Bing Image Creatorで生成: Hydrangea flowers in nature wild fields, photo
の続きです。
前回は、CSVファイルのデータを R に読み込みました。
まずは、plot() 関数でグラフにしてみます。
どうでしょうか、第3次産業活動指数は、定期的に高い値の月がある感じですね。
cor() 関数で変数間の相関係数をみてみます。
一番相関係数の大きな組み合わせ(絶対値ベース)がunem: 失業率と dai3ji: 第3次産業活動指数ですが、-0.173 と大きな値ではありません。
こちらの本の 10-2a に書かれている Static model を回帰分析します。
dai3ji: 第3次産業活動指数を被説明変数にして、unem: 失業率と cpi: インフレ率を説明変数にしました。失業率が1%上昇すると、第3次産業活動指数は1.832ポイント低下します。
p値は0.0561なので、10%水準では有意ですが、5%水準では有意ではありません。
インフレ率は1%上昇すると、第3次産業活動指数は0.4794ポイント上昇しますが、p値は0.3529なので有意ではないです。
モデル式全体の p値は0.132 なので15%水準で有意、というあまり有効なモデル式ではないですね。
次は、Wooldridgeの本の10-2b の Finite Distributed Lag Model で回帰分析します。
unem, cpi それぞれ、ラグ１、ラグ２を加えてみました。全体の p値が 0.04501 と5%水準で有意な推定結果となりました。
L(unem, 2)、ラグ２の失業率が係数が11.0721 となっています。
unem, L(unem), L(unem, 2) の３つが jointly significant かどうか、car パッケージの linearHypothesis() 関数で調べてみます。
p値は0.006936 と0.6%という小さい値ですので、unem, L(unem), L(unem, 2) は jointly significant です。
失業率が1%上昇し、そのままの状態を維持すると、第3次産業活動指数は、-4.9706 - 7.4284 + 11.0721 = -1.3269 ポイント低下します。
cpi, L(cpi), L(cpi, 2) が３つ合わせて有意かどうかも確認します。
cpi は３つあわせて jountly insignificant ですね。
cpi を加えない Finite Distibuted Lag Model を試します。
式全体の p値が 0.006184 となりました。
L(unem, 3) を加えてみます。
L(unem, 3) の p値は 0.80661 とかなり大きいですね。
L(unem, 2) まででいいような気がします。
今回は以上です。
失業率が上昇すると、第3次産業活動指数は低下する、という関係がわかりました。
次回は、
はじめから読むには、
です。
