Часть полного текста документа: Основная модель В работе Sachs, J. D. and Warner, A. M. 1995, Natural Resource Abundance and Economic Growth, NBER Working Paper 5398 приводится модель, описывающая средний темп прироста ВВП y(T). Z – список факторов, влияющих на темп прироста. Заметим, что если коэффициент , то подтверждается гипотеза сходимости. Гипотеза о сходимости, или конвергенции (convergence hypothesis), состоит в том, что темпы экономического роста более бедных стран в среднем превышают темпы роста в более богатых странах, а по мере накопления богатства и роста доходов экономический рост замедляется. На сегодняшний день в экономической литературе различают три варианта этой гипотезы: · Гипотеза об абсолютной сходимости (сходимость имеет место вне зависимости от различий в структурных характеристиках экономики разных стран); · Гипотеза об условной сходимости (сходимость имеет место лишь внутри групп стран с близкими структурными характеристиками экономики, такими, как уровень развития технологий, степень инвестиционной активности, параметры экономической политики государства); · Гипотеза о клубной сходимости (сходимость имеет место лишь внутри групп стран, которые не только обладают схожими структурными характеристиками экономики, но и находятся в близких стартовых условиях). В работе мы не только исследуем сходимость валового регионального продукта, но и изучим влияние коррупции на темп роста региона. Данные взяты из сборника «Регионы России», а интегральный индекс коррупции (выступает в качестве Z) с сайта Центр антикоррупционных исследований и инициатив «Трансперенси Интернешнл - Р» http://transparency.org.ru/proj_index.asp Приведем данные: Имя переменной log(y(T)/y(0)) log(y(0)) коррупция Адыгея 0,203407107 8,89830288 0,49365898 Алтай 0,173948271 9,01211627 0,57662303 Алтайский край 0,451696249 9,1226337 0,22590468 Амурская область 0,516847449 9,74525709 0,19864916 Архангельская область 0,840686605 9,63816765 0,12735726 Астраханская область 0,372471779 9,37439765 0,27220143 Башкортостан -0,107295884 9,73752588 0,93307516 Белгородская область 0,119072157 9,43049207 0,84101762 Брянская область 0,420149953 9,00376848 0,24221176 Бурятия 0,564057665 9,36383944 0,18292741 Владимирская область 0,488004776 9,28139834 0,20979608 Волгоградская область 0,246696373 9,33670896 0,40782355 Вологодская область 0,236232799 9,90124062 0,42567357 Воронежская область 0,481458828 9,16530073 0,21251667 Дагестан 0,582839647 8,23053496 0,17740217 Еврейская автоном. обл. 0,98508252 9,0238977 0,11136516 Ивановская область 0,559396963 8,86948541 0,1843579 Иркутская область 0,283037422 9,80892534 0,35614055 Кабардино-Балкария 0,392192135 9,02152902 0,25889899 Калининградская область 0,950503214 8,8977674 0,11471246 Калмыкия 0,570266223 8,82963961 0,18105936 Калужская область 0,696184588 9,18168971 0,15060191 Камчатская область 0,04891652 9,90750487 0,99342342 Карачаево-Черкес.респ. 0,638094256 8,7520358 0,1630976 Карелия 0,418199204 9,44360952 0,24330249 Кемеровская область 0,15408498 9,8088314 0,65053337 Кировская область 0,378572301 9,18873086 0,26793606 Коми 0,390776673 10,2943259 0,2598084 Костромская область 0,259186107 9,44632116 0,38841501 Краснодарский край 0,510091377 9,2639675 0,20114422 Красноярский край 0,271320777 9,8768795 0,37128063 Курганская область 0,473480383 9,20061681 0,2159368 Курская область 0,361964027 9,51486325 0,27989019 Ленинградская область 0,780107421 9,42787411 0,13598855 Липецкая область 0,484878317 9,40875906 0,21108609 Магаданская область 0,712575931 9,80055258 0,14746168 Мари Эл 0,460091346 9,01510377 0,22194906 Мордовия 0,780263262 9,26406444 0,1359645 Московская область 0,386435336 9,44060616 0,26263986 Мурманская область 0,028072612 9,92913247 3,56247156 Нижегородская область 0,529810156 9,52620778 0,19404496 Новгородская область 0,449196064 9,43804823 0,2271119 Новосибирская область 0,537684023 9,51143299 0,19135968 Омская область 0,386497401 9,49058632 0,26259893 Оренбургская область -0,050835994 9,64517672 0,23423445 Орловская область 0,526938418 9,25616902 0,19504488 Пензенская область 0,468934842 8,98787742 0,21793859 Пермская область 0,178138101 9,82992875 0,5631436 Приморский край 0,384830883 9,61453634 0,26370271 Псковская область 0,707557011 9,02808287 0,14840694 Ростовская область 0,511527425 9,1379751 0,20060821 Рязанская область 0,389021963 9,35677867 0,26094512 Самарская область 0,329970633 9,97753876 0,30635698 Санкт-Петербург 0,709662284 9,70857003 0,14800872 Саратовская область 0,328214477 9,34894737 0,30796097 Саха 0,187846234 10,3509845 0,53422877 Сахалинская область 0,788208493 10,1259277 0,13475207 Свердловская область 0,288885894 9,74286974 0,34904629 Северная Осетия 0,449715595 8,78286106 0,22685991 Смоленская область 0,45777103 9,30771186 0,22302753 Ставропольский край 0,185877727 9,41061099 0,53984685 Тамбовская область 0,693396677 9,03404403 0,15115156 Татарстан 0,15143613 9,98844537 0,66185876 Тверская область 0,422025914 9,45540646 0,24117253 Томская область -0,032709113 10,1841617 0,45923487 Тульская область 0,352801397 9,31858094 0,2869736 Тыва 0,341949695 8,87734274 0,29586017 Удмуртия 0,362978838 9,48746524 0,27912794 Ульяновская область 0,2658767 9,37126259 0,37877296 Хабаровский край 0,260657018 10,0134627 0,38625248 Хакасия 0,602873791 9,40701441 0,17190093 Челябинская область 0,304423091 9,43076809 0,33153442 Читинская область 0,402848653 9,44464698 0,25226067 Чувашия 0,40713019 9,03041761 0,24969298 Ярославская область 0,55890619 9,60728337 0,18450996 Построим множественную регрессию. Приведем массив данных Матрица X будет иметь вид: 1 log(y(0)) коррупция 1 8.89830288225121 0.493658978257461 1 9.01211627486857 0.576623033949576 1 9.12263369956126 0.22590467675549 1 9.74525708686871 0.198649162439613 1 9.63816764948843 0.127357256559093 1 9.37439765232751 0.272201433627398 1 9.73752587538383 0.933075159857029 1 9.43049206825857 0.841017619169564 1 9.00376848353228 0.242211760622789 1 9.36383944005952 0.182927414994572 1 9.28139833602837 0.209796075023412 1 9.33670896432139 0.407823552129947 1 9.90124061725529 0.425673571878974 ……… …………………… ………………….. Для регрессии вида найдем коэффициенты Найдем обратную матрицу Дополнительные миноры Их определители Союзная матрица Союзная транспонированная матрица Делим каждый элемент на определитель, получаем Найдем Уравнение регрессии имеет вид Нарисуем график Среднее значение регрессоров и Y Парные коэффициенты корреляции Частные коэффициенты корреляции Множественный коэффициент корреляции или Ошибка множественного коэффициента корреляции Коэффициент детерминации Скорректированный Вывод: Коэффициент при индексе коррупции оказался значимым и отрицательным. ............ |
