todėl regresijoje, įvertinamoje MKM, kintamojo ir liekamosios...

Daugiau informacijos...

★ Klientai rekomenduoja

Šį rašto darbą rekomenduoja mūsų klientai. Ką tai reiškia?

Mūsų svetainėje pateikiama dešimtys tūkstančių skirtingų rašto darbų, kuriuos įkėlė daugybė moksleivių ir studentų su skirtingais gabumais. Būtent šis rašto darbas yra patikrintas specialistų ir rekomenduojamas kitų klientų, kurie po atsisiuntimo įvertino šį mokslo darbą teigiamai. Todėl galite būti tikri, kad šis pasirinkimas geriausias!