Влияние ВВП и количества трудоустроенных на индекс потребительских цен

Министерство образования Республики Беларусь Белорусский государственный университет Экономический факультет Курсовой проект по дисциплине «Эконометрика и прогнозирование» на тему:

«Влияние ВВП и количество трудоустроенных на индекс потребительских цен»

Автор работы: студент

3 курса отделения

" менеджмент"

Ван Яо Минск 2013

Введение

Эконометрика — это наука, связанная с эмпирическим выводом экономических законов, то есть используются данные для того, чтобы получить количественные зависимости для теоретических экономических соотношений.

ВВП — это денежная оценка всех произведенных конечных товаров и услуг в экономике за год. При этом учитывается годовой объем конечных товаров и услуг, созданных на территории страны. Для правильно расчета ВВП необходимо учесть все продукты и услуги, произведенные в данном году, но без повторного, двойного счета. Вот почему в определении ВВП речь идет о конечных товарах и услугах. Эти блага потребляются в рамках домашних хозяйств и фирм, и не участвуют в дальнейшем производстве, в отличие от промежуточных товаров. Если в ВВП включить промежуточные продукты, используемые для производства других товаров (мука, купленная хлебозаводом для выпечки хлеба), то получается завышенная оценка ВВП (цена муки будет учтена несколько раз). Исключить двойной счет позволяет показатель добавленной стоимости, который представляет разницу между продажами фирмами их готовой продукции покупкой материалов, инструментов, топлива и услуг у других фирм. Добавленная стоимость — это рыночная цена продукции фирмы, за вычетом стоимости потребленного сырья и материалов, купленных у поставщиков. Суммируя добавленные стоимости, произведенные всеми фирмами в стране, можно определить ВВП, который и представляет рыночную оценку всех выпущенных товаров и услуг.

Вследствие стоимостной оценки производимых в экономике благ на изменение величины ВВП в следующем году влияет не только изменение физического объема выпуска конечных благ, но и изменение рыночных цен на товары и услуги, произведенные этой экономикой за изучаемый промежуток времени.

При расчете валового внутреннего продукта номинальным ВВП в некотором году называют стоимостную оценку благ, учитываемых при подсчете данного показателя в ценах данного года. Индекс потребительских цен (ИПЦ), в котором используется фиксированный набор благ («потребительская корзина»). Индекс Ласпейраса IL = p1i q0i / p0i q0i, где q0i количество товаров и услуг, произведенных в базисном году, p0i — цены товаров и услуг в базисном году, p1i — цены товаров и услуг в текущем году. ИПЦ отражает только цены товаров, приобретаемых домашними хозяйствами. ИПЦ учитывает цены импортных товаров. Индекс цен производителей (ИЦП), где в качестве весов цен берется количества товаров и услуг, произведенные в текущем году. Индекс Пааше Ip = p1i q1i / p0 q1i, где q1i — количество товаров и услуг в текущем году. Дефлятор ВВП представляет собой индекс Пааше. В последнее время широкое применение находит индекс Фишера, представляющий собой среднегеометрическое значение из индексов Ласпейраса и Пааше. Ip = IL Ip Логика прогнозирования ВВП.

В настоящее время проблема трудоустройства выпускников высших учебных заведений является одной из наиболее актуальных. Несмотря на заметное улучшение ситуации в сфере занятости населения в целом по-прежнему остро стоит вопрос о трудоустройстве молодых специалистов в соответствии с полученной профессиональной квалификацией.

В настоящее время сложились следующие группы противоречий: между социальными, профессиональными ориентациями молодежи и потребностями предприятий и организаций в рабочей силе; между задачей повышения эффективности подготовки молодых специалистов и системой вузовской подготовки; между теоретической подготовкой выпускников и отсутствием необходимых навыков практического использования полученных знаний; между жизненными, профессиональными планами выпускников и реальными возможностями их осуществления.

Одна из важнейших проблем современного рынка труда проявляется в несоответствии уровня выпускаемых вузами специалистов потребностям общества, динамики его развития. Наши вузы продолжают готовить специалистов не всегда в соответствии с потребностями рынка. При этом рынок труда нестабилен, подвержен конъюнктурным колебаниям, и вузы не всегда вовремя и должным образом реагируют на такие изменения. Особенно это заметно в региональных образовательных структурах. У большинства учебных заведений отсутствует адекватное требованиям рыночной экономики планирование объемов, профилей и уровня подготовки специалистов. Учебные заведения действуют по принципу выживания, а не адаптации к социально-экономическим условиям. В условиях отсутствия государственного распределения выпускников вузов предприятия и организации самостоятельно определяют свою кадровую политику. Это сопровождается, с одной стороны, общим сокращением численности работающих, с другой — более высокими требованиями к вновь принимаемым на работу. Во многих случаях предпочтение отдается специалистам с трудовым стажем и опытом работы, а также кадрам, владеющим несколькими смежными профессиями, способным к динамичной профессиональной мобильности.

Построение и анализ эконометрической модели В целях описания, анализа и прогнозирования явлений и процессов в экономике применяют математические модели. В случае использования регрессионных моделей результат действия экономической системы представляется как функция влияющих на нее факторов.

В настоящей работе будут использованы средства программного продукта MS Excel. Анализ начинается с описательной статистики для всех переменных.

Ежеквартальные данные о валовом внутреннем продукте, количество трудоустроенных и индекс потребительских цен к национальной валюте для Исландии на период с 2003по 2011годы

Создадим файл с исходными данными в среде Microsoft Excel.

Исследуем степень корреляционной зависимости между переменными. Для этого построим корреляционную матрицу, используя средства «Анализа данных». Корреляционная матрица приведена в таблице 1.2.

Из корреляционной матрицы следует, что на индекс потребительских цен продукт оказывает влияние оба регрессанта, т. е. и количество трудоустроенных имеют корреляционную связь с валовым внутренним продуктом. Так же можем отметить наличие корреляционной зависимости между объясняющими (экзогенными) переменными, это может свидетельствовать о наличии в модели явления мультиколлениарности.

ля того, чтобы проверить, существует ли зависимость между признаками, построим корреляционное поле. Так как у нас 2 переменные х, то у нас будет 2 корреляционных поля. Для этого выделите столбцы х1 и у (буквы х1 и у не обводить, а только их значения). На панели инструментов нажмите значок «Диаграммы» и при появлении окна (Мастер диаграмм) выберите точечную диаграмму.

Рисунок 1. Динамика показателей GDP-ВВП, мил. евро, и количество трудоустроенных Построим многофакторную регрессионную модель, в которой зависимая переменная — Y индекс потребительских цен продукт.

Определим коэффициенты уравнения регрессии.

Y =b0 + b1•X1 + b2•X2

Рисунки 2 и 3 отражают линию тренда (тенденцию) и уравнение регрессии на корреляционном поле зависимости Y от значений показателя X.

Прогноз поведения изучаемого экономического явления осуществляется подстановкой значения фактора X в оценку детерминирующей составляющей.

Результаты множественной регрессии в численном виде представлены в табл. 1.2.

Дисперсионный анализ

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -12.3 620 482 -0.215 063•X1 + 0.23 048 173•X2 (1.1)

(s) (6.655 346 577) (0.523 918) (0.11 611 452)

(t) (-1.808 501 583) (-0.410 488 952) (1.984 951 816)

Коэффициент b 1 =-0.215 063 показывает, что при увеличении ВВП (x1) на на 1 млн руб. денежной массы (у) увеличивается в среднем на -0.215 063 млн руб. (в чем измеряется показатель, может быть миллионы, миллиарды, проценты и т. п), а увеличение чистого количество (х2) на 1 тыс. приводит к увеличению денежной массы (у) в среднем на0.23 048 173 млн Руб.

Уравнение выражает зависимость индекс потребительских цен (Y) от ВВП (Х1), количество трудоустроенных (Х2). Коэффициенты уравнения показывают количественное воздействие каждого фактора на результативный показатель при неизменности других. В нашем случае увеличивается на индекс потребительских -0.215 063. при увеличении валово внутреннем продукте на 1 млн. при неизменности показателя количество трудоустроенных; индекс потребительских цен увеличивается на 0.23 048 173. при увеличении количество трудоустроенныхна 1 тыс. при неизменности показателя индекс потребительских цен продукт Случайное отклонение для коэффициента при переменной Х1 составляет 0.523 918; при переменной Х2 — 0.11 611 452; для свободного члена 6.655 346 577.

коэффициент детерминации R2 = 0.108 (Следует обратить внимание, что коэффициент детерминации R2 составил 0.108, то есть отобранные факторы на 10.8% объясняют вариацию У), рассчитывается по формуле, и показывает, что модель достаточно хорошо описывает данные, так как R2 близок к 1;

Справедливо соотношение. Чем теснее линейная связь между и, тем ближе коэффициент детерминации к единице.

Еще докажем с помощью F статистики после сравниваем, то что у нас получилось по данной формуле с

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n — m — 1 = 33; tкр. = t0,025;33 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R2 = 0.108;

= 1- (1- 0.108)*(36−1)/(36−2-1)= 0.54 077 134

Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0.54 077 134;

Критерий Фишера F = 2.451 392; = 0.151 348 011

Согласно критерию Фишера данная модель адекватна. Так как уровень значимости модели меньше 0,1.

Проверим остатки на наличие автокорреляции. Для этого найдем значение статистики Дарбина-Уотсона.

эконометрический модель коэффициент матрица регрессионный

DW = 2.356 277 481

Проведем графический анализ гетероскедастичность. Построим график, где по оси абсцисс будем откладывать расчетные значения Y, полученные из эмперического уравнения регрессии, а по оси ординат квадраты остатков уравнения е и е (-1)

Анализируя график, можем предположить непостоянство дисперсий. Т. е. наличие гетероскедастичности в модели.

Для проверки наличия гетероскедастичности воспользуемся тестом Парка. В Excel рассчитаем логарифмы значений e2, X

Построим для каждой объясняющей переменной зависимости y= a + b lnx.

ВЫВОД ИТОГОВ Результаты в таблицах

Дисперсионный анализ

Как следует из данных, полученных с помощью Excel методом наименьших квадратов, полученная многофакторная модель будет иметь вид:

Y = -46.12 734 998 + 5.590 379 407 lnx

(s) (17.45 031 191) (2.157 809 867)

(t) (-2.643 353 896) (2.590 765 522)

Уравнение выражает зависимость e (Y) от ВВП (Х1), В нашем случае e увеличивается на 5.590 379 407. при увеличении ВВП на 1 млн руб. Случайное отклонение для коэффициента при переменной Х1 составляет 2.157 809 867; для свободного члена 17.45 031 191. Помощь на экзамене онлайн.

Табличное значение критерия Стьюдента, соответствующее доверительной вероятности g = 0,95 и числу степеней свободы v = n — m — 1 = 34; tкр. = t0,025;34 = 2,364.

Сравнивая расчетную t-статистику коэффициентов уравнения с табличным значением, заключаем, что все коэффициенты уравнения регрессии будут значимы, за исключением свободного члена в уравнении регрессии.

Коэффициент детерминации R2 = 0.16 486 675;

=1-(1−0.16 486 675)*(36−1)/(36−1-1)= 0.140 304 007

Скорректированный на потерю степеней свободы коэффициент множественной детерминации AR2 = 0.140 304 007;

Критерий Фишера F = 6.71 206 599; Значимость = 0.14 004 971.

Построенное уравнение регрессии, хотя и адекватно экспериментальным данным (имеет высокий коэффициент детерминации и значимую F-статистику, все коэффициенты регрессии статистически значимы), не может быть использовано в практических целях, так как оно имеет следующие недостатки: присутствует автокорреляция остатков случайных отклонений, имеется мультиколлинеарность.

Перечисленные недостатки могут привести к ненадежности оценок, выводы по tи Fстатистикам, определяющим значимость коэффициентов регрессии и детерминации, возможно, неверны.

Заключение

Следует отметить, что цели данного исследования достигнуты. Было построено две модели, из которых выбрана модель лучшего качества (2). Полученная модель обладает достаточно хорошим качеством и является адекватной, о чем свидетельствуют данные таблицы 6.

В ходе данной работы были получены результаты, достаточно точно отражающие реальные макроэкономические процессы. Однако можно выделить такие проблемы, связанные с разработкой эконометрических моделей для Датской экономики. Среди них:

короткая длина временных рядов макроэкономических показателей. Это приводит нередко к невысокой точности коэффициентов эконометрических зависимостей;

подверженность многих показателей структурным изменениям. Это требует введения в эконометрические зависимости фиктивных переменных, отражающих эффект того или иного экономического явления;

некоторое несоответствие динамики взаимосвязей между эндогенными и экзогенной переменными положениям экономической теории, что требует проведения дополнительного экономического анализа.

Впоследствии с помощью построенной модели могут быть решены такие задачи, как прогнозирование и анализ ВВП в будущем, выработка соответствующей экономической политики.

Таким образом, товарооборот Дании зависит от многих факторов, среди которых нужно выделить реальные денежные доходы населения. Они, как и большинство экономических показателей, подвержены колебаниям и воздействиям различных внешних и внутренних факторов.

ВВП остаются важнейшими показателями деятельности страны, степени развития ее экономики в целом.

Список использованных источников

1. Белоусов А. Р. Сценарии экономического развития России на пятнадцатилетнюю перспективу // Проблемы прогнозирования. — 2006. — N 1. — С.3−52.

2. Макконелл К. Р., Брю С. Л. Экономикс. Москва: ИНФРА-М, 2003.

3. Бородич С. А. Эконометрика. Минск: ООО «Новое знание», 2006.

4. Eviews 3.1. User Guide. — QMS, 1998.

5. D.N. Gujarati Basic Econometrics. — McGraw, 1995.

6. Российская экономика в 2001;2004 гг.: альтернативная оценка / Г. И. Ханин, О. И. Полосова, Н. В. Иванченко, Д. А. Фомин // ЭКО. — 2007. — N 6. — C.2−23.

7. Российская экономика в 2004 году. Тенденции и перспективы / Гл. ред. Гайдар Е. и др. — М.: ИЭПП, 2005. — 683с.

8. Илларионов А. Значимые закономерности экономического развития // Вестник финансовой академии. 2001. № 1. — с. 21.

Приложения