Monimuuttuja ekonometrian ongelmat ja Excel

Useimmat taloustieteen laitokset vaativat toisen tai kolmannen vuoden jatko-opiskelijoita suorittamaan ekonometriaprojektin ja kirjoittamaan tutkimuksen tuloksistaan. Vuosia myöhemmin muistan kuinka stressaava projektini oli, joten olen päättänyt kirjoittaa oppaan ekonometrian kurssipapereihin, jotka toivon saavani opiskelijana. Toivon, että tämä estää sinua viettämästä monia pitkiä yötä tietokoneen edessä.

Tätä ekonometriaprojektia varten aion laskea marginaalisen kulutusaltistuksen (MPC) Yhdysvalloissa. (Jos olet kiinnostuneempi tekemään yksinkertaisempaa, yksimuotoista ekonometriaprojektia, katso "Kuinka tehdä kivuton ekonometriaprojekti") Marginaalinen kulutushalukkuus määritellään sillä, kuinka paljon edustaja kuluttaa, kun hänelle annetaan ylimääräinen dollari ylimääräisen dollarin henkilökohtaisesta käytettävissä olevasta tulosta. Teoriani on, että kuluttajat pitävät tietyn määrän rahaa investointeihin ja hätätilanteisiin ja käyttävät loput käytettävissä olevaan tuloonsa kulutushyödykkeisiin. Siksi nolla hypoteesini on, että MPC = 1.

Olen myös kiinnostunut siitä, kuinka koron muutokset vaikuttavat kulutustottumuksiin. Monet uskovat, että kun korko nousee, ihmiset säästävät enemmän ja käyttävät vähemmän. Jos tämä on totta, meidän pitäisi olettaa, että korkojen, kuten koron, ja kulutuksen välillä on negatiivinen suhde. Teoriaani on kuitenkin, että näiden kahden välillä ei ole yhteyttä, joten kaikki muut ovat tasa-arvoisia, joten kulutusaltistustasossa ei pidä nähdä muutosta, kun korko muuttuu.

Jotta voisin testata hypoteesini, minun on luotava ekonometrinen malli. Ensin määrittelemme muuttujamme:

Y_T on nimellinen henkilökohtainen kulutusmeno (PCE) Yhdysvalloissa.
X_2t on nimellinen käytettävissä oleva verojen jälkeinen tulo Yhdysvalloissa. X_3t on ensisijainen korko Yhdysvalloissa.

Mallamme on sitten:

Missä b ₁, b ₂ja b ₃ ovat parametrit, joita arvioimme lineaarisen regression avulla. Nämä parametrit edustavat seuraavia:

• b₁ on PCE: n määrä, kun nimellinen käytettävissä oleva verojen jälkeinen tuotto (X_2t) ja peruskorko (X_3t) ovat molemmat nollia. Meillä ei ole teoriaa siitä, minkä "tämän" parametrin "todellisen" arvon pitäisi olla, koska se ei kiinnosta meitä vain vähän.
• b₂ edustaa sitä määrää, joka PCE nousee, kun käytettävissä oleva verotuksen jälkeinen nimellinen tulo Yhdysvalloissa nousee dollarilla. Huomaa, että tämä on määritelmä marginaaliseen kulutusalttiuteen (MPC), joten b₂ on yksinkertaisesti MPC. Teoriamme on, että MPC = 1, joten nollahypoteesimme parametrille on b₂ = 1.
• b₃ edustaa määrää, jolla PCE nousee, kun alkuprosentti nousee täydellä prosentilla (sanotaan 4%: sta 5%: iin tai 8%: sta 9%: iin). Teoriamme on, että primaarikoron muutokset eivät vaikuta kulutustottumuksiin, joten nollahypoteesimme parametrille on b₂ = 0.

Joten vertaamme mallimme tuloksia:

oletettuun suhteeseen:

missä b ₁ on arvo, joka ei kiinnosta meitä erityisen kiinnostavasti. Tarvitsemme tietoja voidaksemme arvioida parametrejamme. Excel-laskentataulukko "Henkilökohtaiset kulutusmenot" sisältää vuosineljänneksittäin amerikkalaisia ​​tietoja vuoden 1959 ensimmäisestä neljänneksestä vuoden 2003 kolmanteen neljännekseen. Kaikki tiedot ovat lähtöisin FRED II - St. Louis Federal Reserve. Se on ensimmäinen paikka, josta sinun pitäisi kysyä Yhdysvaltain taloudellisista tiedoista. Kun olet ladannut tiedot, avaa Excel ja lataa tiedosto nimeltä "aboutpce" (täydellinen nimi "aboutpce.xls") mihin tahansa hakemistoon, johon olet tallentanut sen. Jatka sitten seuraavalle sivulle.

Jatka sivun 2 "Kuinka tehdä kivuton monimuuttujainen ekonometriaprojekti" sivua 2

Meillä on tietotiedosto auki, jotta voimme alkaa etsiä tarvitsemiamme. Ensin on löydettävä Y-muuttuja. Muista, että Y_T on nimellinen henkilökohtainen kulutus (PCE). Skannaamalla nopeasti tietomme, näemme, että PCE-tietomme ovat sarakkeessa C, nimeltään "PCE (Y)". Tarkastelemalla sarakkeita A ja B näemme, että PCE-tietomme alkavat vuoden 1959 ensimmäisestä neljänneksestä vuoden 2003 viimeiseen vuosineljännekseen soluissa C24-C180. Sinun tulisi kirjoittaa nämä tosiasiat alas, koska tarvitset niitä myöhemmin.

Nyt meidän on löydettävä X-muuttujamme. Mallissamme on vain kaksi X-muuttujaa, jotka ovat X_2t, käytettävissä oleva henkilökohtainen tulo (DPI) ja X_3t, peruskorko. Näemme, että DPI on sarakkeessa DPI (X2), joka on sarakkeessa D, soluissa D2-D180 ja alkuprosentti on sarakkeessa, jonka merkintä on Prime Rate (X3), joka on sarakkeessa E, soluissa E2-E180. Olemme tunnistaneet tarvitsemme tiedot. Voimme nyt laskea regressiokertoimet Excelillä. Jos et ole rajoitettu käyttämään tiettyä ohjelmaa regressioanalyysiin, suosittelen Excelin käyttöä. Excelistä puuttuu paljon ominaisuuksia, joita monet kehittyneemmissä ekonometriapaketeissa käyttävät, mutta yksinkertaisen lineaarisen regression suorittamiseen se on hyödyllinen työkalu. Käytät paljon todennäköisemmin Exceliä, kun syötät "todelliseen maailmaan" kuin käytät ekonometriapakettia, joten Excelin taito on hyödyllinen taito.

Meidän Y_T data on soluissa E2-E180 ja X: ssä_T tiedot (X_2t ja X_3t yhdessä) on soluissa D2-E180. Lineaarista regressiota suoritettaessa tarvitsemme jokaisen Y: n_T olla tarkalleen yksi liitetty X_2t ja yksi liittyvä X_3t ja niin edelleen. Tässä tapauksessa meillä on sama määrä Y: tä_T, X_2tja X_3t merkinnät, joten meillä on hyvä mennä. Nyt kun olemme löytäneet tarvitsemasi tiedot, voimme laskea regressiokertoimemme (b₁, b₂ja b₃). Ennen kuin jatkat, sinun tulisi tallentaa työsi toisella tiedostonimellä (valitsin myproj.xls), joten jos meidän on aloitettava alusta, meillä on alkuperäiset tiedot.

Nyt kun olet ladannut tiedot ja avannut Excelin, voimme siirtyä seuraavaan osaan. Seuraavassa osassa lasketaan regressiokertoimet.

Jatka sivun 3 "Kuinka tehdä kivuton monimuuttujainen ekonometriaprojekti" sivua 3

Nyt data-analyysiin. Siirry Työkalut -valikko näytön yläosassa. Löydä sitten Tietojen analysointi että Työkalut valikko. Jos Tietojen analysointi ei ole siellä, sinun on asennettava se. Katso nämä ohjeet asentaaksesi Data Analysis Toolpack. Regressioanalyysiä ei voi tehdä ilman, että tietoanalyysityökalupakki on asennettu.

Kun olet valinnut Tietojen analysointi alkaen Työkalut näet valikon valikon, kuten "Kovarianssi" ja "F-testi kahden näytteen variaatioille". Valitse siitä valikosta Regressio. Kohteet ovat aakkosjärjestyksessä, joten niiden ei pitäisi olla liian vaikea löytää. Siellä näet lomakkeen, joka näyttää tältä. Nyt meidän on täytettävä tämä lomake. (Tämän kuvakaappauksen taustalla olevat tiedot eroavat tiedostasi)

Ensimmäinen kenttä, joka meidän on täytettävä, on Syötä Y-alue. Tämä on PCE meidän soluissa C2-C180. Voit valita nämä solut kirjoittamalla "$ C $ 2: $ C $ 180" vieressä olevaan pieneen valkoiseen ruutuun Syötä Y-alue tai napsauttamalla kyseisen valkoisen ruudun vieressä olevaa kuvaketta ja valitsemalla nämä solut hiirellä.

Toinen kenttä, joka meidän on täytettävä, on Tulo X-alue. Täällä me panostamme molemmat X-muuttujamme, DPI ja Prime Rate. DPI-tietomme ovat soluissa D2-D180 ja alkuprosentitietomme ovat soluissa E2-E180, joten tarvitsemme tietoja solujen D2-E180 suorakulmiosta. Voit valita nämä solut kirjoittamalla "$ D $ 2: $ E $ 180" vieressä olevaan pieneen valkoiseen ruutuun Tulo X-alue tai napsauttamalla kyseisen valkoisen ruudun vieressä olevaa kuvaketta ja valitsemalla nämä solut hiirellä.

Viimeiseksi meidän on nimettävä sivu, jolle regression tulokset jatkuvat. Varmista, että sinulla on Uusi laskentataulukko Ply Kirjoita valittu ja kirjoita sen vieressä olevalle valkoiselle kentälle nimi, kuten "Regressio". Kun olet valmis, napsauta kunnossa.

Sinun pitäisi nyt nähdä näytön alareunassa välilehti nimeltään Regressio (tai mitä tahansa nimit sitä) ja joitain regressiotuloksia. Nyt sinulla on kaikki analyysiin tarvittavat tulokset, mukaan lukien R-neliö, kertoimet, vakiovirheet jne.

Etsimme arvioida sieppauskerrointa b₁ ja X-kertoimemme b₂, b₃. Leikkauskerroin b₁ sijaitsee rivillä nimeltään Siepata ja sarakkeessa nimeltään kertoimet. Varmista, että kirjoitat nämä luvut, mukaan lukien havaintojen lukumäärän, (tai tulosta ne), koska tarvitset niitä analyysiin.

Leikkauskerroin b₁ sijaitsee rivillä nimeltään Siepata ja sarakkeessa nimeltään kertoimet. Ensimmäinen kaltevuuskerroin b₂ sijaitsee rivillä nimeltään X-muuttuja 1 ja sarakkeessa nimeltään kertoimet. Toinen kaltevuuskerroin b₃ sijaitsee rivillä nimeltään X-muuttuja 2 ja sarakkeessa nimeltään kertoimet Regression tuottaman lopullisen taulukon tulisi olla samanlainen kuin tämän artikkelin alareunassa annettu taulukko.

Nyt sinulla on tarvitsemasi regressiotulokset, sinun on analysoitava ne väitöskirjaasi varten. Näemme kuinka se tehdään ensi viikon artikkelissa. Jos sinulla on kysymys, johon haluat vastata, käytä palautelomaketta.

Regressiotulokset

-13.71941.4186-9.67080.0000-16.5192-10.9197