Вплив освіти та економічне зростання країн Європи

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Національний університет «Острозька академія»

Кафедра математичного моделювання та інформаційних технологій

ДОВГОСТРОКОВЕ ЗАВДАННЯ

з економетричного аналізу

на тему:

«Вплив освіти та економічне зростання країн Європи»

студентки 4 курсу Е-42групи

напрямупідготовки 6.030508

«Фінанси і кредит»

Когут В. В.

Керівник ст.викл. Цапін А.О.

м. Острог - 2014 рік

Сучасна економічна теорія розглядає інвестиції в інтелектуальний капітал, як засіб, з метою якого відбувається здобуття кваліфікації та здібностей працівниками, результатом чого буде зростання продуктивності праці робітників. Витрати , які сприяють підвищенню продуктивності працівника можна розглядати як інвестиції, що здійснюються з тим розрахунком, що ці витрати мультиплікують доходи в недалекому майбутньому [1].

Метою роботи є дослідження процесу інвестицій в інтелектуальний капітал країн Європи, визначення залежності витрат на освіту та економічного зростання країн Європи задля вирішення проблеми оптимального розміру фінансування Україною витрат на освіту.

Питаннями інвестування в освіту, впливу освіти на економічне зростання та збільшення національного доходу, підвищення продуктивності праці займалися переважно західні економісти: М. Блауг, А. Бронська,Е.Денісон,Т. Шульц .

В спробах визначити зв'язок між витратами на освіту і економічним зростанням більшість дослідників зверталися до тесту на причинність Гренджера, який доведено є необхідним для визначення провісної можливості часових серійних моделей (Алексакіс та Сіріопоулос, 1999). Особливим є те, що всі дослідження причинних зв'язків полягають виключно на традиційний лінеаризований тест на причинність за Гренджером з моделлю корекції помилок через їхню проксі змінну для освіти, що змінюється від державних витрат на освіту до кількості, зареєстрованих у школі, до набуття шкільного віку і таке інше. Дослідження літератури продемонстрували, що існує багато контроверсійності через те, що природа і напрямок зв'язку між витратами на освіту і зростання є пов'язаними.

Вихідні дані для аналізу склали показники сфери освіти та ринку праці 31 країни Європи: Бельгії, Болгарії, Данії, Естонії, Ірландії, Іспанії, Італії, Кіпру, Латвії, Литви, Люксембургу, Угорщини, Мальти, Нідерландів, Німеччини, Австрії, Польщі, Португалії, Румунії, Словенії, Словакії, Фінляндії, Чехії, Швеції, Франції, Хорватії, Об'єднаного королівства Великобританії, Ісландії, Ліхтенштейну, Норвегії, Швейцарії, інформаційною основою яких слугували статистичні звіти Європейського комітету статистики за 2011 рік. З метою дослідження впливу освітнього чинника на індикатори економічної безпеки було відібрано 8 показників, згрупованих з урахуванням офіційної класифікації Євростату[3]. Зокрема аналізувалися показники:

державних витрат на освіту, приватних витрат на освіту та загальна сума витрат на освіту країн Європи;

витрати на початкову освіту;

витрати на другу освіту;

ВВП країн Європи;

валова додана вартість;

дефлятор ВВП;

ВВП на душу населення;

поточні податки на доходи.

Залежна зміннна - gdp (ВВП) та gdppc (ВВП на душу населення);

Незалежні змінні:

pexp( приватні витрати на освіту);

sexp(державні витрати на освіту);

tsexp(загальна сума витрат на освіту);

primary(витрати на початкову освіту);

second (витрати на другу освіту);

gva(Валова додана вартість);

gdpdef(ВВП дефлятор).

Зібрані дані належать до просторових, тому ми проводили статистичні тести для просторових даних. В процесі роботи перевірялися гіпотези, на основі яких робилися висновки.

Н0=освіта впливає на економічне зростаннякраїн Європи

Н1=освіта не впливає на економічне зростаннякраїн Європи

Отримана нами описова статистика показала кількість спостережень кожної змінної, середнє значення змінних, стандартні помилки, максимальне та мінімальне значення змінних.

Таблиця 1

Описова статистика факторних та результативних ознак

Команда gladder вивела нам графічне зображення залежної змінної gdp-Валового внутрішнього продукту.

Рис.1. Графічне зображення ВВП

Команда correlateз опцією covariance дозволила нам порахувати коваріацію між змінними.

Команда pwcorrдозволила нам вивести матрицю попарних кореляцій, розрахованих за спостереженнями, в яких значення відповідних змінних попарно не пропущені. Ми вивели інформацію з рівнем значимості 0,05 та 0,1. освіта інвестиція інтелектуальний капітал

Таблиця 2

Аналіз кореляційної матриці

Отже, найбільше корелюють такі показники: загальна сума витрат на освіту, витрати на другу освіту, витрати на першу освіту, податки на прибуток та ВВП на душу населення.

Провівши регресію залежної змінної на пояснювальні, ми отримали дані про основні результати оцінювання: кількість спостережень, таблицю дисперсійного аналізу, коефіцієнти F, R2, R2 adj, таблицю оцінок коефіцієнтів, стандартні відхилення. Оскільки R2=0,70, то 70% досліджуваного процесу пояснюється моделлю, проте скоригований коефіцієнт детермінації є дещо нижчим і свідчить про те, що 46% процесу пояснюється моделлю.

Після проведення регресії ми провели тест на нормальність розподілу залишків Жака-Берра. Критично допустимим значенням розрахункової статистики тесту є значення 0,5. В нашому випадку залишки нормально розподілені лише для змінних sexp, primary, gvaі для них ми приймаємо Но про нормальність розподілу залишків.

Після проведення регресії ми провели тест на нормальність розподілу залишків Жака-Берра. Критично допустимим значенням розрахункової статистики тесту є значення 0,5. В нашому випадку залишки нормально розподілені лише для змінних sexp, primary, gvaі для них ми приймаємо Но про нормальність розподілу залишків.

Також, за допомогою команди stepwise з рівнем значимості 5 %, ми віднімаємо змінні, для покращення результатів в моделі.

Далі ми перевіряли правильність функціональної форми змінних регресійного рівняння, тобто правильність специфікації моделі. Ми використали тест Ramsey RESET, суть якого в тому, що якщо вихідна модель вірна, то додавання нелінійних функцій не повинно покращувати пояснювальні характеристики моделі.

Відповідно до цих моделей сформулюємогіпотези:

H0: b=0 - функціональна форма моделівибрана правильно і є лінійною;

H1: b?0 - неправильнийвибірфункціональноїформимоделі.

В нашому випадку значення тесту є дуже малим (0,0245), що свідчить про правильну специфікацію моделі і про не включення неважливої змінної в модель.

Далі ми тестували модель на мультиколінеарність використовуючи коефіцієнт збільшення дисперсії (varianceinflationfactor). Критичним є значення коефіцієнта більше 4, в нашому випадку VIFкоефіцієнт становить 1,31 і не перевищує критичне значення, тобто можна говорити про відсутність мультиколінеарності.

Тест на гетероскедастичність. У ході дослідження нами було проведено два тести:Breausch-pagentest (hettest) iWhitetest (imtest)

Сформуємо гіпотези Breausch-pagentest (hettest):

Н0: у^2 = у^2 = cons - гомоскедастичність;

Н1: у^2 ? у^2 ? cons -гетероскедастичність.

З результату тесту Breusch-Pagan можна зробити висновки, що з імовірністю помилки 1% ми приймаємо альтернативну гіпотезу про нестаціонарність дисперсії, тобто прогетероскедастичність, оскільки p-value< 0,1 ( найбільш допустимого значення помилки).

ПровівшиWhitetest (imtest)ми отримали розрахункове значення статистики 0,02 менше критичного 26,75, а тому можна прийняти альтернативну гіпотезу про наявність гетероскедастичності.

За допомогою команд: estathettest та imtestми протестували модель на гетероскедастичність і виявили, що в нашій моделі вона присутня. Тому доцільним було застосування опції robust, що зробила модель стійкою до гетероскедастичності і збільшила скоригований коефіцієнт детермінації до 0,70.

Наступним кроком аналізу було проведення впорядкованої регресії командою ologit, що вивела нам список логічних ймовірностей для кожної категорії.

Як бачимо в нашій моделі з кожною категорією логічна ймовірність зростає, тому що метою є максимізувати логічну ймовірність. Коли різниця між наступними категоріями є дуже малою, говорять про конвергенцію моделі. В нашому випадку категорії припинено на сьомому етапі.

Провівши тест Хаусмана на ендогенність, тестуючи змінну pexp з використанням інструменту sexp ми отримали розрахункове значення статистики 0,68, що є більшим критичного 0,41 з ймовірністю помилитися в 5% зі ста. Це дає нам змогу відкинути Н0 гіпотезу і прийняти альтернативну гіпотезу про те, що змінна рехр ендогенна. Отже ми правомірно використали двокроковий метод найменших квадратів.

З метою підвищення пояснювальної здатності моделі ми провели логарифмування змінних, утворивши тепер рівняння регресії у формі звичайного лінійного логарифмічного рівняння. Скоригований коефіцієнт детермінації тепер становить 0, 9387, тобто явище на 93,87 % пояснюється моделлю. Значення даного коефіцієнта можна вважати надійним, оскільки було засвідчено відсутність мультиколінеарності.

Отже побудована нами логарифмічна модель має вигляд:

Gdp=-7,51 + 0,11lnpexp+2,20 lntexp+0,33 lngva+ 2,27lngva

(0,29) (0,83) (0,31) (0,28) (0,04)

Це свідчить про те, що при зростанні ВВП на 1% приватні витрати на освіту зростають на 0,11%, загальна сума витрат на освіту зростає на 2,20%, ВВП дефлятор зростає на 0,33% і Валова додана вартість зростає на 2, 27%.

Якщо взяти за результуючу змінну величину gdppc (ВВП на душу населення) то логарифмічне рівняння матиме вигляд:

Gdppc=1,11+0,09lngdp+0,05lnpexp+0,63lntexp-0,03lngva

Тобто при зростанні ВВП на душу населення на 1% ВВП зросте на 0,09%, приватні витрати на освіту збільшаться на 0,05 %, загальні витрати на освіту зростуть на 0,63%, а Валова додана вартість зменшиться на 0,03%.

Висновки

Отже, ми здійснили моделювання досліджуваного явища - вплив освіти на економічне зростання країн Європи. Для цього ми перш за все сформували нульову та альтернативну гіпотезу дослідження:

Н0=освіта впливає на економічне зростаннякраїн Європи

Н1=освіта не впливає на економічне зростаннякраїн Європи

Після цього здійснили відбір факторів, які можуть впливати на залежну зміну, здійснили їх трансформацію та відібрали із існуючих факторів найбільш суттєві.

Відповідно до результатів дослідження була прийнята гіпотеза Н0, про те, що освіта впливає на економічне зростання країн Європи.

Список використаних джерел

Айвазян С.А., В.С.Мхітарян Прикладна статистика і основи економетрики М., ЮНІТІ, 1998.

Kolenikov, S. Review of Stata 7. J. of Applied Econometrics , forthcoming.

http://epp.eurostat.ec.europa.eu

Размещено на Allbest.ru