연립방정식 회귀분석

소개글

연립방정식 회귀분석에 대한 보고서 자료입니다.

목차

1. 서론
1.1. 분석 주제
1.2. 분석 동기
1.3. 분석 목적
1.4. 자료수집방법
1.5. 변수설정및 설명
1.6. 변수들의 기초 통계량과 산점도
1.7. 구조방정식 모형과 유도방정식 모형

2. 본론
2.1. OLS를 적용한 회귀모형과 2SLS를 적용한 회귀모형
2.1.1. OLS를 적용한 회귀모형
2.1.2. 2SLS를 적용한 회귀모형
2.2. Evaluation Simulated Models
2.2.1. Historical Simulated
2.2.2. EX Post Forecast
2.2.3. EX Ante Forecast
2.3. VAR(Vector AutoRegression) Model
2.3.1. Historical Simulated
2.3.2. EX Post Forecast
2.3.3 VAR EX Post Forecast

3. 결론

본문내용

stimates
Parameter Standard
Variable Label DF Estimate Error t Value Pr > |t|
Intercept Intercept 1 -6489.65126 1717.86203 -3.78 0.0006
C_1 1 -0.55298 0.16614 -3.33 0.0021
C_2 1 0.42198 0.18865 2.24 0.0318
C_3 1 -0.28366 0.20128 -1.41 0.1676
C_4 1 -0.46846 0.15507 -3.02 0.0047
I_1 1 -0.14339 0.05204 -2.76 0.0092
I_2 1 0.00939 0.05452 0.17 0.8643
I_3 1 -0.06548 0.04943 -1.32 0.1939
I_4 1 0.12960 0.04977 2.60 0.0134
G_1 1 0.09059 0.31034 0.29 0.7721
G_2 1 -0.13223 0.33003 -0.40 0.6911
G_3 1 0.12499 0.35518 0.35 0.7270
G_4 1 0.58581 0.34748 1.69 0.1007
M_1 1 -0.27552 0.10351 -2.66 0.0117
M_2 1 0.08519 0.11849 0.72 0.4769
M_3 1 -0.15640 0.12021 -1.30 0.2017
M_4 1 -0.17487 0.10281 -1.70 0.0978
R_1 1 -56.18206 29.45719 -1.91 0.0647
R_2 1 14.18671 45.00849 0.32 0.7545
R_3 1 13.50720 44.73859 0.30 0.7645
R_4 1 -34.58942 36.36943 -0.95 0.3481
Y Y 1 0.94647 0.05501 17.21 <.0001
Q1 Q1 1 2676.08953 1147.32391 2.33 0.0256
Q2 Q2 1 -81.37764 849.23367 -0.10 0.9242
Q3 Q3 1 1463.67090 1023.62145 1.43 0.1616
I의 모형의 경우 2SLS 방법에 의한 사후적 의태분석보다 잘 적합된 것을 알 수 있다.
The REG Procedure
Model: MODEL1
Dependent Variable: R R
Analysis of Variance
Sum of Mean
Source DF Squares Square F Value Pr > F
Model 24 1852.66234 77.19426 26.28 <.0001
Error 35 102.82642 2.93790
Corrected Total 59 1955.48876
Root MSE 1.71403 R-Square 0.9474
Dependent Mean 37.70800 Adj R-Sq 0.9114
Coeff Var 4.54553
Parameter Estimates
Parameter Standard
Variable Label DF Estimate Error t Value Pr > |t|
Intercept Intercept 1 24.30108 10.60019 2.29 0.0280
C_1 1 0.00014040 0.00103 0.14 0.8919
C_2 1 -0.00130 0.00116 -1.12 0.2712
C_3 1 0.00109 0.00124 0.88 0.3872
C_4 1 -0.00040510 0.00095689 -0.42 0.6746
I_1 1 0.00029452 0.00032113 0.92 0.3653
I_2 1 0.00020001 0.00033640 0.59 0.5560
I_3 1 0.00049719 0.00030503 1.63 0.1121
I_4 1 -0.00037903 0.00030714 -1.23 0.2254
G_1 1 0.00012186 0.00191 0.06 0.9496
G_2 1 -0.00107 0.00204 -0.53 0.6019
G_3 1 -0.00005423 0.00219 -0.02 0.9804
G_4 1 -0.00303 0.00214 -1.41 0.1668
M_1 1 0.00011669 0.00063871 0.18 0.8561
M_2 1 -0.00005668 0.00073115 -0.08 0.9386
M_3 1 0.00026832 0.00074178 0.36 0.7197
M_4 1 0.00101 0.00063440 1.60 0.1189
R_1 1 1.28563 0.18177 7.07 <.0001
R_2 1 -0.47133 0.27773 -1.70 0.0986
R_3 1 -0.09401 0.27606 -0.34 0.7355
R_4 1 0.34642 0.22442 1.54 0.1317
Y Y 1 -0.00003624 0.00033944 -0.11 0.9156
Q1 Q1 1 -8.30411 7.07964 -1.17 0.2487
Q2 Q2 1 -3.07795 5.24026 -0.59 0.5607
Q3 Q3 1 -8.27947 6.31633 -1.31 0.1985
R의 모형의 경우 2SLS 방법에 의한 사후적 의태분석보다 잘 적합된 것을 알 수 있다.
2.3.3
VAR EX Post Forecast
C 모형과 R 모형의 경우 2SLS에 의한 모형이 VAR의 모형보다 더 적합이 잘 된 것을 알 수 있다.
I 모형의 경우는 VAR에 의한 모형이 2SLS의 모형보다 더 적합이 잘 된 것을 알 수 있다.
유도방정식을 이용한 2SLS 방법과 VAR의 모형을 적용하여 본 결과 전자의 경우보다 후자의 경우가 분석자의 주관적인 의견의 반영이 더 적고 구조방정식의 모형을 만들기 위한 시간을 절약할 수 있다.
또한 VAR 모형은 구조방정식 모형에 비해 모수의 개수가 많아 적은 Data로 분석을 하게 되면 손실되는 Data가 발생하기 때문에 적합성이 떨어질 가능성이 있다. 따라서 시차를 조정할 때 분석자가 이러한 상황을 잘 고려할 필요가 있다. 그러나 여러 변수의 관련성을 알 수 있기 때문에 여러 가지 상황에 적합한 모형이라 할 수 있다.
⊙ 참고자료
시계열 자료분석1 박유성 김기환 저 자유아카데미
계량 경제학 남준우 이한식 저 홍문사
계량 경제학의 이해 이필영 저 자유아카데미

키워드

회귀,   방정식,   계량경제,   통계,   예측,   연립방정식