статье проведено инновационное исследование в зарубежных странах с использованием передовых эконометрических моделей анализа влияния цифровых параметров на макроэкономические показатели. Проанализировано влияние числовых параметров на ВВП на душу населения зарубежных стран и использованы 21-летние показатели данных Всемирного банка (https://data.worldbank.org/). Поскольку данные исследования основаны на многомерных временных рядах, эконометрические уравнения были разработаны с использованием модели авторегрессии с распределенным лагом ARDL (авторегрессионный распределенный лаг). Результаты исследования показали, что цифровые параметры в этих регионах оказали значительное влияние, продемонстрировав прямую положительную корреляцию с макроэкономическими показателями.
Линейные модели стали мощным эконометрическим инструментом, используемым для демонстрации взаимосвязи между двумя или более переменными. Многие исследования также используют линейную аппроксимацию для нелинейных случаев, поскольку она все еще может дать достоверные результаты. Метод МНК требует, чтобы отношения зависимых и независимых переменных были линейными, хотя во многих исследованиях используется приближение МНК даже для нелинейных случаев. В этом исследовании мы представляем альтернативный метод оценки интервалов, бутстрап, в линейных регрессиях, когда взаимосвязь нелинейна. Мы сравниваем традиционные доверительные интервалы и доверительные интервалы начальной загрузки, когда данные имеют нелинейную зависимость. Поскольку нам необходимо знать истинные параметры, мы проводим моделирование. Результаты нашего исследования показывают, что, когда член ошибки имеет ненормальную форму, бутстрап-интервал превосходит традиционный метод из-за отсутствия предположения о распределении и более широкой ширины интервала.
Оценки доверительных интервалов в линейных моделях представляют большой интерес в социальных науках. Однако традиционный подход к построению доверительных интервалов предполагает ряд допущений, включая набор данных, не имеющий экстремальных выбросов. В этом исследовании мы обсуждаем наличие серьезных выбросов в линейных моделях и предлагаем метод начальной загрузки в качестве альтернативного способа построения доверительных интервалов. Мы пришли к выводу, что доверительные интервалы начальной загрузки могут превосходить традиционные доверительные интервалы при наличии выбросов, когда размер выборки невелик или распределение популяции не является нормальным. Наконец, мы призываем исследователей провести компьютерное моделирование, чтобы оценить выводы этого исследования.
