Економетричний аналіз впливу економічних показників на чисельність користувачів Інтернету

[ виправити ] текст може містити помилки, будь ласка перевіряйте перш ніж використовувати.

скачати

Державний університет
Вища школа економіки
Нижегородський філія

Есе з економетрики

Тема: «Економетричний аналіз впливу економічних показників на чисельність користувачів Інтернету»

Нижній Новгород

2008 р .


У наш час Інтернет набув великого поширення. Користувачами Інтернету в більш розвинених країнах є майже всі верстви населення, в менш економічно успішних державах люди ніколи не чули про комп'ютери та Інтернеті. Мета даної роботи - показати залежність чисельності користувачів Інтернет в конкретній країні від економічних показників, таких як ВВП на душу населення, національний дохід на душу населення, кількість призначених для користувача комп'ютерів, а також ступінь урбанізації населення. Здавалося б, зв'язок зрозуміла: чим більше ВВП і НД, тим більше комп'ютерів у країні і відповідно більше користувачів всесвітньої павутини; чим більше міського населення щодо сільського, тим воно образованней й «просунуті». Однак на практиці це виявляється не зовсім так. Ряд африканських країн взагалі живе за племінними законами.
У цій роботі я спробую довести існування прямого взаємозв'язку між кількістю користувачів Інтернет і ВВП, НД та ін Спробую довести, що саме ці фактори впливають на кількість користувачів ПК та Інтернеті більшою мірою, спробую пояснити отримані результати теоретично і підведу підсумок дослідження, зробивши власні висновки на основі проведених досліджень.
Збір даних здійснювався при використанні сайту www.geohive.com GeoHive: Global Statistics. У роботу включена інформація про вибірку з 172 країн нашої планети. Щоб зробити моє дослідження найбільш ефективним, я постараюся слідувати плану:
1. визначити залежну змінну і вибір регресорів
2. побудувати регресію (модель)
3. протестувати модель, оцінити її «якість»
4. проаналізувати результати
5. зробити власні висновки
В якості методу дослідження я використовую економетричний аналіз, який буду здійснювати за допомогою економетричного пакету EViews 3.1, розробленого спеціально для цих цілей.
Для опису залежності я вибрала 6 змінних:
1. intusers - кількість користувачів Інтернет в країні
2. pc - чисельність користувача комп'ютерів в країні
3. gdp - Gross Domestic Product - ВВП на душу населення
4. gni - Gross National Income - НД на душу населення
5. urban - чисельність міського населення
6. rural - чисельність сільського населення
Вибравши 172 країни, я занесла дані в EViews і настав час для аналізу даних. У першу чергу перевіряємо дані на помилки.
ВВП на душу населення: немає негативних величин, але коливається мінлива значно. Пояснити це легко, тому що у вибірці присутні як найбідніші країни, так і найбагатші.



Інші змінні також необхідно дивитися на наявність помилок, однак щоб не захаращувати есе, графіки я наводити не буду.
Далі дивимося взаємну кореляцію змінних:
URBAN
GDP
GNI
INTUSERS
PC
RURAL
URBAN
1.000000
0.056682
0.089996
0.736664
0.557379
0.873801
GDP
0.056682
1.000000
0.780379
0.302719
0.331656
-0.068260
GNI
0.089996
0.780379
1.000000
0.400436
0.438161
-0.060708
INTUSERS
0.736664
0.302719
0.400436
1.000000
0.964982
0.426228
PC
0.557379
0.331656
0.438161
0.964982
1.000000
0.211864
RURAL
0.873801
-0.068260
-0.060708
0.426228
0.211864
1.000000
Бачимо, що на чисельність користувачів Інтернет величезний вплив справляє кількість комп'ютерів у країні. Крім того, важливе значення має чисельність урбанізованого населення.
Чисельність міського населення сильно залежить від національного доходу на душу населення.
Кількість комп'ютерів в країні також пов'язано з числом користувачів Інтернет і ступенем урбанізації населення.
А на кількість сільського населення впливають ВВП і НД у зворотній залежності, тобто чим менше ВВП і НД, тим більше населення займається ручним і сільським господарством. Це є показником відсталості економіки і підтверджує правильність споруджуваної регресії.

Будуємо регресію, в яку включаємо змінні з теоретичної моделі:

Ls intusers c pc gdp gni urban rural
Dependent Variable: INTUSERS
Method: Least Squares
Date: 02/27/08 Time: 02:03
Sample (adjusted): 4 172
Included observations: 132
Excluded observations: 37 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-346430.8
250802.2
-1.381291
0.1696
GDP
10.32608
22.95037
0.449931
0.6535
GNI
502.9395
345.3779
1.456201
0.1478
PC
0.719045
0.014848
48.42816
0.0000
URBAN
0.090404
0.010513
8.598902
0.0000
RURAL
0.005584
0.005304
1.052842
0.2944
R-squared
0.989265
Mean dependent var
5812423.
Adjusted R-squared
0.988838
SD dependent var
19682933
SE of regression
2079463.
Akaike info criterion
31.97751
Sum squared resid
5.45E +14
Schwarz criterion
32.10854
Log likelihood
-2104.515
F-statistic
2322.154
Durbin-Watson stat
2.087052
Prob (F-statistic)
0.000000
Бачимо, що незначною змінної є ВВП, тому приберемо його з регресії. Всі коефіцієнти вийшли з очікуваними знаками, крім величини сільського населення. Передбачалося, що це негативний фактор. Але так як його величина дуже близька до 0, не будемо звертати на це розбіжність уваги. До того ж його вплив незначний.
Будуємо нову регресію:
Dependent Variable: INTUSERS
Method: Least Squares
Date: 02/27/08 Time: 02:09
Sample (adjusted): 4 172
Included observations: 132
Excluded observations: 37 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-354918.2
249305.2
-1.423629
0.1570
GNI
618.1578
231.0229
2.675742
0.0084
PC
0.718812
0.014792
48.59489
0.0000
URBAN
0.090582
0.010473
8.649087
0.0000
RURAL
0.005475
0.005282
1.036557
0.3019
R-squared
0.989247
Mean dependent var
5812423.
Adjusted R-squared
0.988909
SD dependent var
19682933
SE of regression
2072923.
Akaike info criterion
31.96396
Sum squared resid
5.46E +14
Schwarz criterion
32.07316
Log likelihood
-2104.621
F-statistic
2920.986
Durbin-Watson stat
2.087552
Prob (F-statistic)
0.000000
Як видно з таблиці, показник Adjusted R-squared збільшився з 0,988838 до 0,988909. Це означає, що регресія покращилася.
Крім того, регресорів RURAL надає незначний вплив на регрессант, тому його можна видалити і побудувати нову регресію:
Dependent Variable: INTUSERS
Method: Least Squares
Date: 02/27/08 Time: 02:12
Sample (adjusted): 4 172
Included observations: 132
Excluded observations: 37 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-399859.8
245577.6
-1.628242
0.1059
GNI
630.0480
230.8051
2.729784
0.0072
PC
0.708903
0.011291
62.78241
0.0000
URBAN
0.100670
0.003869
26.01779
0.0000
R-squared
0.989156
Mean dependent var
5812423.
Adjusted R-squared
0.988902
SD dependent var
19682933
SE of regression
2073526.
Akaike info criterion
31.95723
Sum squared resid
5.50E +14
Schwarz criterion
32.04459
Log likelihood
-2105.177
F-statistic
3892.026
Durbin-Watson stat
2.066310
Prob (F-statistic)
0.000000
Adjusted R-squared незначно, але зменшився. А це означає, що модель стала гірше. Тому повернемося до попередньої моделі:
Estimation Command:
=====================
LS INTUSERS C GNI PC URBAN RURAL
Estimation Equation:
=====================
INTUSERS = C (1) + C (2) * GNI + C (3) * PC + C (4) * URBAN + C (5) * RURAL
Substituted Coefficients:
=====================
INTUSERS = -354918.2484 + 618.1577906 * GNI + 0.7188117239 * PC + 0.09058209539 * URBAN + 0.005474726438 * RURAL
Згідно зі статистикою Durbin-Watson stat (= 2.087552, статистика близька до 2) автокорреляция в моделі відсутній.
Виконаємо тест на гетероскедастичності:
White Heteroskedasticity Test:
F-statistic
7.466570
Probability
0.000000
Obs * R-squared
43.14884
Probability
0.000001
Test Equation:
Dependent Variable: RESID ^ 2
Method: Least Squares
Date: 02/27/08 Time: 02:18
Sample: 4 172
Included observations: 132
Excluded observations: 37
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-1.19E +12
1.87E +12
-0.639594
0.5236
GNI
2.10E +09
3.83E +09
0.548274
0.5845
GNI ^ 2
-403321.1
1132324.
-0.356189
0.7223
PC
445574.9
228912.2
1.946488
0.0539
PC ^ 2
-0.002393
0.000829
-2.885490
0.0046
RURAL
74276.26
84150.65
0.882658
0.3791
RURAL ^ 2
-9.97E-05
0.000103
-0.965351
0.3363
URBAN
163878.1
87839.00
1.865665
0.0645
URBAN ^ 2
-0.000216
0.000157
-1.372084
0.1725
R-squared
0.326885
Mean dependent var
4.13E +12
Adjusted R-squared
0.283105
SD dependent var
1.35E +13
SE of regression
1.14E +13
Akaike info criterion
63.03441
Sum squared resid
1.60E +28
Schwarz criterion
63.23096
Log likelihood
-4151.271
F-statistic
7.466570
Durbin-Watson stat
1.436753
Prob (F-statistic)
0.000000
У описуваної моделі присутня гетероскедастичності, тому що ймовірність помилитися, відкидаючи гіпотезу про відсутність гетероскедастичності, практично рівна нулю. Але це можна пояснити тим, що вибірка велика за розміром і неоднорідна за значеннями. Якщо скоротити обсяг даних, то вийде позбавитися від гетероскедастичності.
Проведемо тест Вальда:
Тут, в даному тесті нам потрібно визначити, пояснюють чи обрані нами регресорів регрессант краще, ніж константа. У тесті Вальда припустимо всі коефіцієнти рівними 0, тобто C (1) = 0, C (2) = 0, C (3) = 0, C (4) = 0, C (5) = 0. Отримаємо, що:
Wald Test:
Equation: Untitled
Null Hypothesis:
C (1) = 0
C (2) = 0
C (3) = 0
C (4) = 0
C (5) = 0
F-statistic
2544.353
Probability
0.000000
Chi-square
12721.76
Probability
0.000000
У результаті даного тесту, ми отримали, що Probability рівний 0.000000, тобто ймовірність помилитися, відхиливши гіпотезу, що всі коефіцієнти пояснюють регресію гірше, ніж константа рівна нулю, означає, що пояснюють змінні добре пояснюють залежну.

Висновки:
1. Отримана модель дозволяє дати відповідь на запитання про залежність чисельності Інтернет користувачів від економічних показників;
2. Відповідно до цієї моделі, найбільший вплив на кількість користувачів надають національний дохід на душу населення, ступінь урбанізації населення і кількість персональних комп'ютерів;
3. Хоча виявлено певні закономірності, що визначають чисельність користувачів Інтернет, розкид значень досить великий. На це вказує досить велика величина стандартного відхилення. Це обумовлено тим, що кожна країна унікальна. Населення одній може при високому доході зовсім не витрачати кошти на електронні пристрої і, відповідно, спілкування через Інтернет, а люди іншої - навпаки, купують різноманітні новинки і жити не можуть, якщо вони не на піку популярності технологій. Усіх цих факторів врахувати неможливо, але це і не було моїм завданням. Я шукала загальні закономірності, і мені їх вдалося знайти. Це головне досягнення моєї роботи.
Додати в блог або на сайт

Цей текст може містити помилки.

Економіко-математичне моделювання | Твір
57.5кб. | скачати


Схожі роботи:
Модернізація Інтернету - шлях збільшення числа користувачів IPv4 в 1000 разів
Аналіз техніко економічних показників підприємства
Аналіз техніко економічних показників підприємства 2
Аналіз техніко економічних показників ВАТ Елема
Аналіз техніко економічних показників ТОВ Прикладні системи
Аналіз організаційної структури та техніко-економічних показників НП РУП БЕЛГАЗТЕХНІКА
Аналіз техніко економічних показників роботи РУПП Птахофабрика Перемога
Аналіз основних техніко-економічних показників діяльності ТОВ ВЕГА ЄВРО
Аналіз основних техніко економічних показників діяльності ТОВ ВЕГА ЄВРО
© Усі права захищені
написати до нас