Praca pochodzi z serwisu www.e-sciagi.pl
WYŻSZA SZKOŁA PEDAGOGICZNA
im. JANA KOCHANOWSKIEGO W KIELCACH
FILIA W PIOTRKOWIE TRYBUNALSKIM
PRACA ZALICZENIOWA Z EKONOMETRII
BEZROBOCIE A INFLACJA I PODAŻ PIENIĄDZA
Wykonał:
Ekonomia
Piotrków Trybunalski 2000
SPIS TREŚCI
Wstęp 3
Teoretyczne podstawy konstrukcji modelu 3
Dane statystyczne 3
Uzasadnienie wyboru postaci funkcyjnej równania oraz wyboru metody estymacji 3
Wyniki estymacji 3
Ocena statystyczna wyników 3
Podsumowanie 3
Bibliografia 3
Przedmiotem rozważań w niniejszej pracy jest próba wykrycia zależności pomiędzy stopą bezrobocia a podażą pieniądza i inflacją. Zmienną endogeniczną (y) jest stopa bezrobocia. Zmiennymi egzogenicznymi są (a) podaż pieniądza ogółem i (b) wskaźnik cen towarów i usług (1990 = 100) . Obserwacje obejmują lata 1990-1997.
Bezrobocie jest zjawiskiem bardzo złożonym. W literaturze możemy napotkać różne definicje bezrobocia, jak również różne teorie wyjaśniające jego przyczyny. Jedną z podstawowych miar bezrobocia jest zastosowana w mojej pracy stopa bezrobocia. Wyraża ona relację poziomu bezrobocia do zasobów siły roboczej. Według neoklasycznej teorii bezrobocia jest ono powodowane ograniczeniami w działaniu swobodnych mechanizmów rynkowych. Silna pozycja związków zawodowych powoduje tendencję usztywniania płac nominalnych, oraz do ustalania stawek płac w układach zbiorowych na zbyt wysokim poziomie. Kolejną zmienną mającą wpływ na bezrobocie może być podaż pieniądza. Jedną z głównych przyczyn inflacji jest zbyt wielka podaż pieniądza. Inflacja zaś jest w bezpośrednim związku z bezrobociem. Zależność ta przedstawiona została przez krzywą Philipsa.
“Mały rocznik statystyczny”, GUS, Warszawa 1996 (s. 151 tab. 9 (114)-wskaźnik cen, s. 294 tab. 4 (238) - podaż pieniądza, s. 109 tab. 11 (87) - stopa bezrobocia.
“Mały rocznik statystyczny”, GUS, Warszawa 1998 (s.164 tab. 7 (123) –wskaźnik cen, s. 317 tab. 6 (255) - podaż pieniądza, s.121 tab. 12 (96) stopa bezrobocia.
Title BEZROBOCIE A RODAZ PIENIADZA I INFLACJA
"zmienna y-stopa bezrobocia
"zmienna a-podaż pieniądza ogółem w milionach pln
"zmienna b-wskażnik can towarów i usług (1990 = 100)
printer 0 1 1 1 1
pause
lim 90 97
data y
90 6.3 12.2 14.3 16.4 16.0 14.9 13.2 10.5;
data a
90 19.0596 26.1022 41.1088 55.9244 77.3019 104.2547 136.6624 176.4371;
data b
90 100.0 171.1 243.64 327.94 428.63 543.5 648.94 744.98;
catch viola.txt
r y=a,b[1]
printer 8viola
pl*
Dane statystyczne i założenia ekonomiczne wskazują, że dla powyższego modelu postać liniowa równania jest dobra. Zależność między zmienną objaśnianą (endogeniczną) a zmiennymi objaśniającymi (egzogenicznymi) jest liniowa. Bardziej złożona forma równania jest zbyteczna czy też nawet nie pożądana. Wszystkie warunki stosowania MNK - estymatora są zachowane.
1. Równanie jest liniowe względem zmiennych.
2. T<k (liczba obserwacji jest większa od liczby parametrów).
3. Kolumny macierzy X są liniowo niezależne.
r y=a,b[1]:
SEE = 0.64 RSQ = 0.9575 RHO = 0.07 Obser = 8 from 1990.000
SEE+1 = 0.64 RBSQ = 0.9406 DW = 1.85 DoFree = 5 to 1997.000
MAPE = 4.13
Variable name Reg-Coef Mexval t-value Elas NorRes Mean
0 y - - - - - - - - - - - - - - - - - - - - - 12.97
1 intercept 13.02180 1012.3 24.772 1.00 23.56 1.00
2 a -0.34969 369.5 -10.258 -2.15 23.33 79.61
3 b[1] 0.09024 383.0 10.567 2.14 1.00 307.97
Oszacowane równanie ma postać
Y= 13,0218 - 0,3496 a – 0,09 b
t-value 24,772 -10,258 10,567
RSQ = 0,9575 MAPE = 4,13
Sprawdzam, czy zachodzi autokorelacja zakłóceń i w tym celu wykorzystuje test Durbina-Watsona. Wartości krytyczne statystyki DW są stablicowane od 15 obserwacji, wobec czego przeprowadzam zbliżony test autokorelacji. Przyjmuję z tablic dl ,du na poziomie istotności 0,05 dla piętnastu obserwacji. Przyjmujemy dwie hipotezy:
H0 : RHO = 0
H1 : RHO <0
d’ =1,85
du < d’
1,36 < 1,85
Wynika z tego, że mamy do czynienia z brakiem autokorelacji. Z przeprowadzonej analizy wydruku wnioskuję, że moje założenia co do postaci funkcji się sprawdziły.
Aby rozstrzygnąć czy ocena i błąd szacunku parametrów wskazują czy parametr istotnie różni się od zera przyjmujemy z tablic t Studenta, że parametr istotnie różni się od zera, gdy êti ê> 3,18 (obserwacje – stopnie swobody = r, a = 0.05)
H0 : b2 = 0
H1 : b2 ? 0
| -10,25 | > 3,18
Odrzucam H0 na rzecz H1, co oznacza że b2 w sposób istotny różni się od zera. Znaczy to, że zmienna podaż pieniądza wpływa istotnie na zmienną endogeniczną.
H0 : b3 = 0
H1 : b3 ? 0
|10,56| > 3,18
Odrzucam H0 na rzecz H1, co oznacza że b3 w sposób istotny różni się od zera (zmienna stopa bezrobocia wpływa istotnie na zmienną endogeniczną).
SEE odchylenie standardowe reszt (0,64) – przewidywane przez oszacowane równanie wartości y średnio różnią się od wartości empirycznych tej zmiennej o 0,64 %.
RSQ – współczynnik determinacji (0,9575) mówi nam o tym, że 95,7% zmienności zmiennej y udało nam się objaśnić za pomocą równania.
MAPE – średni bezwzględny procentowy błąd prognozy informuje o ile procent wartości zmiennej y mylimy się średnio w próbie. W moim modelu MAPE = 4,13 (średnio mylimy się o 4,13 % wartości y)
Reg-Coef – ocena parametrów równania.
b2 = - 0,34 – zwiększając podaż pieniądza o jednostkę oczekujemy spadku bezrobocia o 0,34 punktu procentowego w porównaniu z rokiem poprzednim
b3 = 0,09 – przy wzroście indeksu cen (w roku poprzedzającym rok badany) o jednostkę, oczekujemy spadku bezrobocia o 0,09 punktu procentowego w porównaniu z rokiem poprzednim.
MEXVAL – miara wrażliwości danej zmiennej (o ile % wzrośnie SEE w przypadku usunięcia danej zmiennej z równania. Dla zmiennej a wynosi ona 369,5 ; dla b 383,0
ELAS – elastyczność zmiennej objaśnianej względem danej zmiennej objaśniającej. Miara znaczenia danej zmiennej mówiąca o ile procent zmieni się oczekiwana wartość y jeśli wartość xi zmieni się o jeden %.
Wzrost zmiennej a o 1 % powoduje przewidywany spadek y o 2,15 %.
Wzrost zmiennej b o 1 % powoduje przewidywany wzrost y o 2,14 %.
Na podstawie przeprowadzonej analizy możemy sądzić, że udało nam się wykazać zależność występującą między stopą bezrobocia a inflacją i podażą pieniądza.
“Ekonomia” red. W. Caban , Absolwent, Łódź 1995 r.
“Mały rocznik statystyczny 1996”, GUS.
“Mały rocznik statystyczny 1998”, GUS.
2
stary_hipis