bevezetés az ökonometriába
DESCRIPTION
economyTRANSCRIPT
ACF becsült paraméterek, azaz az α – értékei (a modell együtthatói)*** -al jelöljük a szignifikancia szinteket. Itt nem jelöl p értéket, hanem *-al jelöli azt egyből.A legmagasabb szignifikancia ***.Autokorrelált, mivel az együttható majdnem 1.Nem stacionáris folyamat, mert itt függ az előző értéktől.
6-dik időt nézem… első 6 visszamenésre vonatkozik… elutasítom, mert p érték 0-hoz van közel.
kék vonal szignifikancia szintPiros oszlop együtthatók felvett értékeiGDP értéke akkor nem függ már, ha a kék értéke alatta lesz a piros szintnek. Azaz a szignifikancia szint nem haladja meg a vizsgált értéket.
Stacionerek tekinthető, ha nem lenne a 10-15 között kilengés…de ráfogható, hogy stac.
Elfogadjuk minden vizsgálati szinten..
FOGYASZÓI ÁRIDEXRE IS TESZT
NEM FOGDJUK EL, MERT A TESZT STATISZTIKA, MINDEN % -ON A KRITIKUS FELETT VAN…ELUTASÍTJUK A H0-T A NULL HIPOTÉZIST => EZ A FOLYAMAT NEM STACIONÁRIUS.ISMÉT A DEÁL GDP DIFFJÁT, SEGÍTETT AZ, HOGY ELSŐ RENDBEN DIFF.MINDEN EGYES SZIGNIFIKANCIA SZINT ALATT VAN… => Stac. a folyamatDe, ha csak egy szint esetében is, elfogadhatjuk.
Tartalmaz-e egységgyököt? ADF teszt
Az utolstó bejelölni, a program magának veszi, hogy meddig menjünk vissza.
Az a H0 hipotézis, hogy van egység gyök eh=1Elfogadjuk a szign. szint mellett.
Nem tartalmaz egység gyököt, elutasítjuk a statisztikát, ha már a differenciált veszem.
COINTEGRÁLTSÁG TESZTELÉSE
11.3 – aggregált jövedelem és fogyasztás (alapelmélet minél több a jövedelem, annél több a fogyasztás.)Azt nézem, hogy hosszú távon egyensúlyi kapcsolat van-e közöttük.Veszem, mind a kettő logaritmusát.
Megnézem, hogy van-e egységgyök a folyamatban.
Elfogadjuk, hogy van egység gyök… nem stacionerek.
Veszem ezek deriváltját, majd ADF teszt mind a kettőre
5 % alatt van a p érték.Első fokon integrált a log.Fogyasztás is első fokon integrált.
Első fokon integrált mind a két folyamat.
Megnézzük, hogy a jövedelem mennyire hat a fogyasztásra?
Azt látom, hogy *** és p a beszült együthatója a jöv log-nak. Jöv nagyon meghat. A fogyasztást, nem nagyon van megtakarítás.
Majd megnézzük, hogy a hiba stacioner –e van sem
A regressziós modellhez tartozó maradék.Minden egyes idősorhoz tartozó hiba.
Megnéztem, hogy stac.-e vagy sem.Ho-t 10%-on tudom elutasítani.
KPSS teszt
Ez alapján már látjuk, hogy stacioner folyamat.=>van hosszú távú egyensúlyi kapcsolat, mert a hiba stacioner! Tesztelése a Granger féle:A 3. pontig ugyanaz.
Kimentettük a hibát.A 2. egyenletet építjük fel és a gamma együtthatóra kell koncentrálni.
első késleltettet kell.
Negatív és szignifikáns a sokk együtthatója => kointegrált, mert rövid ideig érvényes a sokkhatás.ARIMA modellek becsléseY –re akarunk ARIMA modell illeszteni:Felt. Y arima folyamatAR és MA rendje:Mivel ARIMA modell, nem a diffel kell.
AR 1 –es folyamat, mert 1 van felette
Megnézzük a korr. A diff log Y-ra is
Azt tippelem, ahol ARIMA(1,1,3)A 3-ast tippeltem, mert nem tudtam megállapítani.
Ebből jött fel a fenti:
Akkor a jó, ha minél kevesebbek…Mi van akkor, ha 1,1,1 mindegyik
Meg kell nézni, hogy a két modellben a hibát kimentve az autokorr.
Mind a kettőre megnézzük a korrelogrammot
Nem autókorrelált, jó a modell.Milyen a modell előrejelző ereje:
Ki kell választani egy időszakor,t, ahol előre jelezni szeretnénk:
85-ig volt idősor, beállítottam, a 6-ot, hogy 6 évre tudjak előre lejelezni.
Jó a modell, mert az előrejelzés illeszkedik …