Содержание к диссертации
Введение
1. Теоретические основы статистического исследования ипотечного кредитования и его роль в развитии рынка недвижимости 9
1.1 Этапы развития ипотечного кредитования в России и модели его развития 9
1.2. Разработка системы статистических показателей ипотечного жилищного кредитования 24
1.3. Методологические аспекты статистического изучения ипотечного жилищного кредитования 33
2. Статистический анализ динамики показателей ипотечного жилищного кредитования в РФ 43
2.1. Статистическое моделирование динамики объемов ипотечного жилищного кредитования 43
2.2. Статистический анализ влияния социально-экономических показателей на объемы ипотечного жилищного кредитования 51
2.3 Оценка влияния социально-экономических показателей на объемы ипотечного жилищного кредитования в России с помощью корреляционно-регрессионного анализа 59
3. Статистическое исследование факторов, оказывающих влияние на объем ипотечного кредитования в разрезе субъектов РФ 71
3.1 Статистическое изучение неравномерности развития ипотечного жилищного кредитования по территории 71
3.2 Статистическое моделирование влияния факторов на объем ипотечного жилищного кредитования на основе классической линейной регрессии 85
3.3 Статистическое моделирование влияния факторов на объем ипотечного кредитования на основе нейросетевых моделей 95
3.4 Статистическое изучение влияния факторов, оказывающих влияние на объем ипотечного жилищного кредитования на основе панельных данных 107
Заключение 115
Список литературы 118
Приложение А - Характеристика основных этапов развития ипотечного кредитования в Российской Империи 130
Приложение Б - Результаты прогнозирования уровней ряда среднедушевых денежных доходов населения РФ с помощью экспоненциального сглаживания 131
Приложение В - Дифференциация населения РФ по уровню и объему денежных доходов 132
Приложение Г - Этапы многомерного статистического изучения дифференциации субъектов РФ по уровню ипотечного кредитования 133
Приложение Д - Древовидная диаграмма групп субъектов РФ по уровню ипотечного кредитования в 2010 г 134
Приложение Е - Результаты группировки субъектов РФ по величине развития ипотечного жилищного кредитования за период 2006-2010 годы 135
Приложение Ж - Матрица парных коэффициентов корреляции по результатам кластерного анализа за 2010 год 137
- Этапы развития ипотечного кредитования в России и модели его развития
- Статистическое моделирование динамики объемов ипотечного жилищного кредитования
- Статистическое изучение неравномерности развития ипотечного жилищного кредитования по территории
- Статистическое изучение влияния факторов, оказывающих влияние на объем ипотечного жилищного кредитования на основе панельных данных
Введение к работе
Актуальность темы исследования. Трансформация экономики России в начале 1990-х годов породила массу новых, несуществующих в рамках командно- административной системы явлений и процессов. Одним из них является активное развитие рынка жилья, как самостоятельной части рыночной экономики, в связи с остротой проблемы обеспечения населения страны жильем. Развитие рынка жилья сопровождается бурным ростом цен на квадратные метры жилья, на фоне снижения платежеспособности населения и объемов ввода в эксплуатацию жилых домов. Следствием этих процессов стало невозможным приобретение большинством россиян квартир и индивидуальных домов в собственность, что послужило толчком к возрождению в нашей стране ипотечного жилищного кредитования.
Возрождаемые в России явления и процессы ставят перед современной статистической наукой задачу совершенствования их статистического исследования посредством применения статистических методов, характеризующих статистические закономерности происходящих явлений. В связи с этим, исследование проблем ипотечного жилищного кредитования с позиции статистической науки, является актуальной задачей.
Степень разработанности темы исследования. Существующие исследования ипотечного жилищного кредитования связаны, прежде всего, с кредитованием приобретения жилья в РФ, и находятся в центре внимания таких ученых как Борисюк Н.К., Горемыкин В.А., Грудцына Л.Ю., Киданов В.Н., Меркулов В.В., Радченко И.С., Разумова И.А., Цылина Г.А. и др.
Некоторые вопросы статистического анализа кредитования в целом и ипотечного кредитования в частности были отражены в работах отечественных ученых Афанасьева В.Н., Богородской Н.А., Гусарова В.М., Иванова Ю.Н., Назарова М.Г., Саблина Е.А., Сажина Ю.В. и др.
Следует отметить, что сейчас в статистической научной литературе не существует комплексного статистического исследования, учебника или учебного пособия, посвященных применению современных статистических методов в исследованиях ипотечного кредитования приобретения жилья.
Таким образом, научная деятельность в области методологии статистического исследования ипотечного кредитования актуальна и требует совершенствования.
Цель и задачи исследования. Основной целью диссертационного исследования является разработка и совершенствование методологических аспектов статистического исследования ипотечного жилищного кредитования.
Реализация поставленной цели предусматривает решение следующих задач:
анализ существующих теоретических и практических подходов к статистическому исследованию ипотечного кредитования;
разработка методики статистического исследования ипотечного жилищного кредитования;
определение системы статистических показателей характеризующих структуру, динамику и взаимосвязи ипотечного кредитования с социально- экономическими показателями;
исследование динамики показателей ипотечного жилищного кредитования и прогнозирование объема ипотечного жилищного кредитования в РФ;
пространственная типологическая группировка субъектов РФ по уровню ипотечного жилищного кредитования;
выявление влияния макроэкономических факторов на объемы ипотечного жилищного кредитования в России.
Объект и предмет исследования. Предмет исследования составляют теоретические, методологические и практические аспекты проведения статистического исследования ипотечного жилищного кредитования. Объектом исследования является процесс развития ипотеки в РФ.
Методология и методы исследования. Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых по статистике, финансам и кредитованию, законодательные акты и нормативно- правовые документы органов государственного управления, официальные информационно-статистические данные Росстата, Центрального банка РФ, коммерческих банков, а также исследования научных учреждений, материалы сети Интернет.
При решении поставленных задач использовался современный статистический научный аппарат и методы исследования: табличный и графический анализ, сравнительный анализ, корреляционно-регрессионный анализ, многомерный статистический анализ, анализ временных рядов, нейросетевое моделирование и др.
Подготовка и обработка статистических данных проводилась с использованием текстового редактора Microsoft Office Word 2007, табличного редактора Microsoft Office Excel 2007, статистических пакетов прикладных программ Statistica 10.0, EViews 7, Stata 11.
Область исследования. Диссертационная работа соответствует требованиям паспорта специальности ВАК 08.00.12 - Бухгалтерский учёт, статистика в рамках п.п. 4.9. «Методы статистического измерения и наблюдения социально-экономических явлений, обработки статистической информации, оценка качества данных наблюдений; организация статистических работ»; 4.11. «Методы обработки статистической информации: классификация и группировки, методы анализа социально-экономических явлений и процессов, статистического моделирования, исследования экономической конъюнктуры, деловой активности, выявления трендов и циклов, прогнозирования развития социально- экономических явлений и процессов»; 4.16. «Прикладные статистические исследования воспроизводства населения, сфер общественной, экономической, финансовой жизни общества, направленные на выявление, измерение, анализ, прогнозирование, моделирование складывающейся конъюнктуры и разработки перспективных вариантов развития предприятий, организаций, отраслей экономики России и других стран».
Научная новизна диссертационной работы заключается в разработке методики комплексного статистического исследования ипотечного жилищного кредитования в России и выражается в следующем:
посредством объединения и дополнения показателей статистики населения, социальной статистики, демографии, статистики кредита и статистики строительства сформирована система статистических показателей, характеризующая ипотечное жилищное кредитование;
разработана методика статистического исследования ипотечного жилищного кредитования, включающая анализ динамики показателей ипотечного кредитования, выявления и измерения влияния факторов на объем ипотечного жилищного кредитования в разрезе субъектов РФ, а также многомерную группировку субъектов с выделением однородных групп субъектов РФ по уровню ипотечного жилищного кредитования;
построена статистическая модель, описывающая динамику объемов выданных ипотечных кредитов в РФ, учитывающая структурные изменения под влиянием финансового кризиса, сезонность и тенденцию; на основе данной модели проведено прогнозирование анализируемого временного ряда и оценено качество прогноза;
на основе методов кластерного анализа статистически доказана неравномерность развития ипотечного жилищного кредитования по территории РФ, а также вариативность групп во времени;
выявлено и измерено влияние социально-экономических факторов на объемы ипотечного жилищного кредитования с помощью нейросетевого моделирования, статистически значимых регрессионных моделей пространственных данных, панельных данных.
Практическая значимость исследования заключается в том, что разработанные в диссертации методические подходы, научно-практические рекомендации могут быть использованы органами государственного управления, Росстатом и коммерческими банками при анализе ипотечного жилищного кредитования как на федеральном, так и на региональном уровнях.
Результаты исследования могут быть также использованы в высших и средних специальных учебных заведениях экономического профиля при изучении таких дисциплин как статистика финансов, банковская статистика, макроэкономическая статистика, эконометрика, анализ временных рядов и прогнозирование, деньги, кредит, банки.
Апробация результатов работы. Отдельные положения диссертации обсуждались на международных и всероссийских научно-практических конференциях, проходивших в городах: Пенза (2009 г.), Оренбург (2010 г.), Казань (2010 г.), Набережные Челны (2011 г.), Москва (2011 г.), Йошкар-Ола (2012 г.).
Публикации. Отдельные положения диссертационного исследования опубликованы в 13 работах общим объемом 3,76 п.л., в том числе 4 работы объемом 1,81 п.л. в изданиях, рекомендованных ВАК РФ.
Объем и структура диссертации. Диссертация состоит из введения, трех глав, заключения, списка используемой литературы.
Этапы развития ипотечного кредитования в России и модели его развития
Познание сложившейся в настоящее время в Российской Федерации системы ипотечного жилищного кредитования невозможно без осмысления мировой и отечественной практики с исторической позиции. В связи с этим обратимся к работам Ю.Л. Грузицкого [19], И.А. Разумовой [85], Н.А.Проскуряковой [83], Г.Г. Матюхина [55], B.C. Павловой [74], Г.А. Цылиной [108] и др. и рассмотрим важные исторические моменты становления и развития ипотеки как механизма залогового кредитования.
Согласно рассмотренным источникам информации процесс развития института ипотечного кредитования можно разделить на три больших этапа (рисунок 1.1.1).
Дошедшие до современности сведения о кредитных отношениях в древнем мире свидетельствуют, что родоначальником ипотечных отношений является Древняя Греция. Так, Солоном в начале VI века до н.э. были проведены реформы, в ходе которых личная ответственность за полученную ссуду была заменена имущественной [67].
Солон организовал следующий порядок: кредитор ставил на земельном владении должника (обыкновенно на пограничной меже) столб с надписью, что это имущество служит обеспечением его претензий на известную сумму. Такой столб назывался ипотекой, что в переводе с греческого означает «подставка». В переносном смысле это слово стало употребляться для обозначения залога недвижимости.
Несомненным прогрессом в области развития института ипотеки стал период Римской империи, при этом, как отмечает Г.А. Цылина, за небольшой отрезок времени институт ипотеки прошел три этапа, сущность которых можно отобразить в виде следующей схемы (рисунок 1.1.2).
Развитие ипотеки в Римской империи ознаменовалось следующими ключевыми моментами: во-первых, создание ипотечных банков; во-вторых, разработка законодательства об ипотеке; в-третьих, значительная спекуляция на ипотечном рынке, связанная с неоднократным залогом собственности в силу отсутствия централизованного учета подобных сделок.
С распадом Римской империи и последующим обособленным развитием европейских стран ипотечное кредитование приостановило свое развитие. Лишь в середине XVIII века наблюдается новый толчок в развитии рассматриваемого явления.
В работе Киданова В.Н. и Борисюка Н.К. [38] выделяются следующие исторические этапы в развитии ипотечного кредитования в «европейский период»:
1. 1767 г. Пруссия. «Ландшафты в Силезии». Под влиянием войн государство было вынуждено создать кредитные товарищества (ландшафты), которые выдавали кредиты под залог земельных наделов.
2. 1852 г. Франция. Учреждение «Земельного банка». В основу была положена идея централизации ипотечного кредитования по всей территории Франции. После учреждения «Земельного банка» появился независимый непосредственно от залога земельного участка инструмент — закладной лист как ценная бумага. На данном этапе были сформированы основные принципы ипотечного кредитования.
3. 1862 г. Франкфурт. Первый ипотечный банк. На данном этапе ценные ипотечные бумаги приобрели характер облигаций, обеспеченных ипотекой, выплаты по которым производились их держателям.
4. 1900 г. Германия. Закон об ипотечных банках. Решены вопросы с конкурсным правом.
К факторам, оказавшим решающее влияние на развитие института ипотеки в Европе XVIII-XIX вв., можно отнести: промышленный рост, урбанизация, развитие инфраструктуры городов Европы, высокий уровень капитализации государственного капитала, усиление банковского капитала и т.д.
В XIX веке бурный экономический рост и увеличение населения привели к росту уровня жизни, к контролю земли и недвижимости и формированию соответствующих рынков, что способствовало обретению ипотекой функций, присущих современному кредиту. Ипотека была более развита в таких странах, как Англия, Франция, Нидерланды, где принципы кредитования для финансирования строительства использовались активно и повсеместно. Это относится и к другим странам Европы, в которых бурно и в прогрессивной форме шло инвестирование денежной массы в строительство и промышленность.
Результатом развития ипотеки в Европе стали две модели [67]:
Модель сбалансированной автономии (контрактно-сберегательная) функционирует по ссудно-сберегательному принципу, то есть совокупный портфель кредитных ресурсов формируется не за счет привлеченных средств на открытом рынке капиталов, а целенаправленно формируется за счет привлечения сбережений будущих заемщиков по принципу кассы взаимопомощи.
Статистическое моделирование динамики объемов ипотечного жилищного кредитования
Как было выяснено в предыдущей главе, основным показателем, характеризующим результаты деятельности банковской системы в области ипотечного жилищного кредитования, является объем выданных ипотечных жилищных кредитов, поэтому в данном пункте подробнее остановимся на анализе динамики данного показателя и построении прогнозных значений на 2011 год. При этом в качестве анализируемого периода используем данные с 1 кв. 2005 года по 4 кв. 2010 года, что, прежде всего, объясняется наличием регулярной статистики за данный период, а информация за 2011 год будет использована нами для оценки качества динамических моделей и прогнозов [111].
Согласно приведенному рисунку до 1 квартала 2008 года наблюдается рост показателя, что объясняется активизацией банковского сектора, который предлагал клиентам разнообразные ипотечные программы с гибкими условиями по процентным ставкам, первоначальному взносу и периоду предоставления кредита.
На оставшемся отрезке под влиянием мирового финансового кризиса банковская система России сворачивает программы по ИЖК, и, как результат, наблюдается снижение объемов выданных кредитов. Добиться докризисного успеха удалось лишь к концу 2011 года.
Из вышесказанного можно сделать вывод о наличии ярко выраженного структурного изменения. В подобных случаях описание динамики изучаемого показателя с помощью линейной модели с последующим прогнозированием не приносит удовлетворительных результатов, поэтому необходимо прибегнуть к более гибким методам анализа временных рядов.
В целях подтверждения высказывания относительно структурных изменений в динамике под влиянием финансового кризиса обратимся к методике построения теста (критерий) Г. Чоу [119]. Суть его сводится в установлении (посредством F-статистики) преимущества в построении линейной модели, основанной на всех имеющихся уровнях, над кусочно-линейной моделью, базирующейся на периодах стабильного развития изучаемого явления.
В результате применения теста к имеющейся динамике (точка перелома - 1 квартал 2008 года) получаем в пакете программ EViews 7 следующие результаты:
Опираясь на полученное соотношение, можем утверждать, что гипотеза об адекватности линейного тренда, построенного на основе всей совокупности, отвергается. Тем самым подтверждается гипотеза о наличии структурных изменений под влиянием финансового кризиса. Соответственно для прогнозирования тенденции анализируемого показателя будем использовать отрезок 1 кв. 2009 г. - 4 кв. 2010 г. Но, прежде чем приступить к описанию тенденции и прогнозированию, необходимо провести анализ сезонности изучаемого показателя (формула 2.1.1).
Обратимся к таблице 2.1.1 и проанализируем величину индекса сезонности, рассчитанного на данных до и после кризиса.
Согласно полученным данным, финансовый кризис 2008 года не повлиял на сезонность, в 1-2 квартале наблюдается снижение активности потребителей, а в 3-4 квартале - увеличение с пиком в 4 квартале, что, несомненно, связано с увеличением финансовых потоков в конце года.
Согласно полученным данным, финансовый кризис оказал существенное влияние на динамику показателя. Так, возможная величина выданных ИЖК (при сохранении докризисных условий) в 4 квартале 2010 года отличается от фактических в 2,8 раза. Также стоит отметить, что наметившийся в 2009-2010 годах рост показателя сопоставим по уровню с динамикой 2006 года, т.е. в плане кредитования банковская система была откинута на 3 года назад, можно сказать, к исходным позициям (рисунок 2.1.2).
Наряду с рассмотренным подходом, для описания неустойчивых временных рядов активно используются адаптивные методы. Одним из таких методов является экспоненциальное сглаживание [109].
Данный метод характерен тем, что при его применении изменяют каждый уровень yt, учитывая сам этот уровень и предшествующие ему, причем «вклад» предшествующего уровня тем меньше, чем «старше» этот уровень. Веса уровней снижаются экспоненциально в степени, зависящей от принятой величины параметра сглаживания а, значение которого находится в пределах 0-1.
В практике эконометрического моделирования, как правило, используют три модели:
1. Модель Брауна содержит одно сглаживающее уравнение и дает хорошие результаты для стационарных временных рядов.
2. Модель Хольта включает два уравнения: первое предназначено для сглаживания наблюдаемых уровней, а второе - для сглаживания тренда. 3. Модель Винтера содержит три уравнения: уравнения для сглаживания уровней и тренд, плюс уравнение для сглаживания сезонных изменений.
В нашем случае будем использовать модель Винтера, так как выше в динамике выданных ИЖК было выявлено наличие сезонной составляющей и тренда. Решение поставленной задачи осуществимо с помощью встроенного модуля «Экспоненциальное сглаживание и прогноз» статистического пакета программ STATISTICA 6.0.
Одной из основных проблем при построении экспоненциальных моделей является выбор оптимальных значений, сглаживающих констант; решить данную проблему призвана процедура «Поиск на сетке решений», позволяющая на основе перебора всех возможных вариантов выбрать модель с оптимальными константами.
Статистическое изучение неравномерности развития ипотечного жилищного кредитования по территории
Позиционирование объектов в пространстве - одна из самостоятельных задач статистики. Применительно к ипотечному кредитованию-решение этой задачи І позволит выявить группы объектов со схожими закономерностями развития, а также установить лидирующие объекты.
В главе 1 представлена система показателей, характеризующих ипотечное жилищное кредитование в России. В настоящей главе разработанная нами система будет использована для изучения структуры, дифференциации, динамики и взаимосвязей в разрезе субъектов РФ за период 2006-2010 годов. Выбор 2006 года в качестве базы сравнения (в отличие от главы 2) объясняется отсутствием данных банковской статистики в разрезе субъектов за более ранние периоды времени.
Естественно предположить, что в связи с трудностями, возникающими на региональном уровне при сборе статистической информации, система показателей в пространстве будет значительно меньше (таблица 3.1.1).
Так, показателей, вошедших в 1-4 блоки, становится значительно меньше, а блок №5 не будет использоваться, т.к. информация по данным показателям на уровне регионов недоступна.
Алгоритм проведения многомерного статистического анализа представим в виде ряда этапов (приложение Г), при этом за основу возьмем методику В. Г. Зарецкой [26].
В целях уточнения взаимосвязей (взаимовлияния) между показателями предложенной системы проведем анализ методом канонической корреляции между группой результирующих переменных и группами независимых переменных.
Метод канонических корреляций используется для научного обоснования системы показателей при.проведении многомерного статистического анализа, а также как основной инструментарий в каноническом факторном анализе [23].
Основная цель применения этого метода в анализе экономических процессов состоит, прежде всего, в поиске максимальных корреляционных связей между группами исходных переменных: показателями-факторами и результативными качественными показателями. Кроме того, метод канонических корреляций дает возможность сократить объем исходных данных за счет отсева малозначимых факторов [60].
Имеющиеся в нашем распоряжении данные как нельзя лучше подходят для проведения подобного анализа. Воспользуемся возможностями пакета STATISTICA 6.0 и оценим каноническую корреляцию между результирующими переменными и факторами, вошедшими во второй блок системы показателей.
Согласно данным, приведенным в таблице, были получены значения коэффициента канонической корреляции, при этом первый вариант получен статистически значимым и указывает на высокий уровень зависимости показателей, вошедших в первый (ylt у2, у3) и второй (vlt v2, v3) блок.
Первому коэффициенту корреляции (0,637) соответствуют следующие значения канонических переменных: U = -0,977у + 0,356%! - 0,032 х2 V = -0,663г?! + 0,175т72 - 1,014г 4
Согласно предложенным переменным, получаем, что наибольшее влияние на зависимые переменные оказывают факторы v1nv3.
Аналогичным образом проведем расчет канонической корреляции для оставшихся блоков в 2006 году и 2010 году (таблица 3.1.3).
Данные, приведенные в таблице 3.1.3, указывают на наличие сильной взаимосвязи между рассматриваемыми группами показателей, при этом данная взаимосвязь со временем выросла, о чем свидетельствует рост коэффициентов канонической корреляции в 2010 году относительно 2006 года.
Согласно приведенным данным, показатели, оказывающие набольшее влияние на результатирующие переменные, стабильны во времени. Так, показатели v и zx оказывают наибольшее влияние как в отчетном, так и в базисном году. В результате проведенного канонического анализа можно сделать вывод, что между группами рассматриваемых показателей прослеживается взаимосвязь, при этом наблюдается относительная стабильность влияния во времени, а также рост значения коэффициента канонической корреляции. Соответственно, предложенная система показателей пригодна для проведения статистического анализа ипотечного жилищного кредитования в разрезе субъектов РФ.
Используя выделенные показатели в разрезе субъектов РФ, проведем их группировку для выявления дифференциации объектов по уровню ипотечного кредитования. В качестве основного метода выделения групп объектов используем один из многомерных методов статистического анализа - кластерный анализ.
Дж.-О. Ким в своей работе отмечает: «Кластерный анализ - это общее название множества вычислительных процедур, используемых при создании классификации. В результате работы с процедурами образуются «кластеры» или группы очень похожих объектов» [104].
В отличие от комбинированных группировок, в кластерном анализе используется иной принцип образования групп: так называемый политетический подход. Все группировочные признаки одновременно участвуют в группировке, т.е. они учитываются все сразу при отнесении наблюдения в ту или иную группу [60].
Статистическое изучение влияния факторов, оказывающих влияние на объем ипотечного жилищного кредитования на основе панельных данных
В учебнике И. И. Елисеевой [119] приводится следующее определение панельных данных: «Панельные данные» - это множество данных, состоящих из наблюдений за однотипными статистическими объектами в течение нескольких временных периодов.
Из определения следует, что панельные данные сочетают в себе как данные пространственного типа, так и данные типа временных рядов. Благодаря специальной структуре панельные данные позволяют строить более гибкие и содержательные модели.
При работе с реальными панельными данными всегда возникает проблема выбора модели. На содержательном уровне разницу между моделями можно интерпретировать следующим образом. Обычная модель предполагает, что у экономических единиц нет индивидуальных различий, и в некоторых простых ситуациях такое предположение оправдано. В модели с фиксированным эффектом считается, что каждая экономическая единица «уникальна» и не может рассматриваться как результат случайного выбора из некоторой, генеральной совокупности. .Такой подход вполне справедлив, когда речь идет о странах, крупных регионах, отраслях промышленности, больших предприятиях. Если же объекты попали в панель «случайно» в результате выборки из большой совокупности, то приемлемой является модель со случайным эффектом. Примером могут служить небольшие фирмы, домашние хозяйства, индивидуумы.
Обобщая вышеприведенные теоретические и практические соображения, процесс построения модели на основе панельных данных можем представить в виде следующей схемы (рисунок 3.4.1).
Воспользуемся методикой, приведенной на схеме (рисунок 3.4.1), проведем анализ влияния социально-экономических факторов на уровень ипотечного жилищного кредитования в субъектах РФ за период 2006-2010 гг. Источниками информации послужили данные Федеральной службы государственной статистики РФ [72] и Центрального банка РФ [81].
Очевидным было бы предположить, что в нашем случае необходимо постулировать модель с фиксированным эффектом, так как рассматриваются объекты, проявляющие индивидуальные особенности. Но также мы не можем утверждать, что имеем дело с генеральной совокупностью, поэтому воспользуемся статистическими тестами.и определим наиболее адекватную модель.
Построим разведочную модель, включив в нее все имеющиеся независимые показатели, при этом согласно методике, предложенной выше, строим модель с фиксированным эффектом и тестируем модель с помощью F-критерия.
Для оценки модели на основе созданной панели прибегнем к возможностям пакета программ Stata 11, получаем следующий результат (таблица 3.4.1).
Согласно данным приведенной таблицы, нулевая гипотеза о равенстве всех параметров уравнения отвергается, т.е. можно утверждать, что модель с фиксированными эффектами предпочтительнее, чем обычная регрессия.
Вместе с тем, согласно f-критерию Стьюдента, не все параметры уравнения статистически значимы, из общего количества значимы, получены параметры при V\, Vz.zz и с2. Исключим незначимые показатели из рассмотрения и пересчитаем модель (таблица 3.4.2).
Согласно результатам, представленным в таблице 3.4.3, получаем, что в оцененной модели со случайными эффектами параметр при переменных z3 и с2 получен статистически незначимым.
В результате проведения теста множителей Лагранжа в статистическом пакете программ Stata 11 получаем, что а(1), = 5,10 (р-уровень равен 0,024), т.е. получаем, что нулевая гипотеза отвергается и модель со случайным эффектом предпочтительнее обычной регрессии.
Следующим логическим шагом является проведение теста Хаусмана для разрешения вопроса о предпочтительности модели со случайным эффектом модели с фиксированным эффектом.
Согласно полученным данным, в выборе модели необходимо склониться к регрессии с фиксированными эффектами.
Подводя итог построения регрессионной модели на основе панельных данных, можем сделать следующие выводы.
Во-первых, проведенные тесты указывают на предпочтение модели с фиксированными эффектами, т.е. межиндивидуальные различия субъектов РФ проявляются сильнее, чем динамические изменения.
Во-вторых, вариация и динамика уровня объемов выданных ипотечных кредитов в РФ в значительной мере связна с вариацией и динамикой таких показателей, как: величина жилищного фонда, средние цены на вторичном рынке жилья, среднедушевые денежные доходы и объемы введенных в действие жилых домов.
