Эконометрическое моделирование экономического роста на основе производственных функций на примере Германии

ВВЕДЕНИЕ

Несмотря на значительное количество работ в области аппарата производственных функций, у ряда авторов возникают сомнения в возможности использования методологии производственных функций для прогнозирования региональной экономики на основе временных рядов.
Построение и оценка производственных функций является классической проблемой эконометрического моделирования. Производственные функции имеют большую значимость в анализе, планировании и в исследованиях различных уровней экономики. Макроэкономические производственные функции позволяют оценить влияние основных факторов производства на экономический рост. Простейшей производственной функцией является функция Кобба-Дугласа.
Таким образом, анализ динамики экспорта позволит оценить реальное состояние экономики Германии.
Целью работы яв ляется анализ динамики изменения экспорта в течении 1990 - 2013гг. в С Германии с последующим построением регрессионной модели, связывающих эти показатели.
Задачи работы следующие:
1. Охарактеризовать интенсивность
развития исследуемых показателей от периода к периоду (от даты к дате), а также среднюю интенсивность развития за исследуемый период.
2. Выявить основную тенденцию в развитии показателей.
3. Осуществить прогноз развития показателей на будущее.
4. Построить регрессионную модель, связывающую показатель GDPс исследуемыми показателями.
Статистический и графический анализ исследуемых показателей осуществлялся с помощью табличного процессора «MSExcel 2010».
 

ЗАКЛЮЧЕНИЕ

В приростных показателях показатель ВВП значительно изменялся.
Что касается исследования исследований абсолютных приростных показателей, то ряд в первых разностях предположительно будет стационарным, так как колебания носят не систематический характер. Что же касается абсолютных приростных показателей относительно базового показателя, то здесь ситуация противоположна – ряд имеет четкую тенденцию роста, т.е. с течением времени происходит наращивание ВВП, что не может не сказываться на состоянии экономики.
Значимых различий нет, однако сравнивая величины достоверности аппроксимации степенной и линейной модели видно, что предпочтительнее использовать линейную модель.
Наибольшая связь наблюдается междуLabor force и GDP.
Уравнение регрессии:
Y = -25.59 + 0.62 X1 + 2.17 X2
Поскольку 9.92 < 21, то статистическая значимость коэффициента регрессии b0 не подтверждается (принимаем гипотезу о равенстве нулю этого коэффициента).
Поскольку 16.09 < 21, то статистическая значимость коэффициента регрессии b1 не подтверждается (принимаем гипотезу о равенстве нулю этого коэффициента).
Поскольку 10.79 < 21, то статистическая значимость коэффициента регрессии b2 не подтверждается (принимаем гипотезу о равенстве нулю этого коэффициента).
Поскольку фактическое значение F > Fkp, то коэффициент детерминации статистически значим (найденная оценка уравнения регрессии статистически надежна).
Поскольку фактическое значение F > Fkp, то коэффициент Fx1 статистически значим, т.е. целесообразно включать в уравнение x1 после включения в него фактора x2.
Поскольку фактическое значение F > Fkp, то коэффициент Fx2 статистически значим, т.е. целесообразно включать в уравнение x2 после включения в него фактора x1.