Построение множественной регрессии и ADL-модели влияния человеческого капитала на социально-экономическое развитие

Результаты оценки представлены в таблице 9.Таблица 9 - Выбор порядка лагов для ADL моделиVAR система, максимальный порядок лага 2Звездочка указывает на наилучшие (минимальные) значенияинформационных критериев Акаике (AIC), Шварца (BIC)и Хеннана-Куинна (HQC).lags loglik p(LR) AIC BIC HQC1 45,29149 -10,108000* -9,976517* -10,391740* 2 51,48600 0,00043 -8,953664 -8,844095 -9,190114Таким образом, все критерии указывают на то, что наиболее эффективное число лагов равно одному.Выполним построение ADL - модели для (таблица 10).Таблица 10 - ADL - модель для КоэффициентСт. ошибкаt-статистикаP-значениеconst0,8115040,0093382486,90<0,0001***X1_1−1,68654e-053,53690e-05−0,47680,6536X6_12,72036e-0114,46806e-0126,0880,0017***Статистика, основанная на последней итерации вычисления параметра rho:Сумма кв. остатков 0,000063Ст. ошибка модели 0,003546R-квадрат 0,931672Испр. R-квадрат 0,904341F(2, 5) 45,21211Р-значение (F) 0,000628Параметр rho−0,205723Стат. Дарбина-Вотсона 1,934656Статистика, полученная по исходным данным:Среднее зав. перемен 0,833000Ст. откл. зав. перемен 0,011464Модель статистически значима согласно F-критерию ( и качественна, согласно значению коэффициента детерминации (.Но анализ показывает, что статистически значимым является коэффициент при переменной X6_1.Выполним построение модели, исключив незначимый фактор (таблица 11).Таблица 11 - ADL – модель №2 для КоэффициентСт. ошибкаt-статистикаP-значениеconst0,8072790,00270545298,4<0,0001***X6_12,87631e-0112,85100e-01210,09<0,0001***Статистика, основанная на последней итерации вычисления параметра rho:Сумма кв. остатков 0,000066Ст. ошибка модели 0,003310R-квадрат 0,928571Испр. R-квадрат 0,916666F(1, 6) 101,7835Р-значение (F) 0,000055Параметр rho−0,211540Стат. Дарбина-Вотсона 1,789682Статистика, полученная по исходным данным:Среднее зав. перемен 0,833000Ст. откл. зав. перемен 0,011464 Таким образом, модель имеет вид:Определим эффективную глубину лага для моделидля . Результаты оценки представлены в таблице 12.Таблица 12 - Выбор порядка лагов для ADL моделиVAR система, максимальный порядок лага 2Звездочка указывает на наилучшие (минимальные) значенияинформационных критериев Акаике (AIC), Шварца (BIC)и Хеннана-Куинна (HQC).lags loglik p(LR) AIC BIC HQC1 -62,32109 16,330272* 16,360063* 16,129347* 2 -61,69780 0,26421 16,424451 16,464172 16,156550 Таким образом, все критерии указывают на то, что наиболее эффективное число лагов равно одному.Выполним построение ADL - модели для (таблица 13).Таблица 13 - ADL - модель для КоэффициентСт. ошибкаt-статистикаP-значениеX6_1−2,57424e-061,38690e-06−1,8560,1128Y2_11,186710,066671117,80<0,0001***Статистика, основанная на последней итерации вычисления параметра rho:Сумма кв. остатков 1478801Ст. ошибка модели 496,4542Нецентрированный R-квадрат 0,983480Центрированный R-квадрат 0,968100F(2, 6) 4829,543Р-значение (F) 2,39e-10Параметр rho−0,183603h-статистика Дарбина−0,52879Статистика, полученная по исходным данным:Среднее зав. перемен 22999,35Ст. откл. зав. перемен 3456,205Анализ показывает, что коэффициент при переменной Х6 с лагом 1 статистически не значим. Наблюдается зависимость последующих значений Y2 от предыдущих.Таким образом, для показателя подушевого ВВП отсутствует возможность построения модели с исследуемыми факторами.ЗаключениеВ работе выполнена оценка влияния факторов на показатель индекса человеческого капитала и подушевого ВВП Румынии.Для достижения указанной цели в работе по данным Всемирного банка сформирован массив исходных данных за период 2008-2017 гг. по следующим показателям:индекс человеческого капитала;подушевой ВВП;заявки на патенты;заявки на регистрацию торговых марок;количество исследователей в области НИОКР;доля расходов на НИОКР в ВВП;сборы за интеллектуальную собственность за период;экспорт высоких технологий;доля экспорта высоких технологий в общем экспорте.Построение моделей множественной регрессии позволило получить статистически значимые оценки. Результаты построения моделей множественной регрессии показали, что наиболее значимое влияние на показатель индекса человеческого капитала оказывает показатель числа заявок на патенты, а на показатель подушевого ВВП оказывает фактор экспорта высоких технолоший. Согласно результатам построения моделей:рост числа заявок на патенты 1 шт. в Румынии снижает индекс человеческого потенциала на 0,00017:рост экспорта высоких технологий на 1 долл. приводит к росту подушевого ВВП на 0,0000085 долл.:По данным Всемирного банка о динамике исследуемых показателей по стране Турция проведен анализ на стационарность рядов, построены авторегрессионные модели ADL. Статистически значимая модель получена только для показателя индекса человеческого капитала:Список литературыАнализ данных: учебник для академического бакалавриата / под ред. В. С. Мхитаряна. – М.: Издательство Юрайт, 2016. – 490 с. – Серия: Бакалавр. Академический курс.Всемирный банк [Электронный ресурс]. – Режим доступа: https://data.worldbank.org/Елисеева И. И. Эконометрика: Учебник. - М.: Юрайт, серия "Магистр", 2012. - 464 с.Куфель Т. Эконометрика. Решение задач с применением пакета программ Gretl. – M.: Горячая линия – Телеком, 2007. – 200 с.Малова А. С. Основы эконометрики в среде Gretl: учебное пособие. – М.: Проспект, 2016. – 112 с.Приложение 1