ACF becsült paraméterek, azaz az α – értékei (a modell együtthatói)*** -al jelöljük a szignifikancia szinteket. Itt nem jelöl p értéket, hanem *-al jelöli azt egyből.A legmagasabb szignifikancia ***.Autokorrelált, mivel az együttható majdnem 1.Nem stacionáris folyamat, mert itt függ az előző értéktől.

6-dik időt nézem… első 6 visszamenésre vonatkozik… elutasítom, mert p érték 0-hoz van közel.

kék vonal szignifikancia szintPiros oszlop együtthatók felvett értékeiGDP értéke akkor nem függ már, ha a kék értéke alatta lesz a piros szintnek. Azaz a szignifikancia szint nem haladja meg a vizsgált értéket.

Stacionerek tekinthető, ha nem lenne a 10-15 között kilengés…de ráfogható, hogy stac.

Elfogadjuk minden vizsgálati szinten..

FOGYASZÓI ÁRIDEXRE IS TESZT

NEM FOGDJUK EL, MERT A TESZT STATISZTIKA, MINDEN % -ON A KRITIKUS FELETT VAN…ELUTASÍTJUK A H0-T A NULL HIPOTÉZIST => EZ A FOLYAMAT NEM STACIONÁRIUS.ISMÉT A DEÁL GDP DIFFJÁT, SEGÍTETT AZ, HOGY ELSŐ RENDBEN DIFF.MINDEN EGYES SZIGNIFIKANCIA SZINT ALATT VAN… => Stac. a folyamatDe, ha csak egy szint esetében is, elfogadhatjuk.

Tartalmaz-e egységgyököt? ADF teszt

Az utolstó bejelölni, a program magának veszi, hogy meddig menjünk vissza.

Az a H0 hipotézis, hogy van egység gyök eh=1Elfogadjuk a szign. szint mellett.

Nem tartalmaz egység gyököt, elutasítjuk a statisztikát, ha már a differenciált veszem.

COINTEGRÁLTSÁG TESZTELÉSE

11.3 – aggregált jövedelem és fogyasztás (alapelmélet minél több a jövedelem, annél több a fogyasztás.)Azt nézem, hogy hosszú távon egyensúlyi kapcsolat van-e közöttük.Veszem, mind a kettő logaritmusát.

Megnézem, hogy van-e egységgyök a folyamatban.

Elfogadjuk, hogy van egység gyök… nem stacionerek.

Veszem ezek deriváltját, majd ADF teszt mind a kettőre

5 % alatt van a p érték.Első fokon integrált a log.Fogyasztás is első fokon integrált.

Első fokon integrált mind a két folyamat.

Megnézzük, hogy a jövedelem mennyire hat a fogyasztásra?

Azt látom, hogy *** és p a beszült együthatója a jöv log-nak. Jöv nagyon meghat. A fogyasztást, nem nagyon van megtakarítás.

Majd megnézzük, hogy a hiba stacioner –e van sem

A regressziós modellhez tartozó maradék.Minden egyes idősorhoz tartozó hiba.

Megnéztem, hogy stac.-e vagy sem.Ho-t 10%-on tudom elutasítani.

KPSS teszt

Ez alapján már látjuk, hogy stacioner folyamat.=>van hosszú távú egyensúlyi kapcsolat, mert a hiba stacioner! Tesztelése a Granger féle:A 3. pontig ugyanaz.

Kimentettük a hibát.A 2. egyenletet építjük fel és a gamma együtthatóra kell koncentrálni.

első késleltettet kell.

Negatív és szignifikáns a sokk együtthatója => kointegrált, mert rövid ideig érvényes a sokkhatás.ARIMA modellek becsléseY –re akarunk ARIMA modell illeszteni:Felt. Y arima folyamatAR és MA rendje:Mivel ARIMA modell, nem a diffel kell.

AR 1 –es folyamat, mert 1 van felette

Megnézzük a korr. A diff log Y-ra is

Azt tippelem, ahol ARIMA(1,1,3)A 3-ast tippeltem, mert nem tudtam megállapítani.

Ebből jött fel a fenti:

Akkor a jó, ha minél kevesebbek…Mi van akkor, ha 1,1,1 mindegyik

Meg kell nézni, hogy a két modellben a hibát kimentve az autokorr.

Mind a kettőre megnézzük a korrelogrammot

Nem autókorrelált, jó a modell.Milyen a modell előrejelző ereje:

Ki kell választani egy időszakor,t, ahol előre jelezni szeretnénk:

85-ig volt idősor, beállítottam, a 6-ot, hogy 6 évre tudjak előre lejelezni.

Jó a modell, mert az előrejelzés illeszkedik …