Proces modelowania zjawiska handlu zagranicznego towarami



Podobne dokumenty
STUDIA I STOPNIA EGZAMIN Z EKONOMETRII

Model 1: Estymacja KMNK z wykorzystaniem 32 obserwacji Zmienna zależna: st_g

4. Średnia i autoregresja zmiennej prognozowanej

Niestacjonarne zmienne czasowe własności i testowanie

Outsourcing a produktywność pracy w polskich przedsiębiorstwach. Anna Grześ Zakład Zarządzania Uniwersytet w Białymstoku

e) Oszacuj parametry modelu za pomocą MNK. Zapisz postać modelu po oszacowaniu wraz z błędami szacunku.

Zadanie 1 1. Czy wykresy zmiennych sugerują, że zmienne są stacjonarne. Czy występuje sezonowość?

Zadanie 3 Na podstawie danych kwartalnych z lat oszacowano następujący model (w nawiasie podano błąd standardowy oszacowania):

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 15-16

Stanisław Cichocki. Natalia Neherbecka. Zajęcia 13

EKONOMETRIA STOSOWANA PRZYKŁADOWE ZADANIA EGZAMINACYJNE

Stanisław Cihcocki. Natalia Nehrebecka

Model 1: Estymacja KMNK z wykorzystaniem 4877 obserwacji Zmienna zależna: y

Szymon Bargłowski, sb39345 MODEL. 1. Równania rozpatrywanego modelu: 1 PKB t = a 1 a 2 E t a 3 Invest t 1

TEST STATYSTYCZNY. Jeżeli hipotezę zerową odrzucimy na danym poziomie istotności, to odrzucimy ją na każdym większym poziomie istotności.

Ekonometria. Zajęcia

Ekonometria I Weryfikacja: współliniowość i normalność. Dr Michał Gradzewicz Szkoła Główna Handlowa w Warszawie

Stanisław Cichocki. Natalia Nehrebecka. Wykład 12

Metody Ilościowe w Socjologii

Zadanie 1 Zakładając liniową relację między wydatkami na obuwie a dochodem oszacować MNK parametry modelu: y t. X 1 t. Tabela 1.

Zadanie 1. a) Przeprowadzono test RESET. Czy model ma poprawną formę funkcyjną? 1

Wstęp... 3 Problem i hipoteza badawcza... 4 Opis modelu. Definicje i założenia... 5 Źródła danych... 6 Szacowanie modelu... 7 Wnioski...

Stanisław Cichocki. Natalia Nehrebecka

Metoda Johansena objaśnienia i przykłady

Ekonometria ćwiczenia 3. Prowadzący: Sebastian Czarnota

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2014/2015

Testowanie hipotez statystycznych związanych ą z szacowaniem i oceną ą modelu ekonometrycznego

K wartość kapitału zaangażowanego w proces produkcji, w tys. jp.

Własności statystyczne regresji liniowej. Wykład 4

Ćwiczenia IV

Projekt zaliczeniowy z Ekonometrii i prognozowania Wyższa Szkoła Bankowa w Toruniu 2017/2018

Na podstawie danych dotyczacych rocznych wydatków na pizze oszacowano parametry poniższego modelu:

parametrów strukturalnych modelu = Y zmienna objaśniana, X 1,X 2,,X k zmienne objaśniające, k zmiennych objaśniających,

Przykład 2. Stopa bezrobocia

Stanisław Cichocki Natalia Neherbecka

5. Model sezonowości i autoregresji zmiennej prognozowanej

Niestacjonarne zmienne czasowe własności i testowanie

2. Założenie niezależności zakłóceń modelu - autokorelacja składnika losowego - test Durbina - Watsona

Ekonometria. Ćwiczenia nr 3. Jakub Mućk. Katedra Ekonomii Ilościowej

Podstawy ekonometrii. Opracował: dr hab. Eugeniusz Gatnar prof. WSBiF

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Przykład 1 ceny mieszkań

MODELE LINIOWE. Dr Wioleta Drobik

Przyjazdy turystów zagranicznych do Polski miesięcznie od 2005 roku do 2009 roku modelowanie ekonometryczne

Ekonometria Ćwiczenia 19/01/05

Ekonometria. Własności składnika losowego. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Prognozowanie ekonometryczne, ocena stabilności oszacowań parametrów strukturalnych. Jakub Mućk. Katedra Ekonomii Ilościowej

Rozdział 8. Regresja. Definiowanie modelu

3. Modele tendencji czasowej w prognozowaniu

Regresja wielokrotna jest metodą statystyczną, w której oceniamy wpływ wielu zmiennych niezależnych (X1, X2, X3,...) na zmienną zależną (Y).

Ekonometria. Robert Pietrzykowski.

Budowa praktycznego modelu regresji opisującego zależności występujące na rynku nieruchomości mieszkaniowych

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 8

Egzamin z ekonometrii wersja IiE, MSEMAT

przedmiotu Nazwa Pierwsza studia drugiego stopnia

Estymacja parametrów modeli liniowych oraz ocena jakości dopasowania modeli do danych empirycznych

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Estymator jest nieobciążony, jeśli jego wartośd oczekiwana pokrywa się z wartością szacowanego parametru.

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

BADANIE WPŁYWU ZMIAN STOPY REFERENCYJNEJ NBP I PRZECIĘTNEGO WYNAGRODZENIA W GOSPODARCE NARODOWEJ NA WARTOŚĆ TRANSAKCJI DOKONANYCH KARTAMI PŁATNICZYMI

UWARUNKOWANIA BEZROBOCIA W POWIECIE STARACHOWICKIM

Liniowy model ekonometryczny Metoda najmniejszych kwadratów Laboratorium 1.

1. Stacjonarnośd i niestacjonarnośd szeregów czasowych 2. Test ADF i test KPSS 3. Budowa modeli ARMA dla zmiennych niestacjonarnych 4.

Kolokwium ze statystyki matematycznej

1 Modele ADL - interpretacja współczynników

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

TESTY NIEPARAMETRYCZNE. 1. Testy równości średnich bez założenia normalności rozkładu zmiennych: Manna-Whitney a i Kruskala-Wallisa.

Rozdział 2: Metoda największej wiarygodności i nieliniowa metoda najmniejszych kwadratów

1. Pokaż, że estymator MNW parametru β ma postać β = nieobciążony. Znajdź estymator parametru σ 2.

Testowanie hipotez statystycznych.

i EKSPLOATACJI TAbORU AUTObUSOWEGO

Egzamin z ekonometrii - wersja ogólna

Projekt z Ekonometrii Dynamicznej

ZASTOSOWANIE DYNAMICZNEGO MODELU ZGODNEGO W ANALIZIE GOSPODARKI GÓRNEGO ŚLĄSKA

ANALIZA REGRESJI WIELOKROTNEJ. Zastosowanie statystyki w bioinżynierii Ćwiczenia 8

REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ MODEL REGRESJI WIELORAKIEJ. Analiza regresji i korelacji

Wielowymiarowa analiza regresji. Regresja wieloraka, wielokrotna

Metoda najmniejszych kwadratów

Ekonometria. Wprowadzenie do modelowania ekonometrycznego Estymator KMNK. Jakub Mućk. Katedra Ekonomii Ilościowej

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej. Modele nieliniowe Funkcja produkcji

Statystyka od podstaw Janina Jóźwiak, Jarosław Podgórski

Stanisław Cichocki. Natalia Nehrebecka. Wykład 13

Testowanie hipotez statystycznych

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Diagnostyka w Pakiecie Stata

Statystyka w zarzadzaniu / Amir D. Aczel, Jayavel Sounderpandian. Wydanie 2. Warszawa, Spis treści

Państwowa Wyższa Szkoła Zawodowa w Suwałkach SYLLABUS na rok akademicki 2014/2015

Regresja liniowa wprowadzenie

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

ANALIZA PORÓWNAWCZA WYBRANYCH PROCEDUR MODELOWANIA EKONOMETRYCZNEGO DLA MODELU GOSPODARKI WOJEWÓDZTWA ŚLĄSKIEGO

Ekonometria. Model nieliniowe i funkcja produkcji. Jakub Mućk. Katedra Ekonomii Ilościowej

Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 11-12

Stanisław Cichocki. Natalia Nehrebecka. Wykład 9

Ekonometria. Weryfikacja modelu. Paweł Cibis 6 kwietnia 2006

Testowanie hipotez statystycznych

Stanisław Cichocki. Natalia Nehrebecka

Prognozowanie na podstawie modelu ekonometrycznego

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Wskaźniki transportowe a koniunktura gospodarcza na przykładzie polskiej gospodarki w latach

Transkrypt:

Załącznik nr 1 do raportu końcowego z wykonania pracy badawczej pt. Handel zagraniczny w województwach (NTS2) realizowanej przez Centrum Badań i Edukacji Statystycznej z siedzibą w Jachrance na podstawie umowy nr 2/BR-POPT/CBiES/2015 podpisanej w dniu 5 czerwca 2015 r. pomiędzy GUS a CBiES w ramach Projektu Programu Operacyjnego Pomoc Techniczna 2007-2013 pn. Wsparcie systemu monitorowania polityki spójności w perspektywie finansowej 2007-2013 oraz programowania i monitorowania polityki spójności w perspektywie finansowej 2014-2020 Proces modelowania zjawiska handlu zagranicznego towarami

Uwagi ogólne: 1) Procesu modelowania zjawiska handlu zagranicznego towarami dokonano przy wykorzystaniu pakietu statystycznego GRETL. 2) Ze względu na decyzję o odejściu od wykorzystania modelu ekonometrycznego do rozszacowania wartości obrotów handlu zagranicznego towarami na województwa niniejszy załącznik przedstawia tylko główne punkty procesu modelowania oraz interpretację wyników uzasadniających brak możliwości zastosowania modelu ekonometrycznego do oszacowania wartości eksportu i importu towarów w województwach. 3) Zakładany wpływ zmiennych objaśnianych na zmienną objaśniającą wyrażono w nawiasie, tj.: (+) wraz ze wzrostem wielkości zmiennej objaśnianej wartość eksportu/importu towarów rośnie, (-) wraz ze wzrostem wielkości zmiennej objaśnianej wartość eksportu/importu towarów spada, (+/- ) trudności w określeniu wpływu wzrostu wielkości zmiennej objaśnianej na wartość eksportu/importu towarów. 4) Symbole w tablicach przedstawiających wyniki oszacowanych parametrów modelu oznaczają: * - poziom istotności 0,1, ** - poziom istotności 0,05, *** - poziom istotności 0,01. 5) W związku z liczbą obserwacji 56 przyjęto, że model jest modelem dużym i zmienne mają rozkład normalny. 6) Literatura: Maddala G. S., 2006. Ekonometria, Wydawnictwo Naukowe PWN, Warszawa. Eksport towarów W przypadku eksportu towarów za zmienną objaśnianą przyjęto wartość eksportu Polski ogółem w mln złotych polskich za poszczególne kwartały lat 2000-2013. Model opierał się na 56 obserwacjach. W pierwszym podejściu na zmienne objaśniające wytypowano następujące wielkości: - wartość kwartalnego produktu krajowego brutto (PKB) w mln zł (+), - nakłady inwestycyjne (NAKINWEST) w mln zł (+/-), - produkcja sprzedana przemysłu (PRODSZPRZED) w mln zł (+), - liczba pracujących (prac) w tys. (+), - wartość kapitału zagranicznego (kapzagr) (+/-), - udział kapitału zagranicznego (UKZ) (+/-), - kurs euro (EUR) (+), - kurs dolara (DOLAR) (+), - tzw. terms of trade (ToT) (+). 1

Przy wykorzystaniu metody najmniejszych kwadratów uzyskano następujące oszacowanie parametrów modelu : Model 1: Estymacja KMNK 1, wykorzystane obserwacje 2000:1-2013:4 (N = 56) Zmienna zależna (Y): EKSPORT const 184345 41737 4,4168 0,00006 *** PKB 0,0403306 0,0270375 1,4917 0,14262 NAKINWEST 0,0171473 0,0626577 0,2737 0,78557 PRODSZPRZED 0,584939 0,032952 17,7512 <0,00001 *** prac 6,48142 3,07284 2,1093 0,04039 ** kapzagr 0,351313 0,0661332 5,3122 <0,00001 *** UKZ 79676,8 58026,1 1,3731 0,17637 EUR 31,2776 17,0906 1,8301 0,07372 * DOLAR 56,6251 13,5829 4,1688 0,00013 *** ToT 339,678 126,423 2,6868 0,01000 ** Średn.aryt.zm.zależnej 90593,63 Odch.stand.zm.zależnej 41233,08 Suma kwadratów reszt 2,59e+08 Błąd standardowy reszt 2374,399 Wsp. determ. R-kwadrat 0,997227 Skorygowany R-kwadrat 0,996684 F(9, 46) 1837,800 Wartość p dla testu F 1,06e-55 Logarytm wiarygodności 509,2126 Kryt. inform. Akaike'a 1038,425 Kryt. bayes. Schwarza 1058,679 Kryt. Hannana-Quinna 1046,278 Autokorel.reszt - rho1 0,727871 Stat. Durbina-Watsona 0,507910 Model uwzględniający powyższe zmienne objaśnia zjawisko eksportu w 99,7%. Na poziomie istotności 5% statystyki t-studenta wskazują na istotność następujących zmiennych objaśniających: PRODSZPRZED, prac, kapzagr, DOLAR, ToT. Zgodnie z oczekiwaniami znaki estymatorów oszacowane dla zmiennych uznanych za istotne są zgodne z oczekiwaniami. W modelu występuje jednak współliniowość, o czym świadczą czynniki rozdęcia wariancji VIF powyżej 10. Zmienna VIF PKB 45,574 NAKINWEST 3,103 PRODSZPRZED 38,427 prac 11,050 kapzagr 33,352 1 KMNK klasyczna metoda najmniejszych kwadratów 2

UKZ 5,537 EUR 2,646 DOLAR 5,813 ToT 1,338 Odnotowano również autokorelację reszt I-rzędu, o czym świadczy statystyka Durbina Watsona na poziomie 0,508. Wartości krytyczne tej statystyki przy poziomie istotności 5%, liczbie obserwacji 56 i liczbie zmiennych objaśniających (wraz z wyrazem wolnym) 10, wynoszą dl=1,25 oraz du=1,91. Wartość poniżej dl daje podstawę do odrzucenia hipotezy o braku autokorelacji reszt. W kolejnych krokach ze zbioru usunięto zmienne objaśniające zmienną podejrzane o współliniowość oraz zmienne nieistotne: PRODSZPRZED, kapzagr, ToT, DOLAR i NAKINWEST. Przy wykorzystaniu metody najmniejszych kwadratów uzyskano następujące oszacowanie parametrów modelu: Model 2: Estymacja KMNK, wykorzystane obserwacje 2000:1-2013:4 (N = 56) Zmienna zależna (Y): EKSPORT const 504312 89505,8 5,6344 <0,00001 *** PKB 0,362128 0,0322847 11,2167 <0,00001 *** prac 34,5557 7,81994 4,4189 0,00005 *** UKZ 713770 144439 4,9417 <0,00001 *** EUR 107,86 39,9559 2,6995 0,00940 *** Średn.aryt.zm.zależnej 90593,63 Odch.stand.zm.zależnej 41233,08 Suma kwadratów reszt 3,47e+09 Błąd standardowy reszt 8246,397 Wsp. determ. R-kwadrat 0,962911 Skorygowany R-kwadrat 0,960002 F(4, 51) 331,0183 Wartość p dla testu F 8,38e-36 Logarytm wiarygodności 581,8236 Kryt. inform. Akaike'a 1173,647 Kryt. bayes. Schwarza 1183,774 Kryt. Hannana-Quinna 1177,573 Autokorel.reszt - rho1 0,373338 Stat. Durbina-Watsona 1,249924 Model objaśnia zjawisko eksportu w 96,0%. Statystyki t-studenta wskazują na istotność wybranych zmiennych objaśniających na poziomie istotności 1%. Zgodnie z oczekiwaniami znaki estymatorów oszacowane dla wybranych zmiennych objaśniających są zgodne z oczekiwaniami. W uzyskanym modelu nie występuje współliniowość. Odnotowano jednak autokorelację reszt I-rzędu, o czym świadczy statystyka Durbina Watsona na poziomie 1,250. Wartości krytyczne tej 3

statystyki przy poziomie istotności 5%, liczbie obserwacji 56 i liczbie zmiennych objaśniających (wraz z wyrazem wolnym) 5, wynoszą dl=1,37 oraz du=1,77. Wartość poniżej dl daje podstawę do odrzucenia hipotezy o braku autokorelacji reszt. Następnym posunięciem było usunięcie ze zbioru zmiennych: prac i EUR. Przy wykorzystaniu metody najmniejszych kwadratów uzyskano następujące oszacowanie parametrów modelu : Model 3: Estymacja KMNK, wykorzystane obserwacje 2000:1-2013:4 (N = 56) Zmienna zależna (Y): EKSPORT const 108166 23521,4 4,5986 0,00003 *** PKB 0,490942 0,0167428 29,3225 <0,00001 *** UKZ 244168 102755 2,3762 0,02114 ** Średn.aryt.zm.zależnej 90593,63 Odch.stand.zm.zależnej 41233,08 Suma kwadratów reszt 4,92e+09 Błąd standardowy reszt 9630,624 Wsp. determ. R-kwadrat 0,947431 Skorygowany R-kwadrat 0,945447 F(2, 53) 477,5985 Wartość p dla testu F 1,26e-34 Logarytm wiarygodności 591,5903 Kryt. inform. Akaike'a 1189,181 Kryt. bayes. Schwarza 1195,257 Kryt. Hannana-Quinna 1191,536 Autokorel.reszt - rho1 0,047610 Stat. Durbina-Watsona 1,882027 Test LM na autokorelację rzędu 4 Hipoteza zerowa: brak autokorelacji składnika losowego Statystyka testu: LMF = 22,3132 z wartością p = P(F(4,49) > 22,3132) = 1,54539e- 010 Model objaśnia zjawisko eksportu w 94%. Statystyki t-studenta wskazują na istotność wybranych zmiennych objaśniających na poziomie istotności 5%. Współliniowość nie występuje, o czym świadczą czynniki rozdęcia wariancji na poziomie 1.062 dla obydwu zmiennych objaśniających. Pojawia się jednak problem autokorelacji reszt. Jakkolwiek, wartość statystyki Durbina Watsona - 1,882 (dl= 1,49, a du=1,64) nie podstaw do odrzucenia hipotezy o braku autokorelacji I- rzędu, to problem pojawia się przy testowaniu autokorelacji reszt IV-rzędu. 4

IMPORT W przypadku importu za zmienną objaśnianą przyjęto wartość importu Polski ogółem w mln złotych polskich za poszczególne kwartały lat 2000-2013. Model opierał się na 56 obserwacjach. W pierwszym podejściu na zmienne objaśniające wytypowano następujące wielkości: - popyt (popyt) w mln zł (+), - udział eksportu w PKB (EXPKB) (+/-), - wartość kapitału zagranicznego (kapzagr) (+/-), - udział kapitału zagranicznego (UKZ) (+/-), - kurs euro (EUR) (-), - kurs dolara (DOLAR) (-), - tzw. terms of trade (ToT) (-). Przy wykorzystaniu metody najmniejszych kwadratów uzyskano następujące oszacowanie parametrów modelu: Model 1: Estymacja KMNK, wykorzystane obserwacje 2000:1-2013:4 (N = 56) Zmienna zależna (Y): IMPORT const 17178,7 16010,2 1,0730 0,28854 POPYT 0,336816 0,00920032 36,6092 <0,00001 *** EXPKB 2789,49 132,543 21,0460 <0,00001 *** UKZ 175206 37479,7 4,6747 0,00002 *** ToT 466,189 130,034 3,5851 0,00077 *** EUR 62,4583 17,45 3,5793 0,00079 *** DOLAR 54,4505 14,086 3,8656 0,00033 *** Średn.aryt.zm.zależnej 104252,7 Odch.stand.zm.zależnej 39692,65 Suma kwadratów reszt 3,71e+08 Błąd standardowy reszt 2752,919 Wsp. determ. R-kwadrat 0,995715 Skorygowany R-kwadrat 0,995190 F(6, 49) 1897,490 Wartość p dla testu F 3,23e-56 Logarytm wiarygodności 519,2650 Kryt. inform. Akaike'a 1052,530 Kryt. bayes. Schwarza 1066,708 Kryt. Hannana-Quinna 1058,027 Autokorel.reszt - rho1 0,564420 Stat. Durbina-Watsona 0,865815 Model objaśnia zjawisko importu w 99,5%. Statystyki t-studenta wskazują na istotność wybranych zmiennych objaśniających na poziomie istotności 1%. Zgodnie z oczekiwaniami znaki 5

estymatorów oszacowane dla wszystkich, oprócz kursu dolara, wybranych zmiennych objaśniających są zgodne z oczekiwaniami. Zmienna VIF POPYT 3,636 EXPKB 5,876 UKZ 1,730 EUR 2,052 DOLAR 4,650 ToT 1,053 W uzyskanym modelu nie występuje współliniowość. Odnotowano jednak autokorelację reszt I-rzędu, o czym świadczy statystyka Durbina Watsona na poziomie 0,866. Wartości krytyczne tej statystyki przy poziomie istotności 5%, liczbie obserwacji 56 i liczbie zmiennych objaśniających (wraz z wyrazem wolnym) 7, wynoszą dl=1,37 oraz du=1,77. Wartość poniżej dl daje podstawę do odrzucenia hipotezy o braku autokorelacji reszt. W kolejnym podejściu na zmienne objaśniające wytypowano następujące wielkości: - popyt (popyt) w mln zł (+), - wskaźniki sprzedaży detalicznej (EXPKB) (+). Przy wykorzystaniu metody najmniejszych kwadratów uzyskano następujące oszacowanie parametrów modelu: Model 2: Estymacja KMNK, wykorzystane obserwacje 2000:1-2013:4 (N = 56) Zmienna zależna (Y): IMPORT const 107688 24224,3 4,4455 0,00005 *** POPYT 0,500047 0,0154622 32,3400 <0,00001 *** sprzedaadetaliczna 624,036 227,09 2,7480 0,00818 *** Średn.aryt.zm.zależnej 104252,7 Odch.stand.zm.zależnej 39692,65 Suma kwadratów reszt 4,12e+09 Błąd standardowy reszt 8815,961 Wsp. determ. R-kwadrat 0,952463 Skorygowany R-kwadrat 0,950669 F(2, 53) 530,9597 Wartość p dla testu F 8,74e-36 Logarytm wiarygodności 586,6408 Kryt. inform. Akaike'a 1179,282 Kryt. bayes. Schwarza 1185,358 Kryt. Hannana-Quinna 1181,637 Autokorel.reszt - rho1 0,038693 Stat. Durbina-Watsona 1,902391 6

Test LM na autokorelację rzędu 4 Hipoteza zerowa: brak autokorelacji składnika losowego Statystyka testu: LMF = 26,5155 z wartością p = P(F(4,49) > 26,5155) = 9,81334e- 012 Model objaśnia zjawisko importu w 95,1%. Statystyki t-studenta wskazują na istotność wybranych zmiennych objaśniających na poziomie istotności 1%. Zgodnie z oczekiwaniami znaki estymatorów oszacowane dla wybranych zmiennych objaśniających są zgodne z oczekiwaniami. W modelu nie występuje współliniowość. Czynniki rozdęcia wariancji dla obydwu zmiennych objaśniających to 1.002. Wartość statystyki Durbina Watsona na poziomie 1,902. Wartości krytyczne tej statystyki przy poziomie istotności 5%, liczbie obserwacji 56 i liczbie zmiennych objaśniających (wraz z wyrazem wolnym) 3, wynoszą dl=1,49 oraz du=1,64. Wartość powyżej du nie daje podstawy do odrzucenia hipotezy o braku autokorelacji reszt. Przeprowadzony test Breuscha-Godfreya na autokorelację do IV rzędu daje podstawy do odrzucenia hipotezy o braku autokorelacji. * * * Zarówno w przypadku modelowania zjawiska eksportu, jak i importu towarów, problemem okazuje się autokorelacja reszt. Wprowadzenie do modelów dodatkowych zmiennych, czy też opóźnienie zmiennych, objaśniających nie wyeliminowało tego zjawiska. Wykluczono błędną postać modelów. Przyczyny tego stanu upatruje się więc w pominięciu istotnych zmiennych mających wpływ na zjawisko handlu zagranicznego, a mających charakter czynników zewnętrznych, np. PKB krajówpartnerów wymiany międzynarodowej, czy też kursu walut. Zmienne te nie różnicują zjawiska eksportu i importu w województwach i ich wprowadzenie do modelu uniemożliwia wykorzystanie parametrów oszacowanych w modelu do naliczenia danych na temat eksportu według województw. 7