Professional Documents
Culture Documents
Projekt 1
Projekt 1
Projekt 1
ALEKSANDRA KRLEWIAK
NR ALBUMU:192504
KRZYSZTOF KLIMCZAK
NR ALBUMU:192499
D, GRUDZIE 2014
1
Spis treci
1. Informacje wstpne...........................................................3
1.1 Cel projektu......................................................................3
1.2 Rada Polityki Pieninej..................................................3
1.3 Kredyt studencki..............................................................4
1.4 Prezentacja danych..........................................................5
2. Model ekonometryczny.....................................................7
2.1 Dobr zmiennych do modelu - macierz korelacji............7
2.2 Budowa modelu................................................................9
2.3 Weryfikacja modelu ekonometrycznego........................10
3. Analiza regresji................................................................12
3.1 Regresja liniowa.............................................................12
3.2 Regresja kwadratowa....................................................13
3.3 Regresja trzeciego stopnia............................................14
ARMA ( p , q) .....................16
ARIMA ( p , d , q) ..................18
5. Podsumowanie.................................................................22
6. Bibliografia........................................................................ 23
1. Informacje wstpne
1.1 Cel projektu
W naszym projekcie zajmiemy si badaniem zalenoci pomidzy stop redyskonta weksli i
liczb studentw, a liczb wnioskw dotyczcych przyznania kredytu studenckiego. Budow
modelu i analiz regresji przeprowadzimy w oparciu o dane z lat 1998-2014, natomiast
prognozowanie stopy redyskontowej w oparciu o miesiczne dane zaczynajc od padziernika
1998, a koczc na padzierniku 2014. Do wykonywania oblicze i rysowania wykresw
wykorzystamy program GRETL.
Wykres zgodny jest z naszymi oczekiwaniami (przynajmniej zaczynajc od roku 2002), tzn.
przy spadku stopy redyskonta weksli wzrasta ilo wnioskw, zwizane to jest z wpywem tej
stopy na oprocentowanie kredytw (brana jest pod uwag poowa tej stopy). Dziwi moe
tylko fakt, e we wczeniejszych latach obserwujemy spadek zarwno stopy jak i liczby
wnioskw. Trudno okreli jednoznacznie co byo za to odpowiedzialne, jednak pamitajmy,
e w pocztkowych latach warto stopy redyskontowej bya wartoci dwucyfrow, co
mogo skutecznie odstrasza potencjalnych zainteresowanych. Dopiero w poowie roku 2002
nastpi spadek stopy do wysokoci rzdu kilku procent.
2. Model ekonometryczny
2.1 Dobr zmiennych do modelu - macierz korelacji
Wikszo metod doboru opiera si na dwch podstawowych zaoeniach:
n=1
x , y
gdzie:
Sx , S y
cov xy
Sx S y
- odchylenia standardowe zmiennych
x i
y .
Przyjmuje on wartoci z przedziau [-1,1], ktre informuj o sile i kierunku korelacji liniowej
midzy zmiennymi. Warto rwna zero wiadczy o braku korelacji miedzy badanymi
zmiennymi natomiast rna od 0, o tym e dane s skorelowane.
Wyznaczenie wspczynnikw korelacji realizuje funkcja macierz korelacji, ktra wykonuje
obliczenia tylko dla wyselekcjonowanych zmiennych.
t ,s
n2
r=
2
t,s
1+
n2
gdzie
t , s
swobody s=n2 .
W rozpatrywanych przypadkach wszystkie wspczynniki korelacji
za istotnie rnice si od zera.
8
|r ij|>r
moemy uzna
-stop redyskontow.
i=(1,2, n)
gdzie:
n - liczba badanych jednostek
0 , 1 , 2 - parametry modelu
i - skadnik losowy
W postaci macierzowej model ten dany jest wzorem:
Y = X + .
Oszacowana posta modelu macierzowym przybiera form:
Y = Xa+ e .
W programie Gretl estymacj nieznanych parametrw modelu ekonometrycznego
zrealizujemy za pomoc klasycznej metody najmniejszych kwadratw (KMNK).
Model 1 KMNK
X1 , X2
-na
H1: j 0
, a warto statystyki
tj
10
Nasz model zawiera nieistotn zmienn (Stopa redyskonta), ktr naley usun.
11
12
3. Analiza regresji
W pracy tej poddamy ocenie trzy rodzaje regresji: liniow, kwadratow i trzeciego stopnia.
i=(1,2, n)
gdzie:
n - liczba badanych jednostek
0 , 1 - nieznane parametry funkcji regresji, ktre naley oszacowa
i - skadnik losowy
y (zmienna objaniana) - liczba wnioskw
x 1 (zmienna objaniajca) - liczba studentw
13
a1
wnioskw spada rednio o 0,1 mln. W powyszym modelu wszystkie parametry istotnie
rni si od 0 na poziomie istotnoci 1% (wiadcz o tym (***)).
Ocena stopnia wyjanienia zmiennoci
determinacji
liczby studentw objaniaj zmiany liczby wnioskw w 50%, czyli jest to niewysoki stopie
wyjanienia zmiennoci zmiennej zalenej.
Sprawdzimy wic regresj kwadratow, ktra moe wykazywa wikszy stopie
dopasowania do danych.
y i= 0 + 1 x 1i + 2 x 1 i + i
Otrzymujemy :
15
R2
16
Wykres 3 Regresje
17
gdzie T
Statystyka TheilaU
statystyki U
obliczamy ze wzoru:
( y t y t +1N )2
U 2= t=1
y 2t
t =1
prognoza naiwna.
Kryterium jakoci prognozy na podstawie statystyki U .
Jeli statystyka
co
Jeli
y t +1 .
U <1 ,
N
y t +1
jest rwnie efektywna
y t +1
N
y t +1
. Im mniejsza warto U
Jeli natomiast U >1 , to prognoza naiwna jest lepsza. W takiej sytuacji stosowanie
18
ARMA ( p , q)
Dokonamy prognozy na miesic listopad i grudzie roku 2014 . W tym celu skorzystamy z
modelu ARMA (3,2) . Dla tych parametrw przyjmie on posta:
Y t =1 Y t1 +2 Y t2 + 3 Y t 3+ t + 1 t1 +2 t 2
Otrzymujemy:
Model 7 ARMA(3,2)
19
20
ARIMA ( p , d , q)
W modelu tym zakada si aby, szereg by stacjonarny, to znaczy, powinien on mie sta w
czasie redni, wariancj i autokorelacj.
Dlatego zazwyczaj szereg wymaga rnicowania a do osignicia stacjonarnoci. To, ile razy
szereg powinien by rnicowany, aby osign stacjonarno, wyraa parametr d z
reguy wystarcza wyliczenie pierwszych rnic.
Zbadamy , wic czy nasz szereg jest stacjonarny. W tym celu przeprowadzimy dwa testy :
ADF
(rozszerzony
test
Dickeya-Fullera)
i
KPSS
(test
Kwiatkowskiego,Philipsa,Schmidta,Shina).
Pierwszy z nich przyjmuje za hipotez zerow niestacjonarno szeregu, za alternatywnstacjonarno.
21
-szereg stacjonarny
H1
-szereg niestacjonarny
H0
H0
na rzecz
gdzie
Yt
Y t =1 Y t 1 + 2 Y t2 +3 Y t 3+ t 1 t 1 2 t2
Y t Y t1
Model 8 ARIMA(3,1,2)
23
24
5. Podsumowanie
Gwnym celem naszej pracy byo zbadanie zalenoci midzy stop redyskontow weksli i
liczb studentw, a liczb wnioskw. Podczas weryfikacji modelu okazao si jednak, e stopa
redyskontowa nie wpywa na liczb wnioskw(odrzucilimy ten parametr ze wzgldu na jego
nieistotno).Wydaje si to prawidowym rozumowaniem, gdy wikszo studentw biorc
kredyt nie zdaje sobie sprawy co wpywa na wielko jego oprocentowania.
W dalszej czci projektu staralimy si znale linie trendu opisujc zaleno pomidzy liczb
wnioskw, a liczb studentw. Okazao si, e najlepsz bya regresja trzeciego stopnia. Wskazuje
ona na nieznaczny spadek stopy redyskontowej w kolejnych miesicach.
3,1,2
Na koniec, za pomoc dwch modeli( ARMA (3,2), ARIMA ))
przewidzielimy warto
25
26
6. Bibliografia
[1] T. Kufel, Ekonometria rozwizywanie problemw z wykorzystaniem
programu GRETL,
Wydawnictwo PWN, Warszawa 2011
[2] D. Witkowska, Podstawy ekonometrii i teorii prognozowania, Wydawnictwo
Oficyna, Warszawa 2012
[3] F. Chybalski, E. Marcinkiewicz i inni, Zbir zada z podstaw ekonometrii i
prognozowania, Wydawnictwo Politechniki dzkiej, d 2007
27