«Курсовая работа «Исследование пространственных эконометрических моделей»»,
Исследование пространственных эконометрических моделей», информатика в Новосибирске

Задание курсовой работы: Формирование набора исходных данных На основе официальной статистики, опубликованной на сайте Росстата www.gks.ru, сформировать набор исходных данных по субъектам Российской Федерации для варианта: Исследуемые период, год 2020 Уровень значимости 10% Единицами наблюдений будут служить субъекты РФ (начиная с Белгородской области и заканчивая Чукотским автономным округом). Если для какого-то субъекта данные отсутствуют, то соответствующий регион не включается в выборку). При правильном формировании набора данных получается не более 85 субъектов (строк). В качестве зависимой переменной в Ваших моделях будет использоваться переменная «Уровень безработицы» (в %) . В качестве объясняющих переменных в Ваших моделях будут использоваться переменные: Валовой региональный продукт на душу населения с учетом паритета покупательной способности, рассчитывается по формуле: (Валовой региональный продукт на душу населения )/( Стоимость фиксированного набора товаров и услуг )*100; удельный вес городского населения; доля занятого населения, имеющего высшее образование. Задание курсовой работы - Базовый уровень 1) Используя пакет Gretl оцените зависимость уровня безработицы от ВРП на душу населения с учетом паритета покупательской способности, удельного веса городского населения и доли занятого населения, имеющего высшее образование. 2) Определите адекватна ли оцененная регрессия, все ли оценки коэффициентов имеют ожидаемый знак, правильно ли выбрана спецификация модели, исходя из полученных результатов. 3) Проведите тест Рамсея. Если гипотеза о правильной спецификации модели отвергается, то попробуйте добавить в модель квадраты (и, возможно, кубы) некоторых переменных, зависимость от которых может быть нелинейной. Проведите тест Рамсея снова. 4) Для правильно специфицированной модели рассчитайте VIF-ы. Существует ли для построенной регрессии проблема мультиколлинеарности? Если да, то выберите факторы, которые должны быть исключены из уравнения регрессии, используя метод пошагового исключения избыточных переменных. 5) Для модели, полученной на шаге 4 оцените значимость наблюдений, коэффициентов и модели. 6) Проверьте остатки модели на наличие автокорреляции и гетероскедастичности. В случае наличия автокорреляции и/или гетероскедастичности провести коррекцию модели с помощью обобщенного метода наименьших квадратов