Model ekonometryczny cen kawy - notatki - Ekonometria - część 4, Notatki'z Ekonometria. Poznan University of Economics
Helena_84
Helena_8426 February 2013

Model ekonometryczny cen kawy - notatki - Ekonometria - część 4, Notatki'z Ekonometria. Poznan University of Economics

PDF (826 KB)
19 strona
1000+Liczba odwiedzin
Opis
Notatki na temat modelu ekonometrycznego cen kawy, część 4. W pracy tej omówiono definicje związane z kawą, jej historią oraz produkcją. W części praktycznej przedstawiono definicje modelu ekonometrycznego, zasady jego b...
20punkty
Punkty pobierania niezbędne do pobrania
tego dokumentu
Pobierz dokument
Podgląd3 strony / 19
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument

ARIMA dla X2-Wskażnika cen dla łagodnej Arabiki

Opis modelu

Tabela 13

Typ modelu

Model

ID

X2 Model_

1 ARIMA(2,1,2)(0,0,0)

Źródło: Obliczenia na podstawie programu SPSS.

Statystyki modelu

Tabela 14

Źródło: Obliczenia na podstawie programu SPSS.

Z powyższej tabeli możemy wywnioskować ze wartości rzeczywiste odchylają sie od

wartości teoretycznych o przeciętnie 5,312. Jakość dopasowanie jest bardzo dobre.

Model

x2-

Model_1

Liczba zmiennych dodatkowych 0

Statystyki

dopasowania

modelu

Stacjonarny R-

kwadrat 0,085

R-kwadrat 0,951

Średni

bezwzględny błąd

procentowy

(MAPE) 5,312

Ljung-Box

Q(18)

Statystyki 16,732

DF 14

Istotność 0,271

Liczba obserwacji odstających 0

docsity.com

Autokorelacja składnika losowego

H0- brak autokorelacji

H1-składniki losowe tworzą proces AR rzędu K lub MA rzędu K

0,271>0,05

Należy przyjąć hipotezę H0 nie występuje autokorelacja składników losowych.

Parametry modelu ARIMA

Tabela 15

Wartość

oszacowani

a

Błąd

standardow

y t

Istotnoś

ć

x2-

Model_

1

x

2

Bez

transformac

ji

Stała ,273 ,686 ,397 ,691

Autoregresj

a (AR)

Opóźnieni

e 1 1,026 ,146

7,03

2 ,000

Opóźnieni

e 2 -,683 ,114

-

5,98

9

,000

Różnicowanie 1

Średnia

ruchoma

(MA)

Opóźnieni

e 1 ,856 ,139

6,16

2 ,000

Opóźnieni

e 2 -,697 ,097

-

7,20

3

,000

Źródło: Obliczenia na podstawie programu SPSS.

Model ARIMA (2,1,2) przedstawia się następująco:

docsity.com

X2 = 0,273 +1,026yt-1 -0,683ty-2 + 0,856 θt-2 – 0,697 θt-2

(0,686) (0,146) (0,114) (0,139) (0,097)

Jeżeli x2 w poprzednim okresie wzrosłoby o jeden cent amerykański to w następnym okresie

wzrosłaby wzrosłoby o 1,026

Jeżeli cena kawy wzrosłaby w ii-gim okresie wstecz wzrosłoby o jeden cent amerykański to

w następnym okresie o zmalałoby 0 0,683

Wartości prognozowane

Tabela 16

Model x2-Model_1

Wartości

prognozowane

Górna

granica

przedziału

ufności

Dolna

granica

przedziału

ufności

wrz-11 271,98 292,54 251,41

paź-11 275,98 307,61 244,34

lis-11 279,21 321,39 237,03

gru-11 279,97 331,42 228,52

sty-12 278,72 337,51 219,93

lut-12 277,1 341,51 212,68

mar-

12 276,47 345,51 207,43

kwi-12 277,11 350,46 203,76

maj-12 278,38 356,11 200,65

cze-12 279,42 361,62 197,22

lip-12 279,8 366,36 193,24

sie-12 279,66 370,28 189,03

docsity.com

wrz-12 279,43 373,79 185,07

paź-12 279,48 377,32 181,63

lis-12 279,86 381,07 178,64

gru-12 280,39 384,93 175,86

Źródło: Obliczenia na podstawie programu SPSS.

ARIMA dla X3-Wskażnik cen dla Brazylijskie oraz innych kaw

Opis modelu

Tabela 17

Typ modelu

W R

Z 20

11

S T

Y 2

01 0

M A

J 20 08

W R

Z 20

06

S T

Y 2

00 5

M A

J 20 03

W R

Z 20

01

S T

Y 2

00 0

M A

J 19 98

W R

Z 19

96

S T

Y 1

99 5

M A

J 19 93

W R

Z 19

91

S T

Y 1

99 0

M A

J 19 88

W R

Z 19

86

S T

Y 1

98 5

M A

J 19 83

W R

Z 19

81

S T

Y 1

98 0

Data

350

300

250

200

150

100

50

x2-Model_1

Wartości prognozowane

Obserwowane

docsity.com

Model

ID

x3 Model_

1 ARIMA(2,1,2)(0,0,0)

Źródło: Obliczenia na podstawie programu SPSS.

Statystyki modelu

Tabela 18

Model

x3-

Model_1

Liczba zmiennych

dodatkowych 0

Statystyki

dopasowania

modelu

Stacjonarny

R-kwadrat 0,073

R-kwadrat 0,949

Średni

bezwzględny

błąd

procentowy

(MAPE) 6,062

Ljung-Box

Q(18)

Statystyki 18,809

DF 14

Istotność 0,172

Liczba obserwacji odstających 0

Źródło: Obliczenia na podstawie programu SPSS.

Z powyższej tabeli możemy wywnioskować ze wartości rzeczywiste odchylają sie od

wartości teoretycznych o przeciętnie 6,062. Jakość dopasowanie jest bardzo dobre

Autokorelacja składnika losowego

docsity.com

H0- brak autokorelacji

H1-składniki losowe tworzą proces AR rzędu K lub MA rzędu K

0,172>0,05

Należy przyjąć hipotezę H0 nie występuje autokorelacja składników losowych.

Parametry modelu ARIMA

Tabela 19

Wartość

oszacowani

a

Błąd

standardow

y t

Istotnoś

ć

x3-

Model_

1

x

3

Bez

transformac

ji

Stała ,054 ,751 ,072 ,942

Autoregresj

a (AR)

Opóźnieni

e 1 1,333 ,166

8,02

9 ,000

Opóźnieni

e 2 -,704 ,117

-

6,00

7

,000

Różnicowanie 1

Średnia

ruchoma

(MA)

Opóźnieni

e 1 1,131 ,175

6,47

8 ,000

Opóźnieni

e 2 -,587 ,124

-

4,74

5

,000

Źródło: Obliczenia na podstawie programu SPSS.

Model ARIMA (2,1,2) przedstawia się następująco:

X3 = 0,054 +1,333yt-1 + 0,704ty-2 +1,131 θt-1,-0,587 θt-2 (0,751) (0,166) (0,177) (0,175) (0,124)

docsity.com

Jeżeli x3 w poprzednim okresie wzrosłoby o jeden cent amerykański to w następnym okresie

wzrosłaby o 1,333

Jeżeli cena kawy wzrosłaby w ii-gim okresie wstecz wzrosłoby o jeden cent amerykański to

w następnym okresie wzrosłaby o 0,704

Wartości prognozowane

Tabela 20

Model x3-Model_1

Wartości

prognozowane

Górna

granica

przedziału

ufności

Dolna

granica

przedziału

ufności

wrz-11 249,15 272,49 225,82

paź-11 251,09 287,58 214,6

lis-11 254,16 302,43 205,9

gru-11 256,92 315,38 198,46

sty-12 258,45 325,26 191,63

lut-12 258,57 332,02 185,11

mar-

12 257,66 336,47 178,86

kwi-12 256,4 339,76 173,04

maj-12 255,37 342,92 167,82

cze-12 254,91 346,57 163,24

lip-12 255,04 350,88 159,2

sie-12 255,56 355,64 155,48

wrz-12 256,18 360,47 151,89

paź-12 256,66 365,02 148,29

lis-12 256,88 369,12 144,65

docsity.com

gru-12 256,87 372,75 140,98

Źródło: Obliczenia na podstawie programu SPSS.

Model ARIMA dla X4-Wskażnika cen dla robusty

Opis modelu

Tabela 21

Typ modelu

Model

ID

x4 Model_

1 ARIMA(2,1,2)(0,0,0)

Źródło: Obliczenia na podstawie programu SPSS.

W R

Z 20

1 1

S T

Y 20

1 0

M A

J 2 0

0 8

W R

Z 20

0 6

S T

Y 20

0 5

M A

J 2 0

0 3

W R

Z 20

0 1

S T

Y 20

0 0

M A

J 1 9

9 8

W R

Z 19

9 6

S T

Y 19

9 5

M A

J 1 9

9 3

W R

Z 19

9 1

S T

Y 19

9 0

M A

J 1 9

8 8

W R

Z 19

8 6

S T

Y 19

8 5

M A

J 1 9

8 3

W R

Z 19

8 1

S T

Y 19

8 0

Data

300

200

100

0

x3-Model_1

Wartości prognozowane

Obserwowane

docsity.com

Statystyki modelu

Tabela 22

Model

x4-

Model_1

Liczba zmiennych

dodatkowych 0

Statystyki

dopasowania

modelu

Stacjonarny

R-kwadrat 0,119

R-kwadrat 0,97

Średni

bezwzględny

błąd

procentowy

(MAPE) 5,109

Ljung-Box

Q(18)

Statystyki 16,059

DF 14

Istotność 0,31

Liczba obserwacji odstających 0

Źródło: Obliczenia na podstawie programu SPSS.

Z powyższej tabeli możemy wywnioskować ze wartości rzeczywiste odchylają sie od

wartości teoretycznych o przeciętnie 5,109. Jakość dopasowanie jest bardzo dobre

Autokorelacja składnika losowego

H0- brak autokorelacji

H1-składniki losowe tworzą proces AR rzędu K lub MA rzędu K

docsity.com

0,31>0,05

Należy przyjąć hipotezę H0 nie występuje autokorelacja składników losowych.

Parametry modelu ARIMATabela 23

Wartość

oszacowani

a

Błąd

standardow

y t

Istotnoś

ć

x4-

Model_

1

x

4

Bez

transformac

ji

Stała -,139 ,426 -,325 ,745

Autoregresj

a (AR)

Opóźnieni

e 1 1,118 ,155

7,23

4 ,000

Opóźnieni

e 2 -,671 ,106

-

6,32

8

,000

Różnicowanie 1

Średnia

ruchoma

(MA)

Opóźnieni

e 1 ,867 ,158

5,50

2 ,000

Opóźnieni

e 2 -,581 ,103

-

5,65

4

,000

Źródło: Obliczenia na podstawie programu SPSS.

Model ARIMA (2,1,2) przedstawia się następująco:

X4 = -0,139 +1,118yt-1 -0,671ty-2 +0,867 θt-1 -0,581 θt-2

(0,426) (0,155) (0,106) (0,158) (0,103)

Jeżeli x3 w poprzednim okresie wzrosłoby o jeden cent amerykański to w następnym okresie

wzrosłaby o 1,118

Jeżeli cena kawy wzrosłaby w ii-gim okresie wstecz wzrosłoby o jeden cent amerykański to

w następnym okresie zmalałaby o 0,671

docsity.com

Wartości prognozowane

Tabela 24

Model x4-Model_1

Wartości

prognozowane

Górna

granica

przedziału

ufności

Dolna

granica

przedziału

ufności

wrz-11 111,35 124 98,7

paź-11 111,79 132,04 91,53

lis-11 112,68 139,93 85,43

gru-11 113,31 146,4 80,22

sty-12 113,34 150,91 75,77

lut-12 112,87 153,83 71,91

mar-

12 112,25 155,98 68,52

kwi-12 111,79 158,09 65,49

maj-12 111,63 160,53 62,72

cze-12 111,66 163,25 60,08

lip-12 111,75 166,01 57,49

sie-12 111,73 168,54 54,93

wrz-12 111,59 170,75 52,43

paź-12 111,36 172,7 50,01

lis-12 111,12 174,53 47,71

gru-12 110,93 176,36 45,51

Źródło: Obliczenia na podstawie programu SPSS.

docsity.com

Ogólny model ARIMAOpis modelu

Tabela 25

Typ modelu

Model

ID

cenakawywgIC

O

Model_

1 ARIMA(2,1,2)(0,0,0)

Źródło: Obliczenia na podstawie programu SPSS.

W R

Z 20

11

S T

Y 2

01 0

M A

J 20 08

W R

Z 20

06

S T

Y 2

00 5

M A

J 20 03

W R

Z 20

01

S T

Y 2

00 0

M A

J 19 98

W R

Z 19

96

S T

Y 1

99 5

M A

J 19 93

W R

Z 19

91

S T

Y 1

99 0

M A

J 19 88

W R

Z 19

86

S T

Y 1

98 5

M A

J 19 83

W R

Z 19

81

S T

Y 1

98 0

Data

180

150

120

90

60

30

x4-Model_1

Wartości prognozowane

Obserwowane

docsity.com

Statystyki modelu

Tabela 26

Model

cenakawywgICO-

Model_1

Liczba zmiennych

dodatkowych 4

Statystyki

dopasowania

modelu

Stacjonarny

R-kwadrat 0,174

R-kwadrat 0,962

Średni

bezwzględny

błąd

procentowy

(MAPE) 4,966

Ljung-Box

Q(18)

Statystyki 16,089

DF 14

Istotność 0,308

Liczba obserwacji odstających 0

Źródło: Obliczenia na podstawie programu SPSS.\

Z powyższej tabeli możemy wywnioskować ze wartości rzeczywiste odchylają sie od

wartości teoretycznych o przeciętnie 4,966. Jakość dopasowanie jest bardzo dobre

Autokorelacja składnika losowego

H0- brak autokorelacji

H1-składniki losowe tworzą proces AR rzędu K lub MA rzędu K

0,308>0,05

Należy przyjąć hipotezę H0 nie występuje autokorelacja składników losowych.

docsity.com

Parametry modelu ARIMA

Tabela 27

Wartość

oszacow

ania

Błąd

standard

owy t

Istotn

ość

cenakawywg

ICO-

Model_1

cenakawyw

gICO

Bez

transform

acji

Stała ,309 ,587 ,525 ,600

Autoregr

esja (AR)

Opóźnie

nie 1 1,196 ,090

13,2

93 ,000

Opóźnie

nie 2 -,714 ,072

-

9,87

8

,000

Różnicowanie 1

Średnia

ruchoma

(MA)

Opóźnie

nie 1 ,671 ,184

3,64

5 ,000

Opóźnie

nie 2 -,384 ,205

-

1,87

3

,062

x4-Model_1 Bez

transform

acji

Licznik Opóźnie

nie 0 -,147 ,079

-

1,85

4

,065

Opóźnie

nie 1 ,245 ,128

1,91

9 ,056

Opóźnie

nie 2 ,123 ,095

1,29

2 ,197

Różnicowanie 2

Mianown

ik

Opóźnie

nie 1 -,527 ,659 -,800 ,424

x1-Model_2 Bez

transform

acji

Licznik Opóźnie

nie 0 -,084 ,052

-

1,60

9

,108

Opóźnie

nie 1 ,016 ,053 ,294 ,769

Opóźnie -,144 ,048 - ,003

docsity.com

nie 2 2,99

1

Różnicowanie 2

Mianown

ik

Opóźnie

nie 1 ,887 ,098

9,05

9 ,000

x2-Model_3 Bez

transform

acji

Licznik Opóźnie

nie 0 ,053 ,094 ,567 ,571

Opóźnie

nie 1 -,079 ,160 -,496 ,620

Opóźnie

nie 2 ,004 ,148 ,025 ,980

Różnicowanie 2

Mianown

ik

Opóźnie

nie 1 -,338 1,307 -,258 ,796

x3-Model_4 Bez

transform

acji

Licznik Opóźnie

nie 0 -,092 ,039

-

2,33

6

,020

Opóźnie

nie 1 ,053 ,044

1,22

4 ,222

Opóźnie

nie 2 ,087 ,036

2,46

1 ,014

Różnicowanie 2

Mianown

ik

Opóźnie

nie 1 ,399 ,324

1,23

1 ,219

Źródło: Obliczenia na podstawie programu SPSS.

CenakawywgICO = 0,309+1,196yt-1 -1714yt-2 +0,674θt-1 -0,3841θt-2-1,196yt-1 -1714ty-2 +0,674θt-1 -0,384θt-2-0,084x1t+0,016 x1t-1-0,144 x1t-2+0,887θx1t-1 +0,53x2t-0,79-x2t-1 +0,004- x2t-2 -0,338θx2t-1 -0,092x3t+0,053x1t-1+0,087 x1t-2-0,399θx3t-1-0,147x1t+0,245 x1t-1+0,123 x1t-

2-0,527θx1t-1

docsity.com

Wartości prognozowane

Tabela 28

Model cenakawywgICO-Model_1

Wartości

prognozowane

Górna

granica

przedziału

ufności

Dolna

granica

przedziału

ufności

wrz-11 215,51 231,12 199,9

paź-11 219,34 247,82 190,87

lis-11 222,93 263,19 182,68

gru-11 224,42 273,55 175,29

sty-12 222,23 277,13 167,33

lut-12 219,14 277,67 160,6

mar-

12 217,11 278,33 155,89

kwi-12 217,18 281,01 153,35

maj-12 218,85 285,72 151,98

cze-12 220,93 291,34 150,51

lip-12 222,31 296,48 148,15

sie-12 222,6 300,32 144,88

wrz-12 222,08 302,93 141,24

paź-12 221,38 304,96 137,81

lis-12 221,04 307,1 134,97

gru-12 221,24 309,74 132,74

Źródło: Obliczenia na podstawie programu SPSS.

docsity.com

__

W R

Z 20

11

S T

Y 2

01 0

M A

J 20 08

W R

Z 20

06

S T

Y 2

00 5

M A

J 20 03

W R

Z 20

01

S T

Y 2

00 0

M A

J 19 98

W R

Z 19

96

S T

Y 1

99 5

M A

J 19 93

W R

Z 19

91

S T

Y 1

99 0

M A

J 19 88

W R

Z 19

86

S T

Y 1

98 5

M A

J 19 83

W R

Z 19

81

S T

Y 1

98 0

Data

250

200

150

100

50

cenakawywgICO- Model_1

Wartości prognozowane

Obserwowane

docsity.com

4 Wnioski

Wykorzystując metody modelowania ekonometrycznego wyodrębniono prawidłowości w

kształtowaniu się zmiennych endogenicznych wpływających na cenę kawy obliczną przez

ICO Można zaobserwować, że otrzymane wyniki w zadowalający sposób odzwierciedlają

zależności przyczynowo skutkowe pomiędzy zmiennymi objaśniającymi, a zmiennymi

objaśnianymi. Wyniki oszacowań, miar dopasowania i testów diagnostycznych pozwalają

sądzić, że teoretyczne postacie równań w zadowalający sposób opisują rzeczywistą

działalność tego przedsiębiorstwa.

Na podstawie otrzymanych parametrów strukturalnych i parametrów struktury

stochastycznej uznano, że równania modelu mają dobre właściwości predyktywne.

Na podstawie oszacowanej prognozy można stwierdzić ze poziom cen kawy do grudnia 2012

będzie kształtował się na podobnym poziomie z niewielkimi wahaniami.

docsity.com

Bibliografia  A. S. Barczak, J. Biolik - Podstawy ekonometrii. Katowice 1998,

 T. Kufel - Ekonometria - Rozwiązanie problemów z wykorzystaniem programy GRETL. Wydawnictwo Naukowe PWN 2007,

 T. Żądło, J. Wywiał - Prognozowanie szeregów czasowych za pomocą pakietu SPSS. SPSS Polska, Kraków 2008,

 M. Kośko, M. Osińska, J. Stempińska - Ekonometria współczesna. Toruń 2007,

 Elisabeth Bangert, Christine Mahrle - Kawa. - Warszawa 2009,

 T. Żądło, J. Wywiał - Przykłady prognozowania ekonomicznych szeregów Katowice 2002,

Zbigniew Czerwiński- Ekonometria, Poznań 1979,

Jacek Mercik, Czesław Szmigiel- Ekonometria, Wrocław 2000,

Mirosława Krzysztofiaka -Ekonometria. Warszawa 1978,

 Leszek Rum -Ilustrowany leksykon kawy ,Poznań 2004,

 Edward Szymkowiak - Wokół kawowego kubka ,Toruń 1998,

 Bożenna Stokłosa –Kawa, Warszawa 2002,

 Hattie Ellis - Kawa : co warto wiedzieć ,Warszawa 2003,

 Anne Vantal - Kawa : poradnik smakosza, Warszawa 2004.

docsity.com

komentarze (0)
Brak komentarzy
Bądź autorem pierwszego komentarza!
To jest jedynie podgląd.
3 shown on 19 pages
Pobierz dokument