Автор работы: Пользователь скрыл имя, 11 Декабря 2013 в 19:38, реферат
Историческое развитие общества неразрывно связано с изменением динамики численности и воспроизводства населения. На сегодняшний момент в мире проживает более 7 млрд. человек. Однако не во всех странах процесс воспроизводства населения происходит одинаково. В развитых странах наблюдается «демографическая зима», в свою очередь для развивающихся характерна «демографическая весна».
Суть современного демографического кризиса заключается не только в резком ухудшении развития народонаселения, что выражается в резком уменьшении темпов роста численности населения в развитых странах, а в некоторых из них и снижении этого показателя за нулевую отметку, но и в определенном кризисе института семьи, в некотором ухудшении качества развития населения, в демографическом старении.
1. Постановка задачи 3
1.1. Определение целей и условий 3
1.2. Сбор данных, оформление данных в таблицу. 3
2. Анализ данных 5
2.1 Определение вида и степени корреляционной зависимости между факторами и Y. 5
2.2 Анализ мультиколлинеарности. 7
3. Построение и анализ модели регрессии 8
3.1 Первоначальная модель 8
3.2 Скорректированная модель 9
3.3 Проверка на гетероскедастичность 10
Заключение 12
Список использованной литературы 13
Полученная модель выглядит так:
Проверим статистическую значимость коэффициентов нашей модели.
Выдвигает гипотезу (2) о значимости коэффициента.
Для проверки гипотезы найдем t набл для каждого коэффициента по формуле (3), данные значения уже посчитаны в Eviews, колонка t-Statistic. Сравним полученные значения с tкрит при уровне значимости .
Если , то Н0 отвергается, и коэффициент значим.
Если , то Н0 принимается, и коэффициент не значим.
При сравнении получаем, что коэффициенты значимы, а не значим.
Далее выдвигаем гипотезу (4) о значимости регрессии в целом. Использовав формулу (5), найдем значение Fнабл = 195,59.
Так как FнаблFкрит, гипотеза Н0 отвергается, что означает, что регрессия в целом значима и модель адекватна.
Для того чтобы
оценить степень влияния
Наличие гетероскедастичности означает ситуацию, когда дисперсия ошибки в уравнении регрессии изменяется от наблюдения к наблюдению.
Выдвигаем гипотезу
о постоянстве дисперсии
Проверим в Eviews:
White Heteroskedasticity Test: | |||
F-statistic |
90.15694 |
Probability |
0.000000 |
Obs*R-squared |
30.21794 |
Probability |
0.000403 |
Очевидно, что в модели присутствует гетероскедастичность, поскольку probability меньше уровня значимости.
Проведем корректировку модели на гетероскедастичность. Eviews это делает автоматически:
Dependent Variable: POP | ||||
Method: Least Squares | ||||
Sample: 1 31 | ||||
Included observations: 31 | ||||
White Heteroskedasticity-Consistent Standard Errors & Covariance | ||||
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
IMM |
16.49768 |
8.294699 |
1.988942 |
0.0569 |
BIRTH |
60.55580 |
7.995914 |
7.573344 |
0.0000 |
DEATH |
23.23406 |
9.783857 |
2.374734 |
0.0249 |
C |
-405750.2 |
962916.5 |
-0.421376 |
0.6768 |
R-squared |
0.956010 |
Mean dependent var |
18924156 | |
Adjusted R-squared |
0.951122 |
S.D. dependent var |
24384714 | |
S.E. of regression |
5391040. |
Akaike info criterion |
33.95829 | |
Sum squared resid |
7.85E+14 |
Schwarz criterion |
34.14332 | |
Log likelihood |
-522.3535 |
F-statistic |
195.5927 | |
Durbin-Watson stat |
2.239274 |
Prob(F-statistic) |
0.000000 | |
К сожалению, даже корректировка существенно не поменяла коэффициенты модели, что означает, в ней все также присутствует гетероскедастичность.
Такая ситуация возможна из-за того, что были выбраны страны с очень различными показателями рождаемости, смертности и миграции.
В данной работе был проведен анализ влияния показателей рождаемости, смертности и миграции на общую численность населения стран Европы.
На базе реальных статистических данных была построена эконометрическая модель, позволившая оценить влияние данных факторов на объясняемую переменную.
Модель была проверена и скорректирована на мультиколлинеарность и гетероскедостичность. Были проверены коэффициенты данной регрессии и качество регрессии в целом.
Необходимо отметить, что все факторы, включенные в модель, имеют значимое влияние на общую численность населения. С помощью коэффициента детерминации было выяснено, что вариация результативного признака на 95.6% объясняется включенными в модель факторами.
В целом регрессия оказалась значима, однако присутствующая в модели гетероскедастичность не позволяет адекватно оценивать качество модели.
Интернет - источники