База задач по EVIEWS

Количественные переменные: Stat (результаты прошлогоднего экзамена по статистике), Rating (средний балл на предыдущем курсе), Oct – результат промежуточного октябрьского экзамена по эконометрике, Exam – результаты итогового экзамена по эконометрике.

Фиктивные переменные: Male – пол (равный 1 для мальчиков), Home – (равно 1 в случае регулярной сдачи домашних заданий – в МИЭФ студент сам решает, делать ли ему домашки), Lect – равно 1 для студентов, регулярно посещающих лекции 

Бинарная переменная: Passed – равна 1, для студентов, набравших по итоговому экзамену не менее 40% и переведенных на следующий курс.

Оценить значимость пола для результата экзамена с помощью F-теста на группу фиктивных переменных. Провести такой же анализ с помощью теста Чоу и показать, что эти тесты дают одинаковые результаты. 

Количественные переменные: Stat (результаты прошлогоднего экзамена по статистике), Rating (средний балл на предыдущем курсе), Oct – результат промежуточного октябрьского экзамена по эконометрике, Exam – результаты итогового экзамена по эконометрике.

Фиктивные переменные: Male – пол (равный 1 для мальчиков), Home – (равно 1 в случае регулярной сдачи домашних заданий – в МИЭФ студент сам решает, делать ли ему домашки), Lect – равно 1 для студентов, регулярно посещающих лекции 

Бинарная переменная: Passed – равна 1, для студентов, набравших по итоговому экзамену не менее 40% и переведенных на следующий курс.

С помощью модели , исследуйте влияние пола на результаты экзамена. Сначала введите только фиктивную переменную сдвига, затем добавьте нужные переменные наклона. Дайте интерпретацию построенным моделям (не обращая здесь внимания на значимость). 

 

Постройте зависимость итоговой количественной переменной Exam от следующих переменных:

Male (пол может влиять на оценку, так как девочки обычно относятся к экзаменам более ответственно)
Home (выполнение домашних работ должно повышать оценку на экзамене)
Lect (посещение лекций должно повышать оценку на экзамене)
Stat (эконометрика использует некоторые факты статистики, поэтому чем выше балл по статистике, тем он должен быть выше по эконометрике)
Oct  (чем выше результат промежуточного экзамена, тем выше должен быть результат основного экзамена) 

Сравните модели с разным составом переменных, используя тесты на значимость группы переменных. 

Количественные переменные: Stat (результаты прошлогоднего экзамена по статистике), Rating (средний балл на предыдущем курсе), Oct – результат промежуточного октябрьского экзамена по эконометрике, Exam – результаты итогового экзамена по эконометрике.

Фиктивные переменные: Male – пол (равный 1 для мальчиков), Home – (равно 1 в случае регулярной сдачи домашних заданий – в МИЭФ студент сам решает, делать ли ему домашки), Lect – равно 1 для студентов, регулярно посещающих лекции 

Бинарная переменная: Passed – равна 1, для студентов, набравших по итоговому экзамену не менее 40% и переведенных на следующий курс.

 

Компания, занимающаяся продвижением кандидатов и организацией выборов на различные должности путем голосования в Интернете, обратилась к вам с просьбой помочь построить эконометрическую модель на основе данных прошлых результатов выборов. Данные включают 110 наблюдений по следующим показателям:

VOTES – зависимая переменная количество голосов, отданных за кандидата (в тысячах).

ELECT – зависимая бинарная переменная, которая принимает значение 1, если кандидат был избран.

ADV – сумма денег (в тысячах долларов США), потраченных на продвижение кандидата.

TV – количество раз, когда кандидат появлялся на специальных телевизионных мероприятиях (дебаты, выступления и т. д.).

ATT – оценка людьми личной привлекательности кандидата по 10-балльной шкале. 

Появились потенциальные клиенты – Кандидат А, будучи достаточно опытным и богатым, планирует потратить на рекламу 10000$ и сделать 55 выступлений на телевидении до выборов, имея рейтинг привлекательности 7. Кандидат Б – молодой и менее опытный человек, который может позволить себе потратить на рекламу всего 2000$ и 25 раз появлялся на телевидении, но людям понравилось, как он выглядит, и они дали ему максимальный рейтинг привлекательности 10.

Учащийся оценивает различные характеристики модели (стандартные ошибки или их эквиваленты в скобках).:

Для пробит-модели, (стандартная нормальная функция плотности вероятности). 

Основываясь на анализе, какую рекомендацию следует дать каждому кандидату, чтобы максимизировать шанс быть избранным?

Компания, занимающаяся продвижением кандидатов и организацией выборов на различные должности путем голосования в Интернете, обратилась к вам с просьбой помочь построить эконометрическую модель на основе данных прошлых результатов выборов. Данные включают 110 наблюдений по следующим показателям:

VOTES – зависимая переменная количество голосов, отданных за кандидата (в тысячах).

ELECT – зависимая бинарная переменная, которая принимает значение 1, если кандидат был избран.

ADV – сумма денег (в тысячах долларов США), потраченных на продвижение кандидата.

TV – количество раз, когда кандидат появлялся на специальных телевизионных мероприятиях (дебаты, выступления и т. д.).

ATT – оценка людьми личной привлекательности кандидата по 10-балльной шкале. 

Появились потенциальные клиенты – Кандидат А, будучи достаточно опытным и богатым, планирует потратить на рекламу 10000$ и сделать 55 выступлений на телевидении до выборов, имея рейтинг привлекательности 7. Кандидат Б – молодой и менее опытный человек, который может позволить себе потратить на рекламу всего 2000$ и 25 раз появлялся на телевидении, но людям понравилось, как он выглядит, и они дали ему максимальный рейтинг привлекательности 10.

Учащийся оценивает различные характеристики модели (стандартные ошибки или их эквиваленты в скобках).:

Для пробит-модели, (стандартная нормальная функция плотности вероятности). 

Исследуйте предельный эффект ТВ для обоих кандидатов и сравните его с максимальным предельным эффектом, используя модель (iii).

Компания, занимающаяся продвижением кандидатов и организацией выборов на различные должности путем голосования в Интернете, обратилась к вам с просьбой помочь построить эконометрическую модель на основе данных прошлых результатов выборов. Данные включают 110 наблюдений по следующим показателям:

VOTES – зависимая переменная количество голосов, отданных за кандидата (в тысячах).

ELECT – зависимая бинарная переменная, которая принимает значение 1, если кандидат был избран.

ADV – сумма денег (в тысячах долларов США), потраченных на продвижение кандидата.

TV – количество раз, когда кандидат появлялся на специальных телевизионных мероприятиях (дебаты, выступления и т. д.).

ATT – оценка людьми личной привлекательности кандидата по 10-балльной шкале. 

Появились потенциальные клиенты – Кандидат А, будучи достаточно опытным и богатым, планирует потратить на рекламу 10000$ и сделать 55 выступлений на телевидении до выборов, имея рейтинг привлекательности 7. Кандидат Б – молодой и менее опытный человек, который может позволить себе потратить на рекламу всего 2000$ и 25 раз появлялся на телевидении, но людям понравилось, как он выглядит, и они дали ему максимальный рейтинг привлекательности 10.

Учащийся оценивает различные характеристики модели (стандартные ошибки или их эквиваленты в скобках).:

Для пробит-модели, (стандартная нормальная функция плотности вероятности). 

Ответить на вопрос: Является ли группа переменных ADV и ATT значимой в уравнении (iii)?

 

Компания, занимающаяся продвижением кандидатов и организацией выборов на различные должности путем голосования в Интернете, обратилась к вам с просьбой помочь построить эконометрическую модель на основе данных прошлых результатов выборов. Данные включают 110 наблюдений по следующим показателям:

VOTES – зависимая переменная количество голосов, отданных за кандидата (в тысячах).

ELECT – зависимая бинарная переменная, которая принимает значение 1, если кандидат был избран.

ADV – сумма денег (в тысячах долларов США), потраченных на продвижение кандидата.

TV – количество раз, когда кандидат появлялся на специальных телевизионных мероприятиях (дебаты, выступления и т. д.).

ATT – оценка людьми личной привлекательности кандидата по 10-балльной шкале. 

Появились потенциальные клиенты – Кандидат А, будучи достаточно опытным и богатым, планирует потратить на рекламу 10000$ и сделать 55 выступлений на телевидении до выборов, имея рейтинг привлекательности 7. Кандидат Б – молодой и менее опытный человек, который может позволить себе потратить на рекламу всего 2000$ и 25 раз появлялся на телевидении, но людям понравилось, как он выглядит, и они дали ему максимальный рейтинг привлекательности 10.

Учащийся оценивает различные характеристики модели (стандартные ошибки или их эквиваленты в скобках).:

Для пробит-модели, (стандартная нормальная функция плотности вероятности). 

Объясните логику модели (iii). Что она оценивает?

Как она это делает (опишите механизм расчета по модели)?  

□  Согласно модели (iii), каковы шансы каждого кандидата быть избранным?

Компания, занимающаяся продвижением кандидатов и организацией выборов на различные должности путем голосования в Интернете, обратилась к вам с просьбой помочь построить эконометрическую модель на основе данных прошлых результатов выборов. Данные включают 110 наблюдений по следующим показателям:

VOTES – зависимая переменная количество голосов, отданных за кандидата (в тысячах).

ELECT – зависимая бинарная переменная, которая принимает значение 1, если кандидат был избран.

ADV – сумма денег (в тысячах долларов США), потраченных на продвижение кандидата.

TV – количество раз, когда кандидат появлялся на специальных телевизионных мероприятиях (дебаты, выступления и т. д.).

ATT – оценка людьми личной привлекательности кандидата по 10-балльной шкале. 

Появились потенциальные клиенты – Кандидат А, будучи достаточно опытным и богатым, планирует потратить на рекламу 10000$ и сделать 55 выступлений на телевидении до выборов, имея рейтинг привлекательности 7. Кандидат Б – молодой и менее опытный человек, который может позволить себе потратить на рекламу всего 2000$ и 25 раз появлялся на телевидении, но людям понравилось, как он выглядит, и они дали ему максимальный рейтинг привлекательности 10.

Учащийся оценивает различные характеристики модели (стандартные ошибки или их эквиваленты в скобках).:

Для пробит-модели, (стандартная нормальная функция плотности вероятности). 

Объясните смысл регрессии (i). Сравните шансы кандидатов на успех на основе модели (i), предполагая, что более высокое ожидаемое количество голосов можно рассматривать как показатель успеха.

У исследователя есть данные о почасовом заработке Е , измеряемом в долларах США, и стаже работы у текущего работодателя Т в годах для 112 мужчин и женщин, окончивших крупный университет (без дополнительного образования) и о 28 студентах  того же университета, отчисленных до окончания учебы. Определив фиктивную переменную D равной 0 в случае выпускника и 1 в случае отсева, а также фиктивную переменную наклона DT как произведение D и T, исследователь рассчитывает следующие регрессии (стандартные ошибки в скобках; RSS = сумма квадратов остатков): (Graduates – выпускники, drop-outs – исключенные, combined sample – те и другие вместе).

Исследуйте отличается ли функция заработка для тех, кто бросил учебу, и для выпускников, используя фиктивные переменные. Проведите t-тесты и соответствующий F-тест, четко указав пару гипотез. Сравните результаты двух подходов (теста Чоу и на основе фиктивных переменных).

У исследователя есть данные о почасовом заработке E , измеряемом в долларах США, и стаже работы у текущего работодателя T в годах для 112 мужчин и женщин, окончивших крупный университет (без дополнительного образования) и о 28 студентах  того же университета, отчисленных до окончания учебы. Определив фиктивную переменную D равной 0 в случае выпускника и 1 в случае отсева, а также фиктивную переменную наклона DT как произведение D и T , исследователь рассчитывает следующие регрессии (стандартные ошибки в скобках; RSS = сумма квадратов остатков): (Graduates – выпускники, drop-outs – исключенные, combined sample – те и другие вместе).

Исследуйте, отличается ли функция заработка для тех, кто бросил учебу, и для выпускников, используя тест Чоу. Сформулируйте нулевую гипотезу; указать используемый тест, степени свободы и критические значения. Объясните логику теста Чоу.

 

 

У исследователя есть данные о почасовом заработке E , измеряемом в долларах США, и стаже работы у текущего работодателя T в годах для 112 мужчин и женщин, окончивших крупный университет (без дополнительного образования) и о 28 студентах  того же университета, отчисленных до окончания учебы. Определив фиктивную переменную D равной 0 в случае выпускника и 1 в случае отсева, а также фиктивную переменную наклона DT как произведение D и T, исследователь рассчитывает следующие регрессии (стандартные ошибки в скобках; RSS = сумма квадратов остатков): (Graduates – выпускники, drop-outs – исключенные, combined sample – те и другие вместе)

Получите для данного уравнения две регрессии, описываюшие зависимость E от T отдельно для выпускников и отчисленных.

 

У исследователя есть данные о почасовом заработке , измеряемом в долларах США, и стаже работы у текущего работодателя  в годах для 112 мужчин и женщин, окончивших крупный университет (без дополнительного образования) и о 28 студентах  того же университета, отчисленных до окончания учебы. Определив фиктивную переменную   равной 0 в случае выпускника и 1 в случае отсева, а также фиктивную переменную наклона  как произведение   и , исследователь рассчитывает следующие регрессии (стандартные ошибки в скобках; RSS = сумма квадратов остатков): (Graduates – выпускники, drop-outs – исключенные, combined sample – те и другие вместе)

Оцените значимость коэффициентов при фиктивных переменных. 

У исследователя есть данные о почасовом заработке , измеряемом в долларах США, и стаже работы у текущего работодателя  в годах для 112 мужчин и женщин, окончивших крупный университет (без дополнительного образования) и о 28 студентах  того же университета, отчисленных до окончания учебы. Определив фиктивную переменную  равной 0 в случае выпускника и 1 в случае отсева, а также фиктивную переменную наклона  как произведение и , исследователь рассчитывает следующие регрессии (стандартные ошибки в скобках; RSS = сумма квадратов остатков): (Graduates – выпускники, drop-outs – исключенные, combined sample – те и другие вместе)

Дайте экономическую интерпретацию всем коэффициентам уравнениям.

По 86 регионам РФ изучается зависимость объема платных услуг, оказанных населению (руб.) y от среднедушевых денежных доходов населения ( в месяц, руб.) x (по данным ФСГС за 2006 г.).

Задание:

1. Постройте корреляционное поле заданных переменных и сформулируйте гипотезу о виде связи.
2. Вычислите описательные (дескриптивные) статистики.
3. Вычислите выборочный коэффициент корреляции и оценить его значимость на 5%-м уровне.
4. Оцените параметры уравнения парной линейной регрессии. Проведите тест Фишера на общую значимость уравнения и тест Стьюдента на значимость его параметров. Постройте графики наблюдаемых (фактических) и расчетных значений зависимой переменной и график остатков.
5. Проверьте адекватность полученной модели по критерию нормальности распределения остатков.

6. Найдите расчетные значения y^ (yhat) по оцененному уравнению парной регрессии и сравните их с наблюдаемыми значениями, оцените качество расчетных значений.
7. Дайте точечный и интервальный прогноз объема платных услуг при значениях среднедушевых доходов: на 10% превышающих среднее по выборке значение; на 10% превышающих минимальное по выборке значение; на 10% превышающих максимальное по выборке значение.

Условия. По 48 субъектам РФ изучается зависимость объема поступлений в бюджет РФ (млн.руб.) y от количества занятых в РФ (тыс. чел.) x1, отгрузки в обрабатывающих производствах (млн. руб.) x2 и производства энергии (млн.руб.) x 3 (по данным ФСГС за 2009 г).

Задание

1. Постройте матрицу парных корреляций всех факторов. Сделайте выводы.

2. Постройте уравнение множественной линейной регрессии, включив факторы количество занятых и отгрузка в обрабатывающих производствах. Проанализировать результаты теста Фишера на общую значимость уравнения и теста Стьюдента на значимость его параметров, полученный коэффициент детерминации и скорректированный коэффициент детерминации. Сделать выводы.

3. Оцените целесообразность включения в модель фактора отгрузка в обрабатывающих производствах.

4. Проверьте правомерность невключения в модель дополнительного фактора производство энергии. Используйте: 1) тест на пропущенную переменную, 2) расчет частных коэффициентов эластичности и стандартизованных коэффициентов регрессии. Сформулируйте окончательный вид уравнения модели.

5. Постройте графики наблюдаемых (фактических) и расчетных значений зависимой переменной и график остатков по выбранному варианту модели. Рассчитайте точностную характеристику модели - среднюю относительную ошибку аппроксимации. Сделайте вывод.

6. Дайте интервальную оценку значения коэффициента регрессии при факторе количество занятых в РФ и при факторе отгрузка в обрабатывающих производствах. Проинтерпретируйте полученные результаты.

7. Рассчитайте средние частные коэффициенты эластичности по выбранной модели, сравните их с оцененными параметрами уравнения (b1 и b2) и поясните разницу между ними.