Оршил

Энэхүү практик хэрэглээ нь Америк долларын жижиглэнгийн ханшийг хандлагаар загварчилж, уг загвараараа таамаглал хийх зорилготой билээ.(Diebold,2006) Чухамдаа номд буй Eviews - ийн бэлэн үр дүнг R дээр гаргаж авах талаар боломжит хувилбаруудыг дэвшүүлэхийн сацуу энэхүү гайхалтай программын ид шидийг мэргэжил нэгт ах дүүстээ таниулах, илүү сайныг хийх сэдэл өгөх нууцхан зорилго тээн эхний хичээлээ нийтэлж байна. /Ялангуяа Python хувилбарыг хийх сэдэл./

1955.01-1994.12 хугацааны хооронд буй сарын давтамжтай, улирлын нөлөөгөөр засварласан өгөгдлийг шинжилгээндээ ашиглах бөгөөд:

1. Багц болон өгөгдөл:

Eviews ийн өгөгдлийг импортлохын тулд hexView багцын readEviews() командыг, хүссэн хэсгээ тасалж авахын тулд tidyverseбагцын filter() командыг ашиглаж статистик тооцоолол болон таамаглалыг lmtest,forecast багцуудын тусламжтай гүйцэтгэх болно.

“R ядаргаатай олон багц татах шаардлагатай бөгөөд хэрэглэх бүрдээ тухайн багцаа дууддаг (ачаална) ядаргаатай программ” гэсэн бодолтой хүмүүст хэлэхэд энэхүү багцын шийдэл нь R болон Python -ийн хамгийн сэтгэл татам чанар юм. Чухам хэрэглэгдэхгүй байгаа үйлдлүүдээ багц хэлбэрээр хадгалж хэрэгтэй үедээ дуудаж гэмээ нь таны машины ачаалал буурна. Энэ төрлийн программууд дээр маш олон төрлийн зүйл хийх боломжтой тул бусад программууд шиг бүхлээрээ суух боломжгүй юм.

— зохиогчийн байр суурь

Тодорхой зорилгын улмаас энгийн RTRR болон хугацааны цуваа хэлбэртэй rtrr өгөгдлүүдийг 1955 оны 1 сараас 1993 оны 12 сар хүртэл сарын давтамжтайгаар салган авлаа.

Хугацааны цувааг Зураг 5.14-д харуулав. График зурахтай холбоотой нэмэлт функцийг ?par() командаар харах боломжтой юм. Энэхүү хэсэгт энгийн plot() болон илүү хүчирхэг ggplot багцын ggplot() функцийг ажиллуулсан болно. ggplot багц нь tidyverse багцад агуулагддаг тул дахин ачаалах шаардлагагүй юм. Анхан шатны агуулгатай (мэргэжлийн бус, сонирхогчийн) нийтлэлийн хувьд график, дүрслэлийн бурхан тэнгэр болсон ggplot багцыг тусад нь хичээл болгон оруулах тул уншигч танаас хүлцэл өчиж байна.

2. Шугаман хэлбэртэй хандлага:

Энгийн регресс үнэлж буйтай яг ижилхэн зарчмаар хандлагыг загварчилж болно.

## 
## Call:
## lm(formula = rtrr ~ TIME)
## 
## Residuals:
##    Min     1Q Median     3Q    Max 
## -22718 -13982  -2026  15151  33213 
## 
## Coefficients:
##               Estimate Std. Error t value Pr(>|t|)    
## (Intercept) -16391.248   1469.177  -11.16   <2e-16 ***
## TIME           349.773      5.429   64.43   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 15870 on 466 degrees of freedom
## Multiple R-squared:  0.8991, Adjusted R-squared:  0.8989 
## F-statistic:  4151 on 1 and 466 DF,  p-value: < 2.2e-16
Table 5.1 Retail sales, linear trend regression
Estimate Std. Error t value Pr(>|t|)
(Intercept) -16391.2480 1469.17668 -11.15676 0
TIME 349.7731 5.42867 64.43073 0

Eviews ийн үр дүнг R дээр гарган авах 2 боломжит арга байна.

Нэгдүгээр арга нь dataframe хэлбэрээр үзүүлэлтүүдийг оноож оруулах юм. Нэг талаар R дээр хийсэн байгаа тооцоолол, үр дүнгүүдийг Eviews хэлбэрээр авах л логик үйлчилж байгаа юм.

##   Rsquared Adjusted.Rsquared       SE       SSR Log.lokelihood
## 1 0.899076          0.898859 15866.12 1.173e+11      -5189.529
##   Durbin.Watson.stat. Mean.dependent.var. SD.dependent.var.
## 1            0.004682            65630.56          49889.26
##   Akaike.info.criterion Schwarz.criterion F.statistic p.value
## 1              10385.06           10397.5    4151.319       0

Дээрх аргыг ашиглах буюу утга бүрээр нь оноон өгөх нь нэг бодлын ярвигтай юм. Олон удаа регресс үнэлэх энэ загваруудад бол үлгэр шиг л санагдана. Иймд хүсэж буй үр дүнг нэгхэн мөр код бичээд авах боломж нь өөрийн функцийг зохиох явдал юм. Би хувьдаа өөрийн ядмаг мэдлэгийг ашиглан ger() функцийг бичлээ.

##                                value
## Rsquared                8.990756e-01
## Adjusted Rsquared       8.988590e-01
## SE                      1.586612e+04
## SSR                     1.173079e+11
## Log lokelihood         -5.189529e+03
## Durbin-Watson stat.     4.681602e-03
## Mean dependent var.     6.563056e+04
## SD dependent var.       4.988926e+04
## Akaike info criterion   1.038506e+04
## Schwarz criterion       1.039750e+04
## F-statistic             4.151319e+03
## p-value                3.323512e-234

Энэхүү функц нь Get Eviews Result буюу Eviews-ийн үр дүнг авах гэсэн утгатай функц юм. Хар ухаандаа өмнөх оноож өгдөг аргыг функц болгож хувиргасан бөгөөд нэг дутагдалтай тал нь үр дүн “e” тэй гарч ирээд байгаа буюу ойролцоолох round() болон бусад оператор ажиллахгүй байгаа явдал юм. Харин үзүүлэлтийг нэг бүрээр нь дуудахад энэ асуудал үүсэхгүй байгаа нь авууштай.

## [1] 117307861336
## [1] 0.898859

Регрессийн үр дүнд үндэслэн бодит утга, fitted утга болон үлдэгдлийг 1 хавтгайд дүрслэв. Ингэхдээ бодит болон fitted утгын хэмжилтийг зүүн тэнхлэгт, үлдэгдлийн хэмжилтийг баруун тэнхлэгт тооцсон болно. График зурахтай холбоотой дэлгэрэнгүй мэдээллийг удахгүй нийтлэгдэх онлайн хичээлээс үзнэ үү.

Энэ мэтчилэн квадратлаг болон хагас логарифм хэлбэрийг загварчилна.

3. Квадрат хэлбэртэй хандлага

##                  Estimate   Std. Error   t value      Pr(>|t|)
## (Intercept) 18708.7003219 3.799566e+02  49.23905 1.406007e-186
## TIME          -98.3112971 3.741388e+00 -26.27669  5.902748e-94
## TIME2           0.9554039 7.725091e-03 123.67544  0.000000e+00
##                               value
## Rsquared               9.970223e-01
## Adjusted Rsquared      9.970095e-01
## SE                     2.728205e+03
## SSR                    3.461043e+09
## Log lokelihood        -4.365093e+03
## Durbin-Watson stat.    1.510894e-01
## Mean dependent var.    6.563056e+04
## SD dependent var.      4.988926e+04
## Akaike info criterion  8.738186e+03
## Schwarz criterion      8.754780e+03
## F-statistic            1.561999e+05
## p-value                0.000000e+00
Table 5.2 Retail sales, quadratic trend regression
Estimate Std. Error t value Pr(>|t|)
(Intercept) 18708.7003 379.956551 49.2391 0
TIME -98.3113 3.741388 -26.2767 0
TIME2 0.9554 0.007725 123.6754 0

4. Хагас логарифм хэлбэртэй хандлага

##                Estimate   Std. Error   t value Pr(>|t|)
## (Intercept) 9.389974655 8.507844e-03 1103.6843        0
## TIME        0.005930689 3.143684e-05  188.6541        0
##                               value
## Rsquared               9.870758e-01
## Adjusted Rsquared      9.870481e-01
## SE                     9.187897e-02
## SSR                    3.933853e+00
## Log lokelihood         4.541874e+02
## Durbin-Watson stat.    1.994893e-02
## Mean dependent var.    1.078072e+01
## SD dependent var.      8.073254e-01
## Akaike info criterion -9.023748e+02
## Schwarz criterion     -8.899294e+02
## F-statistic            3.559036e+04
## p-value                0.000000e+00
Table 5.3 Retail sales, log-linear trend regression
Estimate Std. Error t value Pr(>|t|)
(Intercept) 9.38997 0.008508 1103.6843 0
TIME 0.00593 0.000031 188.6541 0

5. Экспоненциал хэлбэртэй хандлага

Экспоненциал гэж нэрлэгдсэн ч энэхүү Eviews дээр үнэлсэн тэгшитгэл нь R дээрх жирийн exp() функц ашигласнаас ондоо юм. Өөрөөр тогтмол нь экспоненциал хэлбэртэй биш байгаа тул nls(nonlinear least squares) функцийн тусламжтай параметрүүдийг урьдчилсан олох замаар энэхүү загварыг үнэллээ.

Диболд номын хэсгээс:

## 13106462277 :  1.196780e+04 5.930689e-03
## 12465550980 :  1.279680e+04 5.771636e-03
## 12447822456 :  1.276582e+04 5.783612e-03
## 12447812932 :  1.276926e+04 5.782911e-03
## 12447812901 :  1.276907e+04 5.782951e-03
## Nonlinear regression model
##   model: rtrr ~ a * exp(b * TIME)
##    data: parent.frame()
##         a         b 
## 1.277e+04 5.783e-03 
##  residual sum-of-squares: 1.245e+10
## 
## Number of iterations to convergence: 4 
## Achieved convergence tolerance: 2.941e-06

Үр дүн бага зэрэг зөрж буй нь Eviews ийн итерац нь 1 харин R хамгийн сайн тайлбарлах чадвартай загварыг сонгосон буюу 4 итерацын дараах загварыг сонгон авсан юм." (Өгөгдлийн шинжээч М.Чойсүрэн ахын тусламжтайгаар үүнийг олж харсан тул ишлэв. Фэйсбүүк болон Rpubs цахим хаягийг орууллаа.)

##       Estimate   Std. Error   t value     Pr(>|t|)
## a 1.276907e+04 1.807096e+02  70.66072 3.75442e-251
## b 5.782951e-03 3.605723e-05 160.38255  0.00000e+00
## 
## Formula: rtrr ~ a * exp(b * TIME)
## 
## Parameters:
##    Estimate Std. Error t value Pr(>|t|)    
## a 1.277e+04  1.807e+02   70.66   <2e-16 ***
## b 5.783e-03  3.606e-05  160.38   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 5168 on 466 degrees of freedom
## 
## Number of iterations to convergence: 4 
## Achieved convergence tolerance: 2.941e-06
##                               value
## Rsquared               9.892907e-01
## Adjusted Rsquared      9.892446e-01
## SE                     5.168370e+03
## SSR                    1.244781e+10
## Log lokelihood        -4.664607e+03
## Durbin-Watson stat.    4.231971e-02
## Mean dependent var.    6.563056e+04
## SD dependent var.      4.988926e+04
## Akaike info criterion  9.335215e+03
## Schwarz criterion      9.347660e+03
## F-statistic            4.304749e+04
## p-value                0.000000e+00
Table 5.4 Retail sales, exponential trend regression
value
Rsquared 9.892900e-01
Adjusted Rsquared 9.892400e-01
SE 5.168370e+03
SSR 1.244781e+10
Log lokelihood -4.664607e+03
Durbin-Watson stat. 4.232000e-02
Mean dependent var. 6.563056e+04
SD dependent var. 4.988926e+04
Akaike info criterion 9.335215e+03
Schwarz criterion 9.347660e+03
F-statistic 4.304749e+04
p-value 0.000000e+00

6. Хамгийн сайн загвар

Онолын дагуу хамгийн бага AIC,SIC тай загварыг сонгон авдаг. 2 программын тооцоолол ондоо учир харилцан адилгүй гардаг боловч үндсэн зорилгыг биелүүлдэг юм.

Мэдээллийн шинжүүрүүд, тооцоолол:

##     linear_trend quadratic_trend exponential_trend
## AIC     10385.06        8738.186          9335.215
## SIC     10397.50        8754.780          9347.660
Table 5.5 Model selection criteria linear,quadratic and exponential trend models
linear_trend quadratic_trend exponential_trend
AIC 10385.06 8738.186 9335.215
SIC 10397.50 8754.780 9347.660

7. Таамаглал болон бодит байдал

Энэ хэсэгт сонгосон загвараар таамаглал хийлээ. Eviews ийн үр дүнг буюу графикийг R дээр гаргаж авах зорилгыг агуулж байгаа тул механик үйлдэл их хийсэн бөгөөд үүндээ хүлцэл өчиж байна. R дээр таамаглал хийхэд арай өөр дүрслэл харагддаг билээ.

R дээрх таамаглал хийж буй хэв маяг:

Eviews - ийн үр дүнг гаргаж авав.

8. Ашигласан материал:

Diebold https://www.sas.upenn.edu/~fdiebold/Textbooks.html

Хичээлтэй холбоотой санал сэтгэгдлийг мэйл хаяг болон фэйсбүүк хаягаар нээлттэй хүлээн авах болно .

Мөн тайлбарыг оруулаагүй ч дараагийн бүлэг болох Бүлэг 6 болон Бүлэг 7 -ийн холбоосыг энд оруулав.