Mapa Serwisu
|
| ANALIZA EKONOMERTYCZNA PRODUKCJI PRZEMYS£U FUTRZARSKIEGO W LATACH1996-1998 W POLSCE. |
|
Admin1 dnia marzec 15 2007 16:59:37
|
ANALIZA EKONOMERTYCZNA PRODUKCJI PRZEMYS£U FUTRZARSKIEGO W LATACH1996-1998 W POLSCE.
Rozdział I
1. Dane ¼ródłowe w układzie miesięcznym z lat 1996-1998 pochodzące z Biuletynów Statystycznych oraz dane pierwotne przekształcone do indeksów jednopodstawowych:
a) Dane ¼ródłowe
Tabela 1 Dane pierwotne.
Okres Wartość produkcji sprzedanej przemysłu
[mln zł]
WPS Ceny produkcji sprzedanej przemysłu futrzarskiego
[poprzedni miesiąc=100]
IPS Wynagrodzenia nominalne
[zł]
PW
96-01 441,80 110,10 542,35
96-02 439,90 98,50 560,29
96-03 476,90 107,50 565,98
96-04 434,00 89,00 562,07
96-05 423,30 98,00 564,35
96-06 409,40 96,10 571,28
96-07 405,90 98,10 596,43
96-08 485,00 118,60 612,12
96-09 563,00 115,10 618,48
96-10 599,00 105,10 626,52
96-11 508,30 84,30 636,25
96-12 472,20 92,50 631,37
97-01 544,50 115,00 645,39
97-02 529,10 96,80 649,37
97-03 558,80 105,10 659,69
97-04 548,30 97,40 660,73
97-05 507,40 91,90 653,73
97-06 541,80 106,30 669,24
97-07 486,20 89,40 705,61
97-08 525,80 107,60 715,18
97-09 677,60 127,30 717,50
97-10 743,70 108,90 741,54
97-11 604,40 80,70 738,43
97-12 587,00 96,70 740,61
98-01 611,70 103,90 749,89
98-02 636,40 103,40 757,15
98-03 671,50 104,90 781,20
98-04 620,50 92,00 776,53
98-05 602,20 96,50 791,20
98-06 618,20 102,50 787,87
98-07 583,40 93,70 809,98
98-08 683,30 116,20 823,90
98-09 852,10 123,40 820,41
98-10 829,70 97,10 822,29
98-11 694,10 83,20 823,08
98-12 654,50 94,00 811,41
źródło: Biuletyny Statystyzne.
LEGENDA:
WPS - wartość produkcji sprzedanej przemysłu futrzarskiego [mln zł.]
IPS -wska¼nik cen produkcji sprzedanej przemysłu futrzarskiego w układzie [poprzedni miesiąc=100]
PW -przeciętne miesięczne wynagrodzenia nominalne brutto w przedsiębiorstwach przemysłu futrzarskiego [zł.]
b) Dane pierwotne przekształcone do indeksów jednopodstawowych:
Tabela 2 Wyznaczone indeksy jednopodstawowe.
Okres IWPS IPS1 IPW
96-01 1,0000 1,0000 1,0000
96-02 0,99570 0,98500 1,0331
96-03 1,0794 1,0589 1,0436
96-04 0,98234 0,94240 1,0364
96-05 0,95813 0,92355 1,0406
96-06 0,92666 0,88753 1,0533
96-07 0,91874 0,87067 1,0997
96-08 1,0978 1,0326 1,1286
96-09 1,2743 1,1885 1,1404
96-10 1,3558 1,2492 1,1552
96-11 1,1505 1,0530 1,1731
96-12 1,0688 0,97406 1,1641
97-01 1,2325 1,1202 1,1900
97-02 1,1976 1,0843 1,1973
97-03 1,2648 1,1396 1,2164
97-04 1,2411 1,1100 1,2183
97-05 1,1485 1,0201 1,2054
97-06 1,2263 1,0843 1,2340
97-07 1,1005 0,96941 1,3010
97-08 1,1901 1,0431 1,3187
97-09 1,5337 1,3278 1,3229
97-10 1,6833 1,4460 1,3673
97-11 1,3680 1,1669 1,3615
97-12 1,3287 1,1284 1,3656
98-01 1,3846 1,1724 1,3827
98-02 1,4405 1,2123 1,3961
98-03 1,5199 1,2717 1,4404
98-04 1,4045 1,1700 1,4318
98-05 1,3631 1,1290 1,4588
98-06 1,3993 1,1572 1,4527
98-07 1,3205 1,0843 1,4935
98-08 1,5466 1,2600 1,5191
98-09 1,9287 1,5548 1,5127
98-10 1,8780 1,5098 1,5162
98-11 1,5711 1,2561 1,5176
98-12 1,4814 1,1807 1,4961
¬ródło: Opracowanie własne.
Legenda:
IWPS -indeks jednopodstawowy wartości produkcji sprzedanej przemysłu futrzarskiego [mln zł.]
IPS1 - indeks jednopodstawowy cen produkcji sprzedanej przemysłu futrzarskiego w układzie [poprzedni miesiąc=100]
IPW - indeks jednopodstawowy przeciętnych miesięcznych wynagrodzeń nominalnych brutto w przedsiębiorstwach przemysłu futrzarskiego [zł.]
c) Wykres wyznaczonych indeksów jednopodstawowych.
Rysunek 1 Wyznaczone indeksy jednopodstwowe.
d) Opis wykresu.
Na postawie wykresu można wywnioskować, iż IWPS i IPS1 charakteryzują się wahaniami sezonowymi.
e) Opis zaobserwowanych zmian indeksów w analizowanych latach 1996-1998 .
IWPS:
Wartość produkcji sprzedanej przemysłu futrzarskiego w XII 1998 r. w stosunku do stycznia 1996 r. wzrosła o 48%.
IPW:
Wartość przeciętnych miesięcznych wynagrodzeń nominalnych brutto w przedsiębiorstwach przemysłu futrzarskiego [zł.] w XII 1998 r. w stosunku do stycznia 1996 r. wzrosła o ok.50 %.
IPS1:
Przeciętny poziom cen produkcji sprzedanej przemysłu futrzarskiego w XII 1998 r. w stosunku do stycznia 1996 r. był wyższy o ok. 18%.
Rozdział II
A. KONSTUKCJA MODELI
1. Postacie ogólne modeli liniowych trendu (bez sezonowości) dla:
a) indeksu produkcji sprzedanej
IWPSt= b0 + b1*t + ut
Gdzie IWPS-
t- okres; t=1,2,3,...,36
ut- zmienna losowa w okresie t
b) indeksu przeciętnych wynagrodzeń
IPWt= b0 + b1*t + ut
Gdzie IPW-
t- okres; t=1,2,3,...,36
ut- zmienna losowa w okresie t
2. Postacie analityczne (po oszacowaniu) modeli liniowych trendu (bez sezonowości).
a) indeksu produkcji sprzedanej IWPS
Szacowanie parametrów modelu metodą OLS (MNK) Najmniejszych Kwadratów.
Poniższy wydruk, przedstawia tablicę wynikową oszacowanego modelu, jaką uzyskuje się szacując model metodą MNK przy pomocy programu komputerowego MICROFIT.
Ordinary Least Squares Estimation
***************************************************************************
Dependent variable is IWPS
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C .93362 .048407 19.2871[.000]
T .019446 .0022815 8.5235[.000]
*******************************************************************************
R-Squared .68120 F-statistic F( 1, 34) 72.6496[.000]
R-Bar-Squared .67182 S.E. of Regression .14220
Residual Sum of Squares .68755 Mean of Dependent Variable 1.2934
S.D. of Dependent Variable .24823 Maximum of Log-likelihood 20.1647
DW-statistic 1.1364
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 30.2555[.003]*F( 12, 22)= 9.6559[.000]*
* * * *
* B:Functional Form *CHI-SQ( 1)= .13792[.710]*F( 1, 33)= .12691[.724]*
* * * *
* C:Normality *CHI-SQ( 2)= 5.2313[.073]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 3.8776[.049]*F( 1, 34)= 4.1043[.051]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
POSTAć ANALITYCZNA MODELU:
IWPSt= b0 + b1*t + ut
b0=0,93362
b1=0,019446
IWPSt= 0,93362 + 0,019446*t + ut
W każdym kolejnym miesiącu analizowanych lat wartość produkcji sprzedanej przemysłu futrzarskiego wzrastała przeciętnie statystycznie o 0,019446 jednostki czyli o 1,9 punkta procentowego.
OCENA MODELU wg statystyk:
R2= 0,68120=68%
2=1- R2= 32%
współczynnik determinacji R2 oznacza, że 68% zmienności zmiennej IWPS zostało objaśnione przez model. Powiemy, że przeciętnie w 68 przypadkach na 100 wartości teoretyczne IWPS pokrywają się z wartościami rzeczywistymi..
2 oznacza, że 32% zmienności zmiennej IWPS nie zostało wyjaśnione przez model.
Łredni błąd reszty Se:
Se=0,14220
Se oznacza, że wartości teoretyczne IWPS odchylają się od wartości rzeczywistych IWPS średnio o +/- 0,14220 mln zł.
Współczynnik zmienności losowej V:
V=Se / yt
V=Se / IWPS
V=0,14220 / 1,2934= 10,99%
V oznacza, że średni błąd reszty stanowi przeciętnie 10,99% wartości zmiennej IWPS . Jest to niewiele.
Łrednie błędy ocen parametrów:
Sb0 ; Sb1
Sb0=0,048407
Sb1=0,0022815
..........................
- interpretacja statystyk ww
- interpretacja parametrów modeli
- weryfikacja istotności statystycznej parametrów modeli przy założonym poziomie istotności
- weryfikacja istotności autokorelacji reszt modeli
- oszacowanie współczynnika autokorelacji 1
b) indeksu przeciętnych wynagrodzeń IPW
Szacowanie parametrów modelu metodą OLS (MNK) Najmniejszych Kwadratów:
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C .98505 .0071289 138.1766[.000]
T .015799 .3360E-3 47.0220[.000]
*******************************************************************************
R-Squared .98486 F-statistic F( 1, 34) 2211.1[.000]
R-Bar-Squared .98441 S.E. of Regression .020943
Residual Sum of Squares .014912 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 89.1219
DW-statistic .89048
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 13.3903[.341]*F( 12, 22)= 1.0858[.417]*
* * * *
* B:Functional Form *CHI-SQ( 1)= .81728[.366]*F( 1, 33)= .76658[.388]*
* * * *
* C:Normality *CHI-SQ( 2)= 5.5043[.064]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 2.0603[.151]*F( 1, 34)= 2.0639[.160]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
POSTAć ANALITYCZNA MODELU:
IPWt= b0 + b1*t + ut
b0=0,98505
b1=0,015799
IPWt= 0,98505 + 0,015799 *t + ut
W każdym kolejnym miesiącu analizowanych lat wartość przeciętnych miesięcznych wynagrodzeń nominalnych brutto w przedsiębiorstwach przemysłu futrzarskiego wzrastała przeciętnie statystycznie o 0,015799 jednostki czyli o 1,6 punktu procentowego.
OCENA MODELU:
- przeciętne błędy ocen parametrów
- zamieszczone statystyki (R2, , Se, v)
R2= 0,98486 =98%
2=1- R2= 2%
współczynnik determinacji R2 oznacza, że 98% zmienności zmiennej IPW zostało objaśnione przez model. Powiemy, że przeciętnie w 98 przypadkach na 100 wartości teoretyczne IPW pokrywają się z wartościami rzeczywistymi..
2% oznacza, że
- interpretacja statystyk ww
- interpretacja parametrów modeli
- weryfikacja istotności statystycznej parametrów modeli przy założonym poziomie istotności
- weryfikacja istotności autokorelacji reszt modeli
- oszacowanie współczynnika autokorelacji 1
3. Wykresy wartości teoretycznych i rzeczywistych zmiennych objaśniających (2 wykresy)
Rozdział III
1. Postacie ogólne modeli przyczynowo-skutkowych z sezonowością o zapisie funkcyjnym indeks wynagrodzeń f=(indeks produkcji, indeks cen) dla:
a) zależności liniowej
IPWt=b0 + b1*IWPS + b2*IPS1+Σci*Vit+ ut
b) zależności potęgowo- wykładniczej
IPWt= ebo * IWPStb1 * IPS1b2 * eΣci*Vit * eut
2. Pierwsze postacie analityczne modeli ze wszystkimi zmiennymi (niezależnie od ich istotności)
Ordinary Least Squares Estimation
******************************************************************** Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
********************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.0842 .23366 4.6400[.000]
IWPS 1.7778 .26735 6.6498[.000]
IPS1 -1.8601 .50672 -3.6708[.001]
V1 .0047363 .020063 .23607[.816]
V2 .0059354 .019365 .30650[.762]
V3 .010932 .023518 .46482[.647]
V4 -.0073353 .020525 -.35738[.724]
V5 -.2820E-3 .026851 -.010502[.992]
V6 -.0024814 .025250 -.098271[.923]
V7 .047945 .037633 1.2740[.216]
V8 .033814 .020088 1.6833[.106]
V9 -.041609 .043424 -.95820[.348]
V10 -.044742 .049674 -.90072[.377]
V11 -.0016921 .019871 -.085156[.933]
*******************************************************************
R-Squared .97343 F-statistic F(13, 22) 62.0008[.000]
R-Bar-Squared .95773 S.E. of Regression .034485
Residual Sum of Squares .026162 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 79.0033
DW-statistic .64245
*******************************************************************
Diagnostic Tests
********************************************************************
* Test Statistics * LM Version * F Version
********************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 26.4596[.009]*F( 12, 10)= 2.3112[.097]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 10.4852[.001]*F( 1, 21)= 8.6298[.008]*
* * * *
* C:Normality *CHI-SQ( 2)= .79073[.673]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 5.0837[.024]*F( 1, 34)= 5.5908[.024]*
********************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
a) zależności liniowej
IPWt=b0 + b1*IWPS + b2*IPS1+Σci*Vit+ ut
IPWt=1,0842+1,7778*IWPS –1,8601*IPS1 +(V1+V2+V3+V4+V5+V6+V7+V8+V9+V10+V11)+
IPWt=1.0842+1.7778*IWPS-iuiuiuiyiuiuiuiuiyuiuyiui1.8601*IPS1+(.0047363*V1+.0059354V2+V3+V4+V5+V6+V7+V8+V9+V10+V11)
b) zależności potęgowo- wykładniczej
IPWt= ebo * IWPStb1 * IPS1b2 * eΣci*Vit * eut
3. Drugie postacie analityczne modeli po usunięciu nieistotnych .....................
4. Statystyki i ich interpretacja
5. Weryfikacja istotności autokorelacji i oszacowanie współczynnika autokorelacji
6. Wykresy dla wartości teoretycznych i rzeczywistych.
Rozdział III
ZA£¡CZNIKI
MODEL IPW
Dane z dyskietkiD1:
D2:
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1 V1 V2
V3 V4 V5 V6 V7
V8 V9 V10 V11
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 1.0067 -.0066612
96M2 1.0331 1.0281 .0049626
96M3 1.0436 1.0446 -.0010179
96M4 1.0364 1.0703 -.033984
96M5 1.0406 1.0694 -.028835
96M6 1.0533 1.0783 -.024921
96M7 1.0997 1.1460 -.046257
96M8 1.1286 1.1489 -.020268
96M9 1.1404 1.0973 .043040
96M10 1.1552 1.1263 .028882
96M11 1.1731 1.1692 .0039585
96M12 1.1641 1.1673 -.0031495
97M1 1.1900 1.1964 -.0064178
97M2 1.1973 1.2023 -.0049836
97M3 1.2164 1.2240 -.0076018
97M4 1.2183 1.2186 -.2794E-3
97M5 1.2054 1.2283 -.022895
97M6 1.2340 1.2449 -.010986
97M7 1.3010 1.2854 .015585
97M8 1.3187 1.2936 .025051
97M9 1.3229 1.2994 .023584
97M10 1.3673 1.3424 .024875
97M11 1.3615 1.3440 .017522
97M12 1.3656 1.3421 .023457
98M1 1.3827 1.3696 .013079
98M2 1.3961 1.3960 .2101E-4
98M3 1.4404 1.4318 .0086197
98M4 1.4318 1.3975 .034263
98M5 1.4588 1.4071 .051731
98M6 1.4527 1.4168 .035907
98M7 1.4935 1.4628 .030673
98M8 1.5191 1.5239 -.0047831
98M9 1.5127 1.5793 -.066623
98M10 1.5162 1.5699 -.053757
98M11 1.5176 1.5391 -.021481
98M12 1.4961 1.5164 -.020308
*******************************************************************************
Usuwamy V11 I V5
D3
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.0791 .15453 6.9830[.000]
IWPS 1.7713 .18383 9.6352[.000]
IPS1 -1.8481 .33995 -5.4365[.000]
V1 .0044361 .018459 .24032[.812]
V2 .0057152 .018264 .31293[.757]
V3 .010463 .019659 .53221[.599]
V4 -.0073329 .019255 -.38083[.707]
V6 -.0022727 .021992 -.10334[.919]
V7 .048505 .029273 1.6570[.111]
V8 .033815 .018989 1.7807[.088]
V9 -.042571 .030288 -1.4055[.173]
V10 -.045844 .034050 -1.3463[.191]
*******************************************************************************
R-Squared .97342 F-statistic F(11, 24) 79.9079[.000]
R-Bar-Squared .96124 S.E. of Regression .033022
Residual Sum of Squares .026171 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 78.9973
DW-statistic .64392
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 26.1904[.010]*F( 12, 12)= 2.6699[.051]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 10.3626[.001]*F( 1, 23)= 9.2966[.006]*
* * * *
* C:Normality *CHI-SQ( 2)= .73705[.692]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 5.1275[.024]*F( 1, 34)= 5.6470[.023]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
D4:
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1 V1 V2
V3 V4 V6 V7 V8
V9 V10
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 1.0067 -.0066950
96M2 1.0331 1.0281 .0049995
96M3 1.0436 1.0446 -.0010670
96M4 1.0364 1.0701 -.033749
96M5 1.0406 1.0694 -.028813
96M6 1.0533 1.0779 -.024601
96M7 1.0997 1.1459 -.046140
96M8 1.1286 1.1490 -.020354
96M9 1.1404 1.0972 .043208
96M10 1.1552 1.1262 .028998
96M11 1.1731 1.1709 .0022809
96M12 1.1641 1.1672 -.0030318
97M1 1.1900 1.1964 -.0063694
97M2 1.1973 1.2021 -.0048151
97M3 1.2164 1.2238 -.0074057
97M4 1.2183 1.2186 -.3563E-3
97M5 1.2054 1.2281 -.022783
97M6 1.2340 1.2450 -.011060
97M7 1.3010 1.2853 .015709
97M8 1.3187 1.2932 .025441
97M9 1.3229 1.2992 .023781
97M10 1.3673 1.3425 .024778
97M11 1.3615 1.3456 .015904
97M12 1.3656 1.3421 .023428
98M1 1.3827 1.3692 .013495
98M2 1.3961 1.3958 .2464E-3
98M3 1.4404 1.4315 .0089035
98M4 1.4318 1.3973 .034536
98M5 1.4588 1.4069 .051942
98M6 1.4527 1.4166 .036092
98M7 1.4935 1.4626 .030861
98M8 1.5191 1.5238 -.0046558
98M9 1.5127 1.5793 -.066558
98M10 1.5162 1.5695 -.053346
98M11 1.5176 1.5405 -.022839
98M12 1.4961 1.5161 -.019965
*******************************************************************************
Usuwamy V6, V1
D5:
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.0694 .12230 8.7444[.000]
IWPS 1.7579 .15040 11.6877[.000]
IPS1 -1.8243 .27269 -6.6898[.000]
V2 .0059753 .017431 .34279[.735]
V3 .010251 .017988 .56992[.574]
V4 -.0066274 .018299 -.36217[.720]
V7 .050294 .025797 1.9496[.062]
V8 .034542 .018048 1.9138[.067]
V9 -.043667 .024977 -1.7483[.092]
V10 -.047197 .027712 -1.7032[.100]
*******************************************************************************
R-Squared .97335 F-statistic F( 9, 26) 105.5211[.000]
R-Bar-Squared .96413 S.E. of Regression .031768
Residual Sum of Squares .026239 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 78.9504
DW-statistic .64402
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 25.8501[.011]*F( 12, 14)= 2.9713[.028]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 10.0527[.002]*F( 1, 25)= 9.6857[.005]*
* * * *
* C:Normality *CHI-SQ( 2)= .78941[.674]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 5.0876[.024]*F( 1, 34)= 5.5958[.024]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
D6:
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1 V2 V3
V4 V7 V8 V9 V10
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 1.0030 -.0030321
96M2 1.0331 1.0288 .0042669
96M3 1.0436 1.0455 -.0019696
96M4 1.0364 1.0704 -.034089
96M5 1.0406 1.0689 -.028322
96M6 1.0533 1.0793 -.025945
96M7 1.0997 1.1464 -.046703
96M8 1.1286 1.1500 -.021322
96M9 1.1404 1.0977 .042706
96M10 1.1552 1.1268 .028400
96M11 1.1731 1.1709 .0022593
96M12 1.1641 1.1677 -.0036056
97M1 1.1900 1.1924 -.0024594
97M2 1.1973 1.2025 -.0052126
97M3 1.2164 1.2241 -.0077511
97M4 1.2183 1.2195 -.0012297
97M5 1.2054 1.2274 -.022045
97M6 1.2340 1.2470 -.013085
97M7 1.3010 1.2858 .015225
97M8 1.3187 1.2932 .025461
97M9 1.3229 1.2995 .023431
97M10 1.3673 1.3434 .023870
97M11 1.3615 1.3455 .016079
97M12 1.3656 1.3429 .022652
98M1 1.3827 1.3645 .018196
98M2 1.3961 1.3960 .4893E-4
98M3 1.4404 1.4316 .0088239
98M4 1.4318 1.3974 .034422
98M5 1.4588 1.4059 .052956
98M6 1.4527 1.4181 .034644
98M7 1.4935 1.4629 .030582
98M8 1.5191 1.5242 -.0050358
98M9 1.5127 1.5797 -.067034
98M10 1.5162 1.5693 -.053166
98M11 1.5176 1.5397 -.022072
98M12 1.4961 1.5160 -.019943
*******************************************************************************
Usuwamy V4 i V2:
D7
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.0585 .11065 9.5661[.000]
IWPS 1.7442 .14016 12.4444[.000]
IPS1 -1.7989 .25102 -7.1664[.000]
V3 .0097470 .016821 .57946[.567]
V7 .052002 .024620 2.1122[.044]
V8 .035037 .017345 2.0200[.053]
V9 -.045260 .022219 -2.0370[.051]
V10 -.049096 .024544 -2.0003[.055]
*******************************************************************************
R-Squared .97312 F-statistic F( 7, 28) 144.8052[.000]
R-Bar-Squared .96640 S.E. of Regression .030746
Residual Sum of Squares .026469 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 78.7938
DW-statistic .65558
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 25.1580[.014]*F( 12, 16)= 3.0939[.019]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 9.4850[.002]*F( 1, 27)= 9.6585[.004]*
* * * *
* C:Normality *CHI-SQ( 2)= .94932[.622]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 4.4544[.035]*F( 1, 34)= 4.8009[.035]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
D8
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1 V3 V7
V8 V9 V10
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 1.0037 -.0036994
96M2 1.0331 1.0232 .0098957
96M3 1.0436 1.0461 -.0025351
96M4 1.0364 1.0765 -.040167
96M5 1.0406 1.0682 -.027627
96M6 1.0533 1.0781 -.024769
96M7 1.0997 1.1466 -.046917
96M8 1.1286 1.1506 -.021972
96M9 1.1404 1.0978 .042616
96M10 1.1552 1.1270 .028195
96M11 1.1731 1.1708 .0023106
96M12 1.1641 1.1680 -.0038145
97M1 1.1900 1.1930 -.0029856
97M2 1.1973 1.1967 .6666E-3
97M3 1.2164 1.2242 -.0078222
97M4 1.2183 1.2263 -.0080078
97M5 1.2054 1.2266 -.021188
97M6 1.2340 1.2468 -.012788
97M7 1.3010 1.2860 .015001
97M8 1.3187 1.2929 .025812
97M9 1.3229 1.2996 .023366
97M10 1.3673 1.3441 .023167
97M11 1.3615 1.3453 .016225
97M12 1.3656 1.3435 .022093
98M1 1.3827 1.3642 .018430
98M2 1.3961 1.3900 .0060141
98M3 1.4404 1.4315 .0089024
98M4 1.4318 1.4034 .028363
98M5 1.4588 1.4048 .053994
98M6 1.4527 1.4172 .035464
98M7 1.4935
Usuwamy V3, V10
D9
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.2112 .073080 16.5736[.000]
IWPS 1.9021 .10580 17.9779[.000]
IPS1 -2.1141 .17620 -11.9988[.000]
V7 .023794 .018183 1.3086[.201]
V8 .024004 .015992 1.5010[.144]
V9 -.026490 .020968 -1.2634[.216]
*******************************************************************************
R-Squared .96893 F-statistic F( 5, 30) 187.1084[.000]
R-Bar-Squared .96375 S.E. of Regression .031935
Residual Sum of Squares .030594 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 76.1864
DW-statistic .76145
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 19.9809[.067]*F( 12, 18)= 1.8710[.111]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 7.8728[.005]*F( 1, 29)= 8.1171[.008]*
* * * *
* C:Normality *CHI-SQ( 2)= 3.0072[.222]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 3.3009[.069]*F( 1, 34)= 3.4322[.073]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
D10
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1 V7 V8
V9
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 .99910 .9021E-3
96M2 1.0331 1.0226 .010448
96M3 1.0436 1.0257 .017829
96M4 1.0364 1.0873 -.050935
96M5 1.0406 1.0811 -.040512
96M6 1.0533 1.0974 -.044040
96M7 1.0997 1.1418 -.042045
96M8 1.1286 1.1401 -.011494
96M9 1.1404 1.0958 .044566
96M10 1.1552 1.1491 .0060631
96M11 1.1731 1.1733 -.1330E-3
96M12 1.1641 1.1635 .6265E-3
97M1 1.1900 1.1872 .0027954
97M2 1.1973 1.1967 .6519E-3
97M3 1.2164 1.2076 .0087283
97M4 1.2183 1.2251 -.0067919
97M5 1.2054 1.2391 -.033697
97M6 1.2340 1.2513 -.017332
97M7 1.3010 1.2787 .022302
97M8 1.3187 1.2937 .025010
97M9 1.3229 1.2947 .028276
97M10 1.3673 1.3559 .011382
97M11 1.3615 1.3462 .015345
97M12 1.3656 1.3314 .034171
98M1 1.3827 1.3660 .016675
98M2 1.3961 1.3881 .0079978
98M3 1.4404 1.4136 .026815
98M4 1.4318 1.4091 .022685
98M5 1.4588 1.4169 .041947
98M6 1.4527 1.4261 .026597
98M7 1.4935 1.4542 .039256
98M8 1.5191 1.5131 .0059973
98M9 1.5127 1.5660 -.053330
98M10 1.5162 1.5914 -.075244
98M11 1.5176 1.5438 -.026227
98M12 1.4961 1.5114 -.015285
*******************************************************************************
Usuwamy V7, V9
D11
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.2792 .054818 23.3348[.000]
IWPS 1.9745 .091777 21.5144[.000]
IPS1 -2.2570 .14308 -15.7746[.000]
V8 .024441 .013210 1.8502[.074]
*******************************************************************************
R-Squared .96669 F-statistic F( 3, 32) 309.5558[.000]
R-Bar-Squared .96357 S.E. of Regression .032015
Residual Sum of Squares .032800 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 74.9336
DW-statistic .81789
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 15.8220[.200]*F( 12, 20)= 1.3069[.288]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 7.5881[.006]*F( 1, 31)= 8.2793[.007]*
* * * *
* C:Normality *CHI-SQ( 2)= 2.8474[.241]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 3.4151[.065]*F( 1, 34)= 3.5635[.068]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
D12
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1 V8
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 .99674 .0032633
96M2 1.0331 1.0221 .010979
96M3 1.0436 1.0207 .022840
96M4 1.0364 1.0919 -.055520
96M5 1.0406 1.0866 -.046034
96M6 1.0533 1.1058 -.052425
96M7 1.0997 1.1282 -.028470
96M8 1.1286 1.1406 -.011998
96M9 1.1404 1.1129 .027483
96M10 1.1552 1.1370 .018220
96M11 1.1731 1.1742 -.0011054
96M12 1.1641 1.1667 -.0025711
97M1 1.1900 1.1845 .0054720
97M2 1.1973 1.1966 .7355E-3
97M3 1.2164 1.2045 .011838
97M4 1.2183 1.2245 -.0061917
97M5 1.2054 1.2446 -.039227
97M6 1.2340 1.2533 -.019328
97M7 1.3010 1.2642 .036806
97M8 1.3187 1.2994 .019309
97M9 1.3229 1.3107 .012289
97M10 1.3673 1.3394 .027919
97M11 1.3615 1.3467 .014876
97M12 1.3656 1.3314 .034189
98M1 1.3827 1.3669 .015793
98M2 1.3961 1.3873 .0087579
98M3 1.4404 1.4101 .030301
98M4 1.4318 1.4118 .020007
98M5 1.4588 1.4224 .036424
98M6 1.4527 1.4302 .022479
98M7 1.4935 1.4392 .054230
98M8 1.5191 1.5137 .0054395
98M9 1.5127 1.5782 -.065523
98M10 1.5162 1.5799 -.063712
98M11 1.5176 1.5463 -.028675
98M12 1.4961 1.5150 -.018868
*******************************************************************************
usuwamy V8
D13
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is IPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C 1.2673 .056406 22.4678[.000]
IWPS 1.9502 .094104 20.7235[.000]
IPS1 -2.2187 .14668 -15.1262[.000]
*******************************************************************************
R-Squared .96313 F-statistic F( 2, 33) 430.9748[.000]
R-Bar-Squared .96089 S.E. of Regression .033170
Residual Sum of Squares .036308 Mean of Dependent Variable 1.2773
S.D. of Dependent Variable .16773 Maximum of Log-likelihood 73.1042
DW-statistic .85215
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 14.4417[.273]*F( 12, 21)= 1.1723[.361]*
* * * *
* B:Functional Form *CHI-SQ( 1)= 7.7026[.006]*F( 1, 32)= 8.7105[.006]*
* * * *
* C:Normality *CHI-SQ( 2)= 2.4051[.300]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 5.3385[.021]*F( 1, 34)= 5.9198[.020]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
D14
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of IPW on:
C IWPS IPS1
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 1.0000 .99881 .0011872
96M2 1.0331 1.0237 .0093723
96M3 1.0436 1.0231 .020445
96M4 1.0364 1.0922 -.055821
96M5 1.0406 1.0868 -.046203
96M6 1.0533 1.1053 -.051982
96M7 1.0997 1.1273 -.027574
96M8 1.1286 1.1171 .011499
96M9 1.1404 1.1155 .024868
96M10 1.1552 1.1399 .015269
96M11 1.1731 1.1747 -.0015475
96M12 1.1641 1.1906 -.026421
97M1 1.1900 1.1855 .0044549
97M2 1.1973 1.1971 .2420E-3
97M3 1.2164 1.2055 .010864
97M4 1.2183 1.2249 -.0066099
97M5 1.2054 1.2438 -.038458
97M6 1.2340 1.2531 -.019123
97M7 1.3010 1.2627 .038347
97M8 1.3187 1.2740 .044653
97M9 1.3229 1.3123 .010656
97M10 1.3673 1.3419 .025405
97M11 1.3615 1.3462 .015369
97M12 1.3656 1.3548 .010756
98M1 1.3827 1.3662 .016478
98M2 1.3961 1.3868 .0092777
98M3 1.4404 1.4099 .030481
98M4 1.4318 1.4105 .021272
98M5 1.4588 1.4206 .038247
98M6 1.4527 1.4286 .024104
98M7 1.4935 1.4367 .056728
98M8 1.5191 1.4880 .031159
98M9 1.5127 1.5789 -.066230
98M10 1.5162 1.5801 -.063927
98M11 1.5176 1.5443 -.026653
98M12 1.4961 1.5367 -.040584
*******************************************************************************
MODEL LIPW
M1
Ordinary Least Squares Estimation
*******************************************************************************
Dependent variable is LIPW
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Regressor Coefficient Standard Error T-Ratio[Prob]
C -.010374 .0083591 -1.2410[.228]
LIWPS 1.8640 .14807 12.5884[.000]
LIPS1 -1.7426 .24726 -7.0475[.000]
V1 .0026500 .0089590 .29579[.770]
V2 .0064177 .0085544 .75022[.461]
V3 .0066855 .010474 .63830[.530]
V4 -.0090934 .0088888 -1.0230[.317]
V5 -.0042728 .011671 -.36612[.718]
V6 -.0033755 .011009 -.30660[.762]
V7 .032434 .017033 1.9042[.070]
V8 .022628 .0087049 2.5994[.016]
V9 -.017655 .018165 -.97191[.342]
V10 -.020070 .020426 -.98258[.336]
V11 -.0048541 .0085948 -.56477[.578]
*******************************************************************************
R-Squared .99192 F-statistic F(13, 22) 207.7033[.000]
R-Bar-Squared .98714 S.E. of Regression .015090
Residual Sum of Squares .0050093 Mean of Dependent Variable .23625
S.D. of Dependent Variable .13308 Maximum of Log-likelihood 108.7579
DW-statistic .80739
*******************************************************************************
Diagnostic Tests
*******************************************************************************
* Test Statistics * LM Version * F Version *
*******************************************************************************
* * * *
* A:Serial Correlation *CHI-SQ( 12)= 23.0468[.027]*F( 12, 10)= 1.4827[.270]*
* * * *
* B:Functional Form *CHI-SQ( 1)= .18539[.667]*F( 1, 21)= .10870[.745]*
* * * *
* C:Normality *CHI-SQ( 2)= 1.2832[.526]* Not applicable *
* * * *
* D:Heteroscedasticity *CHI-SQ( 1)= 1.3656[.243]*F( 1, 34)= 1.3406[.255]*
*******************************************************************************
A:Lagrange multiplier test of residual serial correlation
B:Ramsey's RESET test using the square of the fitted values
C:Based on a test of skewness and kurtosis of residuals
D:Based on the regression of squared residuals on squared fitted values
M2
Residuals and Fitted Values of Regression
*******************************************************************************
Based on OLS regression of LIPW on:
C LIWPS LIPS1 V1 V2
V3 V4 V5 V6 V7
V8 V9 V10 V11
36 observations used for estimation from 96M1 to 98M12
*******************************************************************************
Observation Actual Fitted Residual
96M1 0.00 -.0077240 .0077240
96M2 .032543 .014347 .018196
96M3 .042647 .039123 .0035239
96M4 .035715 .050712 -.014997
96M5 .039763 .044206 -.0044433
96M6 .051968 .052190 -.2221E-3
96M7 .095050 .10542 -.010373
96M8 .12102 .13022 -.0092051
96M9 .13135 .12285 .0085001
96M10 .14427 .14929 -.0050218
96M11 .15968 .15607 .0036055
96M12 .15198 .14797 .0040088
97M1 .17394 .18412 -.010177
97M2 .18009 .19108 -.010993
97M3 .19586 .20647 -.010613
97M4 .19743 .20124 -.0038077
97M5 .18678 .20876 -.021973
97M6 .21023 .22546 -.015230
97M7 .26315 .25470 .0084499
97M8 .27662 .26320 .013422
97M9 .27986 .27507 .0047906
97M10 .31282 .29758 .015235
|
|
|
Zaloguj się, żeby móc dodawać komentarze.
|
|
|
Dodawanie ocen dostępne tylko dla zalogowanych Użytkowników.
Proszę się zalogować lub zarejestrować, żeby móc dodawać oceny.
Brak ocen.
|
|
|
|
