Prekių ir paslaugų importo, priklausomai nuo jį įtakojančių rodiklių – namų ūkių individualaus vartojimo išlaidų, bendrojo pagrindinio kapitalo formavimo ir valdžios sektoriaus išlaidų tyrimas

Šiame darbe analizuosime importo modelį. Importo modelį pasirinkome, nes jis yra svarbus šalies ekonomikai bei vartotojų poreikių tenkinimui. Nuo šio rodiklio priklauso šalies bendras vidaus produktas bei prekių kiekis valstybės rinkoje. Tai, ko negalime pasigaminti - importuojame.

Nepriklausomais kintamaisiais pasirinkome namų ūkių individualaus vartojimo išlaidos, to meto kainomis, pašalinus sezono ir darbo dienų skaičiaus įtaką, mln. EUR.; bendrojo pagrindinio kapitalo formavimas pašalinus sezono ir darbo dienų skaičiaus įtaką, mln. EUR. ir valdžios sektoriaus išlaidas to meto kainomis, pašalinus sezono ir darbo dienų skaičiaus įtaką, mln. EUR.

Darbo tikslai: įvertinti stebinių tinkamumą regresijos modeliui sudaryti; sudaryti PTR modelį; parinkti ir įvertinti PNR modelį; sudaryti daugialypės tiesinės regresijos modelį; įvertinti sudaryto DTR modelio prielaidų atitikimą; diagnozuoti liekamųjų paklaidų heteroskedastiškumą ir įsisavinti svorinį mažiausių kvadratų metodą; ištirti slankiojo vidurkio ir eksponentinio išlyginimo modelių galimybes, prognozuojant laiko eilutės reikšmes; stacionariai laiko eilutei sudaryti ARMA modelį ir išspręsti prognozavimo uždavinį; įvertinti laiko eilutės stacionarumą; sudaryti kointegruotų laiko eilučių modelį.

Darbo uždaviniai:

Kintamųjų skaitinių charakteristikų apskaičiavimas; grafinių diagramų sudarymas;

stebinių koreliacinės matricos sudarymas; stebinių reikšmių unifikavimas;

kintamųjų išskirčių nustatymas; stebinių normalumo tikrinimas;

PTR modelio įverčių apskaičiavimas; modelio įvertinimo kokybės rodiklių skaičiavimas;

įverčių reikšmingumo tikrinimas; pasikliautinųjų intervalų skaičiavimas;

parametrų stabilumo tikrinimas; prognozuojamų reikšmių skaičiavimas;

hiperbolinės regresijos modelio įvertinimas; PTR ir PNR regresijos modelių palyginimas;

polinominės regresijos modelio įvertinimas;

logaritminės regresijos modelių įvertinimas:– log–log regresijos, – lin-log, – log-lin;

geriausio PNR modelio atrinkimas, prognozavimas geriausiu PNR modeliu;

DTR modelio įvertinimas, daugiakolinearumo įvertinimas;

standartizuoto DTR modelio įvertinimas; geriausio DTR modelio atranka;

priklausomojo kintamojo prognozavimas;liekamųjų paklaidų grafinė analizė;

liekamųjų paklaidų normalumo tikrinimas; santykinių paklaidų apskaičiavimas;

autokoreliacijos įvertinimas; kritinių stebinių nustatymas;

preliminarus liekamųjų paklaidų heteroskedastiškumo įvertinimas; Vaito kriterijaus tyrimas;

Breši ir Pagano kriterijaus tyrimas; Goldfeldo ir Kvanto kriterijaus tyrimas;

regresijos modelio sudarymas svoriniu mažiausių kvadratų metodu;

preliminarus liekamųjų paklaidų heteroskedastiškumo įvertinimas;

ištirti slankiojo vidurkio modelį; glodinti laiko eilutės duomenis;

ištirti eksponentinio išlyginimo modelius: viengubo eksponentinio išlyginimo modelį, dvigubo eksponentinio išlyginimo modelį, Holto–Vinterio modelį;

įvertinti laiko eilutės reikšmių prognozavimo kokybę;

Identifikuoti ARIMA modelio parametrus; įvertinti ARMA modelį; patikrinti sudaryto modelio reikšmingumą;

diferencijuoti laiko eilutę; panaudoti Dikio-Fulerio (DF) kriterijų.