Research and Consulting предварительные результаты исследования экономическое влияние от участия кыргызской республики в многосторонней торговой системе (вто): сектор текстильной и швейной промышленности

Вид материала

Документы

Содержание 7.1.Методология регрессионного анализа 7.2.Построение модели агрегированного спроса для КР

Подобный материал:

• Верховного Совета Российской Федерации, 1992, n 15 ст. 766, 1993, n 29, ст. 1111; Собрание, 337.78kb.
• Президента Кыргызской Республики, постановлениями Правительства Кыргызской Республики, 230.54kb.
• Обзор публикаций по налоговой тематике в региональной прессе за октябрь 2011 года, 60.08kb.
• Задачи урока : Обеспечить закрепление приемов безопасной работы на швейной машине., 115.8kb.
• Постановление Правительства Кыргызской республики о техническом регламент, 1498.51kb.
• Постановление Правительства Кыргызской республики о техническом регламент, 1341.89kb.
• Правительства Кыргызской Республики от 25 февраля 2004 года №103 «Об утверждении Реестра, 136.97kb.
• Статья Общие положения, 603.92kb.
• Экономическое обоснование к проекту о внесении изменений и дополнений в некоторые законодательные, 87.04kb.
• Президента Кыргызской Республики и депутатов Жогорку Кенеша Кыргызской Республики Принят, 1164.85kb.

7.1.Методология регрессионного анализа

Далее в исследовании используется экономико-математическое моделирование, суть которого заключается в построении модели определенного процесса на основании данных по статистическим показателям.

Основой моделирования является регрессионный анализ, который широко используется в эконометрике как метод оценки уравнения связи между зависимыми и независимыми переменными для оценки истинного соотношения между этими переменными. Простейшим примером регрессии является парная линейная регрессия одной независимой переменной и одной зависимой переменной. Предполагается, что одна переменная (Y) зависит от определенного количества (k-1) объясняющих переменных (X2,X3,…Xk) в соответствии с неизвестной истинной формулой



Оценивается уравнение зависимости всех переменных для данного множества наблюдений по методу наименьших квадратов:



Подобный анализ позволяет разграничить влияние независимых переменных, допуская при этом возможность их взаимосвязи. Коэффициент при каждой объясняющей переменной дает оценку ее влияния на величину зависимой переменной (Y) в случае неизменности влияния на нее всех остальных объясняющих переменных.

Далее рассматриваются в основном модели парной регрессии. Следует уточнить, что любая модель парной регрессии не может рассматриваться как базовая модель экономического явления или процесса, поскольку эти модели не учитывают влияния других ключевых факторов, от которых зависит объясняемое явлении или процесс.

Анализ влияния последствий вступления КР в ВТО проводился с использованием экономико-математического моделирования, суть которого заключается в построении модели определенного процесса на основании данных по статистическим показателям. Для проведения экономического анализа были собраны статистические показатели за период 1995-2008 гг.

Имеющиеся абсолютные показатели были пересчитаны в относительные показатели, а именно в цепные темпы роста, выражающие отношение уровня исследуемого явления к его уровню за прошлый период. Это было сделано для того, чтобы использовать индексный метод с относительными показателями, поскольку это позволит получить более достоверное и адекватное отражение реальных тенденций.

Учитывая невозможность применения стандартных методов оценивания модели в случае не стационарности используемых временных рядов, прежде чем перейти к спецификации модели, необходимо провести предварительный анализ переменных на стационарность и определить порядок их интегрированности (для этого был использован расширенный тест Дикки-Фуллера ADF).

После построения модели ее качество определялось посредством выполнения ряда тестов, соблюдение которых является необходимым условием для дальнейшего ее использования.

К числу обязательных, в первую очередь, следует отнести тест на наличие ошибок спецификации – тест Рамсея. Если этот тест не дает положительных результатов, значит, форма оцененного уравнения в общем неверна. Далее, серия тестов на автокорреляцию остатков призвана проконтролировать «правильность» доверительных интервалов для оцененных коэффициентов. Наконец, тест на нормальность распределения остатков позволит сделать вывод о правомерности использования полученных доверительных интервалов.

Наконец, взгляд на диаграмму, отражающую исходный и оцененный ряд, а также остаточные ошибки уравнения, дает возможность визуально убедиться в хорошем или плохом качестве подгонки модели. Также применяются и несколько других тестов в зависимости от спецификации конкретной модели. Более подробно тесты оценки качества моделей представлены в приложении 4.

В процессе исследования возможного влияния показателей, связанных с производством, импортом, экспортом, а также ставками таможенных пошлин на ввозимые товары текстильной и швейной промышленности были выделены следующие модели, представляющие практический интерес в рамках данной работы.

Более подробно результаты моделирования и оценки качества модели представлены в приложении 2.

7.2.Построение модели агрегированного спроса для КР

Наиболее приемлемой и достаточной в контексте данного исследования для оценки общего влияния изменений торгового баланса, потребления на изменение производства республики является модель агрегированного спроса, которая с учетом ведения статистики в КР принимает вид:

GDP = С + I + (E – M),

где

• GDP –индекс ВВП;
  
• C – совокупный спрос (или конечное потребление);
  
• I – валовое накопление основного капитала;
  
• E – экспорт товаров и услуг;
  
• M – импорт товаров и услуг в % к пред. году в сопоставимых ценах.
  

Результаты теста на стационарность исследуемых рядов показали, что все переменные, используемые в модели агрегированного спроса, являются стационарными на периоде моделирования, что позволяет использовать их в модели в явном виде, не прибегая к помощи дифференцирования.

Рассмотрим переменные на графике и перед тем как строить модель, оценим корреляционные связи между исследуемыми переменными.

Корреляционная матрица переменных модели

	GDP	S	I	E	M
GDP	1
S	0.41	1
I	0.28	0.23	1
E	0.62	0.44	0.69	1
M	0.15	0.74	0.65	0.65	1

Источник: расчеты рабочей группы компании


Из анализа графиков и корреляционных связей получаем вывод, что в республике существует неадекватная тенденция изменения ВВП в обратной зависимости от величины капитала.

Составляем уравнение спроса вида GDP = С + I + (E – M). Получаем модель №1 без применения лаговых значений переменных: GDP = 0.87*S + 0.16*I + 0.43*E - 0.47*M

Полученная модель обладает отличной объясняющей способностью в 98% при 1% уровне значимости и полностью соответствует экономическому смыслу, однако такое количество объясняющих переменных велико для модели, строящейся лишь на 6 наблюдениях (с 2001 по 2006 гг.). Так, при данном числе наблюдений, модель должна содержать не более 2 факторов.

Так, из множества допустимых моделей наилучшими характеристиками обладает модель № 2: GDP = -0,43*S(-2) + 151,3,

которая обладает хорошей (в 71%) объясняющей способностью изменения ВВП, однако спецификация модели не совсем согласуется с положениями макроэкономической теории.

Хотя эти две модели и получились довольно качественными и обладают высокой объясняющей способностью, их широкое применение не рекомендуется, поскольку в одной из моделей присутствуют лаговые значения переменной до 2 уровня, а в другой переменных больше допустимого количества, что требует большей длины исследуемых рядов, а в наличии имеется информация по данным показателям лишь с 2001 по 2007 гг., что является недостаточным для проведения качественного анализа и построения адекватной модели. Однако применение данных до этого периода осложняется тем, что в 1998-1999 гг. экономика пережила влияние кризиса, а в период еще более ранний – трансформационный спад, что затрудняет использование макроэкономических данных за этот период.